.avif)
マイクロエレクトロニクスは、人工知能（AI）や機械学習（ML）、モノのインターネット（IoT）、次世代通信、そして新興の量子技術に後押しされ、記録的な速さで進化しています。このACS/CASウェビナーセッションでは、3名の専門家が研究の現状をマッピングし、脳に着想を得たコンピューティングのブレイクスルーを共有するとともに、米国のCHIPS法がどのように材料イノベーションを促進しているかについて概説しました。登壇者は、Jean-Marc Pécourt氏（CAS）、Steve Furber氏（マンチェスター大学）、Jim Warren氏（米国国立標準技術研究所（NIST））です。
現状分析：文献はどの方向を指し示しているか？
CASの主席科学者であるJean-Marc Pécourt博士は、CAS Content Collection™内のデータに基づいた現状分析から話を始めました。STN™を搭載したCAS IP Finderでの検索により、過去20年間にわたる約230万件のマイクロエレクトロニクス関連の記録が明らかになりました。
図1。 マイクロエレクトロニクス分野における出版の傾向。挿入されたドーナツチャートは、ジャーナル論文とパテントファミリーの分布を示しています。データには、以下の期間のジャーナルおよびパテントファミリーの出版物が含まれています。 CAS Content Collection 2004年から2024年の期間。*1月から11月までのデータのみを含みます。
続いてJean-Marcは、直近の勢いを探るため、5年間で120万件の記録のサブセットに焦点を当てました。この分野における特許とジャーナルの比率が異常に高いことは、商業化への近さを裏付けています。国別の曲線を見ると、中国のジャーナルおよび特許における急激な上昇、米国と韓国の安定した特許力、2013年頃からの日本の長期的な低下、そしてジャーナルに重きを置いたインドの成長が示されています。
CASの科学者が用語を調整するために収集した、NLP（自然言語処理）由来のCAS Trendscapeマップは、急速に発展している分野を浮き彫りにしています。それには、2D材料（遷移金属ダイカルコゲナイド、MXenes）、ペロブスカイト光エレクトロニクス/PV、そして広範なセンサー類が含まれます。デバイスの中では、特許面ではFETが加速している一方、ジャーナルではメモリスタや摩擦電気ナノ発電機が急速な成長を見せています。成熟したプロセス（化学機械研磨、化学気相成長、エッチング）はベースラインが非常に大きいため「遅い」ように見えるかもしれませんが、これらは現代のファブ（製造工場）において依然として中心的な役割を担っています。
ニューロモルフィックが今、重要である理由
英国マンチェスター大学の名誉教授であるスティーブ・ファーバー博士は、構築するものから計算方法へと視点を転換しました。今日の人工知能スタックは高密度な行列演算で機能しますが、生物学的な大脳皮質は疎で再帰的な信号伝達で機能します。同氏は、この不一致こそが人工知能のエネルギーの壁の根本原因であると主張しました。同氏のSpiNNakerプロジェクトは、100万個の控えめなARMクラスのコアと、極めて重要な要素である選択的マルチキャストファブリックを用いてこの問題に取り組みました。このファブリックは、相互接続を飽和させることなく皮質のファンアウトを模倣し、単一のスパイクを数千のターゲットメッセージに変換します。その結果、主要な脳モデルの生物学的なリアルタイム動作、スパイクベースの制約充足（数独など）のデモンストレーション、そしてイベントベースのセンサーと組み合わせた応答性の高いロボット工学が実現しました。
業界の状況がこの主張を裏付けています。インテルのLoihi 2アーキテクチャと2024年のHala Pointシステム（11.5億個の「ニューロン」）は、特定のディープラーニングワークロードにおいて、トップクラスのTOPS/W効率を備えたペタ演算規模のニューロモルフィックコンピューティングを実現しており、イベント駆動型の脳に触発された実行が、従来のアクセラレータを補完（一部のニッチ分野では凌駕）できるという証拠を示しています。スティーブは、疎性と再帰性は生物学的な好奇心の対象ではなく、スケーラブルで持続可能な知能の青写真であると考えています。
同氏は、置き換えではなく収束という現実的な見方で締めくくりました。グラフィックスプロセッシングユニットとニューロモルフィックは共進化する可能性が高く、ニューロモルフィックが超低遅延、低消費電力の知覚と閉ループ制御を担い、従来のアクセラレータが高密度な学習フェーズを処理し、やがて両者がハイブリッドシステムで融合するかもしれません。
地図から製造へ
NISTのMaterials Genome Programのディレクターであるジェームズ・ウォーレン博士は、文献のシグナルと計算されたアイデアを製造の現実に結びつけました。同氏は、CHIPS R&D Office Broad Agency Announcement (BAA) の概要を説明しました。これは、高度な半導体製造、人工知能、量子、標準化に関する提案募集であり、公的投資と長期的な成果を一致させるために設計された非典型的なリターンモデル（株式/ワラント/ライセンス）を伴うものです。同氏の主張の核心は、発見をより迅速に実用化するために、ラボには自律性、データ、そして厳密さが必要であるという点です。
ここで、Materials Genome Initiativeは、自動運転ラボおよび物理学に基づいた機械学習と出会います。ジムは、閉ループ実験がどのように豊富で監査可能なデータセットを生成できるか、また、第一原理（輸送、熱力学、電気化学など）によって制約された代理モデルが、どのようにファブのタイムスケールで有用なほぼリアルタイムの意思決定を行えるかを説明しました。印象的なエピソードとして、人工知能がハイスループット回折ストリームから直接相境界を抽出した例が挙げられます。これは、自律性が科学者の時間をデータ整理から発見へとどのようにシフトさせるかを示す初期の兆候です。このメッセージは、ラボとファブの間の壁を越えてアイデアを推進する、測定グレードの自律性を構築するための招待状でした。
聴衆が注目したこと
議論を通じて、聴衆は積極的に質問し、自身の考えを提供してくれました。彼らの関心を最も引いた分野は以下の通りです。
1. マルチモーダル入力。 スティーブは、視覚と聴覚をリンクさせるような真のマルチモーダル統合は、低レベルの脳回路に焦点を当てる今日のほとんどのニューロモルフィック研究よりも高いレベルでモデル化されていると説明しました。一部の神経科学実験やモデルでは、聴覚と視覚の空間マップを合わせるような感覚融合や、弱い刺激を組み合わせることで検出可能になったラットの研究など、感覚融合を探求するものもあります。しかし、ニューロモルフィックシステムは一般的に、完全な多感覚処理よりも、基本的な神経マイクロ回路の理解を優先しています。
2. NVIDIAとAMATのデジタルツイン。 ジムはNVIDIAとAMATのコラボレーションの詳細については知りませんでしたが、半導体設計および製造におけるデジタルツインへの大規模な投資という、より広範なトレンドを強調しました。仮想モデルは現在、ファブレベルのシステムから材料や原子に至るまで網羅されており、より優れた予測と最適化を可能にしています。同氏はこれを、完全に仮想化された設計ループを用いたNVIDIAの創薬における取り組みと比較しました。モデリングが向上しデータが増加するにつれて、デジタルツインはエンジニアリングと製造の革新の中心になりつつあります。ジャン＝マルクは、これらのツールが複数のスケールで出現していると付け加えました。
3. Spinnakerと従来のハイパフォーマンスコンピューティング（HPC）の比較。 スティーブは、Spinnakerは表面上はHPCに似ているが、根本的には異なると説明しました。HPCの大型で強力なプロセッサとは異なり、高度に並列化された神経モデリングに適した多数の小型プロセッサを使用しています。その大きな違いは、効率的なマルチキャストを可能にするカスタム通信ファブリックにあり、単一のスパイクが数千のターゲットに到達します。これは標準的なHPCネットワークでは効率的に行えません。ニューラルネットワークの構造はゆっくりと変化するため、Spinnakerはルーティングをハードコードできます。これは汎用HPCには不向きですが、ニューロモルフィックワークロードには理想的な戦略です。
4. 半導体および研究成果における米国と中国の比較。 ジャン＝マルク氏は、中国の機関は市場調査、商業調査に重点を置いた特許を多く生み出している一方、米国の研究環境は市場調査、商業調査と学術研究、学術調査の取り組みが混在していると指摘しました。半導体は戦略的優位に関わるため、市場調査、商業調査との関連性を示す米国のプロジェクトは、強力な資金調達の機会を得られる可能性があります。ジム氏は政治的な詳細については言及を避けましたが、NSF（全米科学財団）とNIST（米国国立標準技術研究所）の最終的な米国予算は、当初の懸念にもかかわらず安定していると述べました。また、半導体製造における長期的な主要競合国として中国を認め、重要なサプライヤーのサプライチェーンを確保するための米国の継続的な取り組みを強調しました。
5. ニューロモーフィックコンピューティングにおけるエネルギーと水の使用。 スティーブ氏は、なぜデータセンターで水が消費されるのかという疑問を呈し、冷却水は熱交換器で完全にリサイクル可能であると指摘しました。ニューロモーフィックシステムは、人工知能のエネルギー需要とそれに伴う冷却需要を最大1,000倍削減できる可能性があります。また、効率の向上はコスト低下による利用拡大を招き、結果として全体的な消費量が増加する可能性がある（ジェヴォンズのパラドックス）と警告しました。彼はこれを、世界的なコンピューター導入の予期せぬ爆発的普及といった歴史的な例を挙げて説明しました。
ゲストの皆様、そして視聴者の皆様に感謝いたします。詳細については、ウェビナーをご覧ください。 録画 および関連するCASのレポートをご覧ください。 マイクロエレクトロニクスの最前線：新興技術、材料、およびイノベーション。
