DRAMからキャパシターが消滅へ、あのIGZOが大活躍
SRAM（Static RAM）と同様、以前からあるもう1つの揮発性メモリー技術がDRAM（Dynamic RAM）である。SRAMはマイクロプロセッサー中でキャッシュ†として使われる場合がほとんどだが、DRAMは、演算に必要なデータを保管する主記憶として使われる。 †キャッシュ（キャッシュメモリー）＝プロセッサーが稼働中に利用する一時的なデータ保管庫。主記憶との違いには、キャッシュの容量が小さい一方で、より高速応答であるといった点などがあるが、本質的な違いは、コンピューター・プログラムから主記憶にはアクセスできるが、キャッシュのデータにはアクセスできない点である。 このため、DRAMは非常に重要な役割を担っているが、この技術の微細化は頭打ちに近い状態にある（図1）。2016年ごろ、設計ルールでいえば20ナノメートル（nm）付近までは、約4年で半減のペースで微細化が進んでいたが、それ以降は
メモリー技術の景色が様変わり、SRAM・DRAM・NANDも変革
メモリー技術は、コンピューターの演算性能を大きく左右する非常に重要な役割を果たしている。今、そうしたメモリー技術が大きな変革期を迎えている。 これまでのメモリー技術開発は、SRAM（Static Random Access Memory）やDRAM（Dynamic RAM）といった、以前からある揮発性メモリーと、早い時期に市場が立ち上がったNANDフラッシュメモリー技術に、新技術による不揮発性メモリーが挑戦するといった格好だった。今もその構図は続いているものの、最近は、SRAMやDRAM、NANDフラッシュメモリー自体に大きな変革が避けられなくなってきた（図1）。半導体技術の微細化の停滞や人工知能（AI）の台頭など、コンピューターの在り方に大きな変化が出てきたことが背景だ。 各種メモリー技術に今後起こる変化を示した。SRAMやDRAMといった既存のメモリーにも大きな変化が避けられない。SR
日立とTISが「プロマネ支援AI」を現場導入、進捗監視や成功率予測の効果とは
DX（デジタルトランスフォーメーション）ではシステム開発のスピード向上が求められる。そこで注目されているのが、システム開発をサポートし効率化するAI（人工知能）のツールだ。プロジェクトの進行を支援したり、コーディングなどの開発工程やテスト工程を支援したりするAIが、開発の現場に続々と投入されている。 システム開発のスピードを上げるには、プロジェクトマネジャーやプロジェクト・マネジメント・オフィス（PMO）によるマネジメントが重要だ。プロジェクトマネジャーやPMOはプロジェクトごとの進捗を管理するだけでなく、人材を適切に配置したり、開発の障害になりそうなリスクを把握したりする。こうした業務をいかにきめ細かく行うかによって、システム開発のスピードが変わる。そこで始まったのが、プロジェクトマネジャーやPMOを支援するAIの活用だ。以下で、日立製作所とTISの取り組みを中心に紹介する。 チケットの
NVIDIAが先端半導体製造支援サービス、TSMCとSynopsysが採用
台湾積体電路製造（TSMC）と米Synopsys（シノプシス）は、米NVIDIA（エヌビディア）が提供する半導体設計支援サービス「NVIDIA cuLitho」を使って次世代最先端半導体の量産を開始すると2024年3月18日（米国時間）に発表した。2nm世代より先の先端半導体プロセスで適用するという。 NVIDIA cuLithoはエヌビディアのGPU（画像処理半導体）を使って半導体製造における露光工程の演算を実行するためのツールやアルゴリズムを搭載したライブラリーである。このサービスを半導体製造の設計システムなどに統合することで、演算処理能力はCPU（中央演算処理装置）を使う場合に比べて40倍以上、消費電力は従来の9分の1になるという（図1）。 また、エヌビディアはNVIDIA cuLithoの価値向上のために、生成AI（人工知能）を活用した新たなアルゴリズムを開発した。生成AIとNVI
次世代メモリー技術「CiM」とは？演算器と合体で低消費電力へ
メモリーと演算器を一体化することで、従来の課題であるメモリーのデータ移動に使われる電力を大幅に抑えられる技術。ASICスタートアップの他、TSMCやSamsung Electronicsが研究開発を進める。 「あるAI（人工知能）のワークロードでは、全体のわずか2％の時間しか演算器が稼働していなかった。ほとんどの時間がデータの移動に使われている。効率を高めるためには、従来と異なるCiM（Computation in Memory）のような技術が必要だ」 2023年11月。壇上でこう述べたのは、ベルギーの半導体研究機関imecのCEO（最高経営責任者）であるLuc Van den hove氏だ。同機関が開いたイベント「ITF Japan 2023」での一幕だった。大規模言語モデル（LLM)の普及によって、AI処理で扱われるデータ量が急増している。メモリーと演算器を一体化し、データの移動距離を
C言語ソフトに潜むバッファオーバーフロー攻撃を排除、Codasipが新RISC-Vコア
SoC（System on a Chip）向けのRISC-Vコアを手がけるドイツCodasip（コダシップ）が、新しい世代のRISC-Vコア「700ファミリー」を2023年10月17日に発表した 日本語ニュースリリース 。同社既存のRISC-Vコアと比べた時の特徴は主に2つある。1つは性能が高いこと。もう1つは、C言語ソフトウエアが稼働する機器/システムのサイバー攻撃耐性を上げる技術が利用可能なことである。700ファミリーの第1弾製品の「A730」は早期アクセス顧客に提供している。来日したCodasipの幹部らに新製品に関して聞いた。 RISC-Vコアを開発提供するベンダーは少なくない。その中でCodasipの差異化ポイントは、同社がプロセッサーコア開発用EDA（Electronic Design Automation）ツール「Codasip Studio」のベンダーとしてスタートしたこと
「生成AIは何に使えるか」はもはや愚問、活用して需要を突き止めたダイキン工業
ChatGPTの登場から早1年がたとうとしている。生成AI（人工知能）をどう生かすかが企業の競争力を分ける時代が迫る中、先行企業は一歩踏み込んだ活用に乗り出し始めた。セキュリティーを担保するオリジナルの仕組みを実装したり、自社の業務に合わせてチューニングを施したりといった具合だ。 ChatGPTをお試しで利用する段階は終わりを告げ、いよいよ企業独自の取り組みで差がつく段階に突入している。日本企業における意欲的な取り組みを追った。 全社に展開してニーズを把握 「生成AIが与えるインパクトや、技術との親和性を考えると、絶対に必要になると確信した」――。このように話すのはダイキン工業の清木場卓IT推進部IT企画担当課長兼テクノロジー・イノベーションセンター主任技師だ。 ダイキン工業は2023年2月、いち早く生成AIへの取り組みを始めるため、先進技術の活用提案をする組織「IT創発グループ」に生成A
「京大生でもx＝x＋1が分からない」、喜多教授が明かすPython教育の実態
プログラミング言語「Python」の大規模イベント「PyCon APAC 2023」が2023年10月27日と28日の2日間にわたって開催された。1日目に行われた京都大学国際高等教育院の喜多一教授による基調講演を中心に、イベントの内容をリポートする。 PyCon APAC 2023は、1日目の基調講演「Why University Teachers Wrote a Python Textbook？」で幕を開けた。京都大学でPythonを使ったプログラミング教育を担当している喜多教授が、その実態について英語で講演した。 喜多教授は、主に大学1年生向けの教養教育の一環として、Pythonを使ったプログラミングコースを2018年に始めた。そのための教科書をつくり、2019年に公開した。誰でも無償でPDFをダウンロードできる。教科書は毎年改訂しているが、一般向けに公開したのは2019年版と2021
ラピダスが目指す2nm世代のGAAって何？、半導体微細化10の疑問
GAA構造の量産に行き着ける企業は、世界でも限られている。ラピダスに同技術をノウハウ提供する米IBMも、量産技術までは持ち合わせていない。 現状、日本企業が量産できる範囲は40n～60nmプロセス程度。この状態を一気にキャッチアップし、2nm世代に移行するのは実際どれほど難しいのか。トランジスタの基礎から順に追っていこう。 Q1：そもそもトランジスタはどう機能する？ Q2：何で集積化・微細化するの？ Q3：半導体チップはどんな構造？ Q4：半導体チップはどう作る？ Q5：EUV露光装置って何？ Q6：従来のプレーナFETは何が課題だった？ Q7：FinFETとは？ どんなメリットがある？ Q8：日本がFinFETを量産できなかった技術的な難しさとは？ Q9：GAA構造とは？ どんなメリットがある？ Q10：最先端のGAA構造はなぜ製造が難しい？
DatabricksがLLM開発のMosaicMLを13億ドルで買収へ、OSSの生成AIをさらに強化
米Databricks（データブリックス）は米国時間2023年6月26日、独自の大規模言語モデル（LLM）を開発するスタートアップである米MosaicML（モザイクML）を約13億ドル（約1860億円）で買収することに合意したと発表した。データブリックスは商用利用可能なLLM「Dolly2.0」をオープンソースソフトウエア（OSS）として提供しており、生成AI（人工知能）をOSSで提供するという戦略をさらに強化する方針だ。 データブリックスはデータ分析基盤などを提供するスタートアップ。企業評価額380億ドルのデカコーン（評価額100億ドル超の未上場企業）だ。米CBインサイツの調査では、未上場企業の評価額ランクで世界8位。ビッグデータ関連では世界で最も注目を集めるスタートアップの1社だ。 モザイクMLは2021年に創業したAIスタートアップで、本社は米サンフランシスコ。LLMをOSSで提供し
レーザーが半導体製造に威力 マスクレス化・転写・ウエハー生産にも
レーザーは精密な電子回路基板や半導体の製造をも大きく変えつつある。最も早かったのは、2010年ごろからスマートフォン向け多層プリント基板のパターニングに使われ始めた「ダイレクト露光（Direct Imaging：DI）」だ。それまでのフォトマスクに代えて、紫色または近紫外のレーザー光で直接パターンを描画するのである（図1）。レーザー光を、投影型ディスプレーにも使われるMEMS†ミラーの一種「DMD†」などで反射してパターンを描画する。 †MEMS（Micro Electro Mechanical Systems、微小電子機械システム）＝機械的に動く非常に微細な部品を半導体製造技術を使って製造する技術、またはその製造物を指す。 †DMD（Digital Micromirror Device）＝MEMS技術で製造した微細な鏡で、電気的制御で角度を変えられる。投影型ディスプレーの多くやデジタルシ
半導体AI設計支援の威力、ソニーセミコン「設計工数が30分の1に」
半導体IC（集積回路）の開発にAI（人工知能）/機械学習技術を適用して、設計のコストや期間を抑えたり、ICを高度化させたりする事例が増えている。処理すべきデータ量が増えてICが大規模・複雑化する一方で、IC設計期間や消費電力の削減が求められているためだ。このような状況を背景にIC設計で使うEDA（Electronic Design Automation）ソフトウエア（以下、EDAツール）には、機械学習技術が取り込まれるようになってきた。イメージセンサーの信号処理ICを使って、機械学習技術適用のEDAツールの実力を評価した結果を、ソニーセミコンダクタソリューションズとキヤノンそれぞれが「CadenceLIVE Japan 2023」（日本ケイデンス・デザイン・システムズとイノテックが2023年7月14日に横浜市で主催）において発表した（図1）。 左はソニーセミコンダクタソリューションズの本田
異種チップ集積の低コスト化前進、ダイレクト露光で有機基板に微細回路
複数のチップをあたかも1つのチップのように集積するヘテロジニアスインテグレーション（異種チップ集積）。課題である低コスト化を大きく前進させる技術の開発が進んでいる。オーク製作所（東京都町田市）が、新エネルギー・産業技術総合開発機構（NEDO）のプロジェクトで取り組むダイレクト露光技術だ。 ダイレクト露光技術は現在、スマートフォンのプリント基板の配線形成で使われている露光方式である。投影露光と比べ、微細加工は難しいが、変形した基板に対する露光に強い。スマホ向け基板は配線幅が最小でも8µmであり、半導体製造ほどの微細技術が求められていない。むしろ、積層時に発生する基板の反りに対する対応が必要なため、ダイレクト露光が使われている。 オーク製作所が開発を急ぐのが、異種チップ集積でチップ間を接続するための基板であるインターポーザー用のダイレクト露光技術である。現時点で、配線幅および配線間隔（L/S）
車載OS「QNX」、フォルクスワーゲンのソフト基盤に採用
カナダBlackBerry（ブラックベリー）は2022年8月26日、車載OS（基本ソフト）「QNX」の採用状況や、米Amazon Web Services（アマゾン・ウェブ・サービス、AWS）と共同開発している車両データ基盤「IVY（アイビー）」の進捗についてオンライン会見で説明した。 VW.OSのADAS／AD基盤へ QNXに関しては、ドイツVolkswagen（フォルクスワーゲン、VW）グループのソフトウエア子会社であるCARIAD（カリアド）が採用した。カリアドはVWの車両OS「VW.OS」やクラウド「VW.AC」などで構成する統合型のソフト基盤を開発しており、2020年代半ばからVWグループのブランドに採用する。ブラックベリーはカリアドに対し、「QNX OS for Safety 2.2」を含むQNX関連のライセンスを供与する。QNX OS for Safety 2.2はVW.OS
元Appleの天才半導体エンジニアが予測、「AIで半導体設計者はほぼ不要に」
TenstorrentはAIプロセッサーを開発するスタートアップ企業。「生成AIではCPUよりも画像に特化したGPUが使われる。だが、まだ効率化には十分でない。CPUでもGPUでもないハードウエア設計により、米NVIDIA（エヌビディア）の10分の1の消費電力の実現を目指している」とケラー氏は話す。「RISC-V Day Tokyo 2023 Summer カンファレンス」（2023年6月20日、東京大学で開催）に合わせて来日した（撮影：日経クロステック） ケラー氏は、「伝説」と称される半導体エンジニアである。米アドバンスト・マイクロ・デバイスズ（AMD）や米Apple（アップル）の主力製品において、設計面で大きく貢献した経歴を持つからだ。 例えば、AMDのCPUコア「Zen」やAppleのSoC（System on a Chip）「Aシリーズ」第1弾である「A4」の設計に携わった注1）。
核融合に第3の方式が浮上、2024年にも発電開始へ
最近になってにわかに注目を集め始めた核融合発電技術だが、実用化は早くても2030年代半ば。やや保守的な評価では2050年かそれ以降という見方も多い。ところが、2024年にも発電を始めるというベンチャーが出てきた。 それはこれまでよく知られている大きく2つの方式、具体的には日本を含む数多くの国家が開発に参加し、フランスに建設中のITERのようなトカマク方式と、2022年11月に米国でレーザー光のエネルギーを超える核融合エネルギーが得られたレーザー核融合方式のどちらでもない、第3の方式「FRC（磁場反転配位）型プラズマ」に基づく注1）。核融合反応で中性子を出さず安全性が高く、簡素な設備で、しかも蒸気タービンを使わずに発電できる革新的な方式である。
あのVelodyneの名も消える、車載LiDARに淘汰の大波
車載LiDAR（レーザーレーダー）の技術的進化には目を見張るものがある。量産車への採用も進んでいる。しかし、その競争は激しい。2021年2月の日経クロステックの記事「自動運転向けLiDAR開発に100社殺到、抜け出すのは一握りの企業」 記事へのリンク で、LiDARに100社近くが参入していること、そしていずれ淘汰の時代が来ることを述べた。実際、2022年に入って有力メーカーの撤退や倒産が目立ち始めた。 パイオニアがLiDARから撤退 2022年2月、パイオニアは「投資回収に時間がかかりすぎる」との理由で車載LiDAR開発から撤退した。同社は電磁式MEMSミラーを用いたLiDARを開発したが（図1）、量産車への採用には至らなかった。この撤退によって、一旦、同社からMEMSの研究・開発に従事する技術者の居場所はなくなってしまったと思われる。パイオニアはMEMSの研究開発を行っていた甲府市の事
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
量子エラー訂正の技術進化が急加速、量子コンピューターの誤り耐性実現に期待
ルネサスがAI向けMPUハイエンド品、NVIDIA組み込み品より小電力
プリファード岡野原氏「エッジAIにチップレット提供も検討」
