2 分で読了
0 views

厚いSOIプラットフォーム上のアルミニウム鏡を用いる2ポートマルチモード干渉リフレクタ

(Two-port multimode interference reflectors based on aluminium mirrors in a thick SOI platform)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近見かけた光のチップの論文について聞きたいのですが、何が新しいんでしょうか。AIではない分野なんですが、うちの工場でも光通信を使った測定やセンシングの話が出てきていて、基礎だけでも押さえたいのです。

AIメンター拓海

素晴らしい着眼点ですね!光集積回路の中で、反射を上手に作る部品があれば回路設計の自由度が上がるんですよ。今回の論文はその”反射部品”を新しい鏡で作った話で、設計の幅が広がる点が肝です。大丈夫、一緒に整理していけるんですよ。

田中専務

設計の幅が広がる、とは具体的にどういうことですか。今までの鏡ではダメだったのですか。投資対効果の観点で単純に置き換えられるのか知りたいです。

AIメンター拓海

良い質問ですよ。結論を先に言うと、今回の鏡は設計制約を緩めるため、より多様な反射比を持つ部品を作れるようになるんです。要点は三つで、(1)従来の深掘りした面による全反射は形状で制約が出る、(2)アルミ鏡は入射場に制約を与えないので多様な設計が可能、(3)製造上の歩留まりや波長の安定性が確認された、です。

田中専務

これって要するに、今までの鏡だと”形が悪いと光がムダになる”けど、アルミを塗れば形を気にせずいろんな光の出し方ができるということですか?

AIメンター拓海

その理解でほぼ合っていますよ。簡単に言うと、従来手法は鏡の先端付近で光が集中するとロスになりやすかったのですが、アルミを使うと鏡表面での反射特性が緩やかで、結果として設計できる回路の種類が増えるんです。大丈夫、一緒にやれば必ずできますよ。

田中専務

製造面の話になるとややこしいですね。製造のコストや不良率はどうなるのですか。アルミの蒸着とか塗る手間が増えますよね。

AIメンター拓海

良い観点です。ここも結論から言うと、プロセスは一工程増えるものの、設計の自由度が上がるため製造上問題になっていたレイアウト上の手戻りを減らせる可能性があります。研究では平均で設計目標の79%程度が実効反射率として得られており、波長帯域の安定性も確認されています。

田中専務

反射率が目標の79%というのは、実務的にどう受け止めればいいですか。現場で使うには十分ですか、それとも追加でチューニングが必要ですか。

AIメンター拓海

実務判断としては、まず用途を明確にすることが重要です。光をどれだけ戻したいか、波長の許容範囲、損失が許容できるかを照らし合わせて判断します。要点は三つ、(1)センシング用途では安定性が重要、(2)通信の一部なら損失は致命的になる場合がある、(3)プロトタイプ段階で実測してから量産設計に反映する、です。

田中専務

なるほど。最後に、社内の設計チームに簡潔に説明するとしたら、どんな言葉がいいでしょうか。技術的なポイントを3つにまとめて教えてください。

AIメンター拓海

素晴らしいご依頼ですね。短く三点でまとめます。第一に、アルミ鏡は入射場に制約を与えないため設計の幅が広がること。第二に、実測で目標反射率の約79%が得られており、波長安定性も良好なこと。第三に、製造は一工程増えるが設計容易性で手戻りを減らせる可能性があること、です。

田中専務

分かりました。要するに、アルミ鏡を使えば設計の選択肢が増えてプロトタイプでの手戻りを減らせる一方、実効反射率は目標値より下がるのでそこは見極めが必要ということですね。自分の言葉で言うとそんな感じです。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
同時にスパースかつ低ランクなアバンダンス行列推定によるハイパースペクトル画像のアンミキシング
(Simultaneously sparse and low-rank abundance matrix estimation for hyperspectral image unmixing)
次の記事
ビデオ分類のための空間-時間手がかりをモデル化するハイブリッド深層学習フレームワーク
(Modeling Spatial-Temporal Clues in a Hybrid Deep Learning Framework for Video Classification)
関連記事
少ない計算資源で大規模モデルを適応させる効率的な微調整法
(Efficient Fine-Tuning for Large Models)
大規模言語モデルの地理的バイアス
(Large Language Models are Geographically Biased)
逆強化学習のための微分動的プログラミング
(DDP)フレームワーク(A Differential Dynamic Programming Framework for Inverse Reinforcement Learning)
空飛ぶ中継器の最適配置
(Efficient Local Map Search Algorithms for the Placement of Flying Relays)
分解アンサンブルによる時系列予測フレームワーク:基礎ボラティリティ情報の捕捉
(A novel decomposed-ensemble time series forecasting framework: capturing underlying volatility information)
AIベースのモビリティシステムのソフトウェアアーキテクチャに関する体系的マッピング研究
(A Systematic Mapping Study on Software Architecture for AI-based Mobility Systems)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む