4 分で読了
1 views

28nm FDSOI CMOSの低温特性とモデリング

(Characterization and Modeling of 28-nm FDSOI CMOS Technology down to Cryogenic Temperatures)

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、最近うちの若手が「量子コンピュータと一緒に使うために低温動作するCMOSが重要だ」と言うのですが、正直ピンと来ません。要するに何が変わるんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、シンプルに整理しますよ。要点は三つです。第一に低温ではキャリアの振る舞いが変わり、性能や消費電力の特性が変化すること、第二に不完全イオン化(freeze-out)や界面トラップが効いてきて設計上の見方が変わること、第三にこれらを理解してモデル化すれば実際の回路設計に活かせることです。

田中専務

うーん、キャリアの振る舞いが変わるというのは、要するに電子やホールの動きが鈍くなったり速くなったりするということですか。

AIメンター拓海

その通りですよ。簡単に言えば、温度が下がると散乱が減るため移動度(mobility)が一般に上がるが、材料や構造によっては逆に低下する場合もあるのです。ここでのポイントは、長いチャネルと短いチャネルで挙動が異なる点と、電子(electron)と正孔(hole)で温度依存が違う点です。

田中専務

不完全イオン化(freeze-out)っていうのは初耳です。これは現場でどう影響するんですか。

AIメンター拓海

いい質問です。専門用語を避けて言うと、ドーピングで入れた不純物が低温では電荷を放さなくなることです。工場で言えば、材料に付けた“予約席”が埋まっておらず、客(電子)が入ってこない状態です。結果として寄生抵抗や閾値電圧が変わり、正常に動かなくなる危険が出ます。

田中専務

なるほど。で、論文では何をしたんですか。測定してモデルに落としたと。

AIメンター拓海

その通りです。具体的には商用の28nm FDSOI(Fully Depleted Silicon On Insulator、完全電気的に薄い絶縁基板上のシリコン)プロセスを、室温から4.2Kまで測定し、設計に使える簡易モデル(simplified-EKV model)で再現しました。これにより低温環境での回路設計のための実用データを得ています。

田中専務

これって要するに、低温で使うための『動くかどうかのチェックリスト』を作ったということですか。

AIメンター拓海

まさにそうなんです。大丈夫、一緒にやれば必ずできますよ。要点は一、実測データがあること。二、簡易モデルで設計に使えること。三、長短チャネルや電子・正孔で挙動が違う点を考慮することです。これが分かれば現場での判断が速くなりますよ。

田中専務

なるほど、実務的で助かります。出張に出る部下に何を指示すればいいですか、投資対効果を気にする身としてはそこが大事です。

AIメンター拓海

その観点で伝えるポイントも三つで良いですよ。第一に低温で使うかどうかはまずプロトタイプで確かめる。第二に測定は室温→77K→4.2K の順で実施し、閾値や移動度の変化を確認する。第三にモデルを整備して回路レベルでの影響(遅延や消費電力)を見積もる。これでリスクと投資を天秤にかけられます。

田中専務

よく分かりました。では私の言葉でまとめます。今回の論文は、28nm FDSOIプロセスを低温まで測り、設計に使える簡易モデルに落とし込んでおり、低温での動作確認と回路評価が可能だと。これで部下に明確に指示できます。ありがとうございました、拓海先生。

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
解剖学的ラベルを用いた弱教師ありメトリック集約による変形画像レジストレーション
(Weakly-Supervised Learning of Metric Aggregations for Deformable Image Registration)
次の記事
Deep Confidenceによる信頼区間の効率的算出
(Deep Confidence: A Computationally Efficient Framework for Calculating Reliable Errors for Deep Neural Networks)
関連記事
輝線銀河ターゲットのフォトメトリック選択の検証
(Testing photometric selection of emission-line galaxy targets)
なぜ自分の時間で量子を教えるのか:量子技術教育と普及に関わる草の根組織の価値
(Why Teach Quantum In Your Own Time: The Values of Grassroots Organizations Involved in Quantum Technologies Education and Outreach)
M33銀河全域の深部CFHT走査 I:36000の変光点源カタログ
(Deep CFHT Photometric Survey of the Entire M33 Galaxy I: Catalogue of 36000 Variable Point Sources)
マルチパーティAI会話における次発話者選択
(Who Speaks Next? Multi-party AI Discussion)
脳波を時間と空間で重み付けして睡眠判定を高精度化する手法
(EEG-based Sleep Staging with Hybrid Attention)
重要度重み付き群精度推定による較正とモデル選択の改善
(Importance Weighted Group Accuracy Estimation for Improved Calibration and Model Selection)
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