11 分で読了
0 views

H35 HV-CMOS 単一化ピクセルセンサーの特性評価

(Characterisation of AMS H35 HV-CMOS monolithic active pixel sensor prototypes for HEP applications)

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、最近うちの若手から「H35って凄いらしい」と聞きまして。正直、何がどう凄いのか検討もつかないのですが、要するにうちの業務に役立ちますか。

AIメンター拓海

素晴らしい着眼点ですね!H35は半導体センサーの一種で、特に粒子検出などの高エネルギー物理向けに作られたものです。まずは結論だけ簡潔にお伝えしますと、H35は高耐放射性と低コストの両立を狙った設計で、製造コストや集積度の面で将来的にコスト優位を示せる可能性があるんですよ。

田中専務

結論ファースト、分かりやすいです。ただ、うちの現場は放射線を扱うわけではありません。製造ラインや検査装置に使えるものなのでしょうか。投資対効果が気になります。

AIメンター拓海

大丈夫、順を追って説明しますよ。ポイントは三つです。1) H35はMonolithic Active Pixel Sensor(MAPS、単一化アクティブピクセルセンサー)で、感知素子と読み出し回路が同じ基板上にあるため製造工程が簡素化できること、2) HV-CMOS(High Voltage CMOS、高電圧CMOS)技術を用い、信号の取り出しやすさと放射線耐性を確保していること、3) 大面積化に向く設計でコスト削減の可能性があること、です。

田中専務

これって要するに、今はセンサーと読み出しを別々に作っているけれど、それを一つにまとめれば工程が減って安くなるということですか。

AIメンター拓海

そのとおりです!素晴らしい着眼点ですね。加えて言うなら、単一化(モノリシック)設計は接合工程や微細配線の故障ポイントを減らせるため、長期的な保守コストの低減にも寄与します。だが短期的には新規設計の試作費が必要なので、ROIの評価は採用規模や歩留まり次第になりますよ。

田中専務

採用規模や歩留まり、ですね。現場の設備投資として見た場合、どの段階で導入判断をすれば良いのでしょうか。実証はどのように進めれば良いですか。

AIメンター拓海

実証は段階的に進めるのが賢明です。まず小ロットでプロトタイプを作り、機能面(感度、ノイズ、応答速度)と製造面(歩留まり、工程時間)を比較します。次に耐久性や環境試験(温度、湿度、振動)を行って現場条件での性能を確認します。最終的にパイロット導入でラインに組み込み、保守や運用コストも含めた総合評価を行いますよ。

田中専務

なるほど。技術としては将来性がありそうです。ただ、現場のスタッフは電子回路の深い知識は持っていません。導入に際して人材育成はどの程度必要ですか。

AIメンター拓海

重要な視点ですね。要点を三つで説明します。1) 日常の運用は製品化されたモジュールであれば専用トレーニングで賄えること、2) 開発・保守担当は半導体や基板知識があれば望ましいが、外部パートナーを使って段階的に内製化できること、3) 初期段階は外注を活用しつつ、重要な運用指標(歩留まり、MTBFなど)を社内で計測・管理する体制をつくること、です。大丈夫、一緒にやれば必ずできますよ。

田中専務

分かりました。最後に、投資対効果を経営層に伝えるための短い要点を教えてください。忙しい取締役会でも伝わるように。

AIメンター拓海

いい質問です。取締役会向けには三点を短く伝えてください。1) 単一化設計は中長期で製造コストと保守コストを下げるポテンシャルがある、2) 小ロット試作→パイロットで段階的に投資を最適化できる、3) 外部パートナーと協業することで初期リスクを低減できる、です。大丈夫、これで説得力を持って説明できますよ。

田中専務

分かりました。要は「センサーと回路を一体化することで長期的にコストと故障のリスクを減らせるが、初期は試作と評価で段階投資が必要」ということですね。自分の言葉で言うとこんな感じで良いでしょうか。

1.概要と位置づけ

結論を先に述べる。H35 HV-CMOSベースのMonolithic Active Pixel Sensor(MAPS、単一化アクティブピクセルセンサー)は、感知素子と信号読み出し回路を同一のシリコン基板上に統合することで、製造工程の簡素化と大面積化を両立させる試みである。従来のハイブリッドセンサーは感度やノイズ特性で優れるが、センサーと読み出しチップの接合工程がコストと故障の主要因になっている点が課題だった。H35はHigh Voltage CMOS(HV-CMOS、高電圧CMOS)技術を用いることで、信号取り出しの改善と環境耐性の強化を図り、特に高放射線環境での性能維持を実証している。製造側から見れば、部品点数と接合工程の削減が期待できるため、長期的なTCO(Total Cost of Ownership、総所有コスト)低減の可能性がある。

本研究の意義は二点に集約される。第一に、単一化アプローチが大面積かつ放射線耐性を両立し得ることを示した点であり、第二に市販プロセス(AMS 350 nm HV-CMOS)を用いた実装で現実的な歩留まりや実用性を検証した点である。これにより、既存のハイブリッドソリューションと競合するだけでなく、特定用途ではコスト競争力を得る道を拓いた。経営判断として重要なのは、短期の試作コストと長期の運用コストのトレードオフを明確に評価することだ。

本節ではまず技術の立ち位置を示した。H35設計はHEP(High Energy Physics、高エネルギー物理)領域での利用を想定しつつ、産業用途への応用余地も念頭に置かれている。産業利用においては放射線耐性が直ちに必要でないケースも多いが、センシング精度、応答速度、歩留まり改善という観点で利点がある。本稿は経営層が仕様の本質を把握できるよう、次節以降で先行研究との差分、技術的核、検証結果、課題、調査の方向性を整理して述べる。

2.先行研究との差別化ポイント

先行研究の多くはハイブリッド構成を前提に高感度・高精度を追求してきた。ハイブリッド構成ではセンサー基板と読み出しIC(ASIC)の役割分担が明確で、高速・低ノイズを実現しやすい反面、バンプボンディングなどの接合工程が必要であり、その工程がコストと信頼性のボトルネックになっている。これに対してH35のアプローチはモノリシック化により接合工程を削減し、設計によっては製造スループットと歩留まりを改善できる点で差別化される。実効的には、生産規模や用途によってどちらが有利かが決まる。

さらに本研究は商用プロセス(AMS 350 nm)を用いた大面積デモンストレータ(H35DEMO)を提示している点で先行研究と異なる。商用プロセスの利用は製造拡張性と供給安定性に寄与するため、研究室レベルのプロトタイプから工業レベルの量産へ橋渡ししやすい。この点は経営判断に直結する。外注先の選定や量産時の歩留まり目標を現実的に設定できるかは、採用可否に大きく関わる。

最後に、H35は放射線耐性の評価を含めて実測データを示している点が特徴だ。高エネルギー物理用途では放射線耐性が必須であり、実測での耐性確認は技術の信頼性を高める。産業用途では放射線が問題にならない場合も多いが、耐久性やノイズ特性の観点で得られる知見はそのまま品質保証に役立つ。要するに、先行技術は高性能を追求するがコスト課題が残る一方、H35は製造面の効率化を武器にした現実路線で差別化している。

3.中核となる技術的要素

中核技術は三つの要素に集約される。第一にMonolithic Active Pixel Sensor(MAPS、単一化アクティブピクセルセンサー)というアーキテクチャである。これは感知素子と読み出し回路を一体化することで部品点数を減らし、配線や接合のボトルネックを排する。第二にHV-CMOS(High Voltage CMOS、高電圧CMOS)プロセスの採用だ。高電圧動作はピクセル内で十分な信号を取り出しやすくし、ノイズ耐性と閾値マージンの向上に寄与する。第三に大面積マトリクスの設計である。大きなチップ面積を安定して製造できれば、モジュール化によるコスト削減効果が顕著になる。

技術的な留意点としては、モノリシック化によるクロストークや熱設計、ピクセル毎の均一性がある。読み出し回路を同一基板に置くことで、電源ノイズや回路間干渉の設計が重要になる。論文ではこれらの問題に対するレイアウトやシールド、回路設計の工夫が説明されており、実験データを用いて有効性を示している。産業用途での適用を検討する際には、これらの設計課題が生産工程で再現可能かを評価する必要がある。

最後に製造上のポイントだが、商用プロセスを利用することでファウンドリの選択肢が広がり、スケールメリットを取りやすい。とはいえ、プロセス依存の特性(供給変動や工程仕様)を理解し、歩留まり改善のPDCAを回せる体制を整えることが重要である。これにより、技術的優位性を実際のコストメリットに転換できる。

4.有効性の検証方法と成果

論文ではH35DEMOチップの一部マトリクスを用いてビームテストや照射(イオン・中性子)試験を実施し、放射線耐性とヒット効率、ノイズ占有率などを評価している。具体的な評価指標はヒット効率(検出率)、ノイズ占有(誤検出頻度)、信号対雑音比(SNR)であり、これらを照射前後で比較する手法が採られた。結果として、200 Ωcmの基板抵抗を持つチップは、1×10^15 neq/cm2という高い線量でも約99%のヒット効率を維持し、ノイズ占有は10^-6以下という良好な値を示した。

これらの成果は高放射線環境下での性能維持を示すだけでなく、信号検出の安定性と低ノイズ化が実運用に耐え得ることを示唆している。産業用途に直結する部分では、ヒット効率の高さは検査工程での見落とし低減に、低ノイズ化は誤検出による無駄なリワーク削減に寄与する可能性がある。重要なのは、これらの指標を自社の品質要求と照らし合わせ、試作段階で合格基準を設定することである。

一方で歩留まりやモジュール化の課題は残る。論文は実験室やビームラインでの性能を示すものであり、量産ラインでの一貫した歩留まりデータや長期稼働データは限定的だ。経営判断としては、まず小規模なパイロット生産で製造工程と歩留まりを実測し、コスト試算と合わせて投資判断を段階的に行うことが賢明である。

5.研究を巡る議論と課題

議論のポイントは実用化に向けたスケールと信頼性の確保にある。学術的には放射線耐性と検出性能の両立が確認されたが、実務的には歩留まりの安定化、外部ノイズ耐性、熱管理、プロセス変動の影響評価が未解決の主要課題だ。特に大面積化を進めると製造中の欠陥率が総体として増えるため、欠陥許容設計や検査工程の効率化が必須となる。これらは研究段階でのチューニングだけでなく、製造現場の品質管理体制をどう整えるかという経営判断に直結する。

またコスト面の議論では、モノリシック化による単価低下が見込める一方で、先行投資と試作コストが不可避である点が指摘される。外注費用や初期歩留まり悪化による追加コストをどう緩和するかが重要だ。企業は外部パートナーと連携して技術移転を進めることでリスクを分散できる。最後に人材育成の課題がある。半導体プロセスに関する知見が社内に薄い場合、外部のエンジニアリング支援が初期段階で不可欠である。

6.今後の調査・学習の方向性

今後は三つの調査軸が重要になる。第一に歩留まり改善に向けた工程最適化と欠陥検出技術の導入である。ここでの焦点は生産ラインでの安定性を確保し、試作費用を低減することにある。第二に環境試験の拡大であり、長期信頼性や温湿度・振動に対する評価を進めることで運用コストを予見可能にする。第三に産業用途に向けた要件定義とアプリケーション適合性の評価である。顧客の検査要件や生産フローに合わせたカスタマイズが可能かどうかを検証する必要がある。

最後に、経営層としての実務的手順を示す。まず小ロット試作で技術的な主要KPIを確認し、次にパイロットラインで歩留まりと運用を試験し、最終的にスケールアップの判断を行う。外部パートナーとの共同開発契約や段階的投資スケジュールを用意すれば、初期リスクを制御しつつ技術導入を進められるであろう。

検索に使える英語キーワード
H35DEMO, HV-CMOS, Monolithic Active Pixel Sensor, MAPS, Radiation hardness, ATLAS ITk
会議で使えるフレーズ集
  • 「単一化センサーは工程短縮による長期TCO削減の可能性がある」
  • 「まず小ロットで歩留まり評価をし、パイロットで確証を取る」
  • 「外部パートナーを活用して技術移転とリスク分散を図る」
  • 「評価指標はヒット効率、ノイズ占有、歩留まりを重視する」

参考文献: S. Terzo et al., “Characterisation of AMS H35 HV-CMOS monolithic active pixel sensor prototypes for HEP applications,” arXiv preprint arXiv:1811.07817v3, 2018.

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
目標条件付き方策で学ぶ操作可能表現
(Learning Actionable Representations with Goal-Conditioned Policies)
次の記事
OrthoSeg:多モーダル正射画像のセマンティックセグメンテーション用深層畳み込みニューラルネットワーク
(ORTHOSEG: A DEEP MULTIMODAL CONVOLUTIONAL NEURAL NETWORK ARCHITECTURE FOR SEMANTIC SEGMENTATION OF ORTHOIMAGERY)
関連記事
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)
最適なスピンスクイーズ状態の選択による量子プロセス検出と特徴付け
(On the Optimal Choice of Spin-Squeezed States for Detecting and Characterizing a Quantum Process)
効率的な深層特徴学習と抽出 via StochasticNets
(Efficient Deep Feature Learning and Extraction via StochasticNets)
制約付き極限学習機
(Constrained Extreme Learning Machines)
混合利害ゲームにおけるエージェントの意思決定の説明
(Explaining Decisions of Agents in Mixed-Motive Games)
テキストから画像への人物再識別のためのプロンプト分離
(Prompt Decoupling for Text-to-Image Person Re-identification)
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