2 分で読了
0 views

J-PARC Muon g-2/EDM 実験向けシリコンストリップ検出器用フロントエンドASICの試作

(Prototype Front-end ASIC for Silicon-strip Detectors)

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、この論文って何を狙っている研究なんですか?我々のような製造業でも参考になる話でしょうか。

AIメンター拓海

素晴らしい着眼点ですね!この論文は粒子物理実験で使う読み出し専用の半導体回路、いわゆるフロントエンドASICを作った話です。実務での応用は直接的ではないものの、要求仕様の設計や高速化・信頼性設計の考え方は製造業のセンサ設計にも生かせるんですよ。

田中専務

読み出し回路というと聞き慣れませんが、要するにセンサーの信号を取り出して記録するさまざまな装置だと理解してよいですか。

AIメンター拓海

はい、その理解で合っていますよ。要点を3つにまとめると、1) 非常に高いヒットレートに耐えること、2) 細かい時間分解能で信号の時間を正確に取ること、3)様々な電荷量に対して時間がぶれないこと、が必要なのです。

田中専務

高いヒットレートというのは数値でどれほどのものなのですか。うちの生産ラインのセンサとは桁違いでしょうか。

AIメンター拓海

この論文で目標となっているのは1本のストリップ当たり1.4MHzのヒットレートです。生産ラインのセンサでも高頻度でイベントが起きる環境はありますが、粒子検出では一つ一つの事象をナノ秒単位で正確に取る必要があるのが厳しい点です。

田中専務

なるほど。ところで論文の中に「タイムウォーク(time-walk)」という言葉がありましたが、これって要するに信号の大きさによって時間測定がぶれるということ?

AIメンター拓海

素晴らしい着眼点ですね!その通りです。タイムウォークとは入力信号の振幅によって検出時刻がずれる現象で、比較的簡単に例えると、走者が違うスピードでゴールするのを同じ瞬間に同列に見なしてしまうような誤差です。そのため論文ではこの時間ずれを小さくするための回路工夫を紹介しています。

田中専務

技術的な工夫は具体的にどのようなものですか。現場導入の観点でコストや複雑さはどう変わるのでしょうか。

AIメンター拓海

端的に言うと、従来の「半ガウス整形(semi-gaussian shaper)」の後段に微分器(differentiator)を加え、信号を双極性(bipolar)に変換してゼロクロス点で時間を取る方式を採用したのです。これにより入力電荷に依らずゼロクロスのタイミングが安定し、時間ずれが大幅に改善します。コストは加工プロセスや設計の複雑化で増えますが、性能向上とトレードオフで合理的な増加に抑えられていますよ。

田中専務

よく分かりました。これを自分の言葉で言うと、要は信号の形を変えて計る“起点”を一定にしているということでよろしいですね。現場で使うならば、信号品質を上げることによる安定性向上と、それに伴う設計コストが鍵だと理解しました。

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
ベイズ不均衡影響指標
(Bayes Imbalance Impact Index)
次の記事
射出成形の熱画像から最終形状を予測するGAN活用
(Generative Adversarial Networks for geometric surfaces prediction in injection molding: Performance analysis with Discrete Modal Decomposition)
関連記事
ホワイトボックスAIモデル:無線通信の次のフロンティア
(White-Box AI Model: Next Frontier of Wireless Communications)
SketchMetaFace: 高精細3Dキャラクタ顔モデリングのための学習ベースのスケッチインターフェース
(SketchMetaFace: A Learning-based Sketching Interface for High-fidelity 3D Character Face Modeling)
Video-ReTime: Learning Temporally Varying Speediness for Time Remapping
(Video-ReTime: 時間的に変化する速度性を学習して映像を再時間配分する手法)
軽いスカラー粒子の本質を示した証拠
(Study of Light Scalars, the learned Lessons)
a
(2)_{N−1}スピン鎖の連続極限(The continuum limit of a(2)_{N−1} spin chains)
切り替わる自己回帰低ランクテンソルモデル
(Switching Autoregressive Low-rank Tensor Models)
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