低ノイズ振動読み出し回路を備えた14 μHz/√Hz分解能および32 μHzバイアス不安定性のMEMS水晶共振加速度計

低ノイズ発振読み出し回路を備えた14 μHz/√Hz分解能および32 μHzバイアス不安定性を有するMEMS水晶共振加速度計の研究 学術的背景 マイクロエレクトロメカニカルシステム(MEMS)加速度計は、慣性航法、地震検出、ウェアラブルデバイス、インテリジェントロボットなどの分野で広く使用されています。特に、衛星制御や無人水中ビークルなどのアプリケーションでは、高分解能で低ドリフトの加速度測定が最も重要な性能指標の一つです。MEMS共振加速度計は、入力加速度信号をキャリア周波数に変調し、センシティブ要素の共振周波数を測定値として出力することで、振幅出力型加速度計(例えばMEMS容量型加速度計)よりも低いノイズレベルを実現します。さらに、共振加速度計は高分解能、広い測定範囲、大きなダイナミック...

電熱Al-SiO2バイモルフに基づくマイクログリッパー

電熱駆動型Al-SiO₂バイモルフを用いたマイクログリッパーの研究 学術的背景 マイクログリッパー(microgripper)は、マイクロおよびナノスケールでの組立や操作において重要な役割を果たし、マイクロエレクトロニクス、MEMS(マイクロ電気機械システム)、バイオメディカルエンジニアリングなどの分野で広く利用されています。脆弱な材料や微小な物体を安全に操作するためには、マイクログリッパーは高い精度、迅速な応答、使いやすさ、強力な信頼性、低消費電力などの特性を備える必要があります。これまでに、静電駆動、電磁駆動、光駆動など、さまざまな駆動メカニズムを用いたマイクログリッパーが開発されてきましたが、これらの技術にはいくつかの限界があります。例えば、光駆動マイクログリッパーは特定の光源と光学パ...

多カメラアレイスキャナー(MCAS)を用いた細胞レベルの高速3Dイメージングによるデジタル細胞診

多カメラアレイスキャナー(MCAS)を用いた細胞レベルの高速3Dイメージングによるデジタル細胞診

デジタル細胞病理学における高速3Dイメージング:多カメラアレイスキャナー(MCAS) 学術的背景 光学顕微鏡は長年にわたり細胞病理学診断の標準的な手法として使用されてきました。しかし、従来の全スライドスキャナーは大面積のサンプルを自動的にイメージングしデジタル化できますが、速度が遅く、コストが高いため広く普及していません。特に細胞学サンプルの臨床診断では、サンプルが広範囲に分布し厚みがあるため、3Dイメージングが必要です。既存の全スライドスキャン技術では、厚いサンプルを処理するのに数時間を要し、臨床での応用が大きく制限されています。そのため、厚いサンプルを高速かつ効率的に3Dイメージングする技術の開発が細胞病理学分野の重要な課題となっています。 本論文では、この課題を解決するための新しい多カ...

超平坦で超柔軟なダイヤモンド膜のスケーラブルな生産

超薄・超平坦ダイヤモンド膜のスケーラブルな生産 学術的背景 ダイヤモンドは、その優れた物理的特性から、電子、光子、力学、熱学、音響学など幅広い分野で応用が期待される材料です。しかし、過去数十年にわたる研究の進展にもかかわらず、大規模な高品質な超薄膜の生産は依然として大きな課題でした。従来のダイヤモンド膜の生産方法、例えばレーザー切断や化学気相成長(CVD)は、高品質な単結晶ダイヤモンド(SCD)を生産することができますが、大規模な工業的応用においては多くの制約があり、特に大面積で超薄かつ表面が平坦なダイヤモンド膜の生産が困難でした。これらの問題は、ダイヤモンド材料の半導体技術への応用を大きく妨げていました。 この問題を解決するため、研究者たちは大面積で超薄、超平坦かつ転写可能なダイヤモンド膜...

成長に基づく単結晶2D半導体の3D単片統合

単結晶2次元半導体の成長ベースのモノリシック3次元統合技術に関する研究 学術的背景 現代の電子産業の急速な発展に伴い、3次元(3D)統合技術は電子デバイスの性能を向上させる重要な手段となっています。従来の2次元(2D)集積回路は、サイズの縮小と性能向上において多くの課題に直面しており、特にナノスケールでは抵抗-容量(RC)遅延問題が顕著になっています。これらの制限を克服するため、研究者たちはチップを垂直に積層することで配線距離を短縮し、消費電力を削減し、データ伝送効率を向上させる3次元統合技術の探求を始めています。 現在、シリコン貫通ビア(Through-Silicon Via, TSV)技術は単結晶デバイスの3次元統合を実現する唯一の方法です。しかし、TSV技術にはコストが高い、チップの位...

ECG診断の基盤モデル:診断と説明

信号-言語アーキテクチャに基づく心電図診断基盤モデルの研究 学術的背景 心血管疾患(CVD)は、世界的に見ても死亡の主要な原因であり、高リスク集団の早期識別が重要です。心電図(ECG)は、非侵襲的で低コストかつ広く利用されている診断ツールとして、毎年3億回以上記録されており、心血管疾患の早期診断において重要な役割を果たしています。しかし、経験豊富な心臓専門医であっても、複雑な心電図の解読は時間がかかり、誤りが生じやすい作業です。特に、遠隔地や医療資源が不足している地域では、正確な診断を提供することが非常に困難です。 近年、人工知能(AI)を心電図解読に応用する研究が進んでおり、特定の疾患の診断においては、AIベースの心電図診断が一般の心臓専門医を凌駕する成果を上げています。しかし、既存の主流...