学術的背景 メタバース（Metaverse）の急速な発展に伴い、人間と機械のインターフェース（HMI）技術は、仮想空間と人間のユーザーを結ぶ鍵となっています。その中でも、ジェスチャー認識技術はメタバースにおいて特に重要であり、特に指の動きを正確に捕捉することが求められています。従来のジェスチャー認識に使用される曲げセンサー（Bending Sensor）は、ゴムや接着剤などのポリマー材料を基にしていますが、ポリマーの粘弾性（Viscoelasticity）により、これらのセンサーは長期間使用すると信号ドリフト（Signal Drift）が発生する問題があります。このドリフトは、センサーの出力が時間とともに変化するため、信頼性と長期的な安定性が低下します。そのため、信号ドリフトのない柔軟な曲げ...

ディープラーニング強化型金属有機構造体（MOF）電子皮膚の健康モニタリングへの応用 学術的背景 電子皮膚（e-skin）は、生理的および環境的刺激を感知し、人間の皮膚の機能を模倣する技術です。近年、電子皮膚はロボット工学、スポーツ科学、医療健康モニタリングなどの分野での応用が期待されています。しかし、現在の電子皮膚技術にはいくつかの課題があります。まず、一つのデバイスで複数の生理信号（バイオ分子、運動信号など）を同時に検出する多機能性の実現。次に、複数の刺激を同時に検出する際に、異なる信号を正確に区別し識別する方法です。 従来の多機能電子皮膚は、通常、複数のセンシング材料を統合する必要があり、製造の複雑さが増すだけでなく、デバイスの性能不安定を引き起こす可能性があります。さらに、既存の電子皮...

人工知能（AI）技術の急速な発展に伴い、深層学習は複雑なタスクにおいて顕著な進展を遂げてきました。しかし、深層学習の成功は、大量のラベル付きデータに大きく依存しており、データのラベル付けプロセスは時間がかかる上に、労力がかかり、専門的知識も必要とするため、コストが高いという課題があります。特に、ロボットスキル学習、触媒発見、薬物発見、タンパク質生産最適化などの専門分野では、ラベル付きデータの取得が特に困難で、コストも高くなります。この問題を解決するため、深層ベイジアン能動学習（Deep Bayesian Active Learning, DBAL）が登場しました。DBALは、最も情報量の多いデータを能動的に選択してラベル付けすることで、ラベル付けの効率を大幅に向上させ、限られたラベル付きデー...

単片集積型3次元IGZO-RRAM-SRAMコンピューティングストレージ新アーキテクチャ研究：ニューラルネットワーク計算効率向上のブレークスルー 背景と研究の動機 ニューラルネットワーク（Neural Network, NN）が人工知能分野で広く応用されるにつれ、従来の計算アーキテクチャでは、エネルギー消費、速度、密度に関する要求を満たすのが困難です。この問題を解決するため、研究者はコンピューティングストレージ（Compute-In-Memory, CIM）チップ技術に注目しています。CIMは、計算ユニットとストレージユニットを1つのアーキテクチャに統合することで、大量のデータ転送による「メモリボトルネック」効果を回避し、システム効率を大幅に向上させるものです。これまでのCIMアーキテクチャ...

2Dトランジスタにおける高κ酸化ガリウムの統合に関する研究 学術的背景 半導体技術の進展に伴い、二次元材料（例えばモリブデン二硫化物、MoS₂）はその独特な電気的特性と原子レベルの厚さから、次世代トランジスタチャネル材料の有力候補とされています。しかし、2Dトランジスタの性能はゲート絶縁層の品質に大きく依存します。現在一般的な蒸着技術（例えば、化学気相堆積（CVD）や原子層堆積（ALD））では、2D材料表面に高品質な超薄金属酸化物層を形成することが困難であり、その結果、界面品質が低下しトランジスタの性能に悪影響を及ぼします。そのため、2D材料表面で高品質な超薄絶縁層を形成する新たな方法が必要とされています。 研究の出典 この研究は、多機関に所属する研究チームによって共同で行われました。著者に...