本サイトの記事や画像はAIが公的資料や報道を整理し制作したものです。[続きを表示]ただし誤りや不確定な情報が含まれることがありますので、参考の一助としてご覧いただき、実際の判断は公的資料や他の報道を直接ご確認ください。[私たちの取り組み]
日立製作所の内藤健太研究員、芹澤靖隆主任研究員、松本久功部長らが、AI向け半導体の回路設計をAIに下書きさせる試作システムを開発した。大規模言語モデル（LLM）にAIモデルの形式情報を与えて回路コードを生成し、回路評価ツールで性能を測って修正を繰り返す。20回の試行で、効率を約2割高めたコードが得られたという。基礎検証の段階だが、設計現場の時間の使い方を変える芽になりそうだ。
設計者の「手探り」を、AIが先回りできるか
回路設計は、性能、消費電力、面積といった条件を同時に満たすための調整が続く仕事だ。小さな修正でも結果は変わり、評価を回しては次の手を考える。熟練者でも「どこを触れば効くか」を見つけるまでが長い。今回の狙いは、この手探りの初速をAIに任せ、設計者が判断に使う材料を早く増やすことにある。
ただし、LLMが出すコードは自然文と同じく、見た目が整っていても意図と違う動作が入り込みやすい。そこで生成をうのみにせず、評価ツールで点検し、失敗を前提に直し続けるループを中心に据えた。設計者の仕事も「書く」から「仕様の境界を言語化し、出力の正しさを担保する」へ比重が移る可能性がある。効率化の鍵は、AIの能力よりも検証の設計にある。
反復で2割、次に問われるのは「規模」と「保証」
試作システムは、AIモデルのフォーマットを手掛かりに回路コードを起こし、評価結果を返して修正を重ねる。いわば「生成AI＋自動採点」で設計空間を探索する発想だ。20回で約2割の効率化という結果は、万能化の宣言というより、改善の方向を機械的に見つけられることを示したといえる。今後は、より大規模な回路や厳しい制約条件でも同じ流れが回るかが焦点になる。
一方で、実用化には「速く作る」だけでは足りない。安全性や信頼性をどう保証するか、既存の設計フローにどう組み込むか、設計資産や知財をどう守るかが残る。生成AIの適用は設計以外にも広がり、TECH+は半導体分野でLLM活用が議論されていると伝えた。MONOistによれば日立は生成AIや半導体関連への投資も掲げる。回路生成の自動化が現場に届けば、開発スピードに加え、省電力を求めるエッジ機器向けの選択肢が増えるとの見方も出そうだ。
