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]
キオクシアホールディングスは、NAND型フラッシュメモリー製造に用いる新材料の探索に生成AIを導入した。積層数の増加で金属やガスの候補が膨大に広がる中、AIにより有望な組み合わせを素早く絞り込む狙いだ。半導体開発の現場で、材料選びをどこまでAIに任せられるのかが新たな焦点になっている。
材料探索のボトルネックをAIはどこまで崩すのか
NANDフラッシュは記憶容量を高めるため、セルを縦方向に積み重ねる多層構造が進んでいる。層が増えるほど配線や絶縁膜に使う金属・ガスの条件は厳しくなり、化学的安定性や耐久性、コストを同時に満たす材料を見つけるのが難しくなる。従来は研究者が経験と試行錯誤を重ねながら候補を絞り込み、膨大な実験をこなすことがボトルネックになってきた。
今回キオクシアが導入する生成AIは、こうした候補材料の組み合わせ空間を機械的に探索し、特性データと照らし合わせながら有望度の高いパターンを提示する役割を担う。研究者はAIが示した数少ない候補に実験資源を集中できるため、歩留まりや信頼性を満たす材料を見つけるまでの時間短縮が期待される。AIが提案し、人が最終判断と検証を行う分業が進めば、世代交代のサイクルが一段と速まる可能性がある。
同社は生成AIを「材料探索の補助輪」と位置づけ、既存プロセスの改善だけでなく、新たな構造のNANDや周辺回路への展開も視野に入れている。生成AI向けストレージ製品の開発などで蓄積したデータ処理やアルゴリズムの知見も、社内の材料開発に還流させる狙いだ。 半導体不足や投資負担が重くのしかかる中で、開発効率を高めることは、現場にとっても企業にとっても喫緊のテーマになっている。
材料開発にも広がる生成AI活用、日本の半導体戦略への意味
生成AIを材料開発に使おうとする動きはキオクシアだけではない。例えばJSRとIBMは、半導体材料に特化したAI基盤モデルの共同研究を始め、レジストなどの配合設計を効率化しようとしている。 化学組成やプロセス条件のわずかな違いが歩留まりを左右する半導体分野では、実験データとシミュレーションを組み合わせた「マテリアルズ・インフォマティクス」の重要性が増しており、生成AIはその延長線上にある技術と言える。
一方で、生成AIを有効に使うには、材料特性やプロセス条件に関する高品質なデータの蓄積、現場エンジニアによる結果の解釈力が欠かせない。ブラックボックス化したモデルに頼り過ぎれば、原因不明の不具合や知財流出のリスクも指摘される。キオクシアは自社の3次元フラッシュメモリ技術やCBA構造の開発などで既に高度なプロセス制御を進めており、 生成AIをその上に重ねる形で競争力強化を図る構えだ。同社がNVIDIA主催の技術イベントで生成AI向けストレージを前面に打ち出していることからも、AIを「市場」としてだけでなく「道具」として活用する姿勢がうかがえる。 今後、材料選定のどこまでをAIに委ね、どこからを人の判断とするのかという設計思想が、日本の半導体産業の行方を静かに左右していきそうだ。
