
コンピューティング

コンピューティング

2026年8月24日
著者 Jonathan Schramm
D-Wave (QBTS): 量子コンピューティングの商業化
By Jonathan Schramm量子コンピューティングは、従来のコンピュータとは根本的に異なる新しい計算形態として、計算能力を革命的に変えると期待されています。バイナリの結果(1 と 0)を処理する代わりに、「量子ビット」(qubit)と呼ばれる量子ビットを処理し、粒子データが同時に 0 と 1、あるいは 1、あるいは 0 の状態になることができます。これにより、量子コンピュータは通常のコンピュータが一歩ずつ処理するのとは異なり、膨大な数の可能性を同時にテストすることができます。その結果、従来のバイナリ・シリコンベースの計算では手に負えない問題を解決できるようになります。しかし、量子ビットが安定して有用な計算を行える条件を作り出すことは、実際に大きな課題となっています。一つのアプローチは、電気抵抗が全くない超伝導材料を使用することですが、超低温でしか動作せず、エネルギー消費が大きく、コストが高く、実現が困難です。別の選択肢は、いわゆる トラップイオン技術 を使用することです。超伝導チップの代わりに、真空チャンバー内で磁場と電場により位置が固定された個々の荷電原子(イオン)を使用し、精密なレーザーで制御・測定します。超伝導チップと対照的に、トラップイオンは非常に安定したシステムを構築でき、量子状態がマイクロ秒ではなく数秒から数分間持続します。しかし、計算能力の面ではかなり劣り、量子コンピュータ同士をネットワーク化することも困難です。これまでのところ、業界の関心は主にこの二つの技術に集まっており、Google、IBM、Microsoft などのテック大手は超伝導技術に、Honeywell などの企業はトラップイオン技術に注力しています。しかし、第三の道も存在し、信頼性が低すぎず計算速度が遅すぎない甘いスポットに位置するのが量子アニーリングです。特にこの技術のチャンピオンとされる企業があり、実世界における量子コンピューティングの初期応用でリーダーになる可能性があります: D-WaveD-Wave 概要D-Wave の歴史D-Wave は 1999 年に設立され、量子コンピューティングへの熱狂が始まる以前、インターネットがまだ新しく急成長していた時期のことです。その名前は、同社が使用した最初期の量子ビット形態である D-Wave 超伝導体 に由来しています。同社は当初、ブリティッシュコロンビア大学のスピンオフとして運営され、現在も同大学に拠点を持ち、カリフォルニア州パロアルトにも拠点があります。また、フロリダ州ボカラトンに 新しい本社と重要な米国研究開発(R&D)施設 を設立する計画があります。2007 年、同社は Orion...

2026年8月13日
著者 Jonathan Schramm
量子コンピューティングがポートフォリオ最適化に近づく
By Jonathan Schramm量子コンピューティングは、従来の二進法シリコンベースのコンピューティングでは解決できない問題を解決できる、まったく新しい形態のコンピューティングとしてしばしば説明されます。これまでのところ、量子コンピューティングは有望な技術でしたが、根本的な工学的課題に直面し続けています。量子コンピューティングが機能するために維持しなければならない極めて脆弱な物質状態のため、コストが高く、スケーラビリティも低いのです。また、得られる結果は「ノイズが多く」、定期的なエラーや遅延、信頼性の低い結果を伴います。いくつかのイノベーションにより、小型量子コンピュータのネットワークまたはトポコンダクタと呼ばれる新しい物質状態を利用した新しいハードウェア設計アーキテクチャで、スケーラビリティを可能にするもののいずれかが問題を解決できる可能性があります。しかし、これは概念的な問題でもあるかもしれません。ほとんどの量子コンピューティングプロジェクトは、従来のコンピューティングソリューションを量子ベースのものに完全に置き換えることを目指しています。しかし実際には、より限定的な問題解決が、量子コンピューティングの実用的なユースケースを早期にもたらす可能性があります。最近、チョンブク国立大学(韓国)とドゥイタン大学(ベトナム)の研究者による研究で、量子コンピューティングの活用方法として3つの異なる手法が比較されました。その結果、量子アニーリングは、金融ポートフォリオの最適化において「短期的な運用準備が大幅に進んでいる」ことが示されました。これは、ほとんどの量子コンピューティング研究で好まれる反復的なゲートベース手法が、大量のキュービットを必要とするため、少なくとも短期的には業界にとって適切でない方向である可能性を示唆しています。彼らは ICT Express1 に、タイトル「A comprehensive survey of quantum computing approaches for portfolio optimization in FinTech」で研究結果を発表しました。量子コンピューティングによるポートフォリオ最適化解決が困難すぎる問題ポートフォリオ最適化は、現代の金融における中心的かつ計算負荷の高い課題であり、FinTech 業界の基盤でもあります。現実的な制約が導入されると(資産の固定数の選択、取引コスト、または ESG スコアのような非財務指標の導入)と、資産数と制約が増えるにつれて、正確な最適化が実用的でなくなるほど、ますます困難な組み合わせ問題に急速に変化します。利用可能な資産数が増えると、特にこの傾向が顕著で、解空間は指数関数的に拡大します。したがって実務上、機関投資家ファンド、ヘッジファンド、そして自動ロボアドバイザーが管理する大規模ポートフォリオに対して、数学的モデルの代わりに多くの経験則や手動の判断が用いられるため、直接計算できるものではありません。量子コンピューティングのさまざまな実行方法量子コンピューティングの核心はキュービットであり、状態の重ね合わせで存在できます。量子アルゴリズムは状態の重ね合わせを操作し、干渉により有用な解を測定する確率を高めます。これは、すべての可能な答えが単純に同時に計算・取得できるという意味ではありません。この量子特性を利用して、特にポートフォリオ最適化に有用な計算を行うための主要な3つの手法が登場しています:最初は 量子アニーリング (QA) で、複雑な最適化問題に取り組むために特化した量子コンピューティングパラダイムです。その核心機能は、物理システムの最小エネルギー構成、すなわち基底状態を見つけることです。この特異性により、QA はより効率的になり、低エネルギー構成へのショートカットが生まれます。QA を実際に適用するには、金融問題を互換性のある数学的構造、主に QUBO モデルにマッピングする必要があります。「ゲートベースのモデルが細かいパルス制御を必要とするのに対し、QA は問題定義全体(マトリックス)を一度アップロードするだけのサブミット&リトリーブワークフローを可能にします。」変分量子アルゴリズム...

2026年7月14日
著者 Jonathan Schramm
新しいAWS AIハードウェア企業がAIに物理学的思考を教える
By Jonathan SchrammAIブームに伴い、コンピューティングハードウェアに関する投資家の関心は、超高度なチップ、GPU、そしてメモリに集中しています。しかし、洗濯機から自動車、産業用ロボットに至るまで、機械や消費財でこれらの部品を接続するには、プリント回路基板(PCB)が必要です。PCBは、電子部品を物理的に支え、電気的に接続するための平板です。PCBの製造は簡単ではありませんが、よく理解され、規模拡大された成熟したサプライチェーンがあり、実際の製造はますます完全に自動化されています。しかし、新しいPCBの設計は決して簡単ではなく、実際には電子機器開発における最後の手作業工程の一つです。専門家が手作業で設計図を描き、何百、何千もの部品を配置し、複数層にわたってそれらを接続する銅配線を配線します。中程度の複雑さの基板では、レイアウトに4〜8週間かかります。自動車用エレクトロニクスやコンピュータのような高度なシステムでは、3か月以上かかります。この状況は急速に変わりつつあり、Quilter AIという新興企業がAIを用いてこのプロセスを自動化しています。数週間または数か月かかっていた作業を数日で完了させ、PCB設計者の作業時間を大幅に削減できます。PCB設計が難しい理由は何ですか?PCBは非常に複雑な3次元物理システムであり、優れた設計のために複数の制約をバランスさせる必要があります。 スペース/機械的制限:部品は単に配置するだけでなく、非常に狭いスペースに収める必要があります。 電気ノイズ:電流が流れることで電力漏れや意図しない信号伝達、電磁干渉(EMI)が発生し、不要な電気的影響を予測する必要があります。 熱管理:高出力部品が過度のホットスポットを作らないようにし、銅製ヒートシンクで熱を放散し、ファンからの気流が妨げられないようにする必要があります。 製造上の制限:製造用化学薬品やツールの動作に関する制約により、銅配線が鋭角で交差したり、はんだマスクが薄すぎる設計を避け、実現可能な穴径などを考慮しなければなりません。 これらの課題の多くを解決しようとすると別の課題が悪化することがあり、PCB設計はすべての技術的目標を満たしつつ、コスト、消費電力、性能、サイズの要件内に収めるバランス作業となります。その結果、これまでのPCB設計向け自動支援ツールは有用でしたが、最終的な問題を検出するために多くの人間の介入が必要でした。さらに、敏感な回路は特殊で非標準的なレイアウトを必要とします。Quilter AI 概要Quilter の歴史Quilterは、SpaceXでシニア放射線影響エンジニアとして5年間勤務し、Falcon 9およびFalcon Heavyの電子機器を開発した後、カリフォルニアで研究者として活動していたSergiy Nesterenkoによって設立されました。“私はバークレーで数学、物理学、化学を三重専攻しましたが、専門性を追求したからではなく、基礎をマスターしたいと思ったからです。これにより他のすべてが学びやすくなります。”同社のチームはSpaceX、Apple 、NASA、ジョンズ・ホプキンスAPL、MIT出身のエンジニアで構成されています。また、PCB自動化企業のCadenceとSynopsysからElectronic Design Automation(EDA)開発者も採用しています。同社は2023年にシリーズAで1000万ドル、2025年にさらに2500万ドルを調達しました。これはソフトウェアのオープンベータ開始から1年後のことです。2025年8月にフリーティアを開始し、ソリューションの費用は使用量ベースとなり、業界を支配する高額なサブスクリプションモデルから脱却しました。“Quilterに基板をアップロードすると、アップロード時点で未配線のピン数が設計ピン数となります。Quilterがコンパイルするために必要な分だけ支払うだけで、余計な費用はかかりません。アップロード前に基板の一部(RFネット、ファンアウト、高電圧セクションなど)を事前に配線しておくと、その配線済みピンはカウントされません。Quilterは既存の作業を考慮して配線し、必要なピン分だけ料金を請求します。”Quilterは独自フォーマットやロックインを提供せず、PCB設計者の導入や既存のワークフロー・製造ツールへの統合を支援します。物理学をAIに取り入れるこれまで、AIは主にテキストや画像生成、さらにはコンピュータコードの生成に使用されてきました。しかし、実世界の物理に対しては苦手であり、そのためAI開発の新たな焦点として、特にロボティクス向けに物理AIが注目されています(このトピックに関する完全レポートはリンクをご覧ください)。Quilterは、強化学習、機械学習、ニューラルネットワークを組み合わせたアプローチを採用し、AIが実際の物理がPCB設計にどのような制約をもたらすかをより深く理解できるようにしています。その結果、QuilterのAIは既存の基板を模倣して設計されているわけではなく、なぜそのように作られたかを「理解」せずに人間から学ぶこともありません。このアプローチは多くのLLMの基本的な動作方式に似ていますが、複数の制約が同時に存在すると深刻な問題を引き起こすことがあります。“Quilterは、実世界の物理と製造制約で訓練されたAIを用いて完全なレイアウトを生成します。人間の例ではなく、これによりエンジニアは人間の直感で閉ざされた設計空間を探索でき、物理優先の計算なしでは発見されなかった解決策を浮かび上がらせます。”代わりに、AIは電流の物理、電磁気学、部品が使用する物理空間を理解し、それに基づいてPCBを設計する必要があります。Quilter AIの各サブコンポーネントエージェントは部品を配置し、配線をルーティングし、物理を評価し、どの選択がより良い結果をもたらすかを学習します。何百万もの反復により配置と配線戦略が洗練され、人間のバイアスなしに制約をバランスさせ、従来とは異なる配線方法や配置戦略を生み出します。“私たちは人間に合わせようとしているのではありません。人間の制約を完全に回避することで、彼らを超えることを目指しています。”これにより、数十のレイアウトが同時に生成され、製造可能性と制約カバレッジで評価されます。設計チームはこのツールを使って、遅延や妥協なしに100倍以上の設計バリエーションを探索できます。また、ユーザーは複数のバリエーションを同時にアップロードすることで、基板が実際にどれだけ小さく、密にできるかを迅速にテストできます。“Quilterは初の自律型PCB設計エンジンを創り出しています。これはオートルーターでも、コパイロットでも、LLMでもありません。自然法則そのものから学ぶ物理優先のAIシステムであり、人間の近道から学んでいるわけではありません。”人間の意思決定を支援するQuilter AIは、シンプルな基板設計を最短で15分で完了できます。しかし、数千ピンを持つより複雑な設計では、システムは一晩かけて処理します。各提出ごとに、Quilterは異なるスタックアップ間で複数の配置・配線候補を並行して探索し、エンジニアに評価用の選択肢を提供します。その後、結果をネイティブのECADツールにダウンロードし、レビュー・改良し、必要に応じて再提出できます。Quilterは商用プラットフォーム「app.quilter.ai」をAWSの米国西部リージョンで運用しており、米国東部、最終的にはヨーロッパへの拡大を計画しています。これにより、Amazon のクラウドコンピューティング容量を活用して、事業を強力かつシンプルにスケールアップできます。また、自己ホスト型のAWS環境を運用すれば、機密データが企業のインフラを離れることはありません。Quilterが顧客や既存の基板データで学習しないという事実は、航空宇宙や防衛など、知的財産保護が極めて重要な分野において大きな利点です。このワークフローは、エンジニアを手動で配線を描く作業者から、複数の基板バリエーションを並行して実行できるオーケストレーターへと変革し、四半期ごとの設計サイクルを週単位の実験と学習のループに変えます。“Quilterがある世界では、基板はソフトウェアビルドと同様に豊富で反復的に作られ、私たちが『ハードウェアリッチ開発™』と呼ぶ新たなパラダイムを推進します。QuilterはトップPCB設計者に週を日数に短縮する超能力を与えます。これは完全なパラダイムシフトです。より速く反復すれば、競合他社を上回るイノベーションが可能になります。”このプロセスは、PCBに関わるすべての専門家に対し、より速い納期、新しい設計、既存のCADツールとの容易な統合という利点を提供します。最近、Quilterはこれまでで最も野心的なプロジェクトであるProject Speedrunを実施し、843コンポーネントのLinuxコンピュータ(2枚の基板、5,141ピン、高速DDR4、eMMC、PCIe、CSI/DSI、GigE)を設計しました。この結果を得るには通常、手動レイアウトで400〜450時間かかりますが、Quilterは人手による作業を38.5時間に削減し、残りは自律的に行いました。“Quilterは反復的な設計作業を担当し、エンジニアはコントロールを保ちました。自動化が配置、配線、物理チェックを処理し、エンジニアはファームウェアの準備、ドキュメント作成、制約の洗練に集中できました。”物理AIへの投資NVIDIAビデオゲームやその他のグラフィックレンダリング向けGPUハードウェアメーカーとしての起源から、NVIDIA は巨大なAIハードウェア企業へと進化し、同社の株式は世界最大の時価総額を誇ります。NVIDIAは、専門研究者がニューラルネットワークに関心を持つずっと前に、AIの可能性に早くから気付いていました。当時、それは実証されていない、ほとんど存在しない分野へのリスクの高い進出でした。Jensen Huangが言うように:“私たちはゼロ・ビリオンドル市場に投資しています。”2016年と2017年に、NVIDIAはそれぞれPascalとVoltaアーキテクチャをリリースし、GPUベースのAIアクセラレータとして初めて登場させました。VoltaはTensor Coreを導入し、2024年までにディープラーニングタスクを最大12倍高速化しました。投資家は、NVIDIAが高い評価倍率を正当化できる新市場がすぐに枯渇するのではないかと懸念しています。2026年のCES(コンシューマーエレクトロニクスショー)で、NVIDIAは物理AIへの新たな注力を発表しました。そのために、NVIDIAはCosmos をリリースし、自律走行車(AV)、ロボット、ビデオ分析AIエージェント向けの物理AI開発を加速するプラットフォームとしました。また、ヒューマノイドロボット向けに特化したビジョン・言語・アクションモデルであるIsaac GR00T N1.6、そして物理AI専用に設計された「オーケストレーター」ソフトウェアOSMOを提供しました。ロボットや自動運転車、その他の自律システムへのAIの実装は、NVIDIAに新たなハードウェア販売市場を多数提供します。また、AIは物理ハードウェアの設計支援にもなるようで、AIコンピューティング需要の増大の可能性をさらに高めています。最新のNVIDIA(NVDA)株式ニュースと動向

2026年4月21日
著者 Jonathan Schramm
データセンターの効率を向上させる:より優れた電力変換チップで
By Jonathan Schramm大規模コンピューティングとAIデータセンターの急増に伴い、コンピューティングタスクのエネルギー消費は急上昇しており、エネルギー供給や送電容量の伸びよりもはるかに速く増加しています。これにより、導入可能なコンピューティング容量に厳しい上限が設定される可能性があり、新たなエネルギー源の構築は、AIチップやGPUの供給における以前のボトルネックよりもはるかに遅く、迅速に解決するのが困難です。そのため、データセンターの効率向上は極めて重要です。重要なポイントの一つは、TPUやASICなどの、よりエネルギー効率の高い専用コンピューティングハードウェアへの切り替えです。(このトピックについては「AIハードウェアへの投資:CPUからXPUへ」で詳しく読むことができます)。別の可能性として、エネルギー供給自体の効率を改善することが挙げられます。ほとんどのデータセンターは高電圧電源で運用されており、送電ロスを最小限に抑え、データセンター全体が必要とする膨大なエネルギーを処理するのに役立っています。しかし、コンピュータチップ自体ははるかに小さく壊れやすく、低電圧で動作します。そのため、電源を低電圧に変換する必要があり、これはあまり効率的な操作ではありません。少なくとも現在まで、カリフォルニア大学の3人の研究者が、データセンターの電源とGPU/AIチップ間の急激な電圧降下に最適な新しい電圧低減手法を発見した可能性があります。彼らはその成果を権威ある学術誌 Nature Communications1 に掲載し、タイトルは「ハイブリッド圧電共振器ベースのDC-DCコンバータ」としています。データセンターの電力変換の再構築GPUへの電力供給方法ほとんどの最新データセンターは ラック全体に48Vで電源を分配 しています。これは従来の12V標準よりもはるかに高い電圧です。この変更は、最新チップの電力需要の増大と、ラック内のスペース不足に起因しています。48Vは単に効率が高く、120V ACの電力網からシリコンチップが使用できるDC電力へ変換する際に必要な電力変換部品の数を減らすことができます。Source: AndCablesしかし、これにより新たな課題が生じます。従来のステップダウンコンバータは、入力と出力電圧の大きな差に対処する際にしばしば苦戦します。「そのギャップが大きくなるほど、効率は低下し、十分な電流を供給することが難しくなります。」パトリック・メルシエ – カリフォルニア大学サンディエゴ校 ジェイコブス工学部 教授。そして、実際に計算を行うチップ自体は1〜5ボルトという低電圧で動作します。そのため、データセンターのラックに48V電源を供給することで、変換効率が低下してしまいます。磁石から圧電コンバータへこの問題を解決する上での障壁は、現在電圧を下げるために使用されている磁気誘導という手法が、かなり成熟した技術であり、長年にわたって設計・改良が重ねられてきたため、さらなる改善が難しくなっている点です。「誘導コンバータの設計が非常に高度になりすぎて、将来のニーズに合わせて改善できる余地がほとんど残っていません。」パトリック・メルシエ – カリフォルニア大学サンディエゴ校 ジェイコブス工学部 教授。このため、研究者は別のアプローチとして圧電共振器を使用しました。これらの小型デバイスは磁場ではなく機械的振動を通じてエネルギーを蓄積・転送します。全体として、圧電部品は磁気インダクタに比べてサイズが小さく、エネルギー密度が高く、効率が良く、量産しやすいと考えられています。しかし、これまで圧電コンバータは大きな電圧差を扱い、効率を維持することに苦戦してきました。圧電コンバータの改善従来の圧電コンバータの課題を解決するため、研究者は圧電共振器と複数の小型市販コンデンサを組み合わせたハイブリッド設計を作成しました。コンデンサは慎重に設計された配置で配置され、システムがより大きな電圧変換を効果的に処理できるようにしています。これによりエネルギーがシステム内を複数の経路で流れ、無駄な電力が削減され、共振器への負荷が軽減されます。このプロトタイプは48Vを4.8Vに変換し、最高効率96.2%を達成しました。これは従来の圧電ベース設計に比べて出力電流が4倍になることを意味します。もちろん、これはあくまでプロトタイプであり、最終的な商用設計にはさらなる改良が必要です。具体的には、材料の精錬、回路設計の改善、より優れたパッケージング手法の開発が求められます。もう一つ解決すべき課題は、圧電システムが振動するため、基板に直接はんだ付けできず、全体の電子チップを揺らしてしまう恐れがあることです。「圧電ベースのコンバータはまだ既存の電力変換技術に取って代わる準備ができていませんが、改善の方向性は示しています。材料、回路、パッケージングの複数の領域で継続的に改良を進める必要があります。」パトリック・メルシエ – カリフォルニア大学サンディエゴ校 ジェイコブス工学部 教授。これは圧電技術の新たな応用の一例に過ぎず、例えば以下のような分野でも活用が進んでいます: 原子スピンを測定するナノ機械共振器。 フリーエネルギーを収集する圧電ポリマー、圧電複合材料が同様に利用できる方法。 他の圧電電力変換器設計による回路基板の小型化。 圧電技術への投資圧電デバイス市場はすでに大規模で、2024年の売上は355億9,000万ドル、2030年までに年平均成長率7%で554億9,000万ドルに拡大すると予測されています。この分野のリーダーの一つがCTS Corporationで、産業(ヒートポンプ、ロボット位置決め、計測)、輸送、医療、航空宇宙・防衛など多くの業界向けにカスタムエンジニアリングソリューションを提供しています。売上のほぼ半分を占める自動車セグメントが最大の市場ですが、近年は医療および航空宇宙セグメントが急速に成長しており、今後も伸びが期待されています。売上の60%は北米、22%はアジア、18%は欧州で行われています。同社は 1896年にシカゴ電話供給会社として設立され、後にCTSへと名称が短縮されました。CTSは磁気および圧電物理を利用したニッチな用途向けのセンサーやエレクトロニクスを製造し、センサー、チップ、イメージング、レーダー、アクチュエータ、制御装置などに応用しています。同社の製品ラインナップは、オートメーションと電動化、そして医療分野におけるセンサーや低侵襲医療手技・診断のイノベーションから大きな恩恵を受ける位置にあります。再工業化(リインダストリアリゼーション)も同社に利益をもたらすでしょう。新しいまたは改良された工場を通じて、同社のコンポーネントは産業用ロボット、プリンター、測定システムに組み込まれる見込みです。最後に、軍事予算の増加からもCTSは恩恵を受ける可能性があります。同社のコンポーネントは水中ソナー、無人水中ビークル、弾薬、衛星などに使用されています。このように、CTSは圧電技術の利用拡大だけでなく、再工業化、電動化、増大する防衛支出といった主要な経済トレンドに不可欠なセンサーや電子部品のさまざまな重要技術からも利益を得ることが期待される企業です。最新...

2026年4月15日
著者 Jonathan Schramm
格子基盤暗号:ポスト量子への転換
By Jonathan Schramm先進的な暗号技術は、現代のデジタル世界の大部分を支える隠れたセキュリティシステムです。それはデジタル金融取引を安全にし、軍が複雑なマルチドメイン作戦で敵の干渉なしに通信を維持でき、企業や消費者のデータを安全に保存できる方法です。そしてもちろん、名前が示す通り、暗号通貨の基盤でもあります。At its core, 暗号技術とは、貴重なデータを破られない形で符号化する数学的科学であり、意図された受取人だけがそれを読み取ったり処理したりできるものです, そのため、意図された受取人だけがそれを読み取ったり処理したりできます。これは本質的に数学と計算の問題であるため、より強力なコンピュータが以前は安全と考えられていた暗号レベルを破ることができるということです。量子コンピュータの登場は深刻な問題です。量子コンピュータは特定のタスク、特に暗号解読において、従来のコンピュータより何千億倍も効率的であると想定されています。量子コンピュータが非常に速いペースでますます強力になるにつれ、量子コンピュータに耐性のある「ポスト量子」暗号、すなわち量子耐性暗号への需要が高まっています。これはもはや理論的な懸念にとどまらず、2026年には新たな法律が米国の銀行に対し、超高速量子コンピュータでも解けない新しい数学(格子基盤暗号 – LBC)への切り替えを強制しています。量子復号のメカニズム:古典的限界を超えてショアのアルゴリズムとRSA/ECCセキュリティの終焉量子コンピュータは「ショアのアルゴリズム」を使用して、現代のインターネットセキュリティの基盤となる整数因数分解問題や離散対数問題を破ることができます。もし量子コンピュータが十分な機能量子ビットを持って稼働し始めれば、その数は年々急速に増加しており、ハッカーからデータが守られることはなく、あらゆるデジタルアカウントも安全ではなくなるでしょう。これは特に問題です。将来の量子コンピュータは、現在はまだ破られていないデータの暗号化も破ることができ、後で解読できる「今すぐ収集、後で復号」(HNDL)という手法が可能になるからです。したがって、たとえ現在量子コンピュータが暗号を破れなくても、数年後にHNDL手法でパスワード、機密データ、医療記録、政府機密、その他重要情報が漏洩しないよう、今日のデータはすでに量子耐性化される必要があります。これにより、すべての暗号通貨と金融システム全体が瞬時に崩壊します。保護された取引が偽造可能となり、ブロックチェーンでも従来の金融でも、デジタル台帳上の資産がリスクにさらされます。格子基盤暗号(LBC)とは何か?ポスト量子世界の数学格子基盤暗号は、ラティスと呼ばれる数学的対象を利用します。ラティスは、無限に続くグラフ用紙のような空間に規則的に繰り返される点の格子で、2次元だけでなく数百、数千次元にわたります。ラティスとは暗号化するには、まず特定の格子点から開始し、そこから少し離れた位置へ移動(ランダムな「ノイズ」を加える)し、その新しい位置を共有します。ノイズにより、攻撃者が元の格子点(「正しい」復号データ)を特定することはほぼ不可能になりますが、秘密鍵を持つ認可ユーザーはノイズを除去できます。正しい鍵での復号は特に計算負荷が高くないため、効率的な手法です。しかし、この暗号方式は量子コンピュータに特別な優位性がない数学的手法です。RSAやECCなどの従来の暗号方式は、ショアのアルゴリズムが「周期」を見つけることで効率的に解くことができる群の周期構造に基づいています。対照的に、格子基盤暗号はそのような構造に依存していません。(この技術に関する詳細情報は「Lattice-Based Cryptography for Beginners」、International Association for Cryptologic Research – IACR が出版)米国金融の量子耐性化:ポスト量子標準へのシフト2026年PQC規制:FIPS 203、204、NSM-10 のコンプライアンス2024年、米国標準技術研究所(NIST)は、3つの異なるポスト量子暗号(PQC)標準を確定しました: FIPS 203 – ML-KEM – 格子暗号に基づく鍵カプセル化メカニズム(KEM)で、量子安全な鍵確立(例:TLSやVPN)の主要構成要素として意図されています。 FIPS...

2026年4月3日
著者 Jonathan Schramm
Lace LithographyがEUVリソグラフィーを10倍小さな原子ビームで置き換える
By Jonathan Schramm半導体リソグラフィーは現代社会を支える最も重要な技術であり、チップ、メモリ、AIハードウェア、そしてさまざまな電子部品の製造の基盤を形成しています。今日に至るまで、リソグラフィー、正確にはフォトリソグラフィーの原理は、発明された当初と変わっていません。強力な光源が放射され、集光され、直接照射されることで、シリコンウェハ上にパターンをエッチングし、現代のエレクトロニクスを可能にするトランジスタやその他の微細部品を作り出します。もちろん、これは単純化しすぎた説明で、実際の製造プロセスは材料の付加・除去、不純物の除去、完成品の安定化やパッケージングなど多くの工程を含みます。それでも、フォトリソグラフィーはしばしば最も重要な工程です。これは、最先端のリソグラフィー形態であるEUV(極紫外線リソグラフィー)が、高出力の紫外線を利用してシリコンウェハをできるだけ小さく刻むことで最もよく示されています。この技術はオランダのASML社がほぼ独占しており(詳細は当社の同社に関する投資レポートをご覧ください)、中国も独自のバージョンの開発に積極的に取り組んでいます。「チップは世界を動かす。そしてそれらの製造はますます困難になっている。現在の最先端リソグラフィー装置は1台あたり3億8,000万ユーロ以上のコストがかかり、次世代は7億ユーロを超えると予想されている。これらは極めて複雑でエネルギー集約的であり、単一のサプライヤーから供給されている。」Lace Lithographyに投資するベンチャー企業Atomicoこれまで、リソグラフィーは主に、ますます精密で強力な光源へと進化し、エネルギーの高い波長や複雑な制御システムへと移行してきました。しかし、このプロセスはまもなく限界に達する可能性があります。フォトリソグラフィーは、使用する光の波長よりも高精度になることはできません。このため、世界中の研究チームは、特にAIがますます高い計算能力を要求する時代に、より洗練された強力なコンピューティング部品を作り出す代替手段の開発に取り組んでいます。これらの代替案の一つは、光の代わりに個々の原子を直接使用することであり、ノルウェーの企業Lace Lithographyが提唱しています。同社は2026年3月にシリーズAで4,000万ドルの資金調達を行い、Microsoftの支援を受けています。光から原子へムーアの法則がハードリミットに直面フォトリソグラフィーは極めて高精度で、ナノメートルスケールでシリコンウェハにパターンを刻むことができます。しかし、根本的な物理的理由により、光は自らの波長よりも高精度になることはできません。より技術的に言えば、主な問題は回折限界であり、異なる光ビームが相互に干渉し、目的のパターンがぼやけてしまいます。したがって、ますます強力なEUV光は助けになるものの、物理的なハードリミットにすぐに(10年以内に)直面し、これにより半導体業界が2年ごとにトランジスタ密度を倍増させるという経験則であるムーアの法則が崩れる可能性があります。「結果として、世界経済の中心部で製造ボトルネックが生じ、AIが計算需要の前例のない急増を引き起こすまさにその瞬間に直面しています。業界はこれが来ることを認識していましたが、これまで信頼できる解答はありませんでした。」Lace Lithographyに投資するベンチャー企業Atomico原子でのエングレービング回折限界は波である光の性質によるものです。しかし、個々の原子はこの限界に縛られません。正確には、すべての量子スケールの物体と同様に波として振る舞うことができますが、光よりもはるかに短い波長を持ちます。「原子は波として振る舞いますが、はるかに短い波長を持ち、これによりはるかに細かい構造、より強力なチップ、そして劇的に低いエネルギー消費が可能になります。」この原理に基づき、Lace Lithographyは光の代わりにヘリウム原子ビームを使用したリソグラフィー手法の開発を進めています。Lace Lithographyがチップ製造に使用するビームは、単一の水素原子の幅、すなわち約0.1ナノメートルです。これに対し、ASMLのリソグラフィーツールは約13.5ナノメートルの光ビームを使用し、ヒトの髪の毛は約100,000ナノメートルの幅があります。もちろん、これは新しい考えではありません。原子が光に比べて持つ固有の精度の利点から、何十年も前から検討されてきました。特に、EUVのように光を生成・制御することが、毎秒数千個の微小なスズ滴を超高温で加熱するほど困難であることを考えると、原子の利用は魅力的です。しかし、主な課題はそのようなマスクの作成でした。従来のフォトマスクは、製造対象デバイスのパターンがエッチングされた不透明膜でコーティングされた石英またはガラス基板で構成されます。この膜はシリコンウェハ上に刻まれるチップのテンプレートとなりますが、エングレービング工程でさらに小さなスケールに縮小されます。原子を使用したマスクを作成するためには、これまで問題の数学的側面が極めて複雑であると考えられ、原子ビームリソグラフィー用のマスク設計は実現できませんでした。現在、Lace Lithographyはこの課題を解決したと主張しています。レース・リソグラフィーレース・リソグラフィー概要同社は2023年に設立され、次の100年間のチップ生産のための画期的なチップパターン技術を開発することを目指しています。創業者はデンマーク・ノルウェー系物理学者で、ノルウェーのベルゲン大学物理技術学部に所属する教授でもあるBodil Holst氏と、彼女の元博士課程学生であるAdria Salvador Palau氏です。同社はノルウェー、スペイン、オランダに拠点を持ち、本社はノルウェーのベルゲンにあります。ビームリソグラフィー用マスク作成の課題を解決するため、チームはAIを活用してこれまで解決できなかった数学問題を解明しました。これは、AIが単に作業手法を変えるだけでなく、ハードサイエンスや工学に全く新しい可能性をもたらすことを示しています。「残された難題はマスク設計であり、関わる数学は実質的に手に負えないと考えられていました。Laceは独自のAI駆動アルゴリズムで計算を15桁以上高速化し、これを解決しました。これは漸進的な改善ではなく、カテゴリの転換です。」Lace Lithographyに投資するベンチャー企業Atomico理論的には、この技術は最先端の光ベースリソグラフィーよりも10倍小さなエングレービングを可能にします。同社はカリフォルニア州サンノゼで開催されたSPIE主催のAdvanced Lithography + Patterning科学会議で、成果の科学的根拠を発表しました。このプレゼンテーションの要旨では、要旨では、「メタ安定原子をリソグラフィーに使用する根本的な利点は、パターン解像度がパターンエネルギーから切り離されていることです」と説明されています。これは、光とは異なり、エネルギーレベルを上げるために波長をさらに短くする必要がないことを意味します。「我々は、近接露光と回折露光という2つの異なる露光モードを実証しました。近接露光では、半ピッチ100nmで50nmのCDまでの穴パターンを示し、回折露光では半ピッチ50nmの規則的なラインパターンを示しました。」このマスク技術は、業界で使用されている現在のシリコンウェハサイズにスケール可能で、さらに拡張することも可能です。「さらに、原子用の初のAIベース逆リソグラフィー技術(ILT)回折マスク設計を提示します。これらのマスク設計は、シリコンの原子間隔まで理論的な解像度限界を持つ任意のパターンを生成でき、シミュレーションは現在のフルフィールドサイズやそれ以上にスケール可能であることを示しています。」Atomicoに加えて、同社はMicrosoftのベンチャー部門M12、Linse Capital、スペイン技術変革協会、そしてNysnøから資金提供を受けています。Lace Lithographyの総評価額は公表されていません。商業化への準備もちろん、科学的ブレークスルーの発表からプロトタイプ、そして実際の大規模利用までには時間がかかります。しかし、Lace Lithographyは比較的容易に半導体ファウンドリに統合できると考えられます。EUV光源をヘリウムビームに、従来のフォトマスクをAIによるビームマスク設計に置き換えるため、組立ラインや半導体製造業界の既存サプライチェーンを大幅に再設計する必要はありません。すでにプロトタイプを備えている同社は、2029年頃にパイロットチップ製造工場(“fab”)で最初の商用グレードツールのテストを実施することを目指しています。原子ビームリソグラフィーへの投資Microsoftこの技術は依然として極めて新しく、実際に商用チップが生産されるのは2030年以前ではなく、最良でも2035年以前に大規模展開されることはありません。しかし、長期的にはゲームチェンジャーとなり得ます。リソグラフィーにおける独占的地位を占めるASMLを完全に排除できる可能性があります。ASMLは現在約4,500億ドルの評価額であり、Lace Lithographyへの小規模な参加でも将来的に大きなリターンが期待できます。多くの投資家がこのような初期スタートアップに直接投資できないため、Microsoftの株式へのエクスポージャーが次善の選択肢となります。オペレーティングシステムとソフトウェアの大手である同社は、AI、特にB2B用途や科学研究へのAI適用に重点を置き、革新的技術への多くの投資を行っています。過去10年間で、Microsoftは最も有望な技術の限界に挑戦し、過去の数十年よりもリスクを取る企業となっています。 量子コンピューティングチップ、全く新しい物質状態(トポコンダクタ)を発明 核融合、2028年にHelion EnergyからMicrosoftへ納入される予定のリアクター AIデータセンターに電力供給するため、原子力発電所の早期再稼働に向けた取り組み 材料科学、化学、生物学向けの科学AI B2BおよびPC向けAI(Copilot) これらの活動に加えて、同社はオペレーティングソフトウェア、B2Bソフトウェア(Office)、B2Bソーシャルネットワーク(LinkedIn)、ビデオゲーム開発、ゲームコンソール(XBox)、クラウドコンピューティング、そしてAI開発のリーダーでもあります。つまり、原子ビームリソグラフィー自体がMicrosoftの既に巨額な時価総額にさらに1兆ドルを加えることはないかもしれませんが、同社が早期に投資した非常に有望な分野の一つです。そのため、株式は破壊的な「ムーンショット」イノベーションからの上昇余地を提供すると同時に、企業のより安定で予測可能なコア事業へのエクスポージャーも提供します。(Microsoft全体の事業については、当社の同社専用投資レポートで詳しく読むことができます。)最新 Microsoft...

2026年4月3日 著者 Daniel Martin
レーザー通信: 月面ミッションから6Gホームへ
By Daniel Martin情報の共有方法は、静かだが大規模な変革を遂げつつあります。何十年もの間、私たちは空中でデータを送信するために電波に頼ってきました。これが携帯電話の仕組みであり、NASAが月面の最初の宇宙飛行士と通信した方法です。しかし、より高解像度の動画や高速ダウンロードを求めるにつれ、電波は物理的な限界に近づいています。この転換は、レーザーが専門的な科学ツールから世界的インフラの重要な基盤へと移行する、文明的な大転換を意味します。解決策は文字通り目に見えるところに隠れています:光です。レーザーを用いた通信は、光無線通信とも呼ばれ、光のビームでデータを運びます。光波は電波よりはるかに波長が短く、周波数が高いため、単一の伝送で格段に多くの情報を詰め込むことができます。現在、この技術は宇宙の深い静寂から世界有数の大学の最先端ラボまで、想像できる最も過酷な環境でテストされています。アルテミスIIミッションとレーザー通信への飛躍NASAはアルテミスIIミッションで可能性の限界を押し広げました。1960年代のアポロ宇宙飛行士が粗い白黒写真さえほとんど送れないシンプルな無線システムに頼っていたのに対し、アルテミスIIの乗組員はOrion Artemis II Optical Communications(通称 O2O)というシステムを使用しています。このシステムは、月距離から地球へ4K映像やその他の大容量データを最大260Mbpsの速度で送信できるよう設計されています。これは宇宙探査における大きな前進です。ニューメキシコ州とカリフォルニア州にある地上局を利用することで、NASAは従来の方法に比べてはるかに短時間で高解像度画像や飛行計画、手順を受信できます。しかし、光ビームが変革をもたらすのは宇宙だけではありません。新たな研究は、この同じ技術が将来的に自宅やオフィス内でのインターネット接続方法を根本的に変える可能性があることを示しています。現代世界の中核技術光ベースのシステムへの転換は、レーザーが現代イノベーションの主要エンジンとなる広範な潮流の一部です。通信に留まらず、レーザーは将来の基礎的なツールとして再定義され、レーザー核融合による持続可能エネルギーから次世代核宇宙船の推進システムに至るまで、あらゆる分野に影響を与えています。最もエキサイティングな成長分野の一つは、半導体リングレーザーの開発です。これらの小さな円形デバイスは光をループさせ、微小スケールで極めて高効率にデータ処理や信号生成を可能にします。同時に、リチウムニオベート上のポックレス効果を利用したLiDARシステムなど、チップスケールのセンシング技術が登場しています。これらの進歩により、デバイスは光を用いて「見る」ことも「話す」ことも、かつて不可能だった速度とサイズで実現でき、超高速接続が環境の構造そのものに組み込まれた世界が創造されています。宇宙技術を地上へ持ち込むNASAが何千マイルもの宇宙空間でデータをビーム送信している一方で、ケンブリッジ大学などの研究者はこの技術をコンピュータチップサイズにまで縮小する方法を開発しました。最近の研究¹(Advanced Photonics Nexus掲載)では、VCSELと呼ばれる小型レーザーを用いて、記録的な362.71Gbpsでデータを送信するチップスケールシステムが実証されました。これを比較すると、現在の家庭用インターネット接続の何千倍もの速度です。この新システムの美点は効率性です。個別に制御可能な25個の小型レーザーアレイを使用します。これによりマルチユーザー接続が可能となり、部屋内の多数の人が同時に高速データを受信しても互いに干渉しません。これは、利用者が増えると速度が低下しがちな従来のWiFiに比べて大きな改善です。エネルギー効率と速度の向上将来の技術における最大の課題の一つはエネルギー消費です。デバイスが高速になるほど、電力が多く必要になることが多いです。研究チームが開発したレーザーチップは、同等のテスト条件下で主要なWiFiシステムよりもはるかにエネルギー効率が高いことが示されました。光を使用することで、電波に比べて熱として失われるエネルギーが減り、データ転送に使われるエネルギーが増加します。スマート光学による均一カバレッジ現在のレーザーシステムに対する一般的な不満は、ビームが狭すぎることです。デバイスを左に1インチ動かすだけで信号が途切れることがあります。新しいチップスケールシステムは、カスタムマイクロ光学を使用してこの問題を解決します。これらの小型レンズはレーザービームを均一な正方形に整形し、光が特定のエリアをより均等に覆うようにします。これにより、リビングルームや病院といった実環境での接続がはるかに安定し、使いやすくなります。通信技術の比較 技術タイプ 一般的な用途 典型的な速度 主な利点 Sバンドラジオ アポロ月面ミッション 非常に低速(Kbps) 非常に信頼性が高い 標準WiFi 家庭/オフィスのインターネット 1 Gbps 導入が簡単 NASA O2Oレーザー アルテミスIIミッション 260 Mbps...

2026年3月25日
著者 Jonathan Schramm
量子ビットは過大評価されているのか?合理的物理学の議論
By Jonathan Schramm量子コンピュータは、コンピューティングにおける最も有望でありながら最も混乱を招くイノベーション分野です。一方で、量子コンピュータは、他に不可能な計算を実行できると約束され、時には通常のコンピュータのすべての規則や制限を打ち破るように見えます。しかしながら、量子コンピュータは構築が極めて困難であり、計算能力を有用なレベルまでスケールさせることも難しいです。また、量子物理学についてまだ多くが解明されておらず、量子コンピュータの概念は予期せぬ驚きに対して脆弱です。例えば、量子重力の適切な理論は何十年も見つからず、量子力学の理解に根本的な欠陥があることを示唆している可能性があります。この最後の、量子物理学自体からくる根本的な制限という考えは、オックスフォード大学の研究者であり、カオス理論と気候研究で最もよく知られるティム・パーマーによって最近さらに詳しく論じられました。彼は、量子空間の基本的な数学的性質が、従来考えられていたよりもはるかに量子コンピュータの実際の能力を制限している可能性があると考えています。彼は、権威ある科学誌PNAS1に、タイトル「合理的量子力学: 量子コンピュータで量子理論をテストする」で研究を発表しました。過熱感の理解: 量子コンピュータはどのように動作するのか?重要な点は、通常のコンピュータのように 1 と 0 の「離散」ビットではなく、量子コンピュータのキュービットは量子重ね合わせとエンタングルメント(量子もつれ)を示すことです。簡略化すると、これは各キュービットが同時により複雑な情報を本質的に保持できることを意味し、複雑な数学的行列を用いた計算が容易になります。したがって、各データポイントに多数の可能な値があるような複雑なデータセット(例えば、チップやバッテリー電極内の電子や原子のスピン値)に対して、量子コンピュータは増大する複雑性を処理でき、追加されるキュービットごとに指数的に容量が増加します。対照的に、通常のコンピュータは一度に 1 ビットずつしか容量を増やせないため、データポイントが追加されるたびに計算が指数的に複雑化し、すぐに管理不能となり、最高のスーパーコンピュータでさえその急速に増大する複雑性に圧倒されます。少なくともこれは、古典的量子物理学の主流概念に基づく理論です。しかし、パーマー教授はこれが事実ではないと主張しています。量子力学 vs. 合理的量子物理学 (RaQM)ヒルベルト空間とは何か?量子パワーの枠組み量子物理学の「主流」概念は一般に「量子力学」(QM)という用語にまとめられ、量子スケールで起こる複雑でしばしば直感に反する現象を説明します。量子コンピュータに関連する重要な要素は、ヒルベルト空間という概念です。この概念は、慣れ親しんだ2次元や3次元空間を任意の次元数に拡張し、ほとんどの量子物理学が構築されている数学的枠組みを作り出します。“ヒルベルト空間は、線形幾何学における無限次元空間を定義する数学的概念です。言い換えれば、2次元や3次元空間に限定された幾何学的概念を拡張し、無限の次元数で使用できるようにしたものです。”それは量子物理学の極めて基本的なツールであるため、ほとんど疑問視されません。また、実験的に確認された量子物理学の予測の大部分を可能にした「真実」の概念でもあります。“ヒルベルト空間は、量子力学などの分野で極めて重要であり、微視的スケールでの粒子の挙動を理解するための数学的枠組みを提供します。これには、量子系の時間的変化を記述するシュレーディンガー方程式のような複雑な方程式を解く応用が含まれます。”古典的な解釈では、ヒルベルト空間の次元数は量子コンピュータが使用するキュービット数に比例して指数的に増加するとされています。この解釈はヒルベルト空間の連続体的性質に完全に依存しており、これがパーマー教授が挑戦している考えです。合理的量子物理学: 連続体への挑戦オックスフォード大学の物理学者が発表した理論は、ヒルベルト空間が実際にそのように機能しているという考えに挑戦し、量子重力の捉えどころのなさがこの可能性を示す指標であると指摘しています。彼はこの理論を「合理的量子力学」(RaQM)と呼んでいます。“我々は、量子力学の状態空間の連続体的性質が本質的に離散的な何かを近似しているという概念に基づく量子物理学の理論を提案し、その離散性の原因は重力であると主張します。”この考えは、ヒルベルト空間は実際に粒状であるが、他の基本的な力に比べて重力が非常に弱いため、極めて小さなスケールであるというものです。彼はこれらの考えを、付随する科学論文2「量子力学の謎を解く: なぜ自然は連続体を嫌うのか」でさらに展開しました。数学的詳細に踏み込まずに言えば、量子状態は特定の「合理的」観測量に対してのみ定義されると考えられます。これにより、虚数 √(-1) やいわゆる四元数といった複素数に対するやや異なる理解が生まれ、RaQM において量子状態を現実的に解釈できるようになります(QM と比較して)。あるいはパーマー教授が言うように、彼の理論はシュレーディンガーの猫のような量子物理学の有名なパラドックスのいくつかを取り除きます。“RaQM では、猫はもはや同時に生きていて死んでいる状態ではありません。”1,000キュービット上限: 将来への実務的影響超強力な量子コンピュータの前提の重要な部分は、キュービットを増やすことで数学的問題に対してより多くの「次元」を追加できるということです。この仮定は、システムにキュービットが追加されるにつれてヒルベルト空間が無限の「新しいデータ保存領域」(次元)を提供するという考えに基づいています。したがって、パーマー教授の考えは量子コンピュータに重大な影響を及ぼす可能性があります。もしこれが正しければ、量子状態の情報量はキュービット数に比例して線形に増加し、従来考えられていたような指数的増加ではなく、量子コンピュータの最大の前提を根本的に崩すことになります。“臨界的なエンタングルドキュービット数を超えると、量子状態にヒルベルト空間の各次元に1ビットさえ割り当てるだけの情報が不足します。この状況になると、ヒルベルト空間全体を利用する量子アルゴリズムは古典アルゴリズムに対する量子優位性を失います。”論文では、この閾値は量子コンピュータが数百から最大1,000のエラー訂正キュービットを超えた時点で到達すると推定しています。なお、これは重要な暗号レベルを破るために必要とされる閾値よりはるかに低く、例えば 4,099 キュービットがあれば ショアのアルゴリズムを用いて 2048 ビット RSA...

2026年3月18日 著者 Daniel Martin
マネージド・フリクション: プラットフォームがユーザー行動を形作る方法
By Daniel Martin10年以上にわたり、YouTube とユーザー間の暗黙の取引はシンプルでした:視聴者は注意、データ、広告への寛容さを提供し、その見返りに高速で信頼性が高く高品質な動画体験を直接費用なしで受け取っていました。この取り決めにより、YouTube はチュートリアル、エンターテイメント、文化の膨大なライブラリを備えたグローバルなユーティリティへと変貌しました。しかし 2026 年初頭、多くのユーザーがその取引が依然として有効かどうか疑問を呈しています。フォーラムやテックメディア全体で、高速接続を持つ視聴者は、1080p の映像が柔らかく見える、バッファリングが増える、広告ブロッカーやプライバシー重視のブラウザ使用時に不安定さが増すと報告しています。すべての問題が意図的であると証明できるわけではなく、これらの遅延の正確なメカニズムは公に確認されていません。しかし、より広範なパターンは「マネージド・フリクション」と呼ばれる概念をますます反映しています:ユーザー体験を意図的に形作り、行動をより高価値な結果へ導くことです。この枠組みでは、無料または広告耐性のパスはシームレスさが低下し、支払パスはより安定し予測可能に感じられます。重要なのは、意図的な摩擦のこの戦略が、プライバシー第一の技術の大規模採用を促進する最も効果的な触媒となっていることです—主流の収益化モデルが排除するよう設計されたプラットフォームです。デジタルプラットフォームにおけるマネージド・フリクションとは何か?マネージド・フリクションは、製品が成熟するにつれてデジタル市場で繰り返されるパターンです。初期段階のプラットフォームは、障壁を最小化しユーザーの満足度を最大化することで成長を最適化します。規模が拡大し投資家の期待が高まると、摩擦はツールとなります。障壁を取り除くのではなく、プラットフォームはそれらを選択的に導入し、支払サブスクリプションなど収益予測可能性を高める行動へユーザーを誘導します。YouTube は、このプロセスが大規模にどのように現れるかを示す完璧な事例です。マネージド・フリクションの例としての YouTube最も顕著な例は、YouTube の広告ブロッカーに対する姿勢の変化です。プラットフォームは現在、広告ブロッカーが利用規約に違反すると明言しており、ユーザーは警告や再生制限に直面することが増えています。これらの明示的な措置に加えて、Brave や uBlock Origin などプライバシー重視のツールを使用すると、読み込み速度の低下やプレーヤーの不安定さが報告されています。これらの影響は広く観測されていますが、正確な技術的原因—アカウントレベルのスロットリングか配信層のペナルティか—は証明されておらず、一般的に推測されているに過ぎません。もう一つの重要なレバーはビットレートの階層化です。YouTube は現在、標準の 1080p 再生と、対応デバイス上のプレミアム限定「拡張ビットレート」バージョンを区別しています。これにより、無料と有料の階層間に明確な品質のグラデーションが生まれます。これらのハードルが増すにつれ、ユーザーにコントロールを取り戻すことを約束するブラウザへの大規模な移行が促進されています。プラットフォームがマネージド・フリクションを使用する理由(ARPU の説明)規模が大きくなると、経済は単純です。YouTube のようなプラットフォームは年間数百億ドルの収益を生み出しますが、継続的な成長は新規ユーザーよりもユーザーあたり平均収益(ARPU)の増加に依存します。広告をブロックするユーザーはインフラを消費しますが直接的な収益はほとんど貢献しません。サブスクライバーは安定した継続的収入をもたらします。これにより、収益化された経路へ行動を誘導する自然なインセンティブが生まれます。 観測された実践 ユーザーへの影響 戦略的機能 広告ブロック対策の実施 再生制限とプロンプト 広告収益を保護し、サブスクリプションを促進 拡張ビットレートの階層化 有料ユーザー向けの高品質...

2026年3月16日
著者 Jonathan Schramm
AMD:Nvidiaの支配に挑むAIハードウェアの推進
By Jonathan SchrammAIブームが続くにつれて、Nvidiaの の株式市場での運勢も上昇し、時価総額で世界最大の企業となっています。しかし、これは常にそうだったわけではありません。ごく最近まで、Nvidiaは単なるGPU(Graphics Processing Units)企業であり、グラフィック描画に特化したコンピューティングハードウェアでした。GPUは、CPU(Central Processing Unit)のように少数の複雑な計算を行うのではなく、何千もの単純な計算を同時に並列処理することに特化しています。この並列処理能力が暗号通貨のマイニングやAIに不可欠であり、Nvidiaの成功につながったのです。しかし、NvidiaとそのGeForceシリーズが唯一のGPU企業だったわけではなく、AMDとそのRadeon GPUとの競争にも常に直面してきました。AMDは市場シェアではNvidiaほど高くはありませんでした。AMDはGPUを非グラフィック用途に活用することへの対応がNvidiaより遅れ、AIが新興技術でハードウェア選定が競われていた時期にリーダーシップを取る機会を失いました。しかし、AIハードウェア市場は成熟しつつあり、ハイパースケーラーはNvidiaのハードウェアに代わる選択肢を求めています。TPUやXPUなどの新しいAI特化ハードウェア、あるいはAI専用GPUの代替供給がその例です。そのため、AMDは追いつく立場にあり、現在の時価総額はNvidiaの10分の1未満ですが、再びGPUリーダーに挑む真剣な競争相手になる可能性を示しています。AMD Company History and EvolutionAdvanced Micro Devices 、通称AMDは、1969年に主に不満を抱いたFairchild Semiconductorsの従業員らによって設立されました。Fairchildはトランジスタと集積回路の製造で先駆的な企業でした。同社はロジックチップの製造から始まり、1971年にRAM市場、1975年にマイクロプロセッサ市場へ参入しました。2006年にグラフィックス企業ATI Technologiesを43億ドルで買収したことで、AMDはハイパフォーマンスGPU(Radeon)市場へ本格参入しました。現在もAMDはCPU市場(Intel と競合)とGPU市場(Nvidia と競合)の両方に存在感を示しています。2020年代には、記録的な49億ドルでXilinxを買収し、2024年にはデータセンターハードウェア企業ZT Systems を47億ドルで買収、さらにヨーロッパ最大の民間AIラボであるSilo AI を6億6500万ドルで買収することで、AI、データセンター、組み込みコンピューティングにおけるポジションを強化しました。“Xilinxは業界トップクラスのFPGA、適応型SoC、AI推論エンジン、ソフトウェア専門知識を提供し、AMDは業界で最も強力なハイパフォーマンスかつ適応型コンピューティングソリューションポートフォリオを提供し、クラウド、エッジ、インテリジェントデバイスにまたがる約1,350億ドル規模の市場機会のシェアを拡大できると考えています。” Dr. Lisa Su –...

2026年3月12日
著者 Jonathan Schramm
Intel Ohio One: アメリカの新たなシリコン・ハートランドへの賭け
By Jonathan SchrammIntelの米国チップ製造における役割緊迫した世界情勢米中競争において、米国は半導体とチップ製造を武器として中国経済を減速させ、米国本土または親密な同盟国へ重要産業を再配置する時間を稼いでいます。チップ製造が地政学的な武器となる中、台湾の状況は特に重要です。中国海岸沖のこの島は、先進的なチップの大多数、特にAI向けGPUやその他の高度なAIハードウェアを生産しており、最先端データセンターを支えています。したがって、米国はアジアでの潜在的な紛争から離れ、少なくとも一部の先進チップ製造を米国内に移転することが急務です。その一環として、台湾の大手 TSMC にアリゾナに新たな半導体ファブ(製造工場)を開設させました。最初のファブは生産を開始し、3nmノード用の第2ファブは2027/2028年に生産開始、10年後には2nmおよびA16ノード用の第3ファブが計画されています。しかし同時に、米国のチャンピオン企業が国内で半導体生産能力を拡大することも優先されており、Intelがこの計画の中心に据えられています。同社は失われた時間を取り戻そうとしており、High-NA EUV(極紫外線)リソグラフィーの導入をいち早く開始した企業でもあります。Intelの新しい Ohio One「シリコン・ハートランド」建設プロジェクトは遅延を乗り越えて進行中で、超先端の14A(1.4nmクラス)プロセスノードに焦点を当て直しています。これにより、米国の製造拠点は世界でも最も先進的なチップ製造拠点の一つになる見込みです。Intelは事業を再開しつつある何十年にもわたりCPUのリーダーであったIntelは、業績低迷に陥り、2024年には従業員数の削減と市場全体に対する悲観的な見通しを示しました。この空白期間の大きな要因は、Intelが2つの技術的転換点を逃したことにあります: EUV(極紫外線)リソグラフィーの導入が遅れ、より小型で高度なノードや、コストを抑えて性能を向上させるモジュラー型チップ「チップレット」の実装が遅れました。GPU市場を無視したことも重大な失策でした。GPUはかつてはゲーム向けハードウェアでしたが、暗号通貨のマイニング、そしてAI計算の必須ツールへと進化しました。その結果、Nvidia が世界最大のコンピューティングハードウェア企業となりました。しかし、Intelは過ちから学び、過去の失敗を乗り越えて再び業界をリードしようとしています。明確な兆候の一つは、同社がHigh-NA EUVリソグラフィーの採用で先頭に立っていることです。この技術は従来のEUVの次のステップで、かつてはオランダの半導体装置メーカー ASML が独占していましたが、最近中国が部分的にでも技術を再現したと主張しています。IntelはすでにオレゴンのR&D拠点でHigh-NA EUV を使用しており、今回の Ohio One プロジェクトでも商業生産に導入する予定です。Intelの Ohio Oneシリコン・ハートランドの構築2022年、Intelはオハイオ州に2つの新しいチップ製造施設へ最大200億ドルを投資すると発表し、プロジェクト名を「シリコン・ハートランド」と名付け、すぐに着工しました。その後、2024年に総投資額は280億ドルに拡大され、オハイオ州史上最大の民間投資となりました。当面は2つの半導体ファブが計画されていますが、長期的には最大で8つまで拡大できる可能性があります。最初の2つの建設により7,000人の雇用が創出され、ファブが稼働すれば3,000人規模の常勤・高度技能職が生まれ、州の年間総生産額に28億ドル、年間給与総額に約4億5000万ドルをもたらす見込みです。州はまた、Intelの将来のキャンパス周辺の交通インフラ改善に9,000万ドルを投資します。オハイオ州が選ばれた背景には、カリフォルニアや西部諸州に集中していた従来の半導体製造拠点からの多様化というIntelの目標と、オハイオ州側の投資誘致努力があります。“昨夏に可決された州予算には、10億ドル超の投資を伴ういわゆるメガプロジェクト(Intelなど)に対し、州税額控除の期間を15年から30年に倍増させる条項が含まれていました。” Jack Boyd – The Boyd Companyこの取り組みは製造能力の拡充だけでなく、米国内で不足しがちな専門人材の育成にも焦点を当てており、教育機関との提携に1億ドルを投じて人材パイプラインと地域の研究プログラムを強化します。キャンパス全体は1,000エーカー以上に及び、350,000平方フィートの工業施設、うち200,000平方フィートはクリーンルームのフロアスペースです。この巨大プロジェクトでは、コンクリート20万立方ヤード、鉄筋24,500トン、地下電力・データ配線用の導管497,000フィート(約94マイル)を使用します。電力はすべて再生可能エネルギーで賄われ、環境負荷の低減が図られますが、1日あたり500万ガロンの水も使用します。Ohio One タイムラインプロジェクトのタイムラインはIntelの戦略的転換と市場環境の変化に合わせて進化してきました。当初は2025年に生産開始、後に2026年へ延期と予定されていましたが、財務安定性を確保するために「モジュラー」方式へと変更されました。2025年8月、米国政府がCHIPS法の未払い助成金数十億ドルをIntelの10%株式取得に転換したことで、資金調達に大きな転機が訪れました。この歴史的介入により、金利変動や次世代ハードウェアの巨額資本要件が不安定な中でも「シリコン・ハートランド」の推進に必要な流動性が確保されました。現在、建設は最先端プロセスノードのリリースに合わせて安定的に進んでいます。最初のオハイオファブ(Mod...

2026年2月26日 著者 David Hamilton
今すぐ収集、後で復号:量子脅威の解説
By David Hamilton“Harvest Now, Decrypt Later” ハッキング戦略は、手頃な量子コンピュータが実用化されるまであと数年という信念に基づいています。これらのコンピュータは従来のものより何千倍も強力です。そのため、今日の最高水準の暗号の多くを破壊できると考えられます。以下が知っておくべきことです。概要: Harvest Now, Decrypt Later (HNDL) は、攻撃者が今日暗号化されたデータを収集し、将来量子コンピュータが復号できるまで保存する戦略です。暗号に関係する量子コンピュータはまだ稼働していませんが、このリスクはすでに政府、金融機関、ブロックチェーンネットワークが長期データを保護するためにポスト量子暗号(PQC)標準へ移行する動きを促しています。量子コンピュータは特定のタスクに優れる量子コンピュータはすでに存在し、特定のケースでは世界最高のスーパーコンピュータよりも強力です。特に、並列で大規模アルゴリズムを実行できるため、特定のタスクにのみ適しています。例えば、量子コンピュータは、最高のスーパーコンピュータが数日かかる最適化タスクを数分で実行できます。ランダム回路サンプリングのようなタスクは、Frontier(主要スーパーコンピュータ)で 47 年以上かかります。同じタスクは量子システムで 6 秒で完了しました—2019 年に Google の Sycamore プロセッサが数秒でランダム回路サンプリングを実行したときの成果です。ただし、このベンチマークは議論の余地があり、古典アルゴリズムの改良によりギャップは縮小しています。今すぐ収集、後で復号(HNDL)量子コンピュータがより安定し手頃になるにつれ、インフラや現在のセキュリティ対策に対する利点とリスクが同時に増大します。Hack Now Decrypt Later 手法は、攻撃者が暗号化データのコピーを取得し、将来量子コンピュータが利用可能になるまで保存することを指します。HNDL の概念は 2010...

2026年2月25日 著者 Daniel Martin
NIST標準: CRYSTALS-Kyber と Dilithium の徹底解説
By Daniel Martinシリーズナビゲーション: 全6部の第1部 in The Quantum-Safe Finance Handbookアルゴリズムの原子: PQC の標準化数十年にわたり、世界の金融システムはデータ保護のために RSA と楕円曲線暗号に依存してきました。しかし、量子コンピュータの登場により、これらの手法は脆弱になっています。これに応える形で、米国標準技術研究所(NIST)は代替技術を探すための世界的なコンペティションを開始しました。2024 年後半に、最初の 3 つの標準の最終版である FIPS 203、FIPS 204、FIPS 205 が公表されました。このマイルストーンにより、ポスト量子暗号は理論的分野から商業的要件へと移行しました。投資家や機関にとって、これらの特定アルゴリズムを理解することは不可欠です。なぜなら、これらは新たな量子耐性境界の基盤となっているからです。ML-KEM: 一般暗号化の標準FIPS 203 は、ML-KEM と呼ばれるモジュール格子ベース鍵カプセル化機構を規定しています。元々は CRYSTALS-Kyber という名称で開発され、このアルゴリズムは公開ネットワーク上で二者が共有秘密鍵を確立することを目的としています。その鍵は対称暗号と組み合わせて、実際のデータ転送を保護します。ML-KEM は、卓越した性能と比較的小さな鍵サイズが評価されて選ばれました。高速データセンターリンクからリソースが限られた...



