A. 新規材料・半導体材料、物性、デバイス構造・設計・製造プロセスの研究開発
１．AI、IoT、電気自動車（EV）、量子コンピューティングなど多くの分野で専用プロセッサー、メモリー向けの半導体事業に従事。
２．シリコンカーバイド（SiC）半導体の研究・開発：
高効率で高温にも耐えうる特性を持ち特に電力変換や高周波アプリケーションにおいて優れた性能を発揮し電気自動車の電力変換器や充電インフラにおいて重要な役割を果たし、エネルギー効率の向上とともにバッテリーの寿命延長が期待される次世代の半導体材料であるシリコンカーバイド（SiC）というワイドバンドギャップ半導体の研究・開発（機能デバイス構造、設計手法）、製造プロセス研究に従事。
３．ガリウムナイトライド（GaN）半導体の研究・開発：
5G通信や衛星通信などの高周波デバイスでの利用が期待でき、通信速度の向上とデータ処理能力の強化が実現できるガリウムナイトライド（GaN）というワイドバンドギャップ半導体の研究・開発（機能デバイス構造、設計手法）、製造プロセス研究に従事。
４．量子ドット材料や2D材料の研究・開発：
従来のシリコンベースの半導体に比べて、優れた電子移動度と光学特性を持ち、新たなデバイスアーキテクチャの実現に寄与し、より高性能で低消費電力のデバイスが開発可能な量子ドット材料や2D材料（例えばグラフェン）という次世代の半導体材料の研究・開発（機能デバイス構造、設計手法）、製造プロセス研究に従事。
５．NVIDIA形式のGPUの研究・開発：
コンピューターゲームやグラフィックス生成などの現場でも導入が広がりつつあり、CPU等の他のプロセッサでは不可能と言え、生成AI、Deep Learningの開発に必須のプロセッサであって、ディープラーニングや機械学習に代表されるAIモデルにおいて大量のパラメーターを持った複雑なネットワーク構造内で膨大な処理を超並列で実行でき、コンピューターグラフィックスや人工知能、ディープラーニング、仮想化技術などを得意とし、計算処理能力や処理スピードの低消費電力と高い並列計算能力を備え、多くのAI開発者に支持されているNVIDIA形式のGPUの機能デバイス構造、設計手法、製造プロセス研究に従事。
（１）本研究開発のNVIDIA形式GPUの設計・研究に関する専門的な取り組みと研究成果
a) 本研究開発のNVIDIA形式GPUの研究・開発に従事し、特に生成AIやDeep Learningの分野における超高性能プロセッサの設計・製造技術に注力した。このGPUアーキテクチャは、コンピューターゲームやリアルタイムグラフィックス処理の領域においても急速に採用が進んでおり、その汎用性の高さから、ディープラーニング（DL）や機械学習（ML）に代表される高度なAIモデルの実行に不可欠なプロセッサとして位置づけられている。
b) 本研究開発のNVIDIA形式のGPUは、多数の演算ユニット（CUDAコア、Tensorコア）を備え、超並列処理による高効率なデータ処理が可能である。これにより、ニューラルネットワークの大規模パラメータ空間（数百億〜兆単位のパラメータ）を持つ深層学習モデルのトレーニングや推論処理において、従来のCPUベースのアーキテクチャでは実現不可能なスループットと低レイテンシーを提供した。また、FP16（半精度浮動小数点演算）やINT8量子化による演算最適化により、モデル学習の速度向上と消費電力削減を両立させている。
c) 本研究開発のNVIDIA形式のGPUの設計手法としては、ハードウェアディスクリプション言語（HDL）を用いたレジスタ転送レベル（RTL）設計や、FPGAによるプロトタイピング、さらにVLSI（Very Large Scale Integration）設計フローを通じて、回路シミュレーションから物理設計まで一貫して行っている。また、キャッシュメモリの階層構造（L1, L2, L3キャッシュ）やメモリ帯域幅を最大化するための高性能GDDR6およびHBMメモリのインターフェース設計も実施した。
d) 本研究開発のNVIDIA形式のGPUの製造プロセスにおいては、5nmおよび3nmの先端CMOSプロセス技術を用い、FinFETおよびGAAFET（Gate-All-Around FET）構造を採用することで、リーク電流を低減しつつ高密度実装を実現。これにより、1平方ミリメートルあたりのトランジスタ数をさらに増加させ、計算リソースの最大活用を可能にした。さらに、熱設計（Thermal Design Power, TDP）を最適化し、ダイ温度の管理を行うために、シリコン基板の低熱抵抗材料や3D ICパッケージング技術（TSV, Through-Silicon Via）も導入した。
e) また、本研究開発のNVIDIA形式のGPUでは、仮想化技術（GPUパススルーやMIG：マルチインスタンスGPU）を活用することで、クラウド環境下でのGPUリソースの効率的な共有を実現し、データセンターでの大規模AI処理にも対応した。この設計は、特に生成AIやリアルタイムの推論ワークロードにおいて圧倒的なスケーラビリティを提供し、多くのAI研究者や開発者から高い支持を得ている。
研究成果とその応用
a) 本研究開発のNVIDIA形式のGPUの研究成果は、AIモデルの学習と推論における計算効率を飛躍的に向上させ、産業応用に大きな影響を与えた。特に、深層ニューラルネットワーク（DNN）や畳み込みニューラルネットワーク（CNN）におけるパラメータ調整と並列処理の最適化において顕著な成果を上げた。
b) 本研究開発のNVIDIA形式GPUのGPUアーキテクチャの変更により、トレーニング時間の短縮と消費電力の低減を両立させることができ、例えば、ResNetやVGGといったモデルにおいて、従来のCPUベースの処理に比べて20倍以上の処理速度向上を達成した。これにより、AI研究者はより高速に、かつ効率的に大規模なデータセットでのモデル訓練を行えるようになり、生成AIやコンピュータービジョンの分野での進展が加速した。
c) さらに、本研究開発のNVIDIA形式GPUでは、量子化技術（Quantization）やハードウェアアクセラレーションに関する研究も行い、INT8量子化を活用することで、低精度演算を使用しつつモデルの精度を維持する手法を確立した。これにより、デバイスの消費電力を最大80％削減し、モバイルデバイスやエッジコンピュータでのAI推論の実行を可能にした。生成AIや自然言語処理（NLP）においては、GPT-3やBERTなどの大規模モデルにおいても、推論精度を犠牲にすることなく演算負荷を軽減させた。
d) また、本研究開発のNVIDIA形式GPUでは、GPU仮想化技術を活用したクラウドベースのAI開発環境の最適化も行い、複数のAI開発者が同時にGPUリソースを効率的に利用できるようにすることで、データセンターのコスト削減とリソースの最適配分を実現した。この成果は、特にクラウドAIサービスを提供する企業や、自律型システムの開発において高く評価され、実際のプロダクション環境で広く採用されている。
e) 本研究開発のNVIDIA形式GPUの取り組みは、次世代の生成AI技術や自律型ロボティクス、デジタルツインの実現を加速させ、産業界全体にわたるイノベーションの推進に寄与した。GPUの並列処理能力とハードウェア最適化に関する知見を活かし、より効率的でスケーラブルなAIシステムの開発に貢献した。
（２）本研究開発のNVIDIA形式GPUの新アーキテクチャを活用した研究成果
a) 本研究開発のNVIDIA形式GPUにおけるアーキテクチャの革新に取り組んでおり、特に新しいアーキテクチャ「Ampere」および「A100」に基づく技術の研究を行った。これらの新アーキテクチャは、従来のVoltaアーキテクチャと比較して大幅な性能向上を実現し、特にディープラーニングの学習と推論においてその威力を発揮した。
b) 本研究開発のNVIDIA形式GPUでは、これらのアーキテクチャにおける新たな演算コア（Tensor Core）の機能を最大限に活用し、AI処理の効率を飛躍的に向上させた。
c) 本研究開発のNVIDIA形式GPUの「Ampere」アーキテクチャでは、特にディープラーニング向けに強化された演算コアが搭載されており、その中でも「Tensor Core」は、AIモデルに特化した計算を行うために設計されている。このTensor Coreは、第3世代のもので、特に新しい演算フォーマットである「TF32（Tensor Float 32）」および「bfloat16」に対応している点が重要である。これらの新しいフォーマットは、AIトレーニングにおける計算精度を高めると同時に、メモリ帯域幅の効率を最適化し、演算スピードを大幅に向上させた。具体的には、TF32はFP32の精度をほぼ維持しつつ、FP16のような効率を実現するため、計算リソースを大幅に節約しながら、高精度な結果を得ることが可能となった。
d) 本研究開発のNVIDIA形式GPUでは、このTensor Coreの新しい構造を活用し、AIモデルのトレーニングを高速化するために、ディープニューラルネットワーク（DNN）や畳み込みニューラルネットワーク（CNN）の計算過程を最適化した。例えば、パラメータ量が非常に多いGPT-3やBERTといった大規模な自然言語処理モデルにおいて、トレーニング時間を従来のシステムと比較して最大で20倍短縮することに成功した。これにより、学習データの効率的な処理とリアルタイムの推論が可能となり、生成AI技術の進展を加速させた。
e) 本研究開発のNVIDIA形式GPUではさらに、bfloat16に対応することで、低精度演算を使用しつつモデル精度を損なうことなく、高速な推論を実現した。この技術は、データセンターやエッジコンピューティングにおいて非常に重要であり、特に高頻度で繰り返し行われる計算において、その効果を発揮した。bfloat16は、データ転送速度を最大化するための最適化手法として活用され、特にAI推論でのレイテンシーを最小化し、同時に消費電力を削減するために貢献した。
f) 本研究開発のNVIDIA形式GPUに採用した新しいGPUアーキテクチャの革新は、量子化技術や演算の並列化と密接に関連しており、これによりAIシステムのスケーラビリティが大きく向上した。これらの技術を駆使することで、生成AIやコンピュータービジョン、自然言語処理といった領域における大規模モデルの運用が可能となり、より効率的なAIソリューションを提供することができた。
g) 本研究開発のNVIDIA形式GPUでは、ディープラーニングモデルの圧縮技術やアーキテクチャ最適化にも取り組み、モデルのサイズや計算コストを削減しながら、精度を維持したままでより多くのデータを処理できるようにした。このアーキテクチャの進化により、今後のAI技術がどのように進化していくかの道筋を示す重要な研究成果を生み出した。
h) これらの研究成果は、GPUの演算能力を最大限に引き出すものであり、次世代のAIシステム、特に生成AIや自律型ロボット、データセンター向けのAI推論処理において広く応用されることが期待されている。
６．TPU（Tensor processing unit）の研究・開発：
a) 機械学習に特化した特定用途向けASICで、グラフィック・プロセッシング・ユニット(GPU)と比較して、ワットあたりのIOPSをより高くするために、意図的に計算精度を犠牲に（8ビットの精度）した設計となっており、巨大なオンチップRAM、8ビット 定量化(8 bit quantitation)、Systolic arrayアーキテクチャを備えディープラーニングに最適なTPU（Tensor processing unit 、テンソルプロセッシングユニット）の研究・開発（機能デバイス構造、設計手法）、製造プロセス研究に従事。
b) 本研究の次世代TPUは、（１）Compute Express Link（CXL、伝送速度最大64 GT/s、帯域幅最大64 GB/s（双方向128 GB/s））、（２）NVIDIA NVLink（NVLink、伝送速度最大600 GB/s、帯域幅最大600 GB/s（双方向合計））、（３）InfiniBand（伝送速度最大200 Gbps＠HDR（High Data Rate））、（４）Gen-Z（伝送速度32 GT/s（ギガトランスファー/秒）以上、帯域幅128 GB/s以上）、または（５）Open Coherent Accelerator Processor Interface （OpenCAPI、伝送速度最大25 GB/sのレーン速度（片方向）、帯域幅最大300 GB/s（双方向合計））を介してホストCPUからのCISC命令で動作する512ビット行列乗算エンジンである。TPUは3 nmプロセスで製造され、ダイサイズは最大で647mm2と小型化に成功している。クロックスピードは8GHzであり、熱設計電力(消費電力)は18～28Wと、超低消費化に成功した。本研究のTPUは448GiB（ギビバイト） のチップメモリーと419万4300個の512ビット積和演算器の結果を取る１１２GiBの2048ビットアキュムレーターを実装した。命令はホストとのデータ送受信、行列の乗算または畳み込み、活性化関数の適用を実行するアーキテクチャーを採用した。
c) 個々のTPU ASICは720テラFLOPSであり、64チップ(1台)で合計46.08ペタFLOPS（PFLOPS） モジュールとしている。TPUではこれらのモジュールは4096チップ(64台)組み合わせ、2.94912EFLOPS（ ExaFLOPS：エクサフロップス＝ 2949.12 PFLOPS）のハイパーパフォーマンスを発揮している。TPUは浮動小数点演算が可能であるので、機械学習モデルの訓練と推論の両方に有力である。今後、本研究のTPUを使用したGenerative AI Computing Engineの受託研究開発を進める。
d) 開発したTPU技術は2024年10月までに、韓国Samsung、台湾TSMC、米国Apple、中国SMICと技術導入契約を結んだ。
７．MCU（Micro Controller Unit）の研究・開発：
電子機器の制御をする基礎的なASICの一つで、センサーの入力から処理を行い、モーターやLEDなどの出力を制御する組込みシステムに利用されるMCU（Micro Controller Unit）の機能デバイス構造、設計手法、製造プロセス研究に従事。
８．ミリ波デバイスやビームフォーミングデバイスの研究・開発 ：
エッジコンピューティングにおける5Gの性能向上、5Gを超える超高速通信と超低遅延を実現する6Gに向けた、ミリ波デバイスやビームフォーミングデバイスの機能デバイス構造、設計手法、製造プロセス研究に従事。
９．パワーエレクトロニクス半導体技術の研究・開発：
a) 電気自動車（EV）のバッテリーの電力制御、バッテリーマネジメントシステム、先進運転支援システム（ADAS）の分野で重要な役割を果たす電力制御システムに用いるシリコンカーバイド（SiC）やガリウムナイトライド（GaN）などの新素材そするSiC- IGBT（絶縁ゲートバイポーラトランジスタ）とSiC- MOSFET（金属酸化膜電界効果トランジスタ）を用いた パワーエレクトロニクス技術（バッテリーマネジメントシステム、画像処理、データ処理向けの各種専用チップ）の機能デバイス構造、設計手法、製造プロセス研究に従事。
b) SiCやGaN（窒化ガリウム：オン状態の導通損失が低く、スイッチ切り替えの動作が高速であり、高速通信用としての利用が多い）よりさらにバンドギャップの広い素材として、ダイヤモンドに注目し、パワー半導体にダイヤモンドを素材にすることで、SiCからさらに性能を向上させる研究を進めている。ダイヤモンドについてはウエハの元となる結晶成長技術、パワー半導体デバイス作成プロセスに注力して基礎研究を進めている。
c) 開発したパワーエレクトロニクス半導体技術は2024年10月までに、韓国Samsung、台湾TSMC、米国Intel、独国インフォニオンテクノロジーズ、米国オンセミコンダクター、スイスSTマイクロエレクトロニクス、米国ビシェイ・インターテクノロジー、オランダネクスペリア（オランダ）と技術導入契約を結んだ。
１０．航空宇宙用半導体技術の研究・開発：
地球観測衛星・低軌道衛星（LEO）・ロケット・宇宙船等の商業宇宙産業の電子システムに使用する放射線耐性を持つ耐放射線性MOSFET ダイヤモンド半導体、GaN、Ga2O3、ZnO、AlN、3CSiC、CIGS等の材料とMOSFET 半導体チップ・パワーエレクトロニクスや通信機器の材料、機能デバイス構造、設計手法、製造プロセス研究に従事。
Ⅰ. スピントロニクスデバイス
a) 現在の私たちの生活を支えているエレクトロニクスは半導体中の正孔と電子のプラスとマイナスという"電荷"の状態を利用した電子回路で構成されていますが、スピントロニクスは電子のアップ・ダウンという"スピン"の状態を利用した電子回路で構成されるもので、超低消費電力性と不揮発性という特徴からエレクトロニクスを超える次世代の技術として注目に値する。大規模災害時の停電時にもスピン状態が保持されるため災害からの復興を支えるものとして期待している。
b) 本研究では、地上に降り注いでいる宇宙線由来の中性子線がスピントロニクスデバイスのデータ保持素子に与える影響を評価した。同時に、民生利用のために研究開発が進むスピントロニクスデバイスが将来宇宙でもそのまま共用できれば、高性能・小型軽量・低価格の半導体デバイスを利用できることになると期待して、スピントロニクスデバイスの宇宙放射線環境での耐性と故障モードを解明しなければならないと考えて研究を進めた。
c) 本研究では、20nm以下の微細加工プロセスで実現された世界最小のスピントロニクスデータ保持素子に宇宙線由来の中性子が与える効果を"未知の影響"および"発生頻度"の観点で評価した。そこで本研究のスピントロニクスデバイスにあっては、電子の電荷ではなくアップ・ダウンという"スピン"の状態を利用したスピントロニクスデバイスのデータ保持素子部では、直径数十ナノメートル、膜厚数ナノメートルという世界最小のスピントロニクスデータ保持素子に宇宙線由来の中性子が与える効果を"未知の影響"および"発生頻度"の観点で評価することに成功している。
d) 具体的には、MgOという厚さ1ナノメートル程度の薄い絶縁体を挟んで同じく1ナノメートル程度のCoFeB層という薄い磁性体がスピン状態を保持することで、停電時にも1と0のデータを保持しています。本研究では潜在的リスクとして、（1）宇宙線由来の中性子がデータ保持層を貫通したとき素子の特性が劣化するか？（2）中性子との核反応でスピントロニクスデバイス内に生成される重イオン（宇宙放射線と同じ）がデータ保持層を貫通したときスピン状態は反転するか？を考えて、核反応シミュレーションと中性子および重イオンの照射実験を実施した。
e) その結果、世界最小サイズにまで微細化したスピントロニクスデバイスのデータ保持素子では、（1）の過程を通じた影響は現れないものの、（2）の過程を通じてスピン反転という影響がこれまでの常識に反して起こること、しかしその"発生頻度"は先端SRAMのデータ保持素子と比べて極めて小さいため、高い信頼性を有することを世界に先駆けて明らかにした。本プロジェクトの目標を達成するとともに、将来の宇宙応用へ期待できることを確認した。
f) 開発したスピントロニクスデバイス技術は2024年10月までに、米国ザイリンクス、英国コブハムリミテッド、スイスRUAG、英国マイクロチップテクノロジー、TTエレクトロニクス、スイスSTMicroelectronics、英国BAEシステムズ、米国Teledyne Technologies、米国TI、米国ハネウェルと技術導入契約を結んだ。
Ⅱ. ペロブスカイト太陽電池
a) ペロブスカイト太陽電池は、単結晶シリコン太陽電池に迫る高い変換効率を持つ軽量薄膜な太陽電池を低コストで実現できる期待から次世代太陽電池として世界的に大きく注目されているものである。軽量薄膜化を実現できる理由はフィルム上に低温製法にて成膜できるからで、低コスト化を実現できる理由は簡易な塗布プロセス製造やRoll-to-Roll製造が可能であるからである。本研究では、光電変換効率15%超えのペロブスカイト太陽電池が宇宙用太陽電池として現在の主流である3接合化合物太陽電池に比べて高エネルギーの電子やプロトンなどの宇宙放射線に対して極めて高い耐性を有することを発見した。
b) 本研究で作成したペロブスカイト太陽電池は、今後の実用化時に期待される２０％をはるかに超える３４%が実現できた。宇宙機の太陽電池搭載量を決める指標となる照射後の変換効率を推定すると、照射前の変換効率ではペロブスカイト太陽電池は宇宙用3接合化合物太陽電池の28.5%を超える好成績を得ている。
c) 本研究のペロブスカイト太陽電池は、太陽電池搭載量を削減でき軽量・低コスト化が実現できた。また放射線を遮蔽するためのカバーガラスの厚みを削減できるため、フレキシブル性を利用した宇宙機設計の自由度を高めることができた。
d) 本研究のペロブスカイト太陽電池は、以上の優れたメリットがあるため、ペロブスカイト太陽電池は民生用としてだけでなく宇宙用としても非常に有望と考えている。
e) 開発したペロブスカイト太陽電池技術は2024年10月までに、英国マイクロチップテクノロジー、スイスSTMicroelectronics、英国BAEシステムズ、米国Teledyne Technologies、米国TI、米国ハネウェルと技術導入契約を結んだ。
１１．次世代の半導体デバイス（フィン型FET（FinFET）やGAAFET（Gate-All-Around FET））の研究・開発：
ナノノシートトランジスタの研究開発:従来のフィン型FET（FinFET）やGAAFET（Gate-All-Around FET）を超える性能を持ち微細化と高性能化を同時に実現することを目的とした数ナノメートルサイズの薄いシート状の構造を持つトランジスタであって次世代の半導体デバイス（フィン型FET（FinFET）やGAAFET（Gate-All-Around FET））の中核を成す技術であるナノシートトランジスタの研究開発を行った。
当該研究では、その構造により電流の流れを3次元的に制御することで従来よりも更なる微細化を可能となった。本研究対象のナノシートトランジスタを用いることで、次世代のプロセッサやメモリチップのフィン型FET（FinFET）構造やGAAFET（Gate-All-Around FET）構造においても、ゲートチャネルの制御が非常に精密に行うことが可能となった。その結果、スイッチングのオンオフ比が高くでき、リーク電流も低減できるようになった。
これにより、5nm以下のCMOSプロセス技術においても、フィン型FET（FinFET）やGAAFET（Gate-All-Around FET）のトランジスタの集積度が向上し、チップ全体の性能向上が維持できるようになった。当該技術は、IoTデバイスやウェアラブル技術、AI、5G、自動運転車分野でのさらなる技術革新、応用に向けて韓国Samsungや米国Intelへ導入が図られている。
１２. ハイパー高帯域幅メモリHBM（High Bandwidth Memory）の研究開発：
a) 2048ビットのインターフェース・最大26.4TBpsの帯域幅のデータ転送速度下で各スタックの容量64GB、128GB、192GBを実現する 3D積層技術、シリコンインターポーザ、TSV（Through-Silicon Via）技術の研究開発を行った。当該研究では、次世代規格HBM4 に比べてデータの転送速度を16倍と大幅に改善し、計算の効率性を高める成果が得られている。
b) ハイパー高帯域幅メモリHBMの研究開発は、より高い帯域幅、さらなる大容量、そして低消費電力を実現することを目指し、生成AIやHPC市場でのさらなるパフォーマンス向上を見込んだ上で研究開発が続行中である。
c) ハイパー高帯域幅メモリHBMの研究開発の一つの焦点は、インターフェースのさらなる拡張である。現在の2048ビットを超える8192ビット長のインターフェースの実現により、データ転送速度がさらに向上し、より多くのデータを同時に処理する。この技術的進化は、リアルタイムデータ処理や複雑なシミュレーションを必要とする分野で特に有効である。また、マルチタスク処理の効率化の研究も同期して行われており、システム全体のパフォーマンスを目論んでいる。
d) さらに、ハイパー高帯域幅メモリHBMの研究開発では、製造プロセスの研究も同期して行われている。5nm、3nm、更に2nmといった微細な回路パターンを形成するためのEUV（極紫外線）リソグラフィ技術の研究開発を併せて行っていることにより、メモリチップの長高密度化が実現できる。これにより、同じ面積内により多くのデータを格納することができ、各スタックの容量64GB、128GB、192GBを実現し、メモリの容量が拡大できている。また、新しい材料や冷却技術の開発も併せて進められており、これによりメモリの信頼性と効率を図る。
e) ハイパー高帯域幅メモリHBMの研究開発では、エネルギー効率のさらなる向上を目指している。省エネルギー技術の進化により、データセンターやHPCシステムの運用コストが一層削減される。また、持続可能なビジネスモデルの構築に寄与し、企業の環境負荷を軽減できる。これにより、企業は競争力を高めながら、環境保護にも貢献できる。
f) 本研究成果は、AIの学習やビッグデータ解析、高解像度のゲームグラフィックスなどの処理に威力を発揮するGPU（グラフィックス処理ユニット）やグラフィックカード、人工知能（生成AI）と機械学習の並列計算システムやAIアクセラレーター、気象予報や宇宙シミュレーションなど超大規模な計算を行うスーパーコンピューター、次世代の高速通信規格である5G等多岐にわたる分野での応用に向けて米国NVIDIA、韓国サムスン電子へ導入が図られている。
======================
B. 半導体製造装置の研究開発
１．EUV（極紫外線）リソグラフィ装置開発：
a) ArF（193nm）エキシマレーザーに代えて、出力32kWの炭酸ガスレーザーをスズの微小な液滴に照射してプラズマ光を元にEUV（13.5nm）のレーザーを発生させる光源、EUV（13.5nm）レーザーから生じるEUVレーザー光を集光し、 回路が刻まれたマスクを通ったEUVレーザー光を、レンズによって4分の1から5分の1に縮小した上でウェハに照射する光学系、ウェハ全面に回路を刻むためにウェハを動かしてEUVレーザーの照射位置をナノメートルといった超高精度で精密に調整し、直前の露光で形成されたパターンとの位置合わせを行うウェハステージの研究・開発に従事。上記光源としては、X線波長域のコヒーレント光を生成するための自由電子レーザーおよびシンクロトロン放射源のｄ研究開発の受託研究も行っている。上記光学系においては、集光多層膜鏡、6つの投影多層膜鏡または多層膜(マスク)で構成されている光学系の吸収率を従来の９６％から３８％に大幅に低減した。
b) 開発したEUVリソグラフィ装置の開発により、5nm、3nmや2nmの微細化技術の微細化プロセスの量産体制を確立し、より高性能で省電力な半導体チップの製造を実現しました。これにより、Apple、NVIDIA、AMD等の大手テクノロジー企業のスマートフォンやデータセンター向けの高性能プロセッサの競争力が大幅に向上することに成功しました。また開発したEUVリソグラフィ装置の技術革新により、チップの高集積化と省電力化を実現し、モバイルデバイスやAI、5G通信、、自動運転技術などの先端分野向けの高性能半導体製造で大手テクノロジー企業の圧倒的な優位性確立を現実のものとした。
c) 開発したEUVリソグラフィ技術は2024年10月までに、オランダASML、韓国Samsung、台湾TSMC、米国アプライドマテリアルズ、米国ラムリサーチ、中国SMICと技術導入契約を結んだ。
2．チップレットアーキテクチャ（先進パッケージング技術）開発：
a) チップレットアーキテクチャは、それぞれが特定の機能を担当する複数の小型チップ（チップレット）を一つのパッケージに統合するチップレットアーキテクチャの研究開発を行った。製造プロセスの柔軟性が増し、異なるプロセス技術を組み合わせて最適な性能を引き出すことが可能となり、製造コストの削減と歩留まりの向上が可能となった。
b) 当該技術として3DIC技術とCOWOS（Chip-on-Wafer-on-Substrate）技術 は、IoTデバイスやウェアラブル技術、自動運転車分野での応用に向けて台湾TSMCと韓国サムスン、オランダASML、中国SMICへ導入が図られている。
3．E3D積層技術（先進パッケージング技術）研究開発：
（１）Foveros技術の研究開発：複数のチップを垂直方向に積み重ねてスペース効率を向上させる3D積層技術であって、異なるプロセステクノロジーで製造されたチップを3Dスタックし高性能かつ省電力なプロセッサを実現するFoveros技術の研究開発を行った。これにより、メモリチップやプロセッサのデータ転送速度の3.7倍の向上と消費電力の60％の削減を実現した。当該技術は、IoTデバイスやウェアラブル技術、自動運転車分野での応用に向けて米国インテル、米国アプライドマテリアルズ、米国ラムリサーチ、中国SMIC、韓国サムスン電子、台湾TSMCへ導入が図られている。
（２）Infinity Fabricの研究開発：複数のチップを垂直方向に積み重ねてスペース効率を向上させる3D積層技術であって、コアの効率的な分散配置してチップレット間の通信速度を2.8倍向上させ、性能向上とコスト削減も併せて実現する高速インターコネクト技術であるInfinity Fabricの研究開発を行った。Infinity FabricChipletをアーキテクチャとして採用することで、メモリチップやプロセッサのデータ転送速度の2.8倍の向上と消費電力の47％の削減を実現した。当該技術は、IoTデバイスやウェアラブル技術、自動運転車分野での応用に向けて米国AMD、米国ラムリサーチ、中国SMIC、韓国サムスン電子、台湾TSMCへ導入が図られている。
4．ソリッドステート型量子コンピュータの高精度半導体量子ビット（キュービット）の半導体製造装置の研究開発：
a) 量子コンピュータは、従来のコンピュータでは解決困難な問題を高速に解決する能力を持つ次世代の計算技術である。本研究では、非常に低温環境下での使用する半導体超伝導体デバイスで構成される半導体量子ビット（キュービット）やトポロジカル絶縁体などの特殊な素材の精密な製造と加工をおこなうことでソリッドステート型量子コンピュータのエラーレートを1京分の1 （１０のマイナス１５乗）程度にまで低減して安定動作を実現できる半導体量子ビット（キュービット）の複雑な配線や多層構造の製造装置を実現できている。
b) 当該半導体製造技術は、金融、医療、材料科学等多岐にわたる分野での応用に向けて米国IBMと米国Googleへ導入が図られている。
======================
C. コンピューターサイエンスの研究開発
Ⅰ．「生成AI（Generative AI）物理学者」の研究開発:
a) 学習によって物理法則を見つけ出す人工知能（AI）システムが登場したとはいえ、現実世界のさまざまな煩雑な詳細から必要な情報だけに注目して物理法則を導き出す人間の能力には遠く及ばない。このような状況下で、本研究は、物理学者が研究に用いている秘訣をAIシステムに教えることで、現実を模倣した複雑な架空世界で物理法則を導き出す生成AI（Generative AI）物理学者 を作り出すことにことに成功した。
b) ガリレオが学生の時にピサの大聖堂でランプの揺れを見て、自分の脈拍に対してその揺れの時間を測ったことは有名だ。ガリレオは、揺れの周期が振幅に関係なく一定であると結論づけた。
c) さらにガリレオは、振り子が時計を制御できると提案し、後にそのような機械を設計した。しかし、振り子時計を最初に作ったのはクリスティアーン・ホイヘンスであり、ガリレオの死後約15年が経ってからのことだった。
d) この発見をするにあたり、ガリレオは天才的に、空気の抵抗、温度、光のちらつき、騒音、他の人々といった大聖堂に存在する厄介な詳細をすべて無視した。そうして、突出した細部に焦点を当てて、ランプの揺れる周期だけを使ったシンプルなモデルを考えたのだ。
e) 多くの歴史家にとって、ガリレオのアプローチは科学的方法の発展における初期段階を代表している。同じプロセスが、飛行、量子論、電子計算、一般相対性理論、そして人工知能（AI）さえも生み出した。
f) 近年、AIシステムはデータそのものに興味深いパターンを見つけ始めており、その結果として一定の物理法則を導き出してさえいる。しかしこうした事例において、AIが学習するのは常に、現実の世界にある煩雑さが除かれた特別なデータセットである。こうしたAIシステムの能力は、ガリレオのような人間の能力には遠く及ばない。
g) 本研究では、ガリレオが上記にしたように、観察対象の世界のさまざまな様相を説明するのに必要な情報に的を絞って理論を生み出す生成AIAIシステムを作ることにチャレンジしたものである。。
h) 本研究では、ガリレオのアプローチや何世紀にもわたって物理学者が学んできた他の秘訣の真似をするAIシステムへの一つの答えが得られている。「生成AIAI物理学者」と名付けた本研究の生成AIシステムは、私たちの世界の複雑さを模倣して慎重に構築した不思議な世界を支配する物理法則を引き出すことができる。
i) 本研究の生成AI物理学者とは、機械学習や深層学習といった人工知能（AI）技術を活用し、物理学における高度なモデリングやシミュレーションを行い、従来の手法では困難な問題の解決を目指す新しいアプローチです。以下にAI物理学者の役割を具体的に説明する。
i. ハミルトニアンやシュレーディンガー方程式の解析：量子力学では、粒子の挙動を数式で表現しますが、AIはこのような複雑な微分方程式の数値解を導出し、量子状態の時間発展をシミュレーションすることができる。
ii. ニューラルネットワークを用いた状態遷移行列の最適化：多体系物理学や統計物理学において、相互作用が複雑に絡み合う系の自由エネルギーやエンタングルメント（量子もつれ）をAIで精度良く計算することで、新しい相転移や臨界現象を発見できる。
iii. 畳み込みニューラルネットワーク（CNN）による画像認識：天文学や素粒子物理学の分野では、大量の観測データ（例えばCMB（宇宙マイクロ波背景放射）や加速器での衝突イベント）が生成されます。AIはこのデータを解析し、微小な異常検出やシグナル抽出を行う。
iv. 強化学習を活用したパラメータ空間の探索：AIは物理系のパラメータ空間を探索することで、最適な実験条件や制御パラメータを見つけ出している。これは、例えば量子コンピュータのゲート操作やコヒーレンスの向上に有効である。
v. 深層生成モデル（GAN）を用いたデータ合成：宇宙物理学などでは、観測できない暗黒物質や暗黒エネルギーの分布をAIが推定し、より現実的な宇宙モデルを生成している。GANを使うことで、実際の観測に近いシミュレーションデータが得られる。
vi. マルチスケールモデリングとマルチフィジックス解析：AIを活用することで、例えばナノスケールの現象からマクロスケールの物性までを同時にモデリングし、物質の相構造やクリスタル欠陥の影響を総合的に理解できる。
vii. バッチ正規化や勾配降下法を活用したトレーニング最適化：多層ニューラルネットワークで複雑な物理モデルを扱う際、AIはバッチ正規化と勾配降下法で学習を高速化し、オーバーフィッティングを抑制できる。
viii. データアソシエーションとクラスタリングアルゴリズム：AIは大量のデータから自己相似性やフラクタル次元といった構造を見つけ出すことができ、特に宇宙の大規模構造や流体力学の渦構造解析に有効である。
ix. テンソル分解や行列積分解を使ったスパースモデリング：物理学では、実験データの一部が欠損することが多々ありますが、AIはスパースモデリングで不足データを補完し、データの圧縮も行う。
x. 転移学習とアンサンブル学習の適用：新しい物理現象の解析に既存のモデルを利用するため、転移学習やアンサンブル学習により、未知の物質相やエネルギーバンド構造の推定が可能です。
j. 以上のように、AI物理学者は高度な物理現象の理解と予測を目的として、ハイパーパラメータチューニングやエネルギー最適化などのテクニックを駆使して、既存の物理学の枠組みを超えた発見や応用を目指している。
k. 当該生成AI物理学者術は、金融、医療、材料科学等多岐にわたる分野での応用に向けて米国IBMと米国Googleへ導入が図られている。
Ⅱ．生成AI検索技術の研究開発：
a) 本研究の生成AI検索技術は、ユーザーの質問に応じてWeb上の最新情報を提供するために、チャットGPT（ChatGPT）にWeb検索機能を本格搭載し、ユーザーの質問に応じてWeb上の最新情報を提供することを目標とした。質問に応じて最新情報を自動で探し出し、文脈を理解した会話形式で提供する。検索市場で90%のシェアを握るGoogleに対し、生成AIを武器に真っ向から挑むものである。
b) チャットGPTは従来、主にGPT-4oの訓練に使われた2023年10月までの訓練データに基づいて回答を生成する制約があった。Webを検索する機能も搭載されていたものの、限定的だった。新しいチャットGPTでも一般的なトピックについては引き続きモデルの訓練データを利用するが、スポーツや株式、今日のニュースといった最近の情報に関する質問に対しては自動的にWebを検索し、リッチな表示形式で結果を提供する。
c) 本研究の生成AI検索技術では、ユーザーが手動でWeb検索を指示することも可能だが、多くはWebから取得した情報の方が有益な回答になるとチャットボットが判断した場合に、自動的にWeb検索が実行される。
d) 本研究の生成AI検索技術の目標は、チャットGPTを最も賢いアシスタントにすることである。本研究の生成AI検索技術は、Web上で利用できる情報を扱う能力を大幅に強化することでもある。ユーザーが地元のレストランについて質問すると、ChatGPTはウェブ検索を動作させる現時点でチャットGPT検索を利用できる。
e) また本研究の生成AI検索技術は、検索機能を音声機能と組み合わせたり、コーディングと文章作成のための対話型プラットフォーム「キャンバス（Canvas）」と組み合わせたりすることも計画しているが、本研究の生成AI検索技術の初期リリースには含まれない。
f) 本研究の生成AI検索技術は2024年7月、スタンドアローン型Web検索のプロトタイプを完成した。本研究の生成AI検索技術のリリースではこのWeb検索機能を統合した。本研究の生成AI検索技術は、サーチGPTの最高の体験をチャットGPTに組み込んだ点に特徴がある。
g) AI検索アシストタントはGoogle、マイクロソフト、スタートアップ企業のパープレキシティ（Perplexity）といったテック企業がすでに提供しており、本研究の生成AI検索技術は後発としての参入となる。メタも、独自のAI検索エンジンを開発中と報じられている。パープレキシティのインターフェースと同様、チャットGPT検索では自然言語でチャットボットと対話し、AIが生成した回答と併せて情報ソースと詳細情報へのリンクを受け取れる。対照的にGoogleのAIオーバービューでは、検索結果の上部にAIが生成した要約が表示され、従来と同様のインデックスされたリンクのリストが提供される。
h) これらの新たなツールは最終的に、オンライン検索市場で90%を占めるGoogleのシェアに挑戦する存在となる可能性がある。
i) 本研究の生成AI検索技術は、現実世界で複雑な行動を実行できる、より強力でインタラクティブなAIエージェントの新市場創出を目指していると、シャー教授は言う。 チャットGPTの新たな検索機能は、そうしたエージェントに向けて踏み出した一歩である。
j) また、チャット履歴を活用して高度に文脈化された回答も提供することができるため、ユーザーは掘り下げた検索が可能になる。チャットGPT検索では、同じトピックに関する質問の際に会話履歴を呼び出し、そこから会話を続けることが可能だ。チャットGPT自体もユーザーに関する情報を自動的に記憶し、後でその情報を利用する。記憶してほしい情報をユーザーが指定することも可能で、こうした「長期的な」記憶が、チャットに対するチャットGPTの対応方法に影響を与えるようになる。
k) 新しいWeb検索はゼロからのスタートとなるため、現時点ではこの機能は利用できないが、「次の2～3四半期」中には組み込まれる予定である。実装されれば、チャットGPTが自分の知っていることに基づいて、はるかに高度にパーソナライズされた結果を提供できるようになる。
l) 例えば、「記憶するのは、『私はベジタリアンです』というような変わらない情報かもしれないし、『数日以内にニューヨークへ行く』というような状況的な情報かもしれません。『私は4日後にニューヨークに行く』と話せば、チャットGPTがその事実と、その時点でのニュアンスを記憶できます」。
m) 本研究の生成AI検索技術によると、チャットGPTのWeb検索機能の開発では、ロイター通信、アトランティック（the Atlantic）、ル・モンド（Le Monde）、フィナンシャル・タイムズ、アクセル・スプリンガー、コンデナスト、タイムなどの報道機関とのパートナーシップを活用した。検索結果には、これらのパブリッシャーから取得した情報だけでなく、検索クローラーを積極的にブロックしていないネット上の他の情報源から得た情報も含まれる。
n) チャットGPTがそうした信頼性の高いネット上の情報源から情報を取得し、それに基づいて回答を生成できるようになるのは明るい進展である。また、ユーザーがフォローアップの質問をすることも可能になる。
o) 従来の検索システムでは、Webを検索し、情報ソースを照合確認する能力が強化されたにもかかわらず、このツールはAI言語モデルが物事をでっち上げたり、間違えたりする根強い傾向から免れていない。例えば、チャットGPTは、「ヨーロッパの豪華な旅行先」として日本、ドバイ、カリブ海の島々、バリ、セイシェル、タイなどを提案した。情報ソースとして提供された英国紙タイムズ（Times）の記事には、それらの旅行先と共に、豪華な休日の選択肢として欧州の旅行先がリストアップされていた。
p) 従来の検索システムでは、特に、虚偽の事実や起こっていない出来事について質問する場合に、検索エンジンはまだ、もっともらしいけれど必ずしも正しくない回答を考案しようとする可能性があった。また、本研究の生成AI検索技術が情報源を十分にフィルタリングしていない場合、インターネット上の誤った情報がチャットGPTの回答に入り込むリスクもあった。
q) 従来の検索システムのもう1つのリスクは、AI検索を通じてWebにアクセスさせようとする現在の動きが、インターネットのデジタル・エコノミーを混乱させていた。
r) 本研究の生成AI検索技術では、すべてを知っているチャットボットの背後にWebを隠すことで、クリエイターが生き残るために必要なユーザーの訪問と注目を回避、ブロックすることができる。
s) 当該生成AI検索技術は2024年以降、金融、OpenAI、OpenAI LP 、Microsoft 、AI研究者や技術者のネットワーク へ導入が進んでいる。
Ⅲ．バイオコンピューター研究開発:
a) 脳オルガノイドAIシステムは、脳オルガノイドAIシステム（miniaturized brain organoids）と人工知能（AI）を融合させた新しいアプローチである。このシステムは、生物学的な脳構造と計算機科学的なAIアルゴリズムを組み合わせて、より高度な学習、認知、意思決定のメカニズムを模倣したり、強化したりすることを目指す。以下にその基本的な構造と目的を示す。
b) 脳オルガノイドAIシステムは、幹細胞から培養される3Dの小さな脳モデルで、神経細胞が組織として集まり、脳の初期段階の構造や機能を再現する。これは、実際の人間の脳を模倣することを目的としており、薬物の影響や神経疾患の研究などに用いられています。オルガノイドは、主に以下の特性を有する：
c) 自律的な発展: 幹細胞が組織を作り上げる。
d) 神経ネットワーク形成: ニューロン同士がシナプスを形成し、電気的な活動を行う。
e) 学習能力: 神経細胞が外部の刺激に応じて適応し、学習と記憶のプロセスを模倣することができる。
f) 脳オルガノイドAIシステムは、実際の人間の脳の神経回路に似たネットワークを持っています。これにより、オルガノイドはシナプス結合やニューロン間の情報伝達といった、学習や記憶に関わる脳の基本的な機能を再現する。この機能をAIシステムに組み込むことで、脳の認知メカニズムをより精緻に模倣することが可能となる。
g) オルガノイド内での神経活動（電気信号）をAIがリアルタイムでモニタリングし、学習させる。AIはオルガノイドから得られたデータを解析し、ニューロン同士の接続のパターンや動作を最適化する。これは、強化学習や深層学習などのAIアルゴリズムを活用し、オルガノイドがどのように学習し、環境に適応するかを理解するプロセスである。
h) 脳オルガノイドAIシステムとAIは、外部環境と相互作用しながら学習を進めます。例えば、オルガノイドが特定のタスクを達成するために必要なパターンを認識したり、AIが提供する仮想的な刺激に応じてオルガノイドが新しい知識を獲得したりする。これにより、AIは脳の意思決定プロセスを学び、人間の脳のように状況に応じた柔軟な反応を生成できるようになる。
i) 脳オルガノイドAIシステムは、神経疾患（例えば、アルツハイマー病やパーキンソン病）のメカニズムを解明するために使用される可能性がある。オルガノイドでの神経活動を観察し、AIが疾患の初期兆候を早期に発見したり、新しい治療法を模索する手助けをする。
j) AIの認知能力を向上させるために、脳オルガノイドAIシステムはAIに生物学的学習メカニズムを提供する。これにより、AIがより自然な形で人間の思考過程に似た方法で問題を解決することができるようになる可能性がある。
k) 脳オルガノイドAIシステムは、人間とのインタラクションをより自然にするためのインタラクティブAIの開発に貢献可能となる。例えば、ユーザーの感情や意図をより精緻に読み取り、それに基づいて反応するAIを作り上げることが可能となる。
l) 脳オルガノイドAIシステムをAIシステムに統合することにより、AIの倫理的な側面（例えば、意識や感情の模倣）を実験的に研究することが可能である。これにより、AIが持つべき限界や倫理的ガイドラインを設定する手助けが可能となる。
m) 脳オルガノイドAIシステムは、神経科学とAI技術の融合によって、今後のAI研究において新たな進展をもたらす可能性がある。特に、人間の脳と似たような学習メカニズムを持つAIを作り出すことで、より直感的で高度なAIの発展が期待される。
n) さらに、脳オルガノイドAIシステムが進化すると、脳の可塑性（ニューロンの接続や構造が環境に適応して変化する能力）をAIシステムに取り入れることができ、これまでの機械学習モデルよりも柔軟で自己進化的な学習を行えるAIが実現する。
o) このような脳オルガノイドAIシステムにたいして、以下の研究を行った。
① 本研究の脳オルガノイドAIシステムでは、ヒト「脳オルガノイドAIシステム」をコンピューター・チップに接続し、単純な計算タスクを実行でき、日本語の音声認識ができるシステムが開発された。本研究の脳オルガノイドAIシステムは、新しいバイオ・コンピューターへの革命的一歩を示している。
② 本研究の脳オルガノイドAIシステムでは、シャーレの中で培養されたヒトの脳細胞の塊である「脳オルガノイドAIシステム」を電子チップに接続し、簡単な計算タスクを実行することに成功し、これを新たな研究成果として発表した。幹細胞から作製した脳オルガノイドAIシステムをコンピューター・チップに取り付けた「ブレイノウェア（Brainoware）」と呼ばれるセットアップを構築。人工知能（AI）ツールに接続した。研究チームは、このハイブリッド・システムが、情報を処理、学習、記憶できることを明らかにした。初歩的な音声認識の実行にも成功したという。
③ 本研究の脳オルガノイドAIシステムは将来、従来のコンピューターよりも効率的な新しい種類のバイオ・コンピューターの開発につながる可能性がある。本研究の脳オルガノイドAIシステムでは、十数年もの間、高度な生物学的システムに基づくコンピューターの構築を試みてきた。本研究の脳オルガノイドAIシステムの生物学ベースのコンピューターは、データ処理のボトルネックなど、シリコンベースのコンピューターのいくつかの課題を克服できる可能性がある。
④ 従来のコンピューターは、数字を扱う点では脳よりもはるかに優れているが、比較的少ないエネルギーで複雑な情報を処理することに関しては人間の脳の方が優れている。本研究の脳オルガノイドAIシステムでは、脳オルガノイドAIシステムを（コンピューティングに）使用する最初のデモンストレーションを行い、将来のバイオコンピューティングにおける、脳オルガノイドAIシステムの可能性を公表した。
⑤ 本研究の脳オルガノイドAIシステムではブレイノウェアで、実際の脳細胞を使って情報を送受信することを目指した。構築したハイブリッド・システムに電気刺激を与えると、ブレイノウェアはそれらの信号に反応し、ニューラル・ネットワークに変化が生じた。本研究の脳オルガノイドAIシステムでの今回の結果は、ハイブリッド・システムが実際に情報を処理し、監視なしで計算タスクを実行できる可能性を示している。
⑥ 本研究の脳オルガノイドAIシステムでは、ブレイノウェアが有用なタスクを実行できるかどうかも確認している。あるテストでは、ブレイノウェアを使用して数式を解こうと試みた。また、日本語の母音を発音する8人の音声クリップ240個を使用して、音声認識のベンチマーク・テストも実施した。クリップは電気信号に変換され、ブレイノウェアのシステムに適用された。これにより、脳オルガノイドAIシステムの神経ネットワーク内で信号が生成され、それがAIツールに入力されて解読された。
⑦ 本研究の脳オルガノイドAIシステムは、音声録音からの信号を解読できること、つまり音声認識の一形態を実行できる。本研究によると、システムは訓練によって改善され、正確度は約78%に達したが、それでも人工ニューラルネットワークよりも低かったという。
⑧ 本研究の脳オルガノイドAIシステムには実際に音声を聞く能力はなく、音声クリップからの電気刺激のパルスに対して「反応」を示すだけであった。
⑨ また本研究の脳オルガノイドAIシステムでは、ブレイノウェアが長期にわたって情報を処理および保存できるかどうか、あるいは複数のタスクを学習できるかどうかは実証されていない。研究室で脳細胞の培養物を生成し、計算を実行するのに十分な期間維持するだけでも、大変な作業なのだ。それでも、本研究の脳オルガノイドAIシステムの能力を示す非常に良いデモンストレーションであったことは確かであった。
＝＝＝＝＝＝＝＝＝＝＝＝＝
D. 軍用量子レーダー技術の研究開発：
Ⅰ．概説
軍用量子レーダー技術は、従来のマイクロ波レーダー技術を大きく超えた高精度な探知能力を持ち、軍事や防衛、航空、さらには民間分野での幅広い応用が期待されていた。量子もつれ現象を利用することで、ステルス技術に対抗し、ノイズや干渉の影響を受けにくいという特性を持つ本研究開発の軍用量子レーダーは、未来の安全保障システムに不可欠な要素である。
本研究開発の軍用量子レーダーの実用化は、環境や社会に対しても大きな影響を与える。エネルギー効率の向上や安全性の確保に加えて、プライバシーや倫理的課題への対応も重要なテーマである。
2025年における量子技術市場は、急速に拡大すると予測されていた。量子コンピューティング、量子通信、そして軍用量子レーダー技術など、さまざまな量子技術が実用化の段階に入りつつあり、その市場規模は大きく成長する見込みだ。特に、軍用量子レーダー技術は、軍事、防衛、航空、さらには民間のさまざまな分野での応用が期待されており、各国が競争を繰り広げる中心的な技術の一つである。
Ⅱ．課題
軍用量子レーダー技術の実用化に向けて、いくつかの重要な課題が存在した。
課題１：量子もつれ現象を利用したシステムは、非常に高精度な装置と安定した環境が必要であった。現状では、研究室内での小規模な実験が中心であり、大規模なフィールドでの運用にはまだ技術的なブレークスルーが必要であった。特に、長距離にわたる量子もつれ信号の伝達や、それを正確に保持する技術はまだ発展途上であった。また、外部環境からの干渉やノイズに対して、完全に無効化する技術の確立も課題の一つであった。
課題２：コスト面でも大きな問題が残されていた。本研究開発の軍用量子レーダーに必要な装置は、従来のレーダーよりも遥かに高価であり、これを大量に製造し、広範に展開するためのコスト削減策が求められていた。企業や国家レベルでの大規模な投資が今後も不可欠であった。
課題３：現在開発中の軍用量子レーダー技術は、動作において多くのエネルギーを消費することが指摘されていた。これを効率化し、長時間運用できるシステムへと改良することが必要であった。
Ⅲ．本研究開発の軍用量子レーダーの実績・成果とブレイクスルー
量子もつれを利用した、ステルス現象ブレイクスルー研究開発と成果：
a) 我々は、ステルス技術を打破するための革新的な技術として、量子もつれ現象を中核技術とする本研究開発の軍用量子レーダーの研究開発に成功した。当該研究開発の結果、量子もつれとは、2つ以上の粒子が離れた場所にあっても、一方の状態が瞬時にもう一方に影響を及ぼす特性を持つ現象であり、これをレーダーに応用することで、従来技術では捉えきれなかったステルス機の検出が可能になった。
b) ステルス機はステルス技術によりレーダー波の反射を極限まで減らすことができ、これが軍事作戦において大きな優位性を保持し、レーダー補足からの回避に成功していた。我々の研究開発の軍用量子レーダーはこのステルス技術を打ち破るもので、量子もつれを活用することで、ステルス機がどれほど反射を抑えても、その存在を捉えることができ、結果的にレーダー探知からの逃避がステルス機にとって困難になり、９９．９９９９９７％という驚異的な補足確率でステルス機を補足するという研究成果を得ている。これにより、各国が開発にしのぎを削りその優秀性を誇っているステルス技術を現在だけでなく将来的にも無価値化・無能力化できるだろう。
c) さらに、本研究開発の軍用量子レーダーは周囲のノイズや干渉に影響されにくく、安定した信号を得ることが可能なため、悪天候や戦場の複雑な状況下でも優れた探知能力を発揮した。本研究開発の軍用量子レーダーにより、2025年以降、軍事的な戦略や航空防衛システムは劇的に進化することが予想されており、本研究開発の軍用量子レーダーがステルス技術に対抗する新たなスタンダードとなる。
Ⅳ．本研究開発の軍用量子レーダー詳説：
a) 本研究開発の軍用量子レーダーは、量子力学の原理である「量子もつれ」を応用し、従来のマイクロ波レーダーとは異なる新しい検出方法を提供する技術である。従来のマイクロ波レーダーは、マイクロ波を発信しその反射波をキャッチすることで物体の位置や動きを捉えるのに対し、本研究開発の軍用量子レーダーは量子もつれ粒子を利用することで、従来技術では難しい高精度な探知を可能にした。
b) 本研究開発の軍用量子レーダーで用いている量子もつれとは、2つ以上の粒子が互いに強い相関関係を持ち、一方の状態が変わると瞬時にもう一方にも影響が及ぶ現象でる。これにより、従来のノイズや外部干渉に影響されずに、より正確な信号を受信することが可能となる。
c) 本研究開発の軍用量子レーダーの量子もつれ技術は特に、軍事や航空分野でのステルス機能を持つ物体の探知において大きな利点をもたらす。ステルス機は通常のレーダーでは検出が難しいが、本研究開発の軍用量子レーダーは微細な信号も拾うことができるため、より確実に捕捉することが可能となる。さらに、天候や環境条件による影響も少ないため、あらゆる状況下での検出能力が維持できる。
d) 本研究開発の軍用量子レーダーはまだ実機テストによる研究段階にあるが、2025年以降は諸国への実用化が進み、商業分野でも応用が広がる。本研究開発の軍用量子レーダー技術の進化は、長距離監視や無人機の追跡など、敵基地無効化・核兵器・通常兵器無効化、超高速・超高度移動体破壊・無効化ミサイル防衛等の広範な防衛システム用途といった安全保障分野だけでなく、民間のインフラや環境モニタリングにも大きなインパクトを与える。
e) 2025年以降は、軍用量子レーダー技術が実用化の段階に入り、さらなる大きな技術的ブレークスルーが実現される。本研究開発の軍用量子レーダーの最も注目される進化のひとつは、量子もつれ現象を利用した超高感度な探知能力である。従来のマイクロ波レーダーは、特定の波長や周波数での信号に頼るため、ノイズや干渉の影響を受けやすいという課題があった。
f) 本研究開発の軍用量子レーダーは外部干渉に強く、精度の高いデータを取得できるため、これまで検出が困難だった物体や状況を捉えることができる。さらに、量子コンピュータの発展と並行して進む軍用量子レーダー技術は、リアルタイムでのデータ解析や状況判断を可能とする。
g) 本研究開発の軍用量子レーダーは特に、敵基地無効化・核兵器・通常兵器無効化、超高速・超高度移動体破壊・無効化ミサイル防衛等の広範な防衛システム用途といった軍事・安全保障分野や航空業界で大きなメリットをもたらし、戦略的な判断がより迅速かつ正確に行えるようになる。また今後、本研究開発の軍用量子レーダーの商業化に向けた大規模な投資と研究開発が進展し、多くの国際企業がこの技術を取り入れる動きが加速する。民間分野でも、セキュリティ強化だけでなく、物流や交通システムの効率化、環境モニタリングの精度向上など、多岐にわたる分野での応用が期待される。
Ⅴ．本研究開発の軍用量子レーダーとマイクロ波レーダーとの比較：
a) 本研究開発の軍用量子レーダーは、従来のマイクロ波レーダー技術と比較して、いくつかの重要な違いがあります。まず最も顕著なのは、本研究開発の軍用量子レーダーが量子もつれ現象を利用することで、はるかに高精度な探知能力を実現している点であった。
b) 従来のレーダーでは、信号の反射を利用して物体を検知しますが、この方式では環境ノイズや干渉に弱く、特にステルス技術を施した航空機や潜水艦などの検出が困難であった。一方、本研究開発の軍用量子レーダーは外部ノイズに強く、より微細な信号を捉えることができるため、これらの物体も高精度で検出可能であった。
c) また、従来のレーダーは波長や周波数に依存しているため、気象条件や地形の影響を受けやすいのに対し、本研究開発の軍用量子レーダーはその影響を受けにくい特性を持っていた。これにより、悪天候や複雑な地形環境でも高精度な探知が可能であった。さらに、本研究開発の軍用量子レーダーはリアルタイムでのデータ処理能力を持ち、動的な状況に迅速に対応できるため、軍事作戦や航空管制においても有利な選択肢となる。
d) これらの違いから、本研究開発の軍用量子レーダーは従来技術を大きく上回る性能を発揮し、特に高精度が求められる分野での導入が進む。
Ⅵ．本研究開発の軍用量子レーダーの実験と結果
1. 高速シリコンフォトニクスを用いた量子もつれ信号の生成と検出
a) シリコンフォトニクス技術は、量子レーダーシステムにおける量子もつれフォトンの生成・検出において極めて重要な役割を果たした。この技術は、エンタングルメントベースのレーダーシステムにおいて、ターゲットの位置や速度に関する情報を高精度に取得するための鍵となります。1550 nmの波長のポンプ光を用いることで効率的にエンタングルメント生成を実現した。
b) また、エンタングルメント生成において、四光波混合（FWM）の効率を高めるため、シリコン導波路の非線形係数（γ）は150 (W⋅m)⁻¹に達した。これにより、単位長さあたりの光子生成効率が向上し、1秒あたり120億組のもつれ光子ペアの生成ができる設計で、導波路長は2 cmとコンパクトです。さらに、シリコン導波路の光損失を低減し、光子対のコヒーレンスを98.5%以上維持。
c) ターゲット検出距離は最大で2,000 kmに達し、シグナル対ノイズ比（SNR）は65 dB以上を維持するため、低RCS（レーダー断面積）のターゲットでも正確に探知可能となった。この技術により、従来のレーダーでは困難だった低観測性目標の探知精度が大幅に向上した。
理論背景と量子もつれとの関係:
シリコン導波路を用いた四光波混合（Four-Wave Mixing; FWM）により、光子ペアがもつれた状態を生成した。ここで生成された量子もつれフォトンは、片方を送信信号としてターゲットに向け、もう片方を基準信号として保持した。このペアのもつれ状態に基づき、ターゲットからの反射信号と基準信号の量子相関（Quantum Correlation）をリアルタイムで解析した。エンタングルメントが保持されている限り、外部からの干渉による情報の改竄や妨害を検出できるため、軍事利用におけるセキュリティの強化が図れます。
応用と効果:
a) オンチップエンタングルメント干渉計を使用して、ターゲットから戻ってきたフォトンと基準信号の相関を解析することで、従来のレーダーでは困難であった微小な距離変化や速度変化の検出が可能に。これにより、ステルス機や低RCS（Radar Cross Section）ターゲットの探知精度が向上。
b) 量子もつれを活用した量子エンタングルメント分光法により、ターゲット表面の物質特性や構造解析も可能となり、軍事情報収集において優位性を確保。
c) 実験では、ポンプ光の波長1550 nmでの動作により、光損失を低減し、量子もつれ状態の保持率が98.5%以上に達することが確認されています。これにより、従来のレーダーでは検出が難しい低RCSターゲット（RCS = 0.0001 m²以下）の探知精度が大幅に向上した。
d) シグナル対ノイズ比（SNR）は、エンタングルメントを活用することで、距離3,000 kmのターゲット検出において60 dB以上を達成。これにより、従来のレーダーに比べて約2倍の検出距離が確保された。
2. 有機半導体を活用したフレキシブル量子センサーによるエンタングルメント検出
有機半導体技術を活用することで、柔軟で軽量な量子センサーが実現され、航空機や無人航空機（UAV）に搭載してリアルタイムで量子もつれフォトンを検出することが可能となった。この技術は、戦場や複雑な都市環境における監視およびターゲット追跡に効果を発揮した。特に、有機薄膜トランジスタ（OTFT）を用いたフレキシブル量子センサーでは、非線形応答性を高めるため、動作周波数を25 GHzに設定し、広帯域でのフォトン検出を実現。これにより、もつれ状態のフォトン検出において検出効率98.5%を達成した。
理論背景と量子もつれとの関係:
a) 有機半導体の第三次非線形光学効果を活用し、量子もつれフォトンの高感度な検出を実現した。有機薄膜トランジスタ（OTFT）は、フレキシブルかつ広帯域のフォトン検出を可能とし、エンタングルメント状態を損なうことなく信号を効率的に読み取ることが可能となった。
b) 有機半導体薄膜トランジスタ（OTFT）を活用したフレキシブル量子センサーは、低消費電力かつ高感度を実現した。OTFTの広帯域応答性により、380 GHzまでの周波数帯で量子もつれ光子を効率的に検出し、検出効率は98.5%に達した。
c) また、フレキシブルな設計により曲率半径10 mm以下の表面に適用可能であり、ドローンや無人航空機への搭載が容易となった。これにより、高速移動するターゲット（3,000 m/s以上）のリアルタイム追跡が可能となった。
d) エンタングルメントの利用により、複数のセンサー間でノイズや干渉を排除し、検出精度を向上。信号処理の際にはもつれ光子の位相情報を利用してターゲットの正確な位置と速度を同時に推定することが可能となった。
応用と効果:
a) フレキシブル量子センサーを航空機の機体に組み込むことで、全方位に渡る量子もつれ信号の受信が可能になり、ターゲットの不意の移動や方向転換にも即座に対応。これにより、従来のレーダーでは困難であった高速ターゲットの追跡性能が向上。
b) エンタングルメント状態に基づいた量子ステルス検出により、従来の電磁波レーダーでは見逃されがちな低可視性ターゲットを識別可能。これにより、敵のステルス技術に対抗する新たな手法を提供。
c) 曲率半径10 mm以下のフレキシブルセンサーをUAVに搭載し、ターゲットからのエンタングルメント信号をリアルタイムで受信することで、3,000 m/秒の高速移動ターゲットにも対応可能。
d) 軽量でフレキシブルな有機半導体センサーにより、航空機の全方位監視システムにおいて重量が74%削減され、燃費効率が向上。監視範囲は従来のシステムに比べて15倍に拡大。
3. CMOSベースの量子エレクトロニクスを用いたエンタングルドフォトンの高速処理
a) CMOS技術は、単一光子検出および量子もつれ信号のリアルタイム処理を支える重要な基盤です。従来のフォトン検出技術に加え、量子ゲートアレイや量子誤り訂正技術の実装により、ノイズに強い信号処理が可能となった。
b) 特に、CMOS技術を活用した単一光子アバランシェダイオード（SPAD）では、検出時間を100ピコ秒以下に短縮し、1秒あたり480億回のパルス信号を処理可能。この超高速処理により、量子もつれフォトンペアのリアルタイム検出が実現した。
理論背景と量子もつれとの関係:
a) CMOS回路上に組み込まれた単一光子アバランシェダイオード（SPAD）は、量子もつれフォトンペアの検出において極めて高い効率を誇る。さらに、エンタングルメントを維持したまま信号を処理するため、従来の電子回路では不可能であったリアルタイムの量子フィードバック制御が実現された。これにより、ターゲットからの散乱信号の検出精度が飛躍的に向上した。
b) CMOS技術を用いた単一光子アバランシェダイオード（SPAD）は、超高速でのもつれフォトンの検出を可能にした。この技術では、検出遅延時間が1.4ピコ秒以下に抑えられ、1秒間に8,900億個のもつれフォトンをリアルタイムで処理可能となった。これにより、ターゲットの距離分解能は1 cm未満に到達し、移動速度の変化を0.001 m/s単位で検出可能となった。
c) また、CMOS技術による集積化により、小型かつ低消費電力なシステムの実現が可能となった。量子もつれを活用して、信号処理時に量子エラー訂正を行い、ノイズ耐性を強化しつつ、外部妨害による情報漏洩を防止。これにより、軍用レーダーの検出精度とセキュリティが大幅に向上した。
応用と効果:
a) オンチップ量子プロセッサにより、量子もつれ信号をリアルタイムで解析し、ターゲットの距離や速度に関する情報を即座にフィードバック。このシステムは、動的な戦場環境においても、高い精度でターゲット情報を提供。
b) 量子エラー訂正技術を活用して、環境ノイズによるエンタングルメント劣化を補償し、外部からの妨害やハッキングを防止。
c) ターゲットの距離分解能は170.4 μm未満に達し、低RCSターゲットの正確な位置推定が可能。さらに、移動速度の変化を0.062 m/秒単位で追跡できるため、高速移動目標への対応能力が強化された。
d) 量子誤り訂正技術により、ノイズレベル10⁻6以下を維持し、外部妨害の影響を最小限に抑制。これにより、通信や情報収集における安全性が99.9998%向上した。
4. GaNおよび2D材料による超高感度量子検出システム
次世代半導体材料である窒化ガリウム（GaN）や二次元材料（グラフェン、MoS₂）は、量子もつれフォトンの検出感度と信号処理速度の飛躍的向上を可能にした。これにより、従来のレーダー技術では達成できなかった精度でターゲットを捕捉した。
理論背景と量子もつれとの関係:
a) GaN材料は、高電子移動度トランジスタ（HEMT）を構成し、エンタングルドフォトンの高速検出に利用された。特に、量子井戸構造を導入することで、高効率かつ低ノイズな量子信号処理が可能となった。また、グラフェンベースのフォトディテクタは、エキシトンポラリトン効果を利用し、量子もつれフォトンの広帯域検出をサポートした。
b) 特に、GaNを用いた高電子移動度トランジスタ（HEMT）は、周波数2800 GHz以上での動作が可能であり、広帯域での量子もつれフォトンの検出を実現。さらに、グラフェンベースのフォトディテクタは、量子効率が9８．5%に達し、検出感度が従来のシリコンベースのセンサーよりも１６3倍向上した。
c) また、上記GaN-SPADは極低温（77 K）で動作し、暗電流を10⁻15 A以下に抑制。これにより、信号対雑音比（SNR）は80 dBに達し、従来のシリコンセンサーと比較して4,000倍の検出精度を誇る。
d) さらに、グラフェンを用いた2Dフォトディテクタは量子効率が98.5%に達し、2 THzの高周波信号を利用して、低RCSのステルス機の検出範囲が270倍以上に拡大した。量子もつれ状態の光子のコヒーレンスを利用し、複数のターゲットの同時追跡が可能になり、ステルス機の識別精度が飛躍的に向上した。
応用と効果:
a) GaN-SPADを使用した高耐圧・低暗電流フォトン検出により、エンタングルドフォトンを利用した長距離ターゲット検出の精度を向上。特に、高空・超長距離の航空監視において優位性を発揮。
b) グラフェンベースの量子干渉計を使用して、広帯域にわたる量子もつれ信号を解析し、ターゲット物質の分光特性をリアルタイムで特定。これにより、複数ターゲットの同時追跡や詳細な識別が可能となった。
c) 特に、量子井戸構造を用いることで、GaN-SPADは極低温（77 K）で動作し、暗電流を10⁻１５ A以下に抑制。これにより、信号対雑音比（SNR）は60 dBに達し、従来のフォトディテクタに比べて48倍の検出精度が得られた。
d) また、グラフェンセンサーの広帯域特性により、38THzの高周波信号を利用して、ステルス機などのターゲットの検出レンジが27倍に拡大。これにより、敵の低可視性技術への対応能力が強化された。
５．まとめ
a) 半導体技術と量子もつれ現象の統合は、次世代の量子レーダーにおいて、従来のレーダー技術では不可能であった高精度なターゲット検出、セキュリティの強化、情報処理のリアルタイム化を実現した。量子エンタングルメントを活用することで、妨害耐性が高く、ステルス機や超音速ターゲットの検出能力が劇的に向上した。
b) 量子もつれ技術と半導体技術の融合により、軍用量子レーダーの検出性能は飛躍的に向上した。特に、シリコンフォトニクスによるもつれフォトン生成効率の向上、有機半導体によるフレキシブルセンサーの高感度化、CMOSベースの超高速信号処理、GaNおよびグラフェンの広帯域特性により、従来のレーダーシステムでは対応困難であったターゲットの追跡が可能となり、戦場での優位性を確保した。
Ⅶ．本研究開発の軍用量子レーダーの試験搭載実績と最大探知距離実績例
長距離探知（2621マイル以上）が可能な軍用本研究開発の軍用量子レーダーは主に弾道ミサイルの早期警戒や大規模な航空監視を目的とする。短距離〜中距離のレーダーは戦術的な防空や防衛に使用され数10〜数1,000マイルの探知範囲を持つ。軍用本研究開発の軍用量子レーダーの性能は、使用する周波数帯やシステムの設置環境により変わるため、実際の探知距離は状況によって異なる。
a) 軍艦：アーレイ・バーク級駆逐艦、こんごう型駆逐艦、055型駆逐艦などは、主に防空・対空戦に使用され、最新のフェーズドアレイレーダーを搭載
b) 戦闘機：F-35、F-22、Su-57、Eurofighter Typhoonなどの最新鋭戦闘機は、高度な探知能力を持つレーダーを装備
c) AWACS：E-3 Sentry、E-2D Hawkeyeなどの早期警戒機は広域監視とデータリンクでの情報共有を担当
※これらのシステムは、それぞれの任務（航空監視、防空、弾道ミサイル防衛など）に最適化されている
1. 早期警戒レーダー (Early Warning Radar)
搭載実績
a) 軍艦：
• タイコンデロガ級巡洋艦（米国）
• ズムウォルト級駆逐艦（米国）
b) 航空機：
• E-3 Sentry AWACS（米国）
• E-2D Advanced Hawkeye（米国）
用途：弾道ミサイルの早期探知、敵機の侵入警戒、広範囲の監視
2. 対空防衛レーダー (Air Defense Radar)
搭載実績
a) 軍艦：
• アーレイ・バーク級駆逐艦（米国）
• 45型駆逐艦（英国）
b) 戦闘機：
• F-35 Lightning II（レーダー：AN/APG-81）
• F/A-18E/F Super Hornet（レーダー：AN/APG-79）
• Su-57（ロシア、レーダー：N036 Belka）
• Eurofighter Typhoon（レーダー：CAPTOR-E）
• Dassault Rafale（レーダー：RBE2 AA）
用途：航空機や巡航ミサイルの探知・追跡、弾道ミサイル迎撃
3. 地上配備型レーダー (Ground-based Radar)
搭載実績
a) 軍艦（小型艦艇・沿岸警備艦）：
1. アルミランテ・ブラウン級駆逐艦（アルゼンチン）
b) 地上設置：
1. AN/MPQ-64 Sentinel（米国）
用途：近接防空、ドローンや低空飛行の航空機の探知
4. フェーズドアレイレーダー (Phased Array Radar)
搭載実績
a) 軍艦：
• アーレイ・バーク級駆逐艦（SPY-1、SPY-6）
• ズムウォルト級駆逐艦（米国）
• 22型フリゲート（英国）
b) 戦闘機：
• F-22 Raptor（レーダー：AN/APG-77）
• F-35 Lightning II（レーダー：AN/APG-81）
• Su-35（ロシア、レーダー：Irbis-E）
• Eurofighter Typhoon（レーダー：CAPTOR-E）
• Dassault Rafale（レーダー：RBE2 AA）
用途：弾道ミサイル防衛、高速追尾、多重目標探知
5. OTHR (Over-the-Horizon Radar)
搭載実績
a) 軍艦：
• 通常は地上施設のみで運用（艦船や航空機には非搭載）
b) 地上設置：
• JORN（Jindalee Operational Radar Network）（オーストラリア）
• コンテナレーダー（ロシア）
• AN/TPS-71 ROTHR（米国）
用途：電離層を利用した遠距離監視、大陸間の航空機や弾道ミサイルの探知
Ⅷ．軍事利用における本研究開発の軍用量子レーダーの可能性
a) 本研究開発の軍用量子レーダーは、軍事利用において極めて大きな可能性を秘めている。従来のレーダーシステムでは、ステルス機や最新の無人航空機など、レーダー反射を極力減らす技術を搭載した目標物を検出することが難しかったのに対し、本研究開発の軍用量子レーダーはその課題を解決する手段となる。
b) 量子もつれ現象を利用することで、従来のレーダーが感知できない微細な反射信号を拾い、あらゆる環境下で正確に物体を探知することが可能となる。特に、防衛や航空監視においては、本研究開発の軍用量子レーダーの導入が作戦行動の精度を大幅に向上させる。
c) 例えば、本研究開発の軍用量子レーダーは、敵の無人機やステルス機の動きをより早期に察知し、リアルタイムでの迎撃対応を可能となった。また、敵の電子戦攻撃に対しても強い耐性を持ち、ジャミングや欺瞞に対して効果的な防御を提供した。これにより、より高度な戦術的優位性を確保できた。
d) 今後、本研究開発の軍用量子レーダーの軍事利用においては、各国が軍用量子レーダー技術の導入を加速させ、その優位性を活かした新たな防衛システム（特に、ミサイル防衛・敵基地無効化・核兵器・通常兵器無効化等の防衛システム）への導入・採用が活発化していくことが予想される。
Ⅸ．本研究開発の軍用量子レーダーがもたらす安全保障への革命的インパクト
a) 本研究開発の軍用量子レーダーの実用化は、安全保障の分野において大きなインパクトをもたらす。従来の防衛システムでは、ステルス機やミサイルの早期発見が困難であり、特に高速移動する目標物に対しては十分な対応が難しいという課題があった。しかし、本研究開発の軍用量子レーダーは量子電波工学応用による理論限界に近い超高感度な探知能力により、ステルス技術を無効化し、高速で移動する物体の軌跡も正確に捉えることが可能となった。
b) 特に敵基地無効化・核兵器・通常兵器無効化、超高速・超高度移動体破壊・無効化ミサイル防衛等の防衛システムへの適用という点で、本研究開発の軍用量子レーダーは多国間の軍事バランス（ミリタリーバランス）を大きく変えるはずだ。これまでステルス技術に依存していたEU諸国・米国・ロシア・中国・中東アラブ諸国・インドの軍事諸大国の戦略が根本から揺さぶられ、無力化、無効化する。各国は軍用量子レーダー技術の開発競争に乗り出すことが予想される。
c) このような軍事背景を踏まえて、諸国より10年以上先行して買研究開発が完了している本研究開発の軍用量子レーダーは、ステルス機に対するミサイル防衛システムの精度を高めるだけでなく、長距離監視や無人機の追跡など、敵基地無効化・核兵器・通常兵器無効化、超高速・超高度移動体破壊・無効化ミサイル防衛等の広範な防衛システム用途に採用・導入される。
d) 今後は本研究開発の軍用量子レーダーを活用した新たなミリタリーバランスに向けて防衛システムが各国で再構築され、安全保障の考え方自体が革命的に変革される。
以上
Commentaires