サステナブル電子工学特論

Advanced Lectures on SustainableElectronics

994D574

43ELELD601

河原　尊之

Takayuki Kawahara

2026年度後期

2026年度

②Second semester

木曜4限

Thursday 4th Period

工学研究科　電気工学専攻

Department of Electrical Engineering, Graduate School of Engineering

2.00単位

講義 Lecture

-

⑧ [遠隔]オンライン授業（非同期）/ [Remote]Online (asynchronized remote)

人工知能（AI）およびAI処理を支えるハードウェア技術の概要について学ぶ。
講義内容は、AIおよび機械学習・深層学習の基礎、学習と推論のための計算フロー、デジタルLSI設計と設計フロー、AI特化型ハードウェアアーキテクチャ（ASIC/FPGA/SoC）、メモリ技術、インメモリコンピューティング、アクセラレータシステムアーキテクチャ、低消費電力設計技術、ならびにイジングマシンや量子コンピューティングといった新たな計算パラダイムを網羅する。
・非同期遠隔授業を主体
・毎回演習をLETUSにて提出
・対面での中間・期末評価

This course provides an introduction to artificial intelligence (AI) and the hardware technologies that support AI processing.
Topics cover fundamentals of AI and machine/deep learning, computational flows for learning and inference, digital LSI design and design flow, AI-specific hardware architectures (ASIC/FPGA/SoC), memory technologies, in-memory computing, accelerator system architecture, low-power design techniques, and emerging computing paradigms such as Ising machines and quantum computing.
- Primarily asynchronous distance learning
- Exercises submitted via LETUS each time
- Face-to-face midterm and final exams (presentation)

AI、機械学習、深層学習の基本概念を理解する。
AIアクセラレータの構成要素（MACユニット、PEアレイ、オンチップネットワーク）およびデータフローを理解する。
AIシステム向けの半導体メモリ技術および新興の不揮発性メモリを評価する。
ニアメモリおよびインメモリコンピューティングの原理、利点、課題を理解する。
AIアクセラレータのシステムアーキテクチャとスケジューリング、および低消費電力AIチップ設計の手法を理解する。
AIに関連するアイジングマシンおよび量子コンピューティングの現在の概観を理解する。

Understand the fundamental concepts of AI, machine learning, and deep learning.
Understand the components of AI accelerators (MAC units, PE arrays, on-chip networks) and data flow.
Understand semiconductor memory technologies and emerging non-volatile memory for AI systems.
Understand the principles, benefits, and challenges of near-memory and in-memory computing.
Understand the system architecture and scheduling of AI accelerators, and techniques for designing low-power AI chips.
Understand the current overview of AI-related aging machines and quantum computing.

人工知能の学習・推論モデルとそのハードウェア要件を理解し、AI向けLSI設計フロー（仕様化〜物理設計）と主要要素（演算ユニット、メモリ、オンチップネットワーク等）を説明できる。また、消費電力最適化や新規演算技術（インメモリ演算、イジングマシン等）の利点と課題を踏まえて、人工知能用ハードウェアの議論できる。

Understand AI training and inference models and their hardware requirements, and be able to explain the AI LSI design flow (from specification to physical design) and its key components (arithmetic units, memory, on-chip networks, etc.). Additionally, be able to discuss AI hardware while considering the benefits and challenges of power optimization and new computational technologies (such as in-memory computing and Ising machines).

授業計画に沿って準備学習を行い、週毎に授業内容の復習を行うこと。

Prepare by following the lesson plan. Review the lesson content weekly.

小テストの実施　Quiz type test／ディベート・ディスカッション　Debate/Discussion／プレゼンテーション　Presentation／-

-

授業計画に沿って準備学習を行い、週毎に授業内容の復習を行うこと。

Prepare by following the lesson plan and review the lesson content weekly.

中間レポートプレゼン(50%)、期末レポートプレゼン(50%)。 対面。

Mid-term report presentation (50%), final report presentation (50%). Face-to-face.

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

Y

河原尊之著「人工知能チップ回路入門」コロナ社

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

T. Kawahara著「 Hardware Technologies for Artificial Intelligence AI Chips, Ising Machines, and In-Memory Computing」CRC Press

・非同期遠隔授業を主体
・毎回演習をLETUSにて提出
・対面での中間・期末評価(プレゼンテーションを予定。よって、教室も確認のこと)

第1回    イントロダクション    
第2回    人工知能概論    
　　　　機械学習・深層学習の基礎、主要モデル概略    
第3回    機械学習    
　　　　学習/推論の計算フロー、最適化アルゴリズムとハード要求    
第4回    深層学習    
　　　　CNN/Transformer等の構造とハード要件    
第5回    デジタルLSI設計    
　　　　RTL→合成→タイミングの基礎、AI向け回路の特徴    
第6回    LSIの設計フロー    
　　　　仕様化〜物理設計までのフローと検証    
第7回    中間まとめ    
第8回    人工知能処理のハードウエア化    
　　　　ASIC/FPGA/SoCの選択基準、基本処理構成    
第9回    AIチップの要素    
　　　　MACユニット、PE配列、オンチップネットワーク、データフロー設計    
第10回    半導体メモリ    
　　　　SRAM/DRAM/新規不揮発メモリの特性    
第11回    インメモリコンピューティング    
　　　　ReRAM/PCM等を用いたNear-Memory/In-Memory演算の原理と課題    
第12回    AIアクセラレータのシステムアーキテクチャ    
　　　　技術動向、コントローラ、スケジューリング    
第13回    低消費電力設計とAIチップ
　　　　DVFS、近似演算、クロック/電源設計、エネルギーモデル    
第14回    イジングマシンや量子コンピュータの動向と技術    
　　　　イジングマシン原理とLSI化、量子技術とAI応用の現状    
第15回    まとめ    

- Primarily asynchronous distance learning
- Exercises submitted via LETUS each time
- Face-to-face midterm and final exams (presentation)

1 Introduction
2 Overview of Artificial Intelligence
  Basics of machine learning and deep learning; major model overviews
3 Machine Learning
  Computation flow for training/inference; optimization algorithms and hardware requirements
4 Deep Learning
  Structures such as CNNs and Transformers; hardware requirements
5 Digital LSI Design
  Fundamentals from RTL to synthesis and timing; features of AI-oriented circuits
6 LSI Design Flow
  From specification to physical design and verification
7 Midterm Summary
8 Hardware Implementation of AI Processing
  Criteria for choosing ASIC/FPGA/SoC; basic processing architectures
9 Elements of AI Chips
  MAC units, PE arrays, on-chip networks, and dataflow design
10 Semiconductor Memories
  Characteristics of SRAM, DRAM, and emerging non-volatile memories
11 In-Memory Computing
  Principles and challenges of near-memory/in-memory computation using ReRAM, PCM, etc.
12 System Architecture of AI Accelerators
  Technology trends, controller design, and scheduling
13 Low-Power Design for AI Chips
  DVFS, approximate computing, clock/power design, and energy modeling
14 Trends in Ising Machines and Quantum Computing
  Principles, LSI implementation of Ising machines, and current status of quantum technologies for AI
15 Course Summary

-

-

-

本科目は、文部科学省「半導体人材育成拠点形成事業」のひとつである「未来共創半導体イノベーションアリーナ（拠点校：東京科学大学）」により当該事業で目的とする人材育成に資するものとして推奨されています。

This course is recommended as contributing to the human resource development objectives of the Ministry of Education, Culture, Sports, Science and Technology (MEXT) program "enSET" and the "Semiconductor Innovation Co-creation Arena (SiCA)" (hub instiution: Institute of Science Tokyo / Science Tokyo).

N

N