研究内容
コンピュータアーキテクチャ研究グループの研究テーマ紹介
AI for Circuits
LLMによる集積回路設計の自動化
従来の集積回路設計は、高度な専門知識を持つ設計者が多大な時間をかけてコード（HDL）を記述し、検証を行ってきました。本研究室では、大規模言語モデル（LLM）を回路設計プロセスに導入し、自然言語による仕様記述から、Verilogコードの自動生成、さらにはレイアウト設計（GDSII生成）までを自動化する新しいEDA（設計自動化）フローを構築します。
取り組んでいる技術
- 汎用 LLM エージェントによるカスタムレイアウト生成 — 人間と同じように DRC/LVS の結果を見ながら、GDS を生成する Python スクリプトを LLM 自身が繰り返し修正する（SkyWater 130 nm・OPAMP／スタンダードセル／SRAM ビットセルで検証、2026）
- 自然言語の仕様から Verilog を生成し、シミュレーションによる検証まで自律的に回す LLM エージェント（取り組み中）
- 機械学習によるデバイスモデリングと転移学習（ICMTS 2023）、ベイズ最適化による高位設計の設計空間探索
Circuits for AI
高効率エッジAIアクセラレータ
AIモデル（Transformerや拡散モデル）の巨大化に対し、汎用的なCPU/GPUでは消費電力や処理速度がボトルネックとなります。我々は、特定のAIアルゴリズムを極限まで効率的に実行するための専用計算機アーキテクチャを研究しています。
取り組んでいる技術
- SRAM コンピューティングインメモリ — トランジスタのリーク電流で演算する Leak-CIM、LUT 型で再構成できる PALETTE、8T-SRAM アナログ CIM。22 nm で試作・実測（IEEE TVLSI 2026・ICCAD 2026・IEEE OJCAS 2024）
- 乗算器を使わない LUT ベースの全ディジタル DNN アクセラレータ（DAC 2025）
- スパイキングニューラルネットワーク（SNN）の低遅延・低エネルギー推論 — 早期予測・適応的閾値、市販ニューロモーフィックチップ Akida での実測（Frontiers in Neuroscience 2024・ISCAS 2025・Scientific Reports 2026）
- FPGA 上でのオンライン学習（リザバーコンピューティング）と、不確かさを扱えるベイズニューラルネットの実装（IEEE TCAD 2025・DATE 2020）
- 超次元コンピューティング、量子化・2 値化による説明可能性の向上（IEEE OJCAS 2024・IEEE Access 2023）
Systems & Robotics
自作チップのロボット応用
研究室で設計したAIチップや回路設計手法を、実際の知能ロボットへと実装します。LLMを用いた模倣学習や複雑な軌道生成アルゴリズムを、自作のハードウェア（FPGA/自作IC）上でリアルタイムに走らせることで、ソフトウェアとハードウェアが密に結合した「垂直統合型」のロボットシステムを構築します。
取り組んでいる技術
- FPGA による低遅延バイラテラル制御 — 低コストな多関節アームに後付けできる制御系（RSJ2026）
- Vision-Language-Action（VLA）モデルの動作生成高速化 — VLM 内部表現の再利用で推論回数を削減（RSJ2026）
- 力情報を利用した LLM の文脈内学習と DMP によるロボットアーム動作生成（RSJ2026）
- 不確かさに応じて強さを変える力触覚ガイダンス（Haptic Shared Control）— ヒューマノイドによる柔軟物の遠隔操作（IEEE RA-L 2023）
- SNN による模倣学習の実ロボット実装（Scientific Reports 2026）、2 値化ニューラルネットによる柔軟物操作（IROS 2021）
