中国の半導体企業、安納智芯が、行列方程式を電気回路の応答によって解くアナログ計算チップ「AX100」を開発した。科技日報が2026年11月15日に報じたところによると、同社は10月にテープアウトを完了した。企業側の試験では、行列方程式1回の求解時間が100ナノ秒未満、消費電力が約80ミリワットだったという。アナログ計算による行列方程式の求解技術が、研究室での実証から集積回路の製造段階へと進んだことになる。
行列方程式とは、互いに関係する複数の未知数をまとめて求める計算であり、AIの学習におけるパラメーター更新、ロボットの動作計画、無線通信の信号検出などに使われる。通常のデジタル計算機では、多数の乗算と加算を組み合わせて解を求める。これに対し、AX100は電気回路の物理的な振る舞いを利用し、方程式の解を直接得ようとする。
この技術の基礎となったのが、北京大学の孫仲氏らが2025年に発表した高精度アナログ計算の研究だ。低精度のアナログ回路から得られる解を高精度化し、より大きな行列にも対応する方法を示した。AX100は、こうした研究を全集積チップへと発展させたものと位置付けられる。ただし、回路が1回の応答で近似解を得る時間と、用途に必要な精度まで計算を完了する時間は区別する必要がある。
電気回路の平衡状態を利用して方程式を解く
AX100の仕組みを理解するには、行列方程式 を考えると分かりやすい。ここでAは複数の数値を縦横に並べた行列、xとbは数値を一列に並べたベクトルである。通常の行列ベクトル積は、既知のxからAxを計算する。一方、行列方程式の求解では、Aとbを与えて未知のxを求める。
2025年の研究では、抵抗変化型メモリー(RRAM)を格子状に配置し、各素子のコンダクタンス(電気の流れやすさを表す値で、抵抗の逆数)に行列の要素を対応させた。配列に電圧を加えると、各素子を流れる電流が乗算に相当し、電流の合流によって加算が行われる。行列のデータを保持する回路が、そのまま計算にも使われる仕組みだ。
さらに、演算増幅器などを閉ループで接続すると、回路内の電圧と電流が平衡状態へ向かう過程を利用して、方程式を満たすxの近似値を取り出せる。安納智芯の向鋭CEOは科技日報の取材に対し、行列方程式を回路に直接対応させ、回路が平衡状態に達した後に結果を一度読み出すだけで解が得られるため、反復計算は不要だと説明している。
ただし、ここで不要になるのは、回路が近似解を得るまでのデジタル演算による反復処理である。2025年の研究では、さらに高い計算精度を得るため、アナログ回路による求解と高精度の行列ベクトル積を組み合わせる「反復改良」を採用していた。
具体的には、まずアナログ回路から近似解を求め、その解を元の方程式に代入して残差を計算する。次に、残差を新たな入力として求解回路に与え、得られた修正量を元の解に加える。この処理を繰り返すことで、アナログ回路単体では難しい高精度の計算を可能にした。
高精度化を支えるもう一つの技術が「ビット分割」である。研究で用いた抵抗変化型メモリーは、1素子で8段階、つまり3ビットの値を表現する。より高精度の数値は複数の低精度行列に分割して配置し、それぞれの計算結果を桁に応じてシフト・加算することで再構成する。値の調整や加減算などの制御にはマイクロコントローラーを使用した。
このように、アナログ回路の1回の応答で近似解や修正量を求め、それらを組み合わせて計算精度を高めるのが2025年の研究である。一方、AX100について今回公表された100ナノ秒未満という数値は、単発の行列方程式求解に関するものだ。2025年の原著論文とAX100の発表を比較する際には、この処理範囲の違いが重要となる。
2025年の高精度化研究から全集積チップへ
孫仲氏らの研究成果は、2025年10月13日に学術誌『Nature Electronics』で公開された。当時の実験装置では、低精度の求解に抵抗変化型メモリー配列や演算増幅器を搭載したプリント基板を使用し、高精度の行列ベクトル積には容量1Mbの集積チップを用いていた。つまり、複数の回路と外部制御を組み合わせた実証システムだった。
実験では、4×4の実数行列について9回の反復で24ビット精度に到達した。また、16×16の実数行列を用いた逆行列の評価では、10回の反復後に相対誤差を約10⁻⁷まで低減した。さらに「BlockAMC」と呼ばれる手法を使い、大きな行列を小さな部分行列に分割して、それぞれの求解と行列ベクトル積を組み合わせる方法も実証した。複素数についても、実部と虚部を実数行列に展開することで処理できるため、無線通信の信号検出にも応用できる。
| 開示時期 | ハードウェアと処理単位 | 確認できる結果 |
|---|---|---|
| 2025年の査読論文 | 基板上の求解回路と行列ベクトル積チップを組み合わせた反復改良 | 16×16実数行列で24ビット固定小数点精度を実証。10回の反復後の相対誤差は約10⁻⁷ |
| 2026年11月15日のAX100報道 | 10月にテープアウトした全集積チップによる単発求解 | 企業試験で求解時間100ナノ秒未満、消費電力約80ミリワット |
注:2025年の精度実証と2026年のAX100の単発求解は、装置構成と測定対象が異なる。
2025年の研究では、低精度の求解回路として8×8の抵抗配列を使用していた。32×32以上の規模への拡張には、専用チップの設計と製造による検証が必要とされていた。特に、閉ループ回路の配線、全行・全列を同時に駆動する際の電流、配線や素子の寄生成分による雑音などが、大規模化を妨げる要因となる。また、求解回路と高精度の行列ベクトル積回路を一つのチップへ集積することも、今後の開発課題として挙げられていた。
今回のAX100は、こうした研究成果を全集積チップへと発展させたものだ。科技日報によると、製造には最先端の半導体プロセスを必要とせず、成熟した製造技術を利用できるという。研究段階では複数の装置に分かれていた機能を集積回路として製造する段階へ進めた点が、今回の発表の特徴である。
なお、2025年の論文で示された大規模行列の性能比較には、実測した回路応答時間や消費電力を基にした推計が含まれる。比較では計算精度をFP32相当にそろえ、GPUのスループットを1コア当たりに正規化していた。AX100の評価でも、行列規模や計算精度を統一した条件で、実際の処理性能を比較する必要がある。
AI学習、ロボット制御、無線通信での性能評価
安納智芯は、AX100をAIの学習更新、ロボットの制御・認識、無線通信の信号処理という3つの領域で評価したと説明している。いずれも行列方程式の求解が重要な処理となるが、求められる精度や処理時間、計算全体に占める割合は異なる。
科技日報が報じた企業側の評価結果は、次のとおりである。
| 用途 | 評価対象・規模 | 報じられた性能 |
|---|---|---|
| AI学習 | 293万パラメーターのAutoencoder、272万パラメーターのTransformer | 学習更新にかかる負担をそれぞれ92%、56%削減 |
| ロボット・具身AI | 運動制御・動作計画、3次元再構成・SLAM | 制御・計画のエンドツーエンド処理を150〜500%、再構成・SLAMの中核処理を200〜500%高速化 |
| 無線通信 | 128×128の通信路グラム行列 | デジタルASIC・GPU比で等価スループット20〜207倍、等価エネルギー効率27.6〜61.3倍 |
注:いずれも企業側が示した評価結果であり、測定対象や比較指標は用途によって異なる。
AI学習で採用されたのは、損失関数の曲率に関する情報を利用してパラメーターの更新量を計算する二次最適化手法だ。この計算には行列方程式の求解が必要となるため、AX100のアナログ回路を利用できる。企業側が示した92%と56%という削減率は、それぞれのモデルの学習更新処理に関するものであり、学習全体の処理時間を表す数値ではない。
ロボット分野では、動作を決定する制御・計画と、周囲の環境を把握する認識処理が評価された。SLAMは、ロボットなどが自己位置の推定と周囲の地図作成を同時に行う技術である。今回の評価では、3次元再構成とSLAMについては中核となる計算処理を測定し、運動制御と動作計画についてはアルゴリズムのエンドツーエンド処理を評価したという。回路単体の高速化が、実際のアプリケーションの処理時間にどの程度反映されるかを考えるうえで、この違いは重要だ。
無線通信については、128×128の通信路グラム行列を対象とした評価で、既存のデジタルASICやGPUに対して等価スループットが20〜207倍、等価エネルギー効率が27.6〜61.3倍になったと報告されている。数工科技DIGIT・CNは、等価スループットを、アナログ回路の処理をデジタル演算数に換算した単位時間当たりの処理量として説明している。同記事は科技日報の情報に基づいており、独立した性能検証ではない。
無線通信への応用は2025年の論文でも実証されている。研究チームは、128×8のMIMO(多入力多出力)通信システムで256-QAM変調を使用し、3回の反復によってFP32のデジタル計算と同等のビット誤り率を達成した。これは、単に行列方程式を高速に解くだけでなく、通信に必要な信号検出精度を確保できることを示した実験結果である。
一方、AX100の求解時間100ナノ秒未満という試験結果については、対象とした行列の規模、要求精度、入出力を含む測定範囲が公表されていない。AI学習における負担の削減率についても、絶対的な処理時間や消費電力量、詳細な比較条件は明らかになっていない。また、量産開始時期や販売・提供条件も示されていない。
AX100の実用性能を判断するには、対象行列の規模と要求精度を明示し、入力から必要な精度の解を出力するまでの処理時間と消費電力量を測定することが重要となる。特に、反復改良やデータ変換、周辺制御を含む処理全体の性能が明らかになれば、アナログ回路の高速な応答がAI学習、ロボット制御、通信処理の効率改善にどこまで寄与するかを評価できる。



