熊本県立大学半導体学部は何を教えるのか:天野英晴氏が語る設計・製造・社会を横断する教育とAI活用

今までとはちょっと毛色が変わっていると思います。やはりハードウェアですので、もの中心な学部です。ただもちろんその中でもAI教育は積極的に取り入れていく予定ですので、その辺も含めてお話をさせていただければ幸いです。

今日はまず半導体学部の計画についてざっくり説明しまして、半導体教育でどうやってオンライン教育、デジタル変革、こういうものと結びつけていくかというお話をしたいと思います。

ここにいらっしゃる皆さんはみんなAIの専門家でいらっしゃるという認識なんですけども、もちろんご存じのとおり、AIを支えているのは半導体なわけです。今、結局LLMを動かすためにはGPUをたくさん使わなければいけなくて、学習、それから認識に関しても結局のところGPUが稼働することになって、それはデータセンターにあって、クラウドコンピューティングで行われると。なので、我々がLLMを使うたびに半導体を使っていて、だからNVIDIAのGPUが働いて、発展すれば発展するほど高性能のGPUが必要になりまして、NVIDIAの株価が上がると。またメモリーも大量に使うので、キオクシアの株価が上がると。でもメモリーに関しては乱高下が激しいんですよね。これ昔からそうなんですけども、上がったり下がったりします。もちろんいろんな問題がありまして、これによって電力が足りなくなるんじゃないかとか、水資源をいっぱい使っちゃうねとか、そういう問題があります。

半導体というのはいろんなイメージがありまして、これがどれも正しい、どれも半導体のイメージです。半導体学部を作ると言うと、大体この辺、皆さん注目されてしまいまして、困ってしまっているんですが、半導体は高純度のシリコンインゴットからウェハを作りまして、これをクリーンルームで加工するので、このイメージは正しいと思います。でも半導体っていうのは、もちろんウェハの上にレイアウトパターン、こういうのを使って回路を入れ込まなければいけません。従って、この設計には特殊な技能が必要になります。

半導体チップができれば、電子工作にも使えますし、NVIDIAの半導体みたいなでかいの、こういうのは基板に付けて使うわけです。この辺、GPUなんかはこういう箱に入ってますし、基板にくっついておりまして、大概ファンが、フィン、ファンが付いております。半導体は純粋に計算の電力を熱に変換しますので、ファンがないと動かなくなってしまったりします。また、半導体っていうのはあらゆる製品の頭脳として活躍します。だからロボットとか見ると、もちろん機械的部分も大事なんですが、頭脳としての半導体も非常に重要なわけなんです。これ、どれも半導体のイメージとして正しくて、要するに守備範囲がむちゃくちゃ広いことになります。

さて、半導体、日本は80年代は世界のロジック半導体の半分ぐらいを作るという、すごい繁栄をしていたんですが、あっという間に凋落してしまいました。今、日本政府は一生懸命これを復活させるためにお金を投入しています。ラピダス。これは日本の半導体の復活を目指して新たなファウンドリーを作ろうということで、実は今、国内では40nm。加工の最も細かい幅のことをプロセステクノロジーとかテクノロジーノードとか呼ぶんですが、現状で実は40nmぐらいが最先端なのに、ラピダスではいきなり2nmを実現しようとしております。これもいろいろ褒貶ありまして、頑張ってほしいという声から、これ絶対うまくいかねえよ、そもそも今まで政府がやってうまくいった試しはないよね、とかいう話までいろいろありますね。僕はラピダスに関してワンチャンあるんではないかと思ってるんですが、この話は今日は主題ではないと思います。

熊本でもTSMC、これ、日本の拠点、合弁事業としてJASMっていう名前で工場を作りまして、今、第1工場が操業をガンガンやり始めて、第2工場の建設も始めています。TSMCというのは台湾の企業で、5nm以下の最先端プロセスではもはや独走にあります。もちろん韓国のサムスン、それからアメリカのIntelなんかも追従しようとしているんですが、AIの処理を行う最先端のGPUは、もう完全にTSMCの独り勝ちという状況になっています。

この工場、実は今操業している第1工場は22から28なんで、やや昔のプロセスです。ただ、日本で最も需要が多いのはこのレンジなんで、これ自体は全く悪いことではないです。第2工場はもう少し先端の方に行きます。ただ、最先端のGPUをここで作るかって言うと、多分そうではないと思います。これに関しても、半導体の投資、これでいいのかっていう議論はいろいろありまして、特に熊本の地元に関しても、要するに労働者を提供するだけなんじゃない、みたいなお話も出てきています。

熊本としてはやっぱりそれは困るので、熊本を日本のシリコンバレーと言いましょうか、新竹というか、半導体産業の中心地帯にしたいと、こういう野望があるわけなんです。その野望を実現するための環境は、実は熊本ってすごく整っておりまして、世界の半導体の重要拠点であるソウルとか上海とか台北っていうのは、実は非常に近く、東京と同じぐらいです。熊本からはソウルにも台北にも飛行機が飛んでおりまして、密接した関係を作ることができます。

さらに、TSMC、JASMが来る前から、これは安浦さんとか、九州をシリコンアイランドにしようという計画の、ある意味乗っかった部分もあるんですけれども、熊本にはソニーとか東京エレクトロンとか工場がいっぱいできています。富士フイルムもありますし、要するに半導体を作る製造的な産業、それから材料的な産業はたくさんあります。これだけだとまずいので、ユーザー企業、つまり半導体をどう使うかっていうところの企業もたくさん集めたいと思っていて、今だんだんそれを実現しつつあります。うまくいけば、熊本で設計した半導体がぱっとテストして作れるという環境を作りたいと思っています。

熊本のメリットとしては豊富な水資源で、デメリットとしては最近、地震とかでまずいなと思っています。ただ、今回の地震ではJASMもほぼ止まらないで運用することはできています。水資源が豊富なのは、逆に言うと水害が多いわけなんですけれども、ただ実を言うと、今、水害は日本でどこでも起きますので、そういう点ではあんまりデメリットではないかなと思っています。

基本的に今、日本でやろうとしている投資はやっぱり製造工場に偏っておりまして、これがうまくいくためには人材育成というのが欠かせないというふうに考えています。そこで熊本県は、県立大学に半導体学部を作ろうという構想を持ちまして、これ、理事長の黒田さん、僕と同僚で一緒に慶應でやってた人なんですけども、この人が理事になりまして、県と相談して、こういう学部を作りたいねっていうことで計画して、2年前から僕とここにいる丹羽さんっていう人が中心になって計画しております。8月にようやく認可が出まして、2027年、来年の4月から始動する予定です。

半導体学部を作ると言うと、製造プロセスばかりやるんじゃねえかと。あとそれから、要するにJASMに人材を提供するだけの、工場労働者製造の専門学校にちょっと毛が生えたぐらいのを作るんじゃないかと。こんな狭い分野で学部を作ってどうなるのかとかいう非難をいろいろ受けるんですけれども、我々が考えてるのはそういうんじゃなくて、目標としては、半導体というものをアプリケーションのレベルからコンピューターアーキテクチャー、僕はコンピューターアーキテクチャーの専門家なんで、それから回路システム、それからそこをちゃんと理解した上で製造工程をきっちりやる。

半導体を設計するにあたって重要なのは、これがどういうビジネスに結びつき、どういう形で社会課題を解決していくか、これが非常に重要だと思っています。80年代、日本の技術力は非常に高かったわけなんですけれども、何を作ってどういうふうに半導体を構成していくのか、この辺の知識というものが欠けていた。要するに、ある意味で専門ばかりに陥ってしまっていたのが一つの原因です。

なので、今回半導体学部を作るにあたって、ビジネスをどう展開していくのか、世界中の資源の動き、それからサプライチェーンがどういうふうに形成されているのか。また、半導体工場を建てたり、半導体を作ったり動かしたりすることによって環境にどう悪影響を与えるか、特に水資源にどう悪影響を与えるか。また、やっぱり知財が非常に重要です。ある意味で半導体で儲けるためには知財っていうのを理解しておかなければいけませんし、それから半導体のCADを使うにも、いろんな面倒くさいNDAとかあります。この辺の法制度をきっちり理解してやらなければいけません。これをトータルで教える学部を作ろうと。これが今回の構想です。来年の4月にスタートして、入学定員は1年あたり60名を構想しています。いや、構想じゃなくて、これはもう決定です。

この辺、いろんなところで宣伝しているんですけれども、要するに誤解されたくないのは、JASMの工場労働者を育成するところじゃないんだよっていうところを強調しておりまして、要するに今の半導体の大規模な工場労働者っていうのは、ブルーワーカーではないわけなんですね。今の工場っていうのは高度に情報化されておりまして、自動化されています。そこに勤める人たちは、その工場をどうコントロールするか、あるいはトラブルが起こったときにどう対処するか、どうやって最適化するか。この辺を常々考える力が必要になってきます。そういう点で、工場労働者と言っても、手作業ばっかりやってる人たちではないんだよと。ちゃんと全体を理解しないと駄目なんだよ。ということで、設計、製造、それから先ほど言いましたビジネス、環境、法制度、この辺をきっちり勉強する大学を作ろうと、そういうことになるわけなんですね。

これが我々のアドミッションで、学校推薦型から10人、一般選抜から30人、一般選抜の後期日程から20人ということを考えております。うちは理系なんですが、かなり文系にシフトした部分もありまして、ガチガチ系ではないです。数Ⅲは受験科目に入っていません。しかも我々はまだまだ熊本大学には及ばないというふうに思っておりまして、熊大に落っこった人ができるだけ来てくれるといいなと、そういう感覚の人数配置をしております。

これ、授業をどういうふうに作っていくか。もちろん今、もう設置申請の書類を出した段階で、どういうふうに授業をやっていくかっていう方針は定まっていて、科目も決まっていて、シラバスも書かれております。我々のポイントはまず、1年生で数学、物理、化学、これ、半導体に必要な部分をきっちり学び直そうということを行います。我々の場合、物理とかそういうのはいらないので、関係のあるところだけやってもらって、それから2年生で半導体の設計ができるようにしようと、AIチップの設計ができるようにしちゃおうという構想を練っています。つまり、うちの学部の学生だったら誰でもAIチップは設計できると。設計っていうのは、システム設計からレイアウト設計までできる実力を身につけてもらおうと。さらに製造工程を全部体験は無理なんですけども、一部しっかり体験してもらおうと、こういうことを考えています。

この話をすると、専門家はこんなことが2年生でできるわけはないとおっしゃるんですけれども、実はAIを使えば体験は可能です。なので、我々はAIを積極的に導入して設計を行うことによって、もう2年生で一応ツールを使える実力は身につけさせたい、こういうふうに思っております。それが終わってから3年、4年で、自分の好きなところを深掘りしてもらおうというふうに考えています。

例えば情報系が好きな人、Pythonでプログラムを書いたり、AIの処理が好きな人は、AI・応用情報履修モデルっていうのに従って科目を履修していただく。回路を作ったり、電子工作的なことが好きな人はマイクロエレクトロニクス履修モデル。製造が好き、ガチにクリーンルームで作るのが好き、そういう人がどれくらいいるか分からないんですけど、スマートマテリアルのマテリアルコースに、マテリアル履修モデルに従って履修をしてほしいと、こういうふうに考えています。

3年後期にプロジェクト演習っていうのがあって、各履修モデルに従ってプレ卒論みたいなことをやって、4年生は完全に卒業研究で研究室に所属して、理系的なことを行います。先生がこの三つのグループに分かれていますので、学生はどれかを選んで、これを深めることができます。

いろんなことを聞かれています。特に僕がよく聞かれるのは、半導体なんて狭い領域にもう絞って学ぶなんてばかだと、こういうことをやっちゃいけないっていうことをいろいろ言われるんですけども、これ、ちっとも狭くないんですね。そういうことを言う人は半導体っていうのに対して誤解があると思います。非常に広い範囲です。しかも学生は入るときはどれをやるか決めなくていいですね。3年ぐらいまで勉強してから、情報系をやるか、マテリアル系をやるか、回路系をやるか、これを自由に決めます。普通の工学部に入るよりも、割と広くできるはずです。

いろいろ文句がありまして、でも我々、結構頑張って宣伝していて、オープンキャンパスにはむちゃくちゃたくさん人が来て、地元の新聞にも出ました。立ち見がすごかったみたいな感じでうまくいったんですが、それから地震があって、これ、県外から人が減るかなと思って、宣伝を強めようと思います。

もうちんちん鳴らされてしまったので、オンライン教育とデジタル変革。これ、半導体の教育においてどうやってAIを使うか。また、そのAIを使った、ある意味でバーチャルな教育と、それからリアルな製造工程の教育、手を動かすところの教育、どうバランスを取るか。リアルな話と仮想的な話をどうバランス取るか、これ、非常に面白い課題だと思っています。

まず我々は短期間で安くチップを作成するという方法。これは今、僕が東大でやってるやつを全面的に導入して、短期間で学生が好きなチップを作れるような環境を作ろうと思っています。ミニマルファブっていって、すごいちっちゃなやつです。ちなみにこれ、東大に置いて、うちでは使えないんですけども、お願いして連携してやることを計画しています。

さらに、AIを用いたLSI設計っていうのは具体的にどうするのか。これ、非常に面白いお話でありまして、今日この短い時間でやるのは難しいんですけれども、まずAIは上流設計、要求分析や価格、実装プロセス、設計手法の検討には非常に役に立ちます。この辺、ある意味で相談しながらどう作るかを決めるわけです。例えばLSIチップを作るというふうに決まったとすると、ここでAIをどう利用するか。これ、Verilogっていってハードウェア言語を書く場合でも、AIで生成するということをかなりできます。今、なかなかいいコードを生成してくれます。さらにテストベンチの生成、漏れなくテストするための記述の生成や、エラーの解析なんかもAIを利用することができます。

また、レイアウト設計、これに対してもAIは利用できます。ただ、一部の人が言うように、自然言語でこういうチップを作りたいってAIに言ったら全部作ってくれるんだっていうのはうそです。それは現状では全くナンセンスなお話です。特にこのバックエンド、これはAIが活躍できるほどのデータがまだ蓄積していないんですね。しかも秘密が多いです。各LSIチップに関して秘密情報が多いですし、CAD、これを設計するツールも秘密情報が結構いっぱいあります。あるいは個別情報と言ってもいいと思います。個別にだけ通用する情報があって、グローバルな世界になってないんですね。さらにAIは自分でレイアウト設計ツールを使ったりすること。だから結局のところ、この部分っていうのは部分的にAIの力を借りて設計をしていくということになります。

ただ、それでも昔に比べれば、素晴らしく時間は短縮できます。ポイントはやっぱり全体の流れを見て、何をやるべきなのかっていう、やることを理解しておき、AIに適切な指示を与えてヒントをもらえば大抵できます。ただ、それでも駄目なんですね。やっぱりこの部分って非常にまだ難しくて、僕も今いろいろAIを使ってるんですけれども、これ駄目だなと思うことが多いです。というわけで、この辺をちゃんと教えて、新しい人材を養成していこうと思い