設計初期の候補絞り込み自動化と高速物理解析により、チップレット半導体のパッケージ設計における設計案の選定を効率化する基盤技術を開発

　日立は、チップレット半導体*1のパッケージ設計*2において、設計初期における有望な設計案の選定を効率化する基盤技術を開発しました。近年、エッジAI*3、自動運転、産業IoT向けに、用途に応じた半導体開発の需要が高まる一方で、複数のチップや基板の配置・接続、パッケージ構造などの選択肢が急増し、設計初期の検討に時間を要することが課題となっています。本技術では、エージェント型AI*4が調達性*5、製造仕様*6、既存の設計知見などの条件を踏まえて設計要件に適した候補を自動で絞り込み、電気・熱・応力*7の特性をAIモデルにより高速に解析することで、有望な設計案を効率的に選定します。3種のチップレット半導体を用いたパッケージ検討において、設計者が確認する設計候補数を90%以上削減するとともに、絞り込んだ設計候補について、設計初期の段階で、熱がこもらないか、電気的に問題がないか、応力上の懸念がないかを評価できることを確認しました。これにより、詳細設計*8に進む前に設計案の実現可能性を見極めやすくなり、設計の手戻りリスクを抑えつつ、半導体の開発期間短縮を図ることができます。

　今後、日立はチップベンダやパッケージ関連企業とのPoCを通じて、本技術の適用範囲や設計候補の絞り込み精度向上を進めるとともに、チップレット半導体の開発期間短縮により、持続可能な半導体バリューチェーンの実現に貢献していきます。

*1 チップレット半導体: 機能ごとに分けた複数の小さな半導体チップ(チップレット)を一つのパッケージ内で組み合わせ、必要な機能を実現する半導体。

*2 パッケージ設計: 複数のチップや基板をどのように配置・接続し、どのような構造で一つの半導体製品として実装するかを決める設計。

*3 エッジAI: クラウドではなく、端末や機器の近くでAI処理を行う技術。通信遅延の低減やリアルタイム処理に適している。

*4 エージェント型AI: 設計要件や各種条件をもとに、自律的に設計候補を絞り込む人工知能技術。

*5 調達性: お客さまが保有する部材や部品の入手可能性などの情報に基づき、必要な時期に調達しやすいかどうかを示す条件。

*6 製造仕様: 半導体部品や基板を供給するベンダが定める、製造上の制約や設計ルール。

*7 応力: 材料や部品に力が加わったときに内部に生じる負荷。大きくなると、変形や破損の原因となる。

*8 詳細設計: 設計初期で選定した案をもとに、具体的な回路や構造を決定する設計工程。

背景および課題

　近年、エッジAI、自動運転、産業IoT向けに、用途に応じた半導体開発の需要が高まっており、半導体の高性能化・高機能化が進んでいます。こうした中、必要な機能を持つ複数のチップを組み合わせて機能を実現するチップレット半導体が注目されています。チップレット半導体は、用途に応じて必要な機能を柔軟に組み合わせやすく、既存チップの再利用にもつながる一方で、複数のチップや基板の配置・接続、パッケージ構造などの選択肢が大幅に増加します。そのため、チップベンダやパッケージ関連企業では、設計初期の段階で検討すべき候補が多く、候補の絞り込みに時間を要することが課題となっています。さらに、設計開始時には入手可能と見込んでいたチップレット半導体や基板でも、設計途中で供給状況や納期が変化し、部品変更に伴う再設計や追加検証が必要となるなど、設計の手戻りリスクにつながる場合がありました。これに対し、半導体設計で広く用いられるEDA(Electronic Design Automation)ツール*10を用いた詳細な物理設計の最適化が進んでいますが、調達性や製造条件などを考慮した設計初期での候補の絞り込みや物理解析では、依然として熟練設計者による情報収集と判断が必要でした。

*10 EDAツール: 電子回路・パッケージ設計を支援するソフトウェア。

課題を解決するために開発した技術・ソリューションの特長

　そこで日立は、チップレット半導体のパッケージ設計において、設計初期における有望な設計案の選定を効率化する基盤技術を開発しました。技術の特長は以下の通りです。

1. 設計要件に適した候補の絞り込みを自動化するエージェント型AI技術

　本技術は、設計者が自然言語で入力した設計要件をエージェント型AIが整理・構造化し、調達性、製造仕様、既存の設計知見などの条件を踏まえて、設計要件に適した組み合わせや配置、パッケージの規模や構造の候補を自動で絞り込みます。これにより、性能だけでなく、設計途中で調達上の問題が生じる可能性も考慮して候補を早い段階で絞り込むことができ、設計者が多数の候補を一つずつ確認する負担を減らし、詳細設計に進む前に事業上や製造上の制約条件に基づいて有望な案を比較しやすくなります。

2. 電気・熱・応力の特性を短時間で比較できるAIモデルを活用した高速物理解析技術

　本技術は、上記で絞り込んだ設計候補を比較する際に、電気・熱・応力の特性をAIモデルを用いて物理解析することで、計算負荷の大きい解析処理を高速化しました。これにより、設計初期における複数の候補について、熱がこもらないか、電気的に問題がないか、応力上の懸念がないかを早期に見極めやすくなり、詳細設計段階で不適合が判明することによる設計の手戻りリスクの低減に貢献します。

確認した効果

　3種のチップレット半導体を用いたパッケージ検討において、調達性や接続端子配置などの条件を考慮して候補を絞り込んだ結果、設計者が確認する設計候補数を90%以上削減できることを確認しました。さらに、絞り込んだ設計候補について、設計初期の段階で、熱がこもらないか、電気的に問題がないか、応力上の懸念がないかを評価できることを確認しました。詳細設計に進む前に設計案の実現可能性を見極めやすくなり、開発期間短縮が期待できます。

今後の展望

　今後、日立はチップベンダやパッケージ関連企業とのPoCを通じて、本技術の適用範囲や設計候補の絞り込み精度向上を進めるとともに、エッジAI向け半導体エンジニアリングサービスへの適用をめざします。本技術を日立が推進するLumada 3.0を支える半導体開発向け基盤技術として位置づけ、研究開発、半導体設計・実装、エッジAI関連事業の知見をOne Hitachiで結集することで、IT、OT、プロダクトをつなぐ半導体設計・実装基盤の高度化を進めます。これにより、チップレット半導体の設計を迅速化し、持続可能な半導体バリューチェーンの実現に貢献していきます。

　なお、本成果の一部は、2026年10月18日から10月21日に米国フォートワースで開催された35th Conference on Electrical Performance of Electronic Packaging and Systems (EPEPS 2026)で発表しました。

関連情報

日立の研究開発ウェブサイト

照会先

株式会社日立製作所 研究開発グループ

問い合わせフォームへ