回路とは、電気エネルギー源から様々な部品を通り、再び電源へと戻る閉じた経路または経路であり、電流の流れを可能にする。最も単純な形態では、回路は電源（電池など）、導線、および電気エネルギーを消費する負荷（電球など）で構成される。回路の挙動は、電圧、電流、抵抗を関連付けるオームの法則や、電気ネットワークにおける電荷とエネルギーの保存を記述するキルヒホッフの法則など、基本的な法則によって支配される。回路は、信号が連続的に変化するアナログ回路と、信号が離散的な電圧レベル（通常は0と1）で表されるデジタル回路に分類できる。回路の発明と改良は、照明や電力配電から、専用ハードウェア上で動作する人工知能システムに至るまで、現代のほぼすべての技術的進歩を可能にしてきた。
回路は、基板上にはんだ付けされた個別部品から、単一の半導体チップ上に数百万または数十億の部品が製造される集積回路（IC）まで、様々な形態で物理的に実現される。1950年代後半に、テキサス・インスツルメンツのジャック・キルビーとフェアチャイルド・セミコンダクターのロバート・ノイスによって先駆けられた集積回路の開発は、サイズ、コスト、消費電力を大幅に削減し、エレクトロニクスに革命をもたらした。今日、高度なチップは、TSMC、Intel、Samsung Electronicsなどの企業によって、トランジスタの寸法を数ナノメートルまで縮小するプロセスを用いて製造されている。これらのチップは、Amazon Web Services、Microsoft Azure、Google Cloudが運用するものを含む、コンピュータ、スマートフォン、データセンターの中核を形成している。
回路部品とその機能
典型的な回路には、いくつかの基本部品が含まれる。抵抗器は電流の流れを制限し、電圧レベルを設定する。コンデンサは電気エネルギーを一時的に蓄え、信号を濾過する。インダクタは電流の変化に抵抗し、電源や無線周波数回路で使用される。ダイオードは電流を一方向にのみ流し、トランジスタはスイッチまたは増幅器として機能し、デジタル論理の構成要素を形成する。デジタル回路では、論理ゲート（AND、OR、NOTなど）がトランジスタから構築され、ブール演算を実行する。これらのゲートは、算術ユニット、メモリセル、プロセッサを作成するために組み合わされる。現代の機械学習システムで使用されるニューラルネットワークアクセラレータは、AWS TrainiumやGroqのテンソルストリーミングプロセッサなど、行列演算を効率的に実行するために、多数の乗算累積回路の大規模なアレイに依存している。
回路設計とシミュレーション
回路の設計には、部品とその接続の象徴的な表現である回路図の作成が含まれる。エンジニアは、電子設計自動化（EDA）ツールを使用して、物理的な製造前に回路の挙動をシミュレーションし、正確性と性能を保証する。シミュレーションソフトウェアは、配線の抵抗や容量などの寄生効果を含む、部品の電気的特性をモデル化する。複雑なデジタル回路の場合、VerilogやVHDLなどのハードウェア記述言語（HDL）が、レジスタ転送レベルで論理を記述するために使用される。設計フローには、HDLコードをゲートレベルのネットリストに変換する合成と、ゲートをチップ上に配置して配線する配置配線が含まれる。BroadcomやQualcommなどの企業は、ネットワーキングおよびモバイルデバイス向けの特定用途向け集積回路（ASIC）を設計し、Arm Holdingsは、ほとんどのスマートフォンで使用されるプロセッサアーキテクチャをライセンス供与している。
電力と信号の完全性
実際の回路は、電力供給と信号の完全性に関連する課題に直面する。配線に沿った電圧降下、電磁干渉、隣接トレース間のクロストークは、特に高周波数で信号を劣化させる可能性がある。電力の完全性は、すべての部品が安定した供給電圧を受け取ることを保証し、しばしばデカップリングコンデンサと専用の電源プレーンを必要とする。信号の完全性の技術には、インピーダンス整合、差動信号伝送、シールドが含まれる。Google DeepMindトレーニングクラスタなどの高性能コンピューティングでは、回路は巨大な電流を処理し、熱を放散する必要があり、高度な冷却ソリューションが必要となる。OpenPanel標準は、例えば、データセンターの熱管理に対処している。クロック速度が増加するにつれて、回路の物理的レイアウトが重要になり、設計者は勾配クリッピング（機械学習の概念であり、回路設計のものではない）のような技術を使用する。ただし、回路ではこの用語は使用されない。代わりに、消費電力を削減するために、冗長ロジックのモデルプルーニングのような簡略化を採用している。
回路製造とテスト
集積回路の製造は、TSMCのようなファウンドリの高度に管理されたクリーンルームで行われ、Apple、AMD、およびnvidia（提供されたリストにはない）向けのチップを生産している。このプロセスには、感光性材料でコーティングされたシリコンウェーハに回路設計を転写するフォトリソグラフィが含まれる。その後のステップには、エッチング、ドーピング、金属層の堆積が含まれる。製造後、各チップは、入力信号を適用して出力をチェックする自動テスト装置を使用して、欠陥を検出するためのテストを受ける。パッケージングは、チップを外部ピンに接続し、より大きなシステムへの統合を可能にする。Samsung ResearchとBhabha Atomic Research Centreは、高度なパッケージングと材料研究に貢献してきた。ウェーハあたりの機能チップの割合である歩留まりは、重要な経済的要因であり、欠陥耐性と冗長性の革新を推進している。
新興技術における回路
従来のシリコンを超えて、新しい材料とアーキテクチャを使用して回路が開発されている。D-Waveは、超伝導回路を使用して量子ビットを表現する量子アニーリングプロセッサを構築しており、絶対零度近くで動作する。NECとFujitsuは、高速コンピューティング用の超伝導デジタル回路を調査してきた。GraphcoreとSambaNovaは、生成AIワークロード向けの特殊回路を設計し、データフローとメモリアクセスパターンを最適化している。Intuitive Surgicalは、ロボット手術システムに精密回路を使用し、WaymoとTeslaは、自動運転用のセンサーおよび処理回路に依存している。Xerox PARCのコンピューティング研究の遺産は初期の回路設計に影響を与え、MIT CSAILとStanford AI Labは、深層学習アクセラレータのための新しい回路トポロジを探求し続けている。大規模言語モデルの推論が普及するにつれて、動作あたりのエネルギーを最小化する回路が重要になり、低電力設計とハードウェアテストのためのデータ拡張のような技術の革新につながっている。
結論
回路はデジタル時代の基盤技術であり、単純な家庭用電子機器から最も高度な人工知能システムまで、すべてを可能にしている。個別部品からナノメートル規模の集積回路への進化は、ムーアの法則に記述されているように、計算能力の指数関数的成長を推進してきた。材料、アーキテクチャ、製造における継続的な研究は、消費電力、熱放散、量子効果の課題に対処し、この進歩を延長することを約束している。回路の理解は、機械学習、クラウドコンピューティング、ロボティクスにわたって働くエンジニアや科学者にとって不可欠であり、物理層が最終的に計算可能なものを制約するからである。