三菱ケミカル、生成AIと量子計算を統合した次世代EUVフォトレジスト材料設計を発表

2026年8月31日

vertexaisearch.cloud.google.com (三菱ケミカルの発表抄録参照) 日本

概要

三菱ケミカルは、半導体製造におけるEUVフォトレジスト材料設計のため、生成AI、量子コンピューティング、GPU加速計算を組み合わせる研究を発表しました。この取り組みは、量子由来の分子記述子やGenerative Quantum Eigensolverなどの量子アルゴリズムを生成モデルと統合し、物理的に意味のある潜在空間を分子設計のために構築することを目指します。これにより、次世代半導体材料の発見と最適化を加速する可能性を秘めています。

詳細

主要成果

三菱ケミカルは、次世代半導体製造に不可欠なEUV（極紫外線）フォトレジスト材料の設計において、生成AI、量子コンピューティング、およびGPU加速コンピューティングを統合する画期的な研究開発を発表しました。この複合アプローチは、材料の発見と最適化のプロセスを劇的に加速する可能性を秘めています。

技術・臨床詳細

この研究の中心は、量子力学から導出される分子記述子と、Generative Quantum Eigensolver（GQE）などの先進的な量子アルゴリズムを生成AIモデルに組み込むことにあります。GQEは、分子のエネルギー状態や構造に関する量子的な情報を高精度に計算し、これをAIモデルが利用することで、物理的に安定かつ機能的に優れた分子構造を効率的に探索します。GPU加速コンピューティングは、これらの複雑な量子計算とAIモデルの訓練を高速化するために利用され、設計サイクルを短縮します。目的は、分子設計のための「物理的に意味のある潜在空間」を構築することです。これは、AIが生成する分子が単にランダムではなく、化学的・物理的法則に準拠したものであることを保証し、EUVフォトレジスト材料に求められる高感度、高解像度、低欠陥性などの厳しい要件を満たす新規分子の発見を可能にします。具体的には、フォトレジストの光吸収特性やエッチング耐性といった重要パラメータを量子レベルから最適化する手法が模索されています。

背景・業界文脈

半導体業界では、ムーアの法則の限界に迫る中で、より微細な回路パターンを形成するためのEUVリソグラフィ技術が不可欠となっています。このEUVリソグラフィの性能を決定する鍵の一つが、EUVフォトレジスト材料の進化です。従来の材料開発は、試行錯誤と経験に依存しており、開発期間が長期化していました。生成AIは広大な化学空間を探索する能力を持ちますが、物理法則に反する非現実的な分子を生成する課題がありました。量子コンピューティングは、分子レベルのシミュレーションにおいて、古典コンピューターでは不可能な計算能力を提供し、この課題を克服する可能性を秘めています。三菱ケミカルのこの取り組みは、日本の材料メーカーが最先端技術を統合し、グローバル半導体サプライチェーンにおける競争力を強化しようとする戦略的な動きと見ることができます。

今後の展望

この生成AIと量子コンピューティングを統合したアプローチは、EUVフォトレジスト材料の性能を飛躍的に向上させ、次世代半導体デバイスの実現を加速する可能性があります。将来的には、この手法がフォトレジスト以外の高機能材料（例：有機EL材料、バッテリー電極材料）の設計にも応用されることで、材料産業全体に広範な影響を与えることが期待されます。また、量子コンピュータのさらなる発展と、それと連携するAI技術の成熟により、これまでの材料科学では到達不可能だった領域での発見が相次ぎ、革新的な製品の市場投入が劇的に加速されるでしょう。

元記事: #

毎週の技術動向レポートを無料でお届け

各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。

📢 メールマガジンに無料登録（週刊・技術動向レポート）

ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。