北海道大学：集成电路领域研究方向

1. 引言

北海道大学作为日本著名的国立大学，在集成电路研究领域拥有深厚的学术积淀和丰富的研究成果。该校在 2023 年 10 月开设了半导体基地形成推进本部，以 Rapidus 在北海道千岁市建立最先进半导体工厂为契机，整合集成电子研究中心、情报科学研究院、工学研究院等机构，从融合电子与情报科学的观点出发，从事广泛意义上的半导体领域教育研究(7)。

北海道大学在集成电路领域的研究特色体现在其跨学科的研究方法上。该校的研究涵盖了从量子器件到大规模集成电路系统的全技术栈，特别强调器件 - 电路协同设计、生物启发计算、低功耗设计等前沿方向。通过与国际顶尖研究机构如 IMEC 的合作，北海道大学正在推动 2nm 半导体技术等下一代技术的发展(8)。

本报告将基于国外文献和官网信息，系统分析北海道大学在集成电路领域的研究方向分布、主要研究内容、代表性成果以及未来发展趋势。分析将聚焦于技术层面的研究内容，不涉及特定实验室、应用领域或合作项目的细节。

2. 研究方向分布与内容

2.1 设计方法学

北海道大学在集成电路设计方法学方面的研究主要集中在几个核心方向。首先是基于量子现象的电路设计方法，这是该校的传统优势领域。研究团队提出了利用量子点自旋玻璃进行模拟计算的新方法，通过构建由两点（反铁磁相互作用）和三点（铁磁相互作用）系统混合组成的二维量子点阵列，实现了类似自旋玻璃的行为，能够解决组合优化问题。

在神经形态电路设计方法学方面，该校开发了多种创新的设计方法。噪声驱动的 VLSI 电路设计方法借鉴了生物神经系统的工作原理，利用噪声而非消除噪声来提高神经网络计算性能(30)。这种方法在模拟 VLSI 上实现了噪声驱动的神经计算，展现了与传统设计理念截然不同的思路。

在架构设计方法学方面，该校提出了基于碰撞融合计算的单磁通量子（SFQ）逻辑系统设计方法。这种融合计算通过将非线性物理和化学系统的类比应用于逻辑运算结构来执行数字处理，能够用较少的逻辑门实现给定的数字运算。研究表明，SFQ 融合计算系统的运行速度约为传统 CMOS 逻辑系统的 10 倍。

2.2 制造工艺技术

北海道大学在制造工艺技术方面的研究主要集中在化合物半导体和量子器件的先进制造技术上。该校拥有多个先进的材料生长设施，包括分子束外延（MBE）系统和金属有机气相外延（MOVPE）系统。

在 III-V 族化合物半导体工艺方面，研究团队在 InP 基材料的生长和器件制备方面取得了重要进展。他们开发了用于毫米波单片集成电路（MMIC）的 InP 基材料工艺技术，能够实现独特的电磁特性。在 GaAs 基材料方面，研究团队成功开发了利用肖特基包裹栅（WPG）控制的 GaAs 纳米线六角形结构，用于实现六角形二元决策图（BDD）量子逻辑电路。

在量子器件制造工艺方面，该校的研究涵盖了从材料生长到器件制备的全流程。研究团队利用 MBE 和 MOVPE 技术，在纳米尺度上精确控制材料的生长和器件的制备。特别是在单电子器件的制造方面，他们开发了基于 III-V 族化合物半导体纳米线网络的制造工艺，实现了从 1.5K 到 120K 的宽温度范围工作能力。

在器件集成工艺方面，该校研究了多种集成技术。在 GaN 器件方面，研究团队开发了具有纳米级肖特基栅的 AlGaN/GaN 异质结构场效应晶体管的制造工艺，重点关注栅极控制、表面漏电流和外围充电等关键技术问题。在量子器件集成方面，他们提出了利用电化学工艺进行 III-V 族半导体纳米级加工和纳米结构形成的新方法。

2.3 电路架构创新

北海道大学在电路架构创新方面的研究涵盖了从传统数字电路到新兴神经形态电路的多个前沿方向。

在神经形态处理器架构方面，该校提出了多种创新架构。在 2018 年 ISSCC 会议上，该校发表了关于基于 TCI 的 3D 堆叠 SRAM 神经处理器 Quest 的研究(36)。此外，该校还开发了能量高效的内存内神经网络处理器(38)，以及二进制 / 三进制可重构内存内深度神经网络加速器 BRein Memory(71)。这些架构都体现了存算一体的设计理念，通过将计算和存储集成来提高能效。

在类脑计算架构方面，该校与 TDK 合作开发了模拟水库 AI 芯片，这是一种使用模拟电子电路模拟小脑的芯片，能够实现实时学习(82)。该芯片具有短期记忆功能，能够临时保留输入并将其影响带入后续处理(61)。这种架构模仿了生物神经系统的工作原理，为边缘计算应用提供了新的解决方案。

在量子电路架构方面，该校提出了基于六角形 BDD（二元决策图）的量子逻辑电路架构。这种架构利用 III-V 族六角形纳米线网络，通过肖特基包裹栅（WPG）控制来实现 BDD 逻辑架构的路径切换。研究团队成功在 GaAs 纳米线六角形结构上制造了单电子 BDD OR 逻辑电路，并确认了从 1.5K 到 120K 的宽温度范围工作能力。

在专用处理器架构方面，该校开发了多种针对特定应用的架构。例如，他们开发了用于 SVD-MIMO-OFDM 系统的高速低功耗处理器(16)，以及用于无线通信的 VLSI 设计。这些架构都针对特定的计算密集型应用进行了优化。

2.4 系统集成技术

北海道大学在系统集成技术方面的研究主要集中在三维集成、封装技术和测试验证技术等方面。

在三维集成技术方面，该校提出了多种创新的集成方案。其中一个重要成果是图像传感器和数字逻辑芯片通过电感耦合通道连接的 3D 堆叠模块(18)。这种设计利用电感耦合实现了高速低噪声的图像传输，为图像传感器系统的集成提供了新的技术路径。

在封装和互连技术方面，该校研究了多种先进的互连方案。例如，他们开发了使用电感耦合通道的高速低噪声图像传输技术(18)，这种技术能够在保持高速传输的同时降低噪声干扰。此外，该校还在研究低温烧结铜纳米粒子技术，与企业合作实现了该技术的规模化生产(9)。

在测试和验证技术方面，该校在软错误测试领域取得了重要突破。NTT 和北海道大学合作，成功测量了 10MeV 到 1MeV 低能范围内连续变化中子能量下的半导体软错误率，这是此前未进行过测量的能量范围(90)。这项工作为半导体器件的可靠性评估提供了重要的技术支撑。

在系统级设计方法学方面，该校提出了基于模型检查的泛在计算场景验证方法。模型检查是一种形式化验证方法，使用 Kripke 结构作为形式化状态转换模型，为复杂系统的验证提供了理论基础和技术手段。

3. 主要研究者与代表性成果

3.1 知名教授与研究团队

北海道大学在集成电路领域拥有多位国际知名的教授和研究团队。以下是其中的几位代表性研究者：

Tetsuya Asai 教授是该校电气工程系的教授，自 1993 年起在北海道大学工作。他的研究领域包括利用量子现象和单电子效应的半导体器件、LSI 电路以及数字和模拟处理元件(14)。Asai 教授在神经形态电路和模拟计算方面做出了重要贡献，他提出的噪声驱动 VLSI 电路和基于反应扩散的计算系统在国际上具有重要影响。

Takashi Fukui 教授是量子集成电子学研究中心的教授，在化合物半导体纳米结构的形成及其在单电子器件中的应用方面有着深入研究(53)。他在 MOVPE 生长技术方面做出了重要贡献，成功开发了 InGaAs 量子线激光器、GaAs 单电子晶体管及其逻辑电路(15)。

Shinya Takamaeda-Yamazaki 副教授于 2016 年加入北海道大学，现任信息科学与技术研究生院副教授。他的研究领域包括神经网络的可重构和并行架构、机器学习、退火机和智能计算等(34)。他在 2017 年 MPSoC 会议上发表了关于能量高效内存内神经网络处理器的研究(38)。

Seiya Kasai 副教授是量子集成电子学研究中心的副教授，在基于半导体纳米线网络和六角形 BDD 架构的新型量子纳米器件逻辑电路方面做出了重要贡献。他开发的基于肖特基包裹栅控制的 GaAs 纳米线六角形单电子二元决策图量子逻辑电路获得了广泛关注。

3.2 重要研究成果

北海道大学在集成电路领域取得了多项具有国际影响力的重要成果。

在量子电路方面，该校开发的基于六角形 BDD 架构的量子逻辑电路是一项突破性成果。该电路利用 III-V 族六角形纳米线网络，通过肖特基包裹栅控制实现 BDD 逻辑架构的路径切换，成功在 GaAs 纳米线六角形结构上制造了单电子 BDD OR 逻辑电路，工作温度范围从 1.5K 到 120K。这项成果为下一代量子集成电路的发展提供了重要的技术基础。

在神经形态计算方面，该校的多项成果获得了国际认可。在 2018 年 ISSCC 会议上发表的 Quest 神经处理器采用了创新的 3D 堆叠 SRAM 架构(36)。该校还开发了 BRein Memory，这是一种二进制 / 三进制可重构内存内深度神经网络加速器，能够实现高能效的神经网络计算(71)。与 TDK 合作开发的模拟水库 AI 芯片实现了实时学习功能，在 CEATEC 2025 上获得了创新奖(44)。

在低功耗设计方面，该校的研究成果体现在多个方面。例如，他们开发了基于环形 VCO 的 ADC 架构，适用于超低能耗智能物联网传感器。在 CMOS 模拟电路设计方面，该校提出了多种低功耗设计方法，通过亚阈值工作和低电源电压来实现微瓦级功耗。

在化合物半导体器件方面，该校在 InP 和 GaN 器件方面都取得了重要进展。在 InP 器件方面，他们开发了用于毫米波应用的器件和电路技术，将超材料引入 InP 基 MMIC 中，实现了自然界中不存在的独特电磁特性。在 GaN 器件方面，他们开发的 AlGaN/GaN 多台面沟道高电子迁移率晶体管在降低热阻方面取得了重要突破。

3.3 国际学术影响力

北海道大学在集成电路领域的国际学术影响力体现在多个方面。

在顶级会议和期刊发表方面，该校研究团队在 ISSCC、DAC、IEDM 等顶级会议上发表了大量高质量论文。例如，在 2018 年 ISSCC 上发表的 Quest 神经处理器研究(36)，以及在 IEEE Transactions 系列期刊上发表的多篇重要论文。在 2025 年，该校在多个国际会议上获得了最佳论文奖，包括 IEEE DTDA 2025 最佳论文奖和 MITA/CCMS 2025 最佳论文奖。

在专利申请方面，该校在集成电路领域拥有多项重要专利。例如，Masato Motomura 教授申请的神经网络电路和神经网络集成电路专利（美国专利申请号 16/098968），该专利提出了一种高效通用的神经网络电路，能够显著减小电路尺寸和成本。

在国际合作方面，该校与多个国际顶尖机构建立了合作关系。2024 年 11 月，北海道大学与 IMEC 签署了合作意向书，共同推进半导体技术发展，重点关注 2nm 半导体技术的用例开发(8)。这种合作将有助于北海道大学进一步提升其在国际半导体研究领域的影响力。

在学术组织参与方面，该校教授在多个国际学术组织中担任重要职务。例如，有教授担任 Nature 等顶级期刊的审稿人，体现了该校研究成果的国际认可度。

4. 技术路线对比分析

4.1 CMOS vs 化合物半导体技术路线

北海道大学在 CMOS 和化合物半导体两条技术路线上都有深入研究，但各有侧重和特色。

在 CMOS 技术路线方面，该校主要聚焦于低功耗设计和电路创新。研究重点包括：亚阈值工作的 CMOS 模拟电路设计，通过在晶体管的亚阈值区域工作来实现超低功耗；基于 CMOS 的神经形态电路，如模拟中央模式发生器（CPG）用于四足运动的肢体间协调(81)；以及各种低功耗数字电路技术。CMOS 技术的优势在于成熟的工艺、低成本和大规模集成能力，该校的研究主要致力于挖掘 CMOS 技术在低功耗应用中的潜力。

在化合物半导体技术路线方面，该校的研究更加多元化和前沿。主要研究方向包括：InP 基毫米波器件和电路，利用 InP 材料的高电子迁移率实现高频高性能器件；GaAs 基量子器件，特别是基于 GaAs 纳米线的单电子器件和量子逻辑电路；GaN 基功率器件，在 AlGaN/GaN HEMT 器件的热管理和性能优化方面取得重要进展；III-V 族化合物半导体纳米结构的生长和器件应用，利用 MBE 和 MOVPE 技术实现精确的材料控制(21)。

两条技术路线的对比分析如下表所示：

技术指标	CMOS 技术	化合物半导体技术
工作频率	高（GHz 级）	极高（毫米波级）
功耗特性	低功耗优势明显	高频下功耗较高
集成度	极高（数十亿晶体管）	中等（数千晶体管）
制造成本	低（成熟工艺）	高（特殊工艺）
主要应用	通用处理器、存储器、ASIC	射频器件、量子器件、功率器件
北海道大学研究重点	低功耗设计、神经形态电路	量子器件、毫米波器件、功率器件
技术成熟度	非常成熟	部分成熟（如 GaN），部分前沿（如量子器件）

4.2 数字电路 vs 模拟电路技术路线

北海道大学在数字电路和模拟电路两个方向上都有重要研究，但呈现出不同的发展特点和技术趋势。

在数字电路技术路线方面，该校的研究主要集中在以下几个方向：高速数字电路设计，如 3GHz 真单相时钟（TSPC）三分频电路(27)；低功耗数字电路，通过各种电路技术和架构创新实现低功耗；可重构数字电路，支持动态重构以适应不同应用需求；量子数字电路，基于单电子器件和超导器件的量子逻辑电路。

在模拟电路技术路线方面，该校的研究特色更加鲜明，主要包括：生物启发的模拟电路，如模拟中央模式发生器、模拟神经网络等(81)；低功耗模拟 CMOS 电路，用于智能传感器和处理器(55)；模拟 - 数字混合信号处理电路，结合模拟和数字电路的优势；模拟计算电路，如基于反应扩散的模拟计算系统、模拟水库计算等。

两条技术路线的对比如下：

技术维度	数字电路	模拟电路
信息表示	离散（二进制）	连续
设计复杂度	高（需要复杂的综合工具）	中等（依赖设计者经验）
抗干扰能力	强	弱
功耗效率	中等（取决于工艺和设计）	高（在某些应用中）
集成难度	高（需要精确的时序控制）	中等（需要器件匹配）
主要应用	处理器、存储器、通信电路	传感器接口、信号处理、电源管理
北海道大学特色	量子数字电路、可重构电路	生物启发电路、模拟计算

4.3 传统架构 vs 新型架构对比

北海道大学在传统冯・诺依曼架构和各种新型架构方面都有研究，但新型架构的研究更加活跃和前沿。

传统架构的研究主要集中在性能优化和功耗降低方面。例如，该校开发的用于 SVD-MIMO-OFDM 系统的高速低功耗处理器(16)，通过算法优化和电路设计改进来提升性能。这类研究通常基于现有的处理器架构，通过微架构优化、电路技术改进等手段来提升性能和降低功耗。

新型架构的研究则更加多样化和创新，主要包括：存算一体架构，如 BRein Memory 二进制 / 三进制可重构内存内深度神经网络加速器(71)，通过将计算单元集成在存储阵列中来减少数据移动；神经形态架构，模仿生物神经系统的工作原理，如模拟水库 AI 芯片(82)；量子架构，基于量子效应的新型计算架构，如六角形 BDD 量子逻辑电路；专用加速器架构，针对特定应用（如神经网络、组合优化等）设计的专用硬件。

传统架构与新型架构的对比如下：

对比维度	传统冯・诺依曼架构	新型架构
基本原理	存储程序计算机	多种原理（存算一体、类脑计算、量子计算等）
性能瓶颈	内存墙（Memory Wall）	通常没有此限制
功耗特点	功耗主要在数据移动	计算和存储一体化，功耗更低
编程模型	成熟的编程模型	需要新的编程模型
应用场景	通用计算	专用计算（AI、信号处理等）
技术成熟度	非常成熟	部分成熟（如 GPU），部分实验阶段
北海道大学研究重点	高性能处理器优化	神经形态、量子、存算一体架构

5. 未来发展趋势

5.1 技术发展趋势

北海道大学集成电路领域的技术发展呈现出几个明显的趋势，这些趋势反映了国际集成电路技术发展的前沿方向。

AI 与边缘计算驱动的架构创新是最重要的发展趋势之一。随着人工智能应用的快速发展，特别是边缘 AI 的兴起，对高能效、高集成度的 AI 加速器需求日益增长。北海道大学在这一领域的研究包括：继续发展 3D 堆叠神经处理器架构，通过增加内存带宽来提升 AI 计算性能；深化存算一体架构研究，开发支持更多 AI 模型的可重构加速器；推进模拟神经形态计算，如与 TDK 合作的模拟水库 AI 芯片，实现超低功耗的实时学习(61)。

量子技术与经典计算的融合是另一个重要趋势。随着量子计算技术的发展，量子 - 经典混合系统将成为未来计算架构的重要组成部分。北海道大学在这一方向的发展包括：继续推进基于六角形 BDD 架构的量子逻辑电路研究，提高工作温度和集成度；开发量子 - 经典混合处理器架构，结合量子计算的并行优势和经典计算的可靠性；研究量子器件在特定算法（如组合优化）中的应用。

超低功耗与近阈值计算技术将持续发展。随着物联网和可穿戴设备的普及，超低功耗集成电路的需求急剧增长。北海道大学的发展方向包括：深化亚阈值和近阈值 CMOS 电路设计技术，实现纳瓦级功耗；开发新型低功耗器件，如隧穿场效应晶体管（TFET）等；研究能量收集与存储技术的集成，实现自供电系统。

新材料与新器件的应用将带来技术突破。传统硅基 CMOS 技术面临物理极限，新材料和新器件的应用成为必然趋势。北海道大学在这方面的发展包括：继续推进 III-V 族化合物半导体器件研究，特别是在毫米波和光电器件方面；研究二维材料（如石墨烯、过渡金属硫化物）在集成电路中的应用；开发基于忆阻器（Memristor）的新型存储和计算器件。

5.2 研究热点预测

基于当前的研究基础和技术发展趋势，北海道大学在未来几年的研究热点可能集中在以下几个方面：

下一代神经形态计算架构将成为研究重点。随着对大脑启发计算的深入理解，更接近生物神经系统的计算架构将被开发。预计研究方向包括：开发具有脉冲神经网络（SNN）特性的硬件架构；研究支持在线学习和自适应的神经形态电路；探索多模态神经形态处理，集成视觉、听觉、触觉等多种感知。

先进封装与系统集成技术将持续受到关注。随着摩尔定律的放缓，通过先进封装技术实现系统性能提升变得越来越重要。预计研究方向包括：继续发展 3D 堆叠技术，提高集成密度和性能；研究异构集成技术，将不同工艺节点、不同材料的器件集成在一起；开发新型互连技术，如光互连、无线互连等，解决芯片内和芯片间的通信瓶颈。

** 专用领域处理器（DSA）** 的设计将更加多样化。针对特定应用领域（如自动驾驶、医疗诊断、科学计算等）的专用处理器将成为研究热点。预计研究方向包括：开发面向特定 AI 模型（如 Transformer）的专用加速器；设计支持量子算法的专用处理器；研究面向新兴应用（如 6G 通信、量子传感等）的定制化芯片。

可靠性与安全性设计将成为关键技术挑战。随着集成电路系统的复杂化和应用场景的多样化，系统的可靠性和安全性变得越来越重要。预计研究方向包括：开发抗辐射、抗干扰的加固电路设计技术；研究硬件级安全机制，防止侧信道攻击等安全威胁；设计具有自诊断和自修复能力的容错电路。

5.3 国际合作前景

北海道大学在集成电路领域的国际合作呈现出积极发展的态势，未来合作前景广阔。

与 IMEC 的合作深化将带来重要机遇。2024 年 11 月签署的合作意向书表明双方将在 2nm 半导体技术等前沿领域开展合作(8)。预计合作内容将包括：共同开发下一代半导体工艺技术；在先进器件和电路设计方面进行技术交流；联合培养博士研究生和研究人员；共同申请国际科研项目。

与其他国际顶尖机构的合作拓展也是重要趋势。北海道大学已经与 TDK 在模拟神经形态计算方面开展了成功合作(82)。未来可能的合作方向包括：与欧洲研究机构在量子技术方面的合作；与美国大学在 AI 芯片设计方面的合作；与亚洲其他国家在化合物半导体技术方面的合作；与产业界在技术转化和产业化方面的合作。

国际学术交流的加强将促进技术创新。北海道大学研究人员已经在多个国际顶级会议上发表重要成果，未来将继续加强：在 ISSCC、DAC、IEDM 等顶级会议上的论文发表；组织和参与国际学术研讨会和工作坊；邀请国际知名学者进行学术访问；建立联合研究实验室和交换项目。

5.4 产业应用前景

北海道大学的集成电路研究成果在多个产业领域展现出良好的应用前景。

人工智能与边缘计算产业是最主要的应用领域之一。该校开发的神经形态处理器、存算一体加速器等技术可以应用于：智能摄像头和视频分析设备；自动驾驶汽车的感知和决策系统；智能音箱和语音识别设备；可穿戴健康监测设备；工业机器人的控制系统。

通信与雷达产业也是重要的应用领域。该校在毫米波器件和电路方面的研究成果可以应用于：5G/6G 移动通信基站和终端；汽车雷达和防撞系统；毫米波成像设备；卫星通信系统；工业无线通信设备。

量子技术产业虽然还处于发展初期，但前景广阔。该校的量子器件研究成果可以应用于：量子计算机的量子处理器；量子通信设备；量子传感器；量子密钥分发系统。

物联网与传感器产业是另一个重要应用领域。该校的低功耗电路和系统集成技术可以应用于：环境监测传感器网络；智能农业监测系统；智能家居设备；医疗植入式设备；工业物联网节点。

下表总结了北海道大学主要研究成果的产业应用前景：

研究方向	主要成果	应用领域	市场前景
神经形态计算	模拟水库 AI 芯片、3D 堆叠神经处理器	AI 边缘计算、智能设备	巨大（AI 市场年增长率 > 20%）
毫米波器件	InP 基 MMIC、GaN 功率器件	5G/6G 通信、雷达	大（5G 基站建设需求）
量子器件	六角形 BDD 量子电路	量子计算、量子通信	潜力巨大（新兴市场）
低功耗电路	亚阈值 CMOS、能量收集电路	物联网、可穿戴设备	巨大（IoT 设备数量增长）
存算一体架构	BRein Memory 加速器	数据中心、边缘 AI	大（计算需求持续增长）

6. 结论与展望

通过对北海道大学集成电路领域研究方向的全面分析，可以得出以下主要结论：

北海道大学在集成电路领域形成了完整的研究体系，涵盖了从器件物理到系统架构的全技术链。在设计方法学方面，该校在量子电路设计、神经形态电路设计、低功耗设计等前沿方向具有显著优势；在制造工艺技术方面，该校在 III-V 族化合物半导体、量子器件制造等领域处于国际先进水平；在电路架构创新方面，该校在存算一体、神经形态、量子架构等新型架构方面取得了重要突破；在系统集成技术方面，该校在 3D 集成、测试验证等技术方面积累了丰富经验。

北海道大学的研究特色体现在其跨学科的研究方法和对前沿技术的敏锐把握上。通过将物理学、材料科学、信息科学、神经科学等多学科知识融合，该校在量子计算、神经形态计算、超低功耗设计等前沿领域形成了独特的研究优势。特别是在利用量子现象和生物启发进行电路设计方面，该校的研究成果在国际上具有重要影响力。

展望未来，北海道大学集成电路领域的发展前景广阔。在技术发展方面，AI 驱动的架构创新、量子 - 经典融合计算、超低功耗技术、新材料应用等将成为主要发展方向；在研究热点方面，下一代神经形态架构、先进封装技术、专用领域处理器、可靠性设计等将持续受到关注；在国际合作方面，与 IMEC 等顶尖机构的合作将进一步深化，国际学术交流将更加活跃；在产业应用方面，AI 边缘计算、5G/6G 通信、量子技术、物联网等领域将为研究成果提供广阔的应用空间。

北海道大学集成电路领域的研究正处于快速发展期，随着技术的不断进步和国际合作的深入开展，该校有望在更多前沿领域取得突破性成果，为全球集成电路技术的发展做出更大贡献。