伸びるニューロモルフィック回路とは？身体上エッジAI研究を解説

私たちの皮膚は、腕の曲げ伸ばしや呼吸によって日常的に20〜30%ほど伸縮しています。もし、その皮膚に直接貼り付けて、心臓の不整脈などの異常をリアルタイムに検知してくれるAI回路があれば、私たちの健康管理は大きく変わります。

「伸びるニューロモルフィック回路」とは、ゴムのように柔軟に伸び縮みしながら、人間の脳の神経回路網（ニューラルネットワーク）の仕組みを模して、極めて少ない消費電力で高度な信号処理を行う新しい電子回路です。

従来の電子機器は硬いシリコン基板で作られており、皮膚に貼ると突っ張りや剥がれが生じ、激しい動きで破損する課題がありました。しかし近年の先端研究において、素材自体が伸縮する「有機電気化学トランジスタ（OECT）」を高密度に集積し、通常時の1.5倍超まで引き伸ばされた状態でも高精度に生体信号を解析できる身体上（オンボディ）エッジAI回路の実証に成功しました。本記事では、この回路の仕組み、実証された性能、そして実用化に向けた課題を分かりやすく解説します。

1. 皮膚の上で計算する意味：身体上エッジAIが求められる背景

スマートウォッチなどのウェアラブル端末は広く普及していますが、機器が硬いため皮膚との間には依然として物理的な隔たりが存在します。

皮膚密着型ウェアラブル電子デバイスには、単に薄くて軽いだけでなく、極めて過酷な生体親和性が要求されます。人間の皮膚は、関節の曲げ伸ばしや筋肉の動きによって日常的に20〜30%程度以上も伸縮しています。そのため、皮膚の自然な動きを妨げない力学的な柔軟性はもちろんのこと、汗や体温に対する環境耐性、汗が蒸発して抜けていく水蒸気透過性、そして長時間の接触でもかぶれを起こさない生体適合性が不可欠となります（※この知見はウェアラブル・生体密着型デバイス全般の物理的・生理学的要件をまとめた総説に基づくものであり、特定の回路構造のみを規定するものではありません）。

皮膚に密着するデバイスが実現できたとして、なぜ「皮膚の上」でAI計算を行う必要があるのでしょうか。

現在の一般的なウェアラブル端末は、センサーが取得した生の波形データを無線通信（BluetoothやWi-Fiなど）で外部へ送信し、スマートフォンやクラウドサーバー上でAI解析を行っています。しかし、心電図のように1秒間に何百回も連続して生じる生体信号を24時間クラウドへ送信し続ける運用には、重大な制約があります。

第1に「バッテリー消費」です。小型端末において、無線で電波を飛ばし続ける通信処理は、内部で計算を行う処理に比べて桁違いに多くの電力を消費します。生データをすべて送信し続けると、バッテリーは短時間で枯渇してしまいます。

第2に「通信途絶への依存」です。地下、トンネル、水中、災害時など、電波の届かない環境では生体監視がストップしてしまいます。心室細動のような一刻を争う致死性の不整脈が発生した際、通信途絶によって検知が遅れる事態は避けなければなりません。

第3に「往復遅延（レイテンシ）」です。センサーからクラウドへデータを送り、サーバーが解析して判定結果を送り返すまでには、通信経路の混雑などによりタイムラグが生じます。

そこで提唱されているのが「身体上（オンボディ）エッジAI」や「センサー近傍計算（near-sensor computing）」と呼ばれる設計思想です。センサーのすぐ隣、すなわち皮膚の上に配置された超低消費電力のAI回路が、生体信号の波形から特徴をその場で読み取り、「正常か異常か」の判定までを自律的に処理します。

これにより、普段は重たい生データを送信する必要がなくなり、生データ送信量を大幅に削減できる可能性が生まれます。また、クラウドとの往復通信を待たないため遅延の低減が期待でき、電波が届かない環境でも自立して異常を検知し続けることが可能になります（なお、これは技術的な利点を客観的に整理したものであり、遅延が完全にゼロになることや、絶対に情報が漏洩しないといった誇大表現を意味するものではありません）。

このように、「皮膚の伸縮に耐えうる柔軟性」と「皮膚の上で即座に信号を処理する低消費電力な計算能力」を両立するハードウェアとして、伸びるニューロモルフィック回路が強く求められているのです。

2. 硬い電子機器から「本質的伸縮性」へ：材料技術の転換

皮膚の上で動く電子回路を実現するため、材料工学の分野では大きな技術的転換が起きています。

初期に研究されたのは「アイランド・ブリッジ構造（剛体アイランド＋蛇行配線）」と呼ばれる手法でした。これは、従来のシリコンで作られた硬い半導体チップ（島＝アイランド）を並べ、その間をバネのように波打たせた金属配線（橋＝ブリッジ）で繋ぐ構造です。引っ張ると配線部分が伸びるため、硬いチップ自体に応力をかけずに回路全体として柔軟性を得ることができます。

しかし、この構造には工学的な限界がありました。硬い島と柔らかい配線の境界部分に応力が集中しやすく、度重なる変形によって金属疲労で断線したり、皮膚から剥がれやすくなったりする点です。また、硬い島が存在する領域は伸縮しないため、素子を高密度に敷き詰めることが難しく、複雑なニューラルネットワークを小型パッチに集積するには限界がありました。

この課題を克服したのが、「本質的伸縮性（Intrinsically Stretchable）」エレクトロニクスです。硬い部品を配線で逃がすのではなく、半導体、電極、絶縁膜といった回路を構成する材料そのものを、分子レベルでゴムのように伸び縮みする有機高分子（ポリマー）で作製する技術です。材料自体が伸びるため、皮膚の変形にしなやかに追従し、局所的な応力集中を防ぐことができます。

本研究における極めて重要な進歩は、この本質的伸縮性材料に対して、半導体製造で用いられる「光パターニング技術（フォトリソグラフィ）」を高度に適応させた点にあります。光を用いて微細なパターンを精密に形成することで、材料の伸縮性を損なうことなく、微細なトランジスタを高密度に整列させることに成功しました。

その結果、1平方センチメートルあたり最大10,000個（10,000 devices/cm²）という高密度集積が実証されました。これは、柔軟な皮膚密着型回路でありながら、実用的な人工ニューラルネットワークを構成するのに十分な素子数を小さな面積に集約できることを意味します。

ただし、ここで正しく理解しておくべき前提条件があります。この「10,000 devices/cm²」という集積密度や、通常長の1.5倍超（50%以上の伸長ひずみ）までの安定した動作確認は、厳密に管理された実験室環境におけるプロトタイプによって実証された成果です。すでに市販のエレクトロニクス製品のように、工場の大量生産ラインで安価かつ均一に大量製造できる技術として一般化された段階ではありません。先端材料科学と微細加工技術による実験室実証であることを認識しておく必要があります。

3. 脳型計算（ニューロモルフィック）の仕組み：OECTによるインメモリ積和演算

材料が伸縮するだけでなく、計算方式そのものも従来のコンピュータとは根本的に異なります。

従来のコンピュータ（フォン・ノイマン型）では、「計算を行う頭脳（CPUやGPU）」と「データを蓄えるメモリ」が物理的に分かれています。計算を行うたびにメモリからデータを読み出し、CPUで処理し、結果をメモリへ書き戻す往復作業を繰り返します。このデータ移動そのものが大量の電力を消費し、処理速度の限界（フォン・ノイマン・ボトルネック）や発熱を引き起こします。

これに対して、人間の脳はわずか20ワット程度のエネルギーで高度な情報処理を行います。脳では神経細胞（ニューロン）の接合部であるシナプス自体が記憶を保持し、信号が通過する瞬間にその場で重み付け計算を行います。記憶と演算が同じ場所で行われるため、データ移動の無駄がありません。

この脳の仕組みを模倣したのが「ニューロモルフィック（脳型）計算」です。そして本研究において、シナプスの役割を果たす素子として採用されたのが「有機電気化学トランジスタ（OECT: Organic Electrochemical Transistor）」です。

OECTは、以下の3つの主要要素で構成されています。

1. 有機半導体チャネル：電子やホールが流れる通路であり、ゴムのように伸びる有機ポリマーで作られています。
2. 電解質層：イオンを含むゲル状または固体状の層で、チャネルに接して配置されます。
3. ゲート電極：外部から制御電圧を加えるための端子です。

OECTがシナプスとして機能する鍵は、「イオンの注入と脱離」にあります。ゲート電極にわずかな電圧パルスを加えると、電解質層の中のイオンが有機半導体チャネルの内部へと入り込みます（ドーピング）。イオンが浸入するとチャネルの電気伝導度（コンダクタンス）が変化します。反対向きの電圧を加えるとイオンが引き抜かれ、コンダクタンスは元に戻ります。

重要なのは、ゲート電圧を切った後も注入されたイオンがすぐには抜けずチャネル内にとどまるため、変化したコンダクタンスが維持される点です（コンダクタンス・メモリ特性）。つまり、OECTのコンダクタンスそのものが「数値を記憶するメモリ」として機能します。

この素子を縦横に並べた「クロスバーアレイ」回路を構成することで、人工知能の基本演算である「積和演算（掛け算と足し算）」が、物理法則に従って瞬時に完了します。

人工ニューラルネットワークの基本処理は、入力信号（x_1, x_2, \dots）にシナプスの結合重み（w_1, w_2, \dots）を掛け合わせ、その総和を求める演算（\sum x_i \cdot w_i）です。OECTアレイでは次のように物理的に計算されます。

• 掛け算（オームの法則：$I = V \times G$）：入力信号を「電圧（V）」として素子に印加します。素子のコンダクタンス（G）は事前に学習された「重み（w）」に設定されています。素子を流れる電流（I）は電圧とコンダクタンスの積となり、オームの法則によって掛け算が実行されます。
• 足し算（キルヒホッフの電流則：$\sum I$）：同一の出力配線に繋がれた多数のOECTから流れ出る電流は、配線の合流地点で自然に足し合わされます。

このように、アレイに電圧を入力するだけで、配線の末端から電流の合計値として積和演算の結果が瞬時に得られます。メモリとプロセッサ間のデータ転送が不要な「インメモリ積和演算」であるため、超低消費電力・低発熱でAIの推論が実行できます。

なお、同様のインメモリ計算素子として2端子の「メモリスタ」も知られていますが、書き込みと読み出しで同じ配線を使うため回路制御が複雑になりやすい課題があります。対して本研究のOECTはゲート電極が独立した3端子素子であるため、重みの書き込みと信号の読み出しを独立して精密に制御でき、微弱な生体電圧領域でも安定して動作する利点を備えています。

上の生成模式図では、研究対象の『材料と素子そのものが伸びる』ことを左に、OECTアレイによる入力・重み付け・電流の合算という計算の考え方を右に示しました。通常時と伸長時の網目は同じ柔らかなアレイの概念表現であり、硬いチップを蛇行配線でつないだアイランド・ブリッジ構造ではありません。拡大図は柔らかな電極、電解質、半導体チャネルが伸長に追従するという要点を示し、実際の製造断面や寸法を再現していません。右側は個々の素子の導電状態を重みとして入力に応じた電流を生じ、その電流を合算するインメモリ計算の概念です。

図中の素子の形や数、電流波形は説明用で、原論文の顕微鏡写真や実測回路図ではありません。研究では高密度の本質的伸縮性OECTアレイと計算タスクを実験室で実証していますが、センサー、電源、通信、封止をすべて備えた完成済みの臨床診断パッチを示すものではありません。

4. 実証された性能：心臓データを用いた波面推定とリスク評価

開発された伸縮性ニューロモルフィック回路の有効性は、提供されたヒト心臓組織由来のデータを用いた高度なタスクによって実証されました。

研究チームは、実際の電気生理マッピングデータやバイタルサインデータを用い、回路に2つの難関タスクを実行させました。

第1のタスクは、「心室細動（VF）の波面位置推定」です。 心室細動は心臓が無秩序に痙攣し、血液を送り出せなくなる致死性の不整脈です。心臓表面を旋回する電気的な興奮の波（波面）の位置を瞬時に特定することは治療において極めて重要ですが、そのパターンは複雑で時間変化も激しいものです。

研究チームは、波面位置を特定するニューラルネットワークの重みをOECTアレイに設定し、推論を行わせました。その結果、回路が平らな状態だけでなく、通常長の1.5倍超（50%以上の伸長ひずみ）まで引き伸ばされた変形状態においても、「99.6%」という極めて高い位置推定精度を維持することに成功しました。 一般に回路が引き伸ばされると配線抵抗の変化や素子間距離の広がりで特性が乱れますが、本技術では材料自体の安定性と、ニューロモルフィック回路が持つノイズ耐性（一部の素子の値が揺らいでも全体として正しい結果を出力する特性）が機能し、過酷な変形下でも高い推論精度を保ちました。

第2のタスクは、「心筋梗塞のリスク評価」です。 バイタルサインデータから被験者が心筋梗塞を起こすリスクの高低をリアルタイムに分類するタスクにおいて、本回路は「83.5%」の精度を達成しました。皮膚上で直接動作する伸縮性回路が、命に関わる疾患のリスクを8割以上の確度でスクリーニングできる可能性を示した意義は大きいと言えます。

ただし、これらの測定結果を理解する上で重要な前提条件があります。この99.6%や83.5%という数値は、あくまで「提供されたヒト心臓由来のデータセットを用いた特定の分類タスク」において測定された精度です。あらゆる種類の不整脈や多様な心疾患、臨床現場のノイズが混ざる診断全般に対して、そのまま適用できる万能の精度を保証するものではありません。限定された分類問題において原理的な有効性が実証されたという境界線を正しく把握しておく必要があります。

5. よくある誤解と実用化に向けた工学的課題

最先端のバイオエレクトロニクス研究に対しては、過剰な期待や誤解が生じやすいため、現実の到達点と課題を整理しておくことが重要です。

よくある誤解の第1は、「皮膚の上に人間の脳そのものが再現された」というものです。 本研究で実現されたのは、感情や思考を持つ自律的な知能ではありません。あくまで「行列とベクトルの積和演算を物理的に並列処理する」という、深層学習の特定の計算ブロックに特化した専用ハードウェアです。心電パターンの識別といった限定されたタスクを省電力で解くための回路であり、総合的な知能とは明確に異なります。

よくある誤解の第2は、「貼るだけで診断から治療まで行う完全一体型スマート心臓パッチが完成した」というものです。 本研究が実証したのは、システム全体のうち「柔軟に伸び縮みしながらAI計算を行う回路（プロセッサ部分）」です。日常的に使える完成品のスマートパッチを実現するには、以下の要素を1枚の柔軟なシート上に統合（システム統合）する必要があります。

• 生体表面の電位を捉える「伸縮性生体センサー」
• システムを駆動し続ける「伸縮性電源（超薄型バッテリーや発電素子）」
• 異常時に医師や端末へ通知する「超低消費電力の無線通信回路」

これらを干渉なく一体化する技術は、今後の研究開発課題です。

さらに、実験室のプロトタイプから実用機器へ進むためには、次の工学的障壁を克服しなければなりません。

• 機械的疲労耐性：日常動作によって皮膚は何万回と曲げ伸ばしを繰り返します。長期間の変形によって有機ポリマーの分子鎖が断裂しないか、電解質界面が剥離しないかという耐久性の検証が必要です。
• 柔軟な封止バリア技術：OECTの有機材料や電解質は、空気中の酸素や水分、汗に含まれる塩分・皮脂に敏感です。回路の伸縮性を妨げずにこれらを遮断する柔軟なバリア膜の開発が不可欠です。
• 長期装着時の生体適合性と皮膚刺激性：数日から数週間にわたり密着させた際の汗かぶれ等の皮膚刺激性や、日常動作に伴う多軸方向（斜めやねじれ）への複雑な繰り返し疲労試験における具体的な寿命サイクル値の解明は、原論文の主眼を超えた今後の重要課題として残されています。
• 大面積での量産性と歩留まり：実験室で1平方センチメートルのチップを慎重に試作することと、工場で欠陥なく安価に大量生産することは異なります。材料の均一塗布技術や検査手法の確立が求められます。

6. よくある質問（FAQ）

読者から寄せられやすい疑問について、Q&A形式で端的に回答します。

Q1: 「本質的伸縮性」回路は、曲がるスマホなどの「フレキシブル基板」と何が違いますか？ A1: 最大の違いは、「曲がるだけ（屈曲）」か「ゴムのように伸び縮みする（伸縮）」かです。従来のフレキシブル基板は薄いプラスチックの上に金属配線を載せたもので、丸めることはできますが、引き伸ばすと数パーセントの歪みで断線します。一方、本質的伸縮性回路は材料自体がゴム状の有機ポリマーで作られており、通常時の1.5倍（50%以上の伸長）に引っ張られても壊れずに電気を通し、元に戻ることができます。

Q2: 回路が引き伸ばされて変形しても、なぜ計算結果が狂わないのですか？ A2: 2つの理由があります。第1に、材料設計によって引き伸ばされても導電パスが維持される安定した電気特性を備えている点です。第2に、ニューロモルフィック回路は多数の素子が並列に協調して計算を行うため、個々の素子の特性にわずかな揺らぎが生じても全体としての判定が崩れにくい「ノイズ耐性」を本質的に持っているためです。

Q3: この技術が実用化されると、病院の心電計やスマートウォッチは不要になりますか？ A3: 不要になるのではなく、役割を分担して共存します。病院の大型心電計は精密な確定診断に用いられ、スマートウォッチは日常生活の総合情報端末として使われます。伸びるニューロモルフィック回路は、「皮膚に違和感なく密着し、電波の届かない場所でも24時間体制で心室細動などの突発的異常を即座に捉える」という、極限の常時監視用途で強みを発揮します。

結び

伸びるニューロモルフィック回路とは、素材自体が伸縮する有機電気化学トランジスタ（OECT）を高密度に集積し、脳型インメモリ積和演算を行うことで、皮膚の動きに追従しながら超低消費電力で生体信号を解析できる身体上エッジAI回路です。

提供ヒト心臓データを用いた実験では、1.5倍超の伸長変形下でも心室細動の波面位置を99.6%の精度で推定し、心筋梗塞リスクを83.5%の精度で評価できることが実証されました。

これは自律的な脳や完成品のスマートパッチが直ちに実現したことを意味するわけではなく、電源やセンサー、無線通信の統合、長期装着時の皮膚適合性や量産性の確立といった課題が残されています。それでも、硬い機械から脱却し、生体組織のようにしなやかに生命を見守る新しいバイオエレクトロニクスの未来に向けて、本研究は確かな基盤を築きました。