シリコン(Si)フォトニクスは、Si相補型金属酸化物半導体(CMOS)をベースに、またはそれに由来する、いわゆる「モア・タン・ムーア」技術の一つとして登場し、トランジスタのスケーリングよりもアプリケーションと多様性に重点を置いた技術である。多くの集積回路(IC)や通信企業は、学術界がSiフォトニクスにスポットライトを当ててから間もなく、10年以上もの間、Siフォトニクスに多額の投資を行ってきた。バイポーラCMOS(BiCMOS)用のSiGeエピタキシー、無線周波数IC(RFIC)用のシリコンオンインシュレーター(SOI)ウェハ、および部分的または完全に劣化したCMOS用のSiGeエピタキシーに関する広範な研究開発のおかげで、ほとんどのSiフォトニクスコンポーネントは、純粋なGeエピタキシーと関連するメタライゼーションプロセスを追加して、わずかに修正されたSOIプロセスを使用して製造することができる。

Siフォトニクスは、データセンターと長距離光ネットワークの両方のための大量の光トランシーバモジュールを可能にすることによって、商業化の初期の成功を達成した。

人々は、Siフォトニクスには限界があり、今後何年もの間、その熾烈なInP競争相手と共存する可能性があることを認識しているが、多くのIC、光学、通信企業がこの技術を採用しており、ここ数年で多くの製品がリリースされている。ファウンドリ側では、imec(ベルギー)、Institute of Microelectronics (IME)(シンガポール)、American Institute of Manufacturing (AIM) Photonics(米国)、Chinese Academy of Sciences-Institute of Microelectronics(中国)などのいくつかの研究・パイロット・ファブリケーション・ラインを皮切りに、多くの半導体ファウンドリがシリコン・ファウンドリをリリースしている。GlobalFoundries(米国カリフォルニア州サンタクララ)、STMicroelectronics(スイス・ジュネーブ)、TowerJazz(イスラエル・ミグダル・ハエメク)、Taiwan Semiconductor Manufacturing Company(TSMC)(台湾・新竹)、Advanced Micro Foundry(AMF)(シンガポール)など、多くの半導体ファウンドリーがSiフォトニクスの商用製品をリリースしている。

Siフォトニクスが光通信市場に参入し、大きなシェアを獲得したことで、設計やプロセスが成熟化・標準化し、それを可能にする光トランシーバ製品は、技術的な新規性よりも、製造性、コスト、歩留まり、サプライチェーンなどで競われるようになってきている。多くのSiフォトニクス研究者やスタートアップ企業は、光センシングなどの他のアプリケーションにも目を向けていますが、中でもLiDARセンサは、近年の自律走行市場の急成長により注目を集めている。

1. LiDAR 技術の概要

SiフォトニクスLiDARの詳細に飛び込む前に、この記事で使用されているいくつかの用語を明確にしておきたい。ここで説明する一般的なアプリケーションは3Dセンシングであり、2次元画像の深度マップから構築された点群データを用いてシーンの3次元情報を取得することです。現在、3Dセンシングは、干渉法、三角測量、ステレオビジョン、構造化光再構成、LiDARなどの様々なアプローチによって実現することができるが、これらに限定されるものではない。

LiDARは、反射から奥行き情報を計算するために、光波、多くの場合レーザー光を使用してシーンを照らすことに重点を置いている。多くのLiDARソリューションでは、距離計算に直接または間接飛行時間(ToF)を使用しているため、この2つの用語は時々入れ替えて使用される。LiDARの用語はレーダーからの造語で、その採用は地上マッピングなどの長距離アプリケーションから始まった。LiDAR用語は、自律運転などの比較的長距離のアプリケーションに関連付けられる傾向があるが、ToFカメラまたはToFセンサー用語は、顔認識や拡張現実などの短距離のアプリケーションでより一般的に使用されている。これらの用語の区別は、曖昧で恣意的なものかもしれない。本論文では、LiDARを光波を用いて深度マップを生成する3次元センシング手法の一群を指し、ToFを距離計算手法の一群に限定している。

2. 距離の計算方法

ダイレクトToFは、ターゲットによって反射された短い光パルスの移動時間から距離を計算します。これは簡単なアプローチであり、車載用LiDARでは圧倒的に最も広く使用されているアプローチです。自動車用アプリケーションでは数百メートルから、空中や地上のマッピングアプリケーションでは数十キロまでの長距離を測定できる。数ナノ秒から数十ナノ秒の短いパルス持続時間と高いピーク光出力により、高い環境光除去率を実現している。これは通常、高感度レシーバと組み合わせて使用されるため、Si CMOSベースのシングルフォトンアバランシェディテクタ(SPAD)が近年成熟してきており、大きな勢いを増している。光パルスの移動時間は、時間相関のあるガイアモード検出法や、早すぎるサンプリングの問題に対処するコインシデンス検出法によって計算することができる。

間接的ToFとは、特定の変調方式とサンプリング方式を用いた連続光波を用いたアプローチのグループを指す。振幅変調(AM)方式では、光波の振幅を、対応する変調周期が往復の移動時間より長くなるように周波数変調し、反射光の位相シフトから距離を計算するす。この手法は、AMCW、位相シフトToF、位相比較ToFと呼ばれることもある。反射光の位相シフトは、受信した光電流を直接サンプリングするか、または、より一般的には、ソース信号からπ(またはπ/2)ごとにシフトした同期化されたゲート期間内で光電流を積分することによって決定されます。後者の方法は本質的に復調処理であるため、ホモダイン間接ToFとも呼ばれている。一般的に、AM方式は変調周期に対応する曖昧さのない範囲が限られているが、曖昧な位相をアンラップするために2つ以上の変調周波数を使用することで範囲を拡張することができるす。また、より良い信号対雑音比(SNR)でビート周波数が生成されるように、変調周波数をより多くのステップでチャープすることもできる。これは、ステップ周波数(SF)と呼ばれることもあるが、後述する別のFMCWアプローチと混同しないように、周波数変調(FM)CWと呼ばれることも少なくない。

FMCWとは、光波の周波数チャープ、すなわち時間的に変化する波長を利用して、出射光と反射光を混合して生成されるビート周波数からの距離を計算する方式を指すことが多い。これは、基本的には、RFドメインで得られるものよりも優れたSNRを達成するために、低ノイズの光増幅器として、多くの場合、同じ光源からのローカル光発振器を使用する。したがって、それは、他のほとんどのアプローチよりも、所定の範囲のためにはるかに低い光パワーで動作することができる。一方で、それは、目標とする範囲内での良好な時間的コヒーレンスのための狭い線幅のレーザー、良好な線形チャープおよび受信システム、および信号処理のための要求の高い計算パワーを必要とする。これらの要件は、現在のところ、低コストのソリューションを困難にしている。

2.2. マッピング方法

視界マッピングの観点から見ると、メカニカルスキャニングとMEMS(Microelectromechanical system)ミラースキャニングは、マクロまたはマイクロの可動部を使用して光ビームを異なる方向に操舵するという共通の特徴を持っている。メカニカル・スキャニングは、エミッタ・サブシステムの全体または一部を1軸または2軸に沿って最大360°回転させ、1次元または2次元のシーンをスキャンする。スピニングが1次元をスキャンする場合、他の次元をマッピングするために、複数のエミッタおよびレシーバのペアを使用することができる。MEMSミラースキャンでは、光は1方向または2方向に振動するシリコンベースのマイクロミラーによって反射され、多くの場合、限られた偏向角度で反射される。

メカニカル・スキャニングは、最初に商業化された車載用LiDAR技術であり、現在の主流となっているが、スケーラビリティの低さ、コストの高さ、頻繁な再較正が批判されることが多い。MEMSスキャニングは、MEMSミラーが他の広く使用されているMEMSチップと同様にコスト削減の道筋をたどることができるため、低コストの代替技術としての可能性を提示している。MEMSミラーは、長い間、光学投射およびスイッチングアプリケーションに使用されてきたが、LiDARアプリケーション用のMEMSミラーには多くの新しい課題があり、その設計では、ミラーサイズ(ビーム発散のための)、偏向角度(ステアリングレンジのための)、およびミラー重量(フレームレートのための)の間の本質的なトレードオフのバランスを慎重にとらなければならない。多くの企業が、MEMSミラーベースのLiDAR製品の車載市場への導入に向けて熱心に取り組んでいる。多くの企業にとって大きな関心事であるMEMSミラーの自動車グレードの信頼性については、執筆時点で実地試験が行われている。機械的スキャンとMEMSスキャンの両方とも、高い光学パワーを扱うことができるため、数百メートルの距離で数十~数百ワットのピークパワーを持つパルスToFのためには、どちらも人気のある選択肢となっている。機械的にスキャンされたマルチチャンネルダイレクトToF製品は、すでに2017年から高級乗用車のADASに採用されている。多くのロボット車両で、そして自律テスト車両のフリートでも採用されている。

マッピングのもう一つの方法は、カメラレンズシステムとSPADまたはフォトダイオード(PD)ベースの深度センサピクセルのアレイでシーンを撮像することである。これは真のソリッドステート・アプローチであり、コンセプトが簡単で、成熟したカメラ・エコシステムのサポートを受けている。このアプローチと間接的な位相シフトToFを組み合わせたToFカメラは、最近、人工現実(AR)などのアプリケーションのためにスマートフォン市場に浸透している。自動車や民生用3Dセンシングのほとんどのアプリケーションでは、少なくとも1次元で数百以上の画素が必要とされている。良好なSNR及び/又は画素単位のToF読み出し回路のための大きな画素面積の要求は、現在、画素サイズを約10〜20μmに制限しており、これは今日のカラーカメラセンサの画素サイズよりも桁違いに大きい。

それにもかかわらず、当業界では、自動車用LiDAR企業がそのようないわゆるフラッシュLiDARを展開することを可能にするために、センサ技術を継続的に改善している。自動車アプリケーションでは、このようなイメージングアプローチは、各ピクセルで十分な反射光を用いて遠距離のシーン全体を照らす必要があるため、高いピーク光パワーを必要とする。このような場合、目の安全の要件を満たすためには、ナノ秒の超短パルスを使用しなければならない。

光フェーズドアレイ(OPA)アプローチは、シーンマッピングのためのもう一つの真の固体方法だ。これは一般的に位相調整可能なアンテナの配列を使用して出力ビームの形状を形成し、その方向を舵取りするフェーズドアレイレーダーに似ているが、その代わりに光学周波数で動作します。理論的には、多数のアンテナがあれば、OPAはレンズシステムなしで任意のビーム形状を生成し、2次元でビームを操舵することができる。しかし、実際には、設計の複雑さ、消費電力、コストの問題から、位相シフターやアンテナの数が制限され、光学性能が制限されてしまうことがよくある。OPAは多数の光学素子で構成されているため、このような複雑な光学系を低コストでチップ上で製造できるSiフォトニクスの台頭に伴い、注目されるようになってきた。

3. LiDAR用Siフォトニクス

Siフォトニクスは、集積フォトニクスの一種であり、多くの場合、シングルチップ上に1つ以上の光学素子や機能をモノリシックに集積することを意味する。最初の商業的に成功した統合フォトニクス製品は、外部変調レーザまたは電気吸収変調レーザの略であるInPベースのEMLであろう。これは1980年代後半に開発され、約10年後に商業化され、現在では多くの通信アプリケーションで広く使用されている。Siフォトニクスの台頭は、アプリケーションだけでなく、集積規模の面でもフォトニクス集積化のペースを大幅に加速させている。

Siフォトニクスの背後にあるシンプルなアイデアは、多くのディスクリート光学部品で構成された複雑なフリースペース光学系を、Siプラットフォーム上のチップスケールのソリューションに置き換えることである。先に述べたマッピングアプローチの中で、Siフォトニクスの利点を最大限に生かすには、OPAが最も適していると思われる。OPA の概念は新しいものではなく、1990 年代初頭に液晶などの電気光学媒体を用いてチップスケールのOPA 研究が開始されたが、商業的な成功には至らなかった。Si フォトニクスの研究者や起業家の助けを借りて、OPA の採用が再開された。

OPA以外にも、SiフォトニクスはLiDARシステムにも応用できる可能性がある。FMCW法は、物体から反射された光信号に局所的な光振動子を混合するためのコヒーレント受信機を必要とする。これは、長距離光ネットワークで広く使われている位相シフトキーイング(PSK)コヒーレント受信機とほぼ同じである。このようなPSKコヒーレント受光器の製造にSiフォトニクスが採用され、市場シェアを拡大している。

参考文献

Sun X, Zhang L, Zhang Q, Zhang W. Si Photonics for Practical LiDAR Solutions. Applied Sciences. 2019; 9(20):4225. https://doi.org/10.3390/app9204225

Image by Aeva.

Special thanks to supporters !

Shogo Otani, 林祐輔, 鈴木卓也, Mayumi Nakamura, Kinoco, Masatoshi Yokota, Yohei Onishi, Tomochika Hara, 秋元 善次, Satoshi Takeda, Ken Manabe, Yasuhiro Hatabe, 4383, lostworld, ogawaa1218, txpyr12, shimon8470, tokyo_h, kkawakami, nakamatchy, wslash, TS, ikebukurou, 太郎.

月額制サポーター

Axionは吉田が2年無給で、1年が高校生アルバイトの賃金で進めている「慈善活動」です。有料購読型アプリへと成長するプランがあります。コーヒー代のご支援をお願いします。個人で投資を検討の方はTwitter(@taxiyoshida)までご連絡ください。

デジタル経済メディアAxionを支援しよう
Axionはテクノロジー×経済の最先端情報を提供する次世代メディアです。経験豊富なプロによる徹底的な調査と分析によって信頼度の高い情報を提供しています。投資家、金融業界人、スタートアップ関係者、テクノロジー企業にお勤めの方、政策立案者が主要読者。運営の持続可能性を担保するため支援を募っています。
Takushi Yoshida is creating writing/journalism | Patreon
Patreon is a membership platform that makes it easy for artists and creators to get paid. Join over 200,000 creators earning salaries from over 6 million monthly patrons.

投げ銭

投げ銭はこちらから。金額を入力してお好きな額をサポートしてください。

https://paypal.me/axionyoshi?locale.x=ja_JP