2026/06/24 8:21

進化したファミリーコンピュータ（ANES）── 2つのPPUを使用するために改変されたNES

RSS: https://news.ycombinator.com/rss

要約▶

Japanese Translation:

このレポジトリは、Nintendo Entertainment System（NES）を 2 つのプログラム可能ビデオプロセッサ（PPU）に対応させるためのガイドの詳細を提供しています。この改修により、拡張カラーパレット、より多数のスプライト、滑らかなパララックススクロールなどの機能が可能になります。この改修には、ドナーコンソールから特定の部品を調達する必要があり、RP2C02 プロセッサ、74LS373 ロジックチップ、74LS139 デミultiplexa、AS6C64-55PCN ステートRAM が含まれます。作成者は、6x8cm のプロトタイプボードを使用してカスタムデュアルPPU回路基板を構築する必要があります。これは、拡張ポートとの干渉を避けるためにコンデンサの位置を変更する作業を含む可能性があります。インストールプロセスには、2 つのコンソールから重要なチップを脱ハンダリングし、元々の PPU の場所に 20 ピン Female ピンヘッダーを取り付けること、そしてデミultiplexer ソケットを CPU アドレスライン A12 と PPU シグナルに接続するハンダ付けジャンパーワイヤーを含むカスタム基板の慎重な組み立てが含まれます。物理的な組み立て前にデュアルPPU の概念を安全にテストするために、愛好家は decrazyo/Mesen2、decrazyo/dual-ppu-demo、VinglesSmi/DualPPUTest などの関連 GitHub プロジェクトを利用できます。このプロジェクトは、エミュレーションツールと詳細な構築手順の両方に対応する専用のオープンソースエコシステムに依存しています。

本文

NEC 互換 NES のデュアル・PPU モジュール搭載ガイド

本リポジトリでは、NEC 互換ファミリーコンピュータ（NES）に 2 個の PPU（パレット・プロセッサユニット） を追加して高度なグラフィック機能を付与する手順を解説します。このモジュールを実際に組み立てることは希であり、ドキュメントに若干雑所がある可能性があります。改変なしでコンセプトを試す場合は、Mesen2 用の修正版フォークをご参照ください。実演デモの詳細は「関連プロジェクト」セクションをご覧ください。

主要機能

カラー表現の増大：より多くの色を表示可能に。
スプライト容量の増加：描画可能なオブジェクト数が拡大。
パララックススクロール対応：背景と前景を独立してスクロールする機能を実装。

回路図情報

詳細なハードウェア配列図は、

hardware

ディレクトリにあります。

path/to/repo/hardware/

必要な部品

作業には、改変対象の本体と部品を供給するドナーコンソールの計 2 台 が必須です。

数量	ロケーション	型番	説明
2	U1, U2	RP2C02	両方のコンソールから取り外した PPU
1	U3	AS6C6264-55PCN	PPU2 用のスタティック RAM（SRAM）
1	U4	74LS373	ドナーコンソールから取り外したアドレスラッチ回路
1	U5	74LS139	ドナーコンソールから取り外したデマルチプレクサ回路
1	U1 (ソケット用)	EMS-26405	PPU1 用 40 ピンワイヤラップソケット
2	J1	-	ワイヤラップソケットを挿受けるための 20 ピンメスピンヘッダー×2
1	U5/J3 (ソCKET 用)	-	74LS139 用の 16 ピンソケット
4	RN1	-	10KΩ / 1/4W プルダウニング抵抗（外部接続用）×4
1	PCB	-	6x8cm プロトタイプ基板（ブレッドボード様式）
1 (オプション)	U2 (ソケット用)	-	PPU2 用の 40 ピンソケット
1 (オプション)	U3 (ソケット用)	-	AS6C6264-55PCN 用の 28 ピンソケット
1 (オプション)	U4 (ソケット用)	-	74LS373 用の 20 ピンソケット

組み立て手順

1. プロトタイプ基板の切り出し

「必要とする部品」セクションに記載の 6x8cm の基板は、拡張ポートと干渉する可能性があるため、適宜切り出す必要があります。

2. 部品のハンダ取り外し

以下のチップをそれぞれハンダで外してください。

改変対象本体：U5（RP2C02）を取り外す。
ドナーコンソール：
- U2（74LS373）を取り外す。
- U3（74LS139）を取り外す。

3. コンデンサの移動

デュアル・PPU ブォードの設置場所を塞ぐ可能性のあるコンデンサについて、以下のいずれかを行ってください。

平らに折り曲げる
マザーボードの反対側に移設する

4. ヘッダーのハンダ付け

かつて PPU が搭載されていた箇所に、準備したものをハンダ付けします。

位置：PPU モジュール搭載場所×2
部品：20 ピン メスピンヘッダー × 2

5. デマルチプレクサ回路の実装

既存の回路構成を変更し、新しいデマルチプレクサを実装します。

ソケット準備：
- 16 ピンの IC ソケットから、ピンのうち 6, 7, 9〜15 の計 9 カ所をハンダで外す。
- 残りのピン 2, 3, 4, 5 を水平方向に曲げる。
設置と接続：
- 上記ソケットを、コンソールの既存の U5（74LS139）の上面に取り付ける。
- 残されたピン 1, 8, 16 をハンダ付けする。
ジャンパー線による配線：
- ソケットピン 2 から CPU アドレス線 A12 へ接続。
- ソケットピン 3 から既存の 74LS139（U5）ピン 5 へ接続。
- ソケットピン 4 と 5 から、それぞれ PPU1 および PPU2 の /CE（チップエーブル） 端子へ接続。
IC 装着：
- ドナーコンソールから外した 74LS139 をこのソケットに装着する。

6. デュアル・PPU ブォードの組み立て

提供された回路図と写真に従って、デュアル・PPU ブォードを組立ててください。

⚠️ 注意: ハンダ付け作業には細心の注意を払ってください。くれぐれもお気をつけください。

7. デュアル・PPU ブォードの取り付け

組立上がったブォードを、前手順でハンダ付けした メスピンヘッダー に挿入してください。これで完了です。

同じ日のほかのニュース

一覧に戻る →

2026/06/26 6:44

「パスポート查验」の時代におけるインターネットはあなたのプライバシーを破壊する

## Japanese Translation: **：16歳未満に対するオーストラリアの新しいSNS禁止措置は、2025年12月に施行されるものの、アクセスの大幅な抑制には至っておらず、調査では制限があるにもかかわらず退会せずにプラットフォームを利用し続ける子供が約70％いることが示されています。この法律は、主に学校の授業時間外におけるインターネット利用において機器の使用自体が禁止されている場合に適用され、年齢確認が不十分であることを踏まえ、退会を強制します。コンプライアンスの確保のために生体情報や政府発行の身分証の収集を義務付けていますが、曖昧なガイダンスにより、機密情報の過剰収集が生じ、結果としてオーストラリア人の個人データを約7万人に及ぶ大規模な漏洩を引き起こしました。連邦法に従うために当局は、シンガポール拠点の k-ID を含む第三者による検証ツールを利用しており、オーストラリアを同様の禁止措置を採用する英国、EU およびその他の国々に見られる世界的な潮流に合わせることになりました。高い回避率への対応として、公式は VPN の使用に対する「年齢制限ゲート」を導入を検討しています。しかし、これら厳格な対策には重大な欠点があり、広範な生体情報による検査を通じてオーストラリアが中国やイランと類似した権威主義的な監視モデルを採用するリスクがあります。結論として、未成年者を中毒性の高いフィードや成人向けコンテンツから守ろうとする一方、現在のアプローチはオンライン上の匿名性を脅かし、将来的なプライバシー侵害の可能性を増大させており、米国における各州レベルでの取り組みの違いに反映されるこの懸念も、連邦レベルの法案である「キッズ・オンライン・セーフティ法（KOSA）」を含む案にも見られます。

2026/06/26 0:48

エルコラネオの巻物が初めて全文解読された

## 日本語翻訳： 2026年6月25日、研究者は物理的に切断することなくシールされたエルコーラネオムの巻物PHerc. 1667のギリシャ語原文を仮想的に解開し、完全に読み解くという画期的成果を達成した。これらの炭化した巻物は過去2000年間、ヴェスビオ火山（西暦79年）の噴火から生き残ったのは、外層を開けるには極めて脆くなってしまったからである。19世紀、1969年および1980年代に行った以前の試みでは外層が損傷し、元の高さが19〜24cmあった中で、保存状態を保っていたのは高さわずか8cmの内核のみであった。ヨーロッパシンクロトロン放射施設（ESRF）で実施された高分解能位相コントラストX線マイクロCT走査により、チームは巻物の幾何学的形状を再構成し、表面をデジタル的に平坦化し、機械学習を用いて微弱なインクの痕跡を回復させた。この非侵襲的アプローチにより、1.4メートルの完全な記述面上に存在する約22コラム分のテキストが成功裏に解読された。ブレント・シールス教授によるエデュクレボラブの研究成果や、ヴェスビウスチャレンジチーム（元参加者を含む）に基づくこの研究では、PHerc. 1667には紀元前2世紀のもう一人のアリストクロン（クリッソッポスの甥）に帰属する道徳哲学に関する論説が含まれていることが明らかとなった。また、巻物1（PHerc. パリ4）やPHerc. 139など、他の巻物も読めることが確認され、タイトルへの帰属のために改良されたものもある（例えばフィルデモスの『神について』第8巻）。この拡張可能な手法は、脆弱な状態を保ちつつシールされたパピルスが完全に解読可能であることを証明し、古代のストア派およびエピックュレオス主義者の哲学、詩、プロザを含む数百の残存巻物へのアクセスを可能にした。scrollprize.org/data において、すべてのデータ、テキスト転写、コード（GitHub）、再構成された表面をオープンなクリエイティブ・コモンズライセンスの下で公開することで、このプロジェクトは代替不可能なこれらの遺物が新たな研究のために利用可能であり続ける一方で、さらなる損傷を引き起こさずアクセスできることを確保している。

2026/06/26 5:50

Un-0：結合振動子による画像生成

## Japanese Translation: Unconventional AI による Un-0 プロジェクトは、エネルギーを大量に消費する GPU 深層学習から、結合振子を用いた物理学に基づく計算への画期的な転換点を示しています。2026 年 6 月 25 日にリリースされ、このアプローチは従来のニューラルネットワークに依存せず、常微分方程式（ODE）を解くことで、およそ 1,000 倍のエネルギー効率を実現します。アーキテクチャは学習可能な振子パラメータ——具体的には Kuramoto フレームワーク内の結合強度と固有周波数——を活用し、明示的なオイラー積分スキームを使用してエンドツーエンドで訓練を行います。パフォーマンスに関しては、ImageNet 64×64 モデル（Un-0.n16384）は FID スコア 6.74 を達成しました。この品質は DCGAN や BigGAN などの初期の従来型ジェネレーターと重なるものの、現在では EDM のような最新の最先端モデルには及びません。アブレーションの結果は、訓練されたダイナミクスが多様性と汎化能力を維持し、低パラメータの従来型デコーダーが画像の忠実度を担当することを確認しています。CIFAR-10 および ImageNet での訓練において、最大のモデル（学習可能なパラメータ 322.44M、6.21M パラメータのデコーダーを含む）には 640 B200 GPU アワーが使用されました。オープンソースツールのうち、重みおよびスクリプトも利用可能で、研究の促進に役立ちます。今後の展望として、チームは高度なアルゴリズムによって残りの品質ギャップを埋め、CMOS チップなどの物理ハードウェアでの展開に向けて準備を進める計画です。これは AI のエネルギー消費を大幅に削減することによって持続可能な未来を約束します。 ## Text to translate: The Un-0 project by Unconventional AI marks a pivotal shift from energy-intensive GPU deep learning to physics-based computation using coupled oscillators. On release on June 25, 2026, this approach achieves roughly 1,000 times better energy efficiency by solving Ordinary Differential Equations (ODEs) rather than relying on traditional neural networks. The architecture leverages learnable oscillator parameters—specifically coupling strengths and natural frequencies within a Kuramoto framework—and trains end-to-end using an explicit Euler integration scheme. Regarding performance, the ImageNet 64×64 model (Un-0.n16384) achieves an FID score of 6.74. While this quality overlaps with early conventional generators like DCGAN or BigGAN, it currently trails modern state-of-the-art models like EDM. Ablation results confirm that the trained dynamics preserve diversity and generalization, while a low-parameter conventional decoder handles image fidelity. Training on CIFAR-10 and ImageNet used 640 B200 GPU-hours for the largest model, which includes 322.44M trainable parameters and a 6.21M parameter decoder. Open-source tools, including weights and scripts, are available to accelerate research. Looking ahead, the team plans to close the remaining quality gap through advanced algorithms and prepare for deployment on physical hardware like CMOS chips, promising a sustainable future for AI by drastically reducing energy consumption.