技術ノート:自宅で独自にV-I特性曲を作成する

2026/07/18 5:10

技術ノート:自宅で独自にV-I特性曲を作成する

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

要約

Japanese Translation:

『回路の秘めた生活』の核心メッセージは、実在する電子部品が理想化された教科書モデルとは異なる振る舞いを示すという事実である。この真実は、石英結晶や電池の放電曲線、コアクライブにおける信号の反射、真空管、半導体デバイスにわたる実際の実験データを基にした約 290 のオリジナルイラストレーションによって明らかにされる。微小な電流や熱的なドリフトといった繊細な振る舞いを捉えるため、著者は標準的なオシロスコープを避け、代わりにラップトッブの専用技術を採用した:ラボサプライからパルス電力を供給し、デバイスを非導電性ミネラルオイルに浸漬して冷却する。儀器インターフェースは RS-232 またはイーサネット(TCP ポート 5025)を介した SCPI コマンドに依存し、デバイス識別(

*IDN?
)や電圧測定(
MEAS:VOLT?
)などの例が含まれる。

ラップトッブ電源の初期制御は、リモート機能の欠如によって制限されていたため、およそ 9,000 ドル相当の MSRP で Rohde & Schwarz NGU41 SMU(ソース・メジャーユニット)を購入することになった。この SMU の FastLog モードは、イーサネットを介してバイナリ 4 バイトフロート形式の高速度データストリーミング(100–500k サンプリング/秒)を可能にし、シリアルオーバーUSB インターフェースで一般的であるデータ破損の問題を解消した。C 実装はこの機能を利用して、1N4148 ダイオードの V-I 曲線を捉えた:低電流では 2,500 点平均化し、高電流では電力を循環させて測定した。得られたデータは、ダイオードの指数関数的電流-電圧関係が 10 mA 近辺で抵抗性基板効果の影響により理想化から乖離することを示している。同様に BS170 MOSFET のプロットでは 60 V の破壊電圧が観測され、理論が予測する鋭い垂直遷移ではなく、現実は壊れるまでの段階的な電圧上昇を示した。SMU の 20 V 上限を超えて測定するためには浮遊電源を直列に追加したが、デバイス加熱の問題はパルスを 5 ms に切り替え、データロギングを 2.5 秒平均化する事によって解決された。結局、これらの知見はエンジニアに対して実用的な部品の限界に関する正確な洞察を提供し、理想化されたシミュレーションを超えて物理的電子の現実の複雑さを反映する。

本文

『回路の秘密生活』で追求した「実在感ある」回路図の実験記

最新刊『回路の秘密生活』において、私は作品の実在感を最重要視しています。従来の電子工学教科書やオンラインチュートリアルに見られる多くの回路図は、「偽物」と言わざるを得ません。それらは古文献の手書き模写か、記憶からのスケッチに過ぎないからです。

本書には約 290 点のオリジナル図像が含まれており、類型的なデータを避け、すべての情報を** painstaking(細心の注意を払って)に収集**しました。

データ収集の困難さ:パラメータ曲線

ダイオードの電圧−電流特性曲線など、大半の図は撮影による直感的アプローチでしたが、半導体素子の V-I 関係可視化は容易ではなかったのです。

  • 計測限界の問題
    • 曲線の特定領域では、一般的なオシロスコープでも測定不可能な微小電流が必要になります。
    • 逆に他の領域では電流が急増し、直ちに装置から「魔法の煙」が出ます。
  • 温度ドリフトの影響
    • 半導体接合部の特性は温度変化で変動します。これは 1 mA の低電流でも自己発熱により生じます。
    • オシロスコープ画面を見ているだけで、測定点がゆっくりとずれていく現象を目撃しました。

計測環境の改良:SMU(ソース・メジャーユニット)への移行

これらの問題に対処するため、オシロスコープを撤去し、以下の構成へ切り替えました。

  • マルチメーター(DMM):微アンペアやマイクロボルトまで容易に測定可能。
  • パルス駆動電源:加熱によるドリフトを抑えるため、被検体を導電性のない液体(ミネラルオイルなど)中に浸して冷却しました。

完全な自動化のためにはコンピューター接続が不可欠です。多くのベンチトップ機器は SCPI (Standard Commands for Programmable Instruments) というテキストベースのプロトコルをサポートしています。

  • 利用可能なインターフェース
    • RS-232 シリアル
    • USB Type B(プリンターポート)
    • イーサネット TCP コネクション(通常ポート 5025)

SCPI プロトコルの概要

SCPI はコマンドとクエリを使用します。

タイプ機能
クエリ
*IDN?\n
製造元、モデル名などの識別情報を返す。
MEAS:VOLT?\n
現在の電圧读数を返す。
コマンド
SOUR:VOLT 1.2
電圧を 1.2 V に設定(レスポンスなし)。
OUTP 1
出力チャネル 1 をオンにする。

当初は SCPI 対応のマルチメーターと非遠隔制御の電源のみでしたが、プロセスの半分が手動という辟易した状況から、SMU(電源と DMM の組み合わせ) を購入することになりました。

  • 採用した機器: Rohde & Schwarz NGU401
    • 新品価格は $9,000 などと破格ですが、中古市場での需要は低く、交渉で安く入手可能です。
  • 利用モード: FastLog (データストリーミング)
    • API を通じて 毎秒 10 万〜50 万分のサンプリングレートが可能。
    • データはバイナリ形式の 4 バイト浮動小数点で送信されます。

注意: ニッチな機能ゆえに文書通り動作しないことがあります。USB シリアル経由ではデータ破損が起きたため、最終的にイーサネット経由での利用が可能になりました。

ダイオードの実在する V-I 曲線(1N4148)

C 言語実装により、順方向バイアス付けされたダイオードの V-I 曲線をキャプチャしました。

  • 測定設定: FastLog を 10 ksps で使用。
    • 低電流時 (< 0.3 mA): 電源をオンにしたまま、2,500 点データを平均化してノイズを除去。
    • 高電流時: 電源を 5 ms サイクルでオンにし、FastLog バッファから最も良質な 20 サンプルを平均化。

測定範囲と特性の乖離

  • 未編集データにより、微アンペア〜ほぼ 2 Aの範囲を容易にカバーしました(実際には 4 A まで可能)。
  • 理想モデル vs. 実測値:
    • 教科書的な「指数関数的な関係」は、ごく modest な電流領域のみで成立します。
    • 10 mA 近傍ではこの性質が崩れ始めます(右側の log-電流プロット参照)。
    • 曲線は、初期の理想的な指数曲線から乖離しており、これは半導体基板内の抵抗効果によるものです。
    • これこそが、教科書の「理想化されたモデル」ではなく「実在するプロット」を持つべき理由の一つです。

トランジスタ・MOSFET の特性と崩壊領域(BS170)

同様のアプローチをトランジスタにも適用し、小型 MOSFET (BS170) の drain-source 電圧に対する許容電流プロットを取得しました。

  • 通常動作域: トランジスタはほぼ一定電流装置として振る舞います。
    • 電流制限は gate-source 電圧(VGS)で調整されます。
    • VDS が 1 V から 10 V に変化する間、電流変動は 10% 未満です。

崩壊領域の「理想化」された描き方の誤謬

  • 仕様上の定義: 崩壊電圧は通常 60 V と指定され、教科書では急激な垂直遷移として描かれます。
    • しかし実際にはよりニュアンスに富みます。
  • 実測された挙動:
    • VGS = 0 V の場合: ダイオード様の振る舞いを示します(理想の急峻な崩壊は得られない)。
    • 実用的な VGS を供給する場合: 危険領域への移行は緩やかですが、60 V に至る前に既に問題に直面することがあります。

測定上の工夫: SMU の出力制限が 20 V だったため、SMU に直列の浮遊電源を追加し、電圧スパンを縫合しました。 しかしこれにより、SMU がアイドル時にも被検体に電圧がかかり、トランジスタを加熱・破壊するリスクが生じました。

最終的な測定手法の工夫

上記の問題(過熱・破壊)を解決するため、以下のバリアントを実装しました。

  1. パルス駆動への移行
    • 固定の VGS から、低デューティサイクルでの5 ミリ秒パルスへ変更。
  2. データ処理の最適化
    • データロギングコードを改修。
    • 約 2.5 秒間連続サンプリングし、最良の結果を平均化。
    • 次に電圧セットポイントへ移動するサイクル化。

この手法により、教科書的な「崩壊曲線」ではなく、実在する半導体素子の複雑でニュアンスに富んだ特性を正確に捉えることができました。

同じ日のほかのニュース

一覧に戻る →

2026/07/15 4:25

500kb以下のサイズで実装可能な音声認識とTTS

## Japanese Translation: 最も重要な教訓は、Moonshine Micro が極めて低コストのハードウェア、具体的には 80 セントの Raspberry Pi RP2350 マイコン上で高度な音声機能を実現することを通じて、先進的な AI を民主化することにあります。このオープンソース・ツールキットは、音声認識やニューラルテキスト読み上げといった洗練されたタスクが最小限のリソースで効率的に動作することを証明しており、SRAM は約 470 KB(468 KiB)、フラッシュメモリは約 3.6 MiB を使用し、全体としての分類から発声までのエンドツーエンドのサイクルを約 0.7〜1.0 セコンドという迅速な速度で達成しています。TensorFlow Lite Micro ライブラリを活用することで、システムは VAD(音声活動検出)、STT(音声認識)、カスタム単語認識、ニューラルテキスト読み上げ、ネットワーク対応エージェント向けの WiFi 設定といった主要機能をサポートしながら、計算要件をコンポーネントごとに分解しており、それぞれ VAD で約 0.8 MMAC/frame、STT で約 36 MMAC/s、TTS で最大 65 MMAC/s の性能を発揮します。すべてのコアコードとモデル(SpellingCNN および TinyVadCNN を含む)は、制限的な知的財産の障壁なく商用展開を可能にする寛容な MIT ライセンスの下で公開されています。現在の実施可能な機能を超えて、このプラットフォームは IoT プロジェクトへの参入障rier を大幅に低下させる標準化されたベンチマーク点として機能し、安価かつオープンソースの AI ソリューションの業界全体での採用を促進します。

2026/07/19 6:45

ハードコア・インディーウェブ:1 日わずか 0.01 ドルで、あなたのサイトを 100% 独立して運用する方法

## Japanese Translation: この記事は、複雑なサードパーティ製のデータベースやフレームワークを拒否し、個人ウェブコンテンツの完全な所有権を取り戻すことを目的とした「ハードコア・インディエブ」運動を称賛する。高額でサブスクリプション型のプラットフォームに依存し、ユーザーを引き留めるのではなく、データをローカルに保存し、単純なプレーン HTML ファイルを公開することで、真の自律性を確立する。核心的なメッセージは、単なる 3 つの基本ツールのみで真の自立が可能であるという点にある:投稿を書くためのテキストエディタ、アップロードするためのファイル転送ユーティリティ、そして月額わずか 0.25 ドルから利用可能な按分課金の安価なウェブホスティングである。 この方法論は、著者がサイト構造を手動で管理し、不透明なシステムに支配を委ねることなく、1990 年代のウェブ公開の簡素さを意図的に模倣している。各投稿に対して個別の HTML ファイルを使用し、フィードも手動で扱うことで、ユーザーは各エントリの独自のスタイルをカスタマイズしながら、完全な自律性を維持することができる。最も大きな利点はポータビリティであり、ホスティングプロバイダーが消滅した場合でも、所有者はそのサイトをデータ損失や移行手数料なしに瞬時に他場所へ移動できる。本文は、このデジタル自律性への回帰を実施するに関する支援とさらにの議論のために、オミグ・ドット・ロール (omg.lol) のコミュニティに参加することを愛好家たちに呼びかけて締めくくる。

2026/07/18 22:00

GPT-5.6 はプロンプトを用いて、凸最適化分野における30年間の空白を解消した

## Japanese Translation: GPT 5.6 Sol Pro は、凸最適化における画期的な定理を正式に証明し、特定の精度レベルにおける次元依存性に対する必要な二次の下界を示すことで、30年にわたる空白を解決した。この画期的な成果は、以前の方法が示していた上界と理論的に達成可能なものとの間に存在した長年の乖離を閉じるものであり、OpenAI の CDC プロンプティング手法を適用し、新しい数学的手法を導入するのではなく、既存の凸幾何学の理論的手法を成功裏に活用している。1996 年以来、Protasov アルゴリズムは上界として O(d²) の評価数を確立したが、下界は線形の Ω(d) で留まっていた。GPT 5.6 は、d⁻³ の精度達成には確かに O(d²) の評価数が必要であることを示し(当初はより厳密な d⁻⁴ の要件のために構成された)、これによりこれらの境界を同じ位数に揃えた。この結果は、応用数学博士号を保有する UC Berkeley 教授による著者の手により Lean で正式に検証されたものであり、それ以前のもっともーデル(GPT-5.4 および GPT-5.5)を用いた一連の試みでは成功しなかったため、1 年にわたる努力の結果である。この成果は、現代の AI が既存の枠組みを使用して複雑な理論的問題を解決する能力を確認するものである。本結果はいまだピアレビューを経ておらず、著者によって GitHub/ArXiv にホストされているため、形式的な検証が直ちに次のステップとなる。したがって、この分野は、現在の漸進的な技術で達成可能な問題から離れ、新たなアプローチを必要とする深い構造的課題へと焦点をシフトする可能性がある。

技術ノート:自宅で独自にV-I特性曲を作成する | そっか~ニュース