トムソン・ロイター、ノーベル賞受賞候補者24名を発表

　

　トムソン・ロイターは9月21日、10月3日から予定されているノーベル賞受賞者の発表者に先駆け、同社の学術文献引用データベース「Web of Science」を元に、論文がどの程度引用され、学術界にインパクトを与えたのかなどを考慮した「ノーベル賞有力候補者(トムソン・ロイター引用栄誉章)」を発表した。

　同賞は同社が1970年代から不定期に行ってきた文献の引用数の定量計測を元に、2002年以降、毎年定期的に発表してきたもので、今回、新たに有力候補として加えられた研究者は「医学・生理学」で4トピック8名 、「物理学」で3トピック6名、「化学」で3トピック5名、「経済学」で3トピック5名の合計24名。その内、日本からは物理学分野で東北大学 電気通信研究所・教授、同大 省エネルギー・スピントロニクス集積化システムセンター・センター長の大野英男氏が選出された。

　医学・生理学分野のノーベル賞有力候補者

　物理学分野のノーベル賞有力候補者

　化学分野のノーベル賞有力候補者

　経済学分野のノーベル賞有力候補者

　同候補の選定基準は、過去20年以上にわたる学術論文の被引用件数に基づいて、各分野の上位0.1%にランクインする研究者となっており、主なノーベル賞分野における総被引用数とハイインパクト論文(各分野において最も引用されたトップ200論文)の数を調査し、ノーベル委員会が注目すると考えられるカテゴリ(物理学、化学、医学・生理学、経済学)に振り分け、各分野で注目すべき研究領域の候補者を決定するというもの。

　候補者は毎年選出されるが、選出された研究者は候補者の1人として翌年以降も繰り越してリストアップされていく方式であり、2002年から2011年までの間に、今回の大野教授を含めると日本人だけでも13名が候補者に名を連ねている(内2名は故人)。全世界の候補者は138名で、この内17名が実際にノーベル賞を受賞しているが、同社ではこの138:17という比率に意味があるのではない、実際に化学分野の研究者だけでもデータベースには約70万人登録されており、候補者にリストアップされる可能性があるのはその内のトップ0.1%だが、それでも700名も居り、そこからノーベル賞の受賞トレンドや受賞者の地域性などを加味して搾っていっており、そうした周辺要因まで含め、ノーベル賞の選考委員とどの程度、思惑が近づけているのか、という点が問題になってくると説明している。

　2002～2011年にトムソン・ロイターが発表した日本人のノーベル賞候補者

　トムソン・ロイターが予測し、ノーベル賞を実際に受賞した研究者(2002年からの定期化した予測は赤色で表示。黒字はその他リリースや雑誌などで発表したもの)

　今回の24名が所属する研究機関の地域は、米国が18名、オーストラリア2名、フランス2名、オーストリア、カナダ、ドイツ、サウジアラビア、日本が各1名となっている(重複有り)。

　今回の大野教授の選出は、1996年に発行された「希薄磁性半導体における強磁性の特性と制御に関する研究(for contributions to ferromagnetism in diluted magnetic semiconductors)」という論文を中心に、引用件数が長年にわたり、高い水準を維持していること。論文タイトルだけではなんのことだか分かりづらいが、次世代エレクトロニクス技術として期待が高まっているスピントロニクスの基礎を構築した、とでも言えばお分かりいただけるだろうか。実際、スピントロニクスに関連する何らかの知見は、国内だけでもどこかの大学もしくは研究機関から最近では毎週のように発表されている。

　そうした盛んな研究の引用論文として同氏の論文は500回以上の引用が10以上で、トップでは3871回、1000回以上も4本あり、「典型的なノーベル賞級の研究者に現れる被引用数の高さ」だという。

　大野教授の被引用数推移

　大野教授の論文出版推移

　大野教授の論文がどの国の研究者に引用されたのかを表すマップ。日本だけではなく、世界各国の研究者が引用していることが窺える

　なお、トムソン・ロイターでは、こうしたノーベル賞級の研究者を発表するという行為について、「研究者の意見の集約になると考えて行っている。引用が多いということが、現在社会にどれほどのインパクトを与えているか、を示せるように取り組んでいる」とその趣旨を説明しており、今回の大野教授についても、「一般的な論文引用の動きは一時期のみ、大きな山を迎えるが、同氏の場合、2000年以降、引用の山が継続しており、その背景には幅広い分野に対して影響を及ぼしているため」と単なる1つのテーマに対する研究ということだけでなく、その研究がほかの研究などにも影響を与えていることが窺えたことが選定の要因の1つとなったとしている。

　なお、今回の候補者がいきなり2011年のノーベル賞を受賞するという可能性は低く、同社でも5年後程度の期間で受賞する可能性がある研究者、というスタンスで選定を行っているとしている。

JAXA、ブラックホール周辺から吹き出すジェットの不規則変動の観測に成功

　

　宇宙航空研究開発機構(JAXA)は9月22日、JAXAインターナショナルトップヤングフェローのPoshak Gandhi研究員を中心とする研究チームが、米国航空宇宙局(NASA)の広域赤外線探査衛星「Wide-field Infrared Survey Explorer(WISE)」が取得したデータを用いて、ブラックホール周辺が突然明るく輝きだす珍しい現象をとらえたことを発表した。今回の成果は、ブラックホールとジェットに関する新たな発見をもたらしたとのことで、その詳細は2011年10月10日発行の天文学と天体物理学を扱う米国の専門誌「The Astrophysical Journal」にて掲載される予定。

　ブラックホールそのものの観測は難しく、ブラックホールに物質を供給する「降着円盤」やジェットそのものについては、そこから放出されるX線、γ線、電波などの観測を通じてブラックホールの謎の解明に向けた取り組みが世界各所で進められている。今回の成果は、ブラックホールから放出されるジェットと降着円盤をつなぐ付け根の最も明るい部分の観測を、WISEを用いた赤外線観測で実現したというもの。

　さいだん座のブラックホール「GX339-4」は我々の住む銀河系の中心近く、地球からは2万光年以上離れたところにあり、太陽より6倍以上重いと考えられている。ほかのブラックホール同様、きわめて高い密度で物質が集まっており、その強い重力のため、光ですら逃げ出すことができないのは変わらないが、この天体の場合、星が超新星爆発を起こしてできたブラックホールの周りを伴星が回っており、そこから供給された物質の大部分はブラックホールへと落ち込むが、残りは光速に近い速さでジェットとして吹き出していると考えられている。

　ブラックホールGX 339-4連星系とそこから吹き出すジェットの想像図((C)NASA)

　「太陽が突然でたらめに爆発を繰り返し、ほんの数時間のあいだ3倍も明るくなり、また元に戻ったと考えてみてください。このジェットで見られたのは、このような激しい変化だったのです」と、今回の研究結果の筆頭著者であるGandhi研究員は、WISEによって観測された増光現象の規模を説明している。実際には、ブラックホール周辺の増光現象をとらえるためには正しい場所を正しいタイミングで観測する必要があり、WISEの赤外線画像を1年の間、11秒ごとに1枚ずつ撮り続け、全天をカバーすることで、ようやく、この現象を観測することに成功したという。

　得られたデータを解析した結果、ジェットの活動の変動は大きく不規則的で、11秒から数時間までさまざまだったことが判明した。赤外線の色が大きく変化していることが確認され、これはジェットの根元付近のサイズが変化していることを意味するという。ジェットの根元の半径はおよそ2万4000kmだが、最大で10倍程度以上の変化が確認されたという。

　 ブラックホールGX339-4からの赤外線の強い増光と減光を示すWISEの動画。この動画は1日の期間をカバーしており、時間を短縮して表示したものとなっている(赤外線は目に見える光の15倍程度波長が長い)(出所:JAXA Webサイト)

　研究チームでは、このデータを活用し、ブラックホールの磁場を精度よく測定する技術を考案しており、このような強い磁場こそが物質の流れを加速し絞り込んで細いジェットにするのに必要であることが確認されたと説明している。

微生物もアルコールは夜に飲む

　

　京都大学(京大)の研究グループは、土中や植物表面に住み、植物から放出されるアルコールの一種であるメタノールを食べるC1微生物が夜にメタノールを飲んで生活していることを突き止めた。同成果は、同大の阪井康能 農学研究科/学際融合教育推進センター 生理化学研究ユニット教授、由里本博也 農学研究科准教授、川口甲介 同教務補佐員らによるもので科学誌「PLoS One」(電子版)に掲載された。

　エタノールは酒精と呼ばれるが、植物表層に大量に含まれるメタノールは木精(木のアルコール)と呼ばれ、植物の葉からは年間約1億tのメタノールが大気中に放出されている。こうしたメタノールを食べる微生物としてC1微生物と呼ばれるものが知られており、このメタノールを食べるという性質を利用したワクチンや医薬品など有用タンパク質の製造でも活用されている。しかし、植物葉上でのメタノール濃度や、C1微生物がどのようなライフスタイルで生きているのか、などについては明らかになっておらず、さらなるC1微生物の活用のために、その詳細を明らかにすることが求められていた。

　従来、植物から放出されるメタノール量は、空気中のメタノール濃度により測定されていたが、植物表面のメタノール濃度は不明であった。今回、研究グループでは、メタノール濃度に応答して蛍光を発する「メタノール細胞センサ」を新たに開発、植物表面のメタノール濃度を、直接計測することに成功した。これにより、若い葉の上ではメタノール量が日周性をもって変動しており、夜に高く、昼間はほとんどないことが判明した。

　さらに、このメタノール量の日周変動する植物葉上では、メタノールを食べるC1酵母が、2週間で3～4回ぐらいの分裂をすることで、ゆっくりと増加していくことが観察されたことから、植物の表面で、メタノールを食べるために必要な遺伝子と細胞内小器官(ペルオキシソーム)の動きを調べてみた結果、これらもメタノールの濃度の周期にあわせて、昼夜で増減していることが確認された。

　また、メタノールを食べるための遺伝子やペルオキシソームを増やしたり減らしたりするための遺伝子が、C1酵母が植物上で増えるためには必要であることも研究グループでは突き止めており、これによりC1酵母は人と同じように、夜にメタノールを飲んで生活していることを突き止めた。

　加えて、老化した葉や枯葉の上では、メタノール濃度がかなり高いためC1酵母は、ペルオキシソームを細胞内容積の80%ぐらいになるまで発達させ、その中に栄養分の1つであるタンパク質を大量にため込んでいることも確認しており、研究グループでは、この行動は植物葉上には他の栄養分が少ないため、枯れた後、葉ごと一緒に土におちて、次に栄養分を手にする機会をうかがっているものと考えられると説明している。

　植物の一生とC1酵母のライフスタイル

　なお、今回の研究成果は、培養のいらない植物上でのタンパク質の直接生産がC1酵母により可能なことを示すものであるほか、植物上でのメタノール濃度の日周変動やC1酵母が植物上でもメタノールを食べているという事実は、今後、温室効果ガスの1つであるメタンの削減に向けた基本情報となることから、研究グループでは今後、環境問題を解決できるような技術開発を目指したいとしている。

物理乱数発生器を装備し、セキュリティの向上を図ったIvy Bridgeプロセサ

　

　現在のPCにはCore 2 i3、i5、i7というSandy Bridgeプロセサが使われているが、この後継となるのが、2012年に登場予定のIvy Bridgeと呼ばれるプロセサである。Sandy Bridgeは32nmプロセスで製造されているが、Ivy Bridgeはその次の22nmプロセスに移行する。Intelのプロセサロードマップは新プロセスへの移行とアーキテクチャの革新を1年ごとに交互に繰り返すので、プロセスを更新するIvy Bridgeではアーキテクチャ的には大きな革新は無いが、それでも、次の2枚のスライドに示されるような新機能が追加されている。

　IDF2011で発表されたIvy Bridgeの追加機能

　ユーザとしては3Dグラフィックスの強化やコアの性能強化に目が行くが、この記事では2枚目のスライドの最初に書いてあるデジタル乱数発生器を取り上げる。

　乱数というとゲームの展開などを決めるときに使うという程度の認識が一般的であるが、実用的にも大きな役目がある。Webブラウザで買い物をしたりするときには、鍵マークが出ていることを確認するという人も多いと思うが、これは通信が暗号化されていることを示している。

　暗号は、文字列を構成するビットの順番を入れ替えたりして、そのまま見たのでは意味をなさない文字列にしてから相手方に送る。受け取った方は、それを元の順序に戻して理解するというものである。インターネットでの通信の場合は、不特定多数のPCとの暗号通信が必要となるので、このビットの入れ替えと、元に戻すアルゴリズムは公開されている。従って、通信の秘密を保証するのは、そのアルゴリズムに従って具体的にどのように入れ替えが行われるかを指定する鍵の秘密性である。つまり、アルゴリズムが分かっていても、鍵が分からなければ暗号文を元に戻すことはできない。

　盗聴しても鍵が分からないと元の情報は分からない

　送信側で作った鍵をどのようにして安全に受信側に送るかという話は省略するが、鍵が盗まれるという問題が解決されたとしても、ログインパスワードと同じで推測されやすい鍵を使っていると、推測した鍵を次々と試して意味のある文章が得られるかどうかをチェックするという方法で暗号が解読されてしまう。

　そのため、乱数を生成して鍵として使うということが行われる。これも同じ鍵を使い続けるとばれてしまう恐れがあるので、通信のたびごとに新しい乱数を生成して鍵を変える。ということで、インターネットでの暗号通信には高速の乱数生成が必要となる。

　この乱数の作り方であるが、真の乱数を作るのは難しいので、疑似乱数という方法が良く使われている。

　16ビットのリニアフィードバックシフトレジスタの例

　疑似乱数の作り方も色々とあるが、リニアフィードバックシフトレジスタ(Linear Feedback Shift Register:LFSR)を用いる方法は、この図に示すように、シフトレジスタと何個かのXORゲートだけで実現できる。また、C言語などでも簡単に書くことができ、ソフトウェアでもかなり高速に乱数を発生できる。

　この16ビットのシフトレジスタに非ゼロの初期値(Seedと呼ぶ)を与えてから次々とシフトすると、1～65535までの数値をほぼランダムな順番で一巡する。この方法でもかなりランダムな数列が得られるが、生成方法がばれてしまうと、次の鍵となる乱数を推測されてしまう。

　これに対して、放射性同位元素の崩壊や熱雑音などの物理現象は本当にランダムで、次にどんな数が出てくるかは予測できない。ということで、抵抗に発生する熱雑音を増幅して乱数を発生するような物理乱数発生器が作られている。このような物理乱数発生器は、増幅のためにアナログ回路を必要とする。しかし、半導体プロセスが45nmから32nm、22nmと微細化するとトランジスタの特性が変わってしまうので、毎回、アナログ回路の再設計が必要となってしまうという問題がある。

　前置きが長かったが、Ivy Bridgeの乱数発生は、新開発の全デジタル方式の物理乱数発生器を採用している。この乱数発生器について、IEEEのSpectrum誌に発表された論文をもとに紹介する。

　「Bull Mountain」というコードネームで開発されたこの物理乱数発生器は、その基本メカニズムとしてラッチ回路の不安定性を利用している。

　ラッチを使った物理乱数発生回路の原理図

　この乱数発生回路のClock信号がLowの状態では2つのPトランジスタがオンして、Node A、Bともに電源電圧に近いHighの状態になっている。しかし、この状態では、それぞれのインバータの出力はLowになろうとしているのをオンのPトランジスタが無理にHighに引き上げている。

　そして、クロックがHighに変化するとPトランジスタはオフとなるので、インバータの出力に引っ張られてNode A、Bともに電位が下がってくる。しかし、Node Aの電位が下がると下側のインバータの出力は上がってくる。また、Node Bの電位が下がると上側のインバータの出力は上がってくる。そして、両方のインバータが完全に同じでバランスしている場合は、理想的にはNode A、Bともに中間電位で止まるはずである。

　ラッチを用いた乱数発生回路の動作

　しかし、この中間点は安定ではなく、熱雑音でNode Aの電位が少し上がれば、Node Bの電位は下がり、それはNode Aの電位をさらに押し上げ、その結果、Node Bの電位はさらに下がるという正のフィードバックが掛ってNode AはHigh、Node BはLowという状態で落ち着く。また、中間点から熱雑音でNode Bの電位が少し上がると、最終的にはNode BがHigh、Node AがLowとなる。

　熱雑音自体は物理的にランダムであるので、Node A(あるいはNode B)のHigh(“1″)、Low(“0″)はランダムになる。しかし、これは2つのインバータが完全にバランスしている場合で、偏りがあると、”1″、”0″の出現は等確率にならない。このため、Bull Mountainでは、インバータにフィードバックを掛けて”1″、”0″の出現が等確率になるようにしている。しかし、これだけでは、完全に偏りのない乱数にはならない。

　Bull Mountain物理乱数発生器の全体ブロック図

　そのため、乱数の性質を改善するコンディショナ(Conditioner)を繋いでいる。コンディショナは物理乱数発生器から2つの256ビット長の乱数を受け取り、1つの256ビットの改善された物理乱数を出力する。コンディショナの処理の一例として、入力の2つの乱数を掛け算して下位のビットだけを使うことにより、”0″、”1″の偏りを大幅に減らすという方法が説明されているが、実際のコンディショナにはより高度な性質改善アルゴリズムが使われているという。

　そして、コンディショナが生成した256ビットの乱数を疑似乱数発生器のSeedとして供給し、疑似乱数発生器で作られる128ビットのビット列を乱数として出力するという構成になっている。疑似乱数発生器は、1つのSeedから多数の乱数を高速で発生することができ、高速の乱数発生という要件を満足する。そして、ある程度の数の乱数を発生すると、次の物理乱数をSeedとして使うという方法で高速性とランダム性を両立させている。

　また、乱数が物理乱数であると、毎回、生成される乱数列が異なるので、ソフトウェアをデバグするような場合には再現性がなく困ってしまう。しかし、Bull Mountainでは疑似乱数発生器の初期値として同じ値を与えてやれば同じ乱数列が生成されるので、デバグ時に再現性がないという問題を回避できる。

　乱数発生器というのは縁の下の力持ち的な存在であるが、インターネットのセキュリティの根幹をなすものであり、Ivy Bridgeでの物理乱数発生機構の実装の意義は大きいと言える。

ST、モーション検知/方位認識の高精度化を実現できるソリューションを発表

　

　STMicroelectronicsは、複数のMEMSセンサからの出力を高度なアルゴリズムで統合し、先進的なフィルタリングならびに予測を行うソフトウェアソリューション「iNEMO Engine Sensor Fusion Suite」を発表した。

　「iNEMO Engine」とマルチセンサ・モジュール「iNEMO」を組み合わせることで、モーション検知および方位認識の高精度化が可能となり、カスタマイズ可能なハードウェアおよびソフトウェアによる多軸MEMSセンサ・ソリューションを実現することが可能となる。

　このため、機器および装置ベンダ各社は、加速度・角速度・磁場の各3軸検知および圧力センサによる気圧・標高の測定機能を搭載した、最大10種類の検知項目の測定が可能なモーション検知システムを容易に開発することが可能になるという。

　iNEMO Engineは、カルマン・フィルタ理論に基づいた適応的予測およびフィルタリング・アルゴリズムを採用しており、加速度センサ、ジャイロ・センサ、コンパス、圧力センサを含む複数センサが検出する複雑な情報の解析を行うソフトで、測定の偏差・誤差およびセンサ間の干渉を自動的に補正し、モーション検知の精度を改善することが可能だ。

　なお、iNEMO Engine Sensor Fusion Suiteには、モーション検知システム評価用のフリー・ソフトウェア・ライブラリ「iNEMO Engine Lite」と、複数センサの出力を処理するデータ統合アルゴリズムを備えたコンパイル済みソフトウェア・ライブラリ「iNEMO Engine Pro」が含まれており、両ソフトウェア・ライブラリ共、さまざまなOSやハードウェア・プラットフォームに合わせたカスタマイズが可能となっている。

　「iNEMO Engine Sensor Fusion Suite」の概念イメージ