グラフェンEUVペリクル量産へ｜産総研発エアメンブレンが8.5億円調達

生成AIやマルチモーダル基盤モデルのスケーリング則が急速に進むなか、AIインフラの現場では「分散学習アルゴリズムの最適化」だけでは埋められない壁が顕在化している。GPUのクラスタ規模をどれほど拡大しても、最終的な計算資源（FLOPS/W）を決定づけるのは、ロジック半導体の微細化を担う製造装置と物理材料の制約だからだ。

こうしたなか、2026年10月30日、産総研発ディープテック・スタートアップの株式会社エアメンブレン（本社：茨城県つくば市、代表取締役社長：長谷川雅考）は、世界初となる「グラフェンEUVペリクル」の量産化に向け、総額約8.5億円（累計調達額は約10億円）の資金調達を発表した。

ハードウェアの物理層からAIの計算限界を拡張する本技術の意義、競合素材との決定的な違い、そして製造プロセス自体が機械学習エンジニアにとって巨大な挑戦領域となる構造を整理・検証する。

露光パワー増大が生む「ペリクルのジレンマ」

最先端AI半導体（2nm世代以降のGPU/NPU）を製造するには、開口数を引き上げた「High-NA EUV（高開口数極端紫外線）露光技術」が必須となる。しかし、露光解像度を高めるために光源パワーを極限まで引き上げるプロセスには、回路原版（フォトマスク）を保護する防塵膜「ペリクル」の熱破壊という物理的障壁が立ちはだかる。

熱破壊の課題: 波長13.5nmの過酷な極端紫外線を照射すると、光を吸収したペリクルは数百℃〜1,000℃近くまで急激に加熱され、既存材料では熱膨張や破断を引き起こす。
透過率とスループットのトレードオフ: 膜を厚くして耐久性を持たせるとEUV光の透過率が落ち、ウエハ1枚あたりの露光時間（タクトタイム）が延びて製造コストが急増する。

この課題をクリアできる唯一の材料が、炭素原子1層分の極薄構造を持ち、極めて高い光透過率と世界最高峰の熱伝導率（瞬間放熱性）を併せ持つ「グラフェン」だ。

素材間比較：ポリシリコン・CNT・グラフェン

主要企業および公的研究機関が公式に開示しているデータに基づく素材比較は以下の通りだ。

比較軸	ポリシリコン（多結晶Si）系	カーボンナノチューブ（CNT）系	グラフェン系（エアメンブレン）
主な開発・供給元	三井化学、ASML（商用標準品）	三井化学、imec（共同開発）	エアメンブレン（産総研発）
膜厚	数十nm（ポリSi薄膜）	ナノチューブ網目構造	原子層レベル（サブナノ〜ナノ）
EUV透過率	約80〜85%水準（光吸収大）	90%超を目標に検証	極めて高い（素材本来の高透過率）
放熱・耐熱性	中程度（High-NA高出力で破断リスク）	高い（耐熱性に優れる）	世界最高峰（高熱伝導率による瞬間放熱）
機械強度・自立膜化	実績豊富・自立化が容易	ネットワーク構造で強靭	自立膜化が至難（高度な自動転写技術が必須）
High-NA適性	限界あり（熱膨張・透過率不足）	有力な対抗馬	次世代のデファクトスタンダード本命
量産化の主課題	これ以上の薄膜化の物理限界	チューブの配向・ピンホール制御	大面積合成の均一性・自動転写の確立

産総研発の技術的裏付けと既存製品実績

グラフェンを産業利用する最大の壁は、「原子1層の膜を、高品質なまま大面積で高速合成し、破らずに転写する技術」にあった。エアメンブレンは産総研で培われた研究基盤（代表の長谷川雅考氏らが牽引してきたプラズマCVDによる成長速度向上技術）と自社開発の自動転写技術により、以下のブレイクスルーを達成している。

従来比100倍以上の成膜速度: 独自の連続プラズマCVD技術により、工業スケールでの高速合成を実現。
欠陥ゼロの自動転写・積層技術: 熱剥離シート等を活用し、サファイア基板やSiウエハ上に100層規模まで欠陥を抑えて自動積層できる技術（AIP Advances誌掲載論文等で実証）を確立。ナノスケールの薄膜をシワや破断なく自動ハンドリングする独自工程を保有している。

同社はこの基盤技術を活用し、すでに以下の製品を先端研究・産業界へ供給してきた実績を持つ。

クライオTEM用グラフェン自立膜グリッド: クライオ電子顕微鏡によるタンパク質立体構造解析やウイルス観察用の極薄試料支持膜。
グラフェン電界効果トランジスタ（FET）チップ「FR01」: 高感度バイオセンサーや次世代デバイス研究向けチップ。
大面積グラフェンシート: シリコンウエハ（6インチ）やPET基板等への転写シート。

専門家が注視する3つの構造的ハードルと市場力学

2028年の量産立ち上げに向けて直面する工学的ハードルと、業界構造のダイナミクスには3つの重要ポイントが存在する。

1. 「水素ラジカル」と「圧力差」の克服

EUV露光装置内はスズ（Sn）デブリの付着を防ぐため水素プラズマで満たされている。原子1層のグラフェンは水素ラジカルによるエッチングを受けやすいため、光透過率を損なわずに耐プラズマ性を担保する表面保護技術が求められる。また、露光機内の真空引きや大気開放時に生じる差圧変動に耐えうる枠固定（フレームマウント）構造の設計もクリアしなければならない。

2. ファブの採用ハードル：電力メリット vs 装置停止リスク

ペリクルの透過率向上は光源電力を削減し、ウエハのスループットを直接引き上げる。しかし、TSMCやIntel、Samsungなどの半導体ファブが最も警戒するのは「露光機内でのペリクル破損」だ。高価なフォトマスクの汚染やライン停止を防ぐため、「薄くて熱に強い」だけでなく、数万回の露光照射に耐える「稼働寿命の予測性」と「パーティクル発生ゼロ」をデータで証明することが採用の必須条件となる。

3. 日韓資本の結節に見るグローバル戦略

引受先には日本の大手VCやメガバンク系、JR東日本系ファンドに加え、韓国の「新韓－GBフューチャーフロー投資事業有限責任組合」が参画している。日本の強みである「先端素材・精密加工」と、先端メモリやファウンドリで覇権を争う「韓国半導体エコシステム」を初期段階から接続させる狙いが見て取れる。

AI/MLエンジニアにとっての技術的関わりとキャリア価値

ディープテック量産ラインの構築は、ソフトウェア・機械学習エンジニアにとっても未開拓のフロンティアだ。

① プロセスインフォマティクスによる成膜パラメータ最適化

プラズマCVDによる連続合成では、ガス流量、プラズマ密度、基板温度、搬送速度など数十次元のパラメータが非線形に干渉する。ベイズ最適化やActive Learning（能動学習）、生成モデルを活用した実験空間の自律探索が歩留まり向上の鍵となる。

② Computer Visionによるナノ欠陥の超高速インライン検査

100mm〜150mm角の自立膜において、数ナノメートルの微小ピンホールや異物は致命的な不良となる。タクトタイムを落とさずに顕微画像ストリームからリアルタイムで微小欠陥を検出・分類するエッジ推論基盤や異常検知モデルの開発が直結する。

③ キャリアの市場価値

AIの進化を「モデルを訓練する側」から支えるだけでなく、「チップ製造の物理限界をソフトウェアとアルゴリズムで突破する側」へ回ること。世界最高峰の半導体エコシステム（ASML、ファウンドリ各社）に関わる量産立ち上げ経験は、代替不能なキャリア資産となるはずだ。

次世代AI半導体の急所「グラフェンEUVペリクル」とは？　産総研発エアメンブレンが挑む量産化の壁とAIエンジニアの勝機

露光パワー増大が生む「ペリクルのジレンマ」

素材間比較：ポリシリコン・CNT・グラフェン

産総研発の技術的裏付けと既存製品実績