高周波＆数値計算関係記事リンク集

・Pythonの高周波用ライブラリ scikit-rfを使う

・Visual C#で数値計算ライブラリ Math.NET numericsを使う(Visual Basic版もあり）

・高周波エンジニアのためのAI・機械学習入門

・JavaScriptの数値計算ライブラリmath.jsを使う

・カシオの高精度計算サイトに投稿した自作式一覧

おまけ

円の弧長,弦長,矢高,半径のどれか2つを与えて残りを計算(改善版)

見せ算計算機

RF Weekly Digest (Gemini 3.1 Pro・Google AI Studio BuildによるAIで高周波・RF情報の週刊まとめアプリ）2026/4/12-4/19

RF WeeklyDigest

FREQ: 5G/6G/IOT // STATUS: ACTIVE

Weekly Intelligence Briefing

UPDATED: 18:24:10

INDUSTRY UPDATE

本エグゼクティブ・サマリーは、2026年4月12日から4月19日までの期間における無線周波数（RF）技術の動向および主要なハードウェア開発に関するハイレベルな分析を提供します。

NETWORK STD

5G/6Gの進展と標準化

3GPPおよびIEEEは、5G-Advancedから初期の6Gフレームワークへの移行において重要なマイルストーンに到達しました。

• 3GPP リリース19 (Rel-19) 実装フェーズ: 先月末にRel-19仕様が正式に凍結（フリーズ）されたことを受け、業界の焦点は導入へと移っています。「5G-Advanced」の第2フェーズとして知られるこのリリースでは、モデムレベルでの「エージェンティックAI（Agentic AI）」サポートと、**アンビエント電力対応IoT（Ambient Power-enabled IoT）**が導入されました。これにより、センサーはRFエネルギー・ハーベスティングによって従来のバッテリーなしで動作が可能になります。
• 6Gロードマップ (Rel-21): 3GPPは、リリース20が主に技術レポート（6G調査検討活動）で構成され、リリース21に6Gに関する最初の規定の技術仕様が含まれることを確認しました。Rel-21の最終的なスケジュールは、2026年6月の総会で承認される見通しです。
• 非地上系ネットワーク (NTN): NR-NTNの物理層の拡張が完了し、衛星とスマートフォンの直接通信サービスにおけるアップリンク容量が向上しました。この機能は、現在QualcommやAppleの最新シリコンに統合されつつあります。

NETWORK STD

新型ハードウェア（チップ、アンテナ、モデム）

半導体リーダー各社は、AI主導のRF最適化を重点に置いた第1世代のリリース19対応ハードウェアを発表しています。

• Qualcomm Snapdragon X105 5G Modem-RF: 今週、世界初の3GPP Rel-19対応モデムであるX105の詳細な技術文書が公開されました。最大ダウンロード速度14.8 Gbpsを達成し、世界初の6nm RFICトランシーバーを搭載。前世代のX80と比較して、PCBフットプリントを**15%削減し、消費電力を30%**低減しています。
• Apple N1 ワイヤレスチップ: iPhone 17シリーズの内部分析により、Apple独自のN1ネットワークチップの展開が確認されました。このシリコンはWi-Fi 7、Bluetooth 6、およびThreadプロトコルを制御し、短距離通信におけるBroadcomへの依存からの脱却をさらに進めています。
• ミリ波 (mmWave) の拡大: SkyworksとQorvo（現在220億ドル規模の合併枠組みの下で運営）は、Band n79およびCバンドレーダー向けの新しい**GaN（窒化ガリウム）**パワーアンプを発表しました。これは、5Gインフラと自動運転車のセンシングの交差領域の拡大をターゲットとしています。

HARDWARE ANALYSIS

スマートフォン分解調査とRFフロントエンド分析

2026年春のフラッグシップ・サイクルの最新の分解調査により、熱管理とコンポーネント調達における大きな変化が明らかになりました。

• iPhone 17 Pro Max (TechInsightsによる分析 - 2026年4月17日):
  
  • モデム: Qualcomm Snapdragon X80（一部の地域ではX85バリアント）の使用を確認。
  • RFフロントエンド: 詳細な回路レポートにより、中・高帯域の信号経路の主要コンポーネントとして**Skyworks PK3101B01 (SKY520)**パワーアンプ・ダイを特定。
  • アーキテクチャ: 新しいユニボディ・アルミニウム熱設計を採用し、A19 Proチップからの熱を逃がすためにベイパーチャンバーを利用。これはiPhoneシリーズで初の試み。
  • ソース/図解: TechInsights CircuitVision Report (SKY520) (シミュレーションリンク)。
• Samsung Galaxy S26 Ultra (iFixit - 2026年4月):
  
  • RF/アンテナ: 改訂されたALOP (All Lenses On Prism)カメラレイアウトを採用。これにより内部容積が確保され、15%大型化されたベイパーチャンバーと改良されたミリ波アンテナの配置が可能に。
  • プライバシー・ディスプレイ: 新しい「プライバシー・ディスプレイ」技術は、横からの視覚的な覗き見を防ぐためにアクティブRFフィルタリング層を統合。ただし、分解調査では、この構造により専用の工場ツールなしでは画面修理がほぼ不可能であると指摘されています。

NETWORK STD

IoT & コネクティビティ（Wi-Fi 8 & 衛星）

通信規格は、単純なピーク速度よりも、高密度環境における信頼性を優先するように進化しています。

• Wi-Fi 8 (802.11bn) の進捗: IEEE 802.11bnタスクグループは、ドラフト1.4のコメント解決が60%完了したと報告しました。最終的な標準化は2028年の予定ですが、BroadcomとASUSはROG NeoCoreルーターをデモンストレーションしました。これは、初期の「ドラフトベース」のWi-Fi 8シリコンを利用し、干渉の多いメッシュ環境で1ms未満のレイテンシを実現しています。
• SpaceX Starlink Mobile (RFFEの革新): 2026年4月10日〜15日の求人情報および業界のリーク情報によると、SpaceXは独自のRFフロントエンド・マルチチップモジュール (MCM)を開発しています。これらのモジュールは、Starlinkの「ダイレクト・トゥ・セル（衛星直接通信）」サービスで使用されるEchoStar周波数に対して5G信号を最適化するように設計されており、2027年中盤までに150 Mbpsの速度を目指しています。
• Bluetooth 7: 今週、Bluetooth 7の初期仕様が議論され、産業用デジタルツイン・アプリケーション向けに、10cm未満の測距精度を実現する「チャネルサウンディング（Channel Sounding）」に焦点が当てられました。

HARDWARE ANALYSIS

主要な図解と参照ソース

• Qualcomm X105 ブロック図: 第5世代AIプロセッサと6nm RFICの統合を示しています。ソース: qualcomm.com
• Skyworks SKY520 注釈付き回路図: 最新のiPhone用パワーアンプ（PA）モジュールのRF信号経路とバイアスに関する詳細な分析。ソース: techinsights.com
• Samsung S26 Ultra 内部レイアウト: ALOPカメラモジュールと拡張されたベイパーチャンバーを示す高解像度画像。ソース: ifixit.com

吉野家で”焼き牛”牛鉄板焼肉定食をいただく。五徳でずっと熱々で美味しい。牛丼・油そばセットもいただく。油そばが思っていた以上にあっさりでいい。やよい軒で【辛さ3倍】辛うま麺とから揚げの定食をいただく。3倍でもそこまで辛くはなく旨辛という感じ。

吉野家で”焼き牛”牛鉄板焼肉定食をいただいた。火のついた五徳で最初から最後までずっと熱々。思っていたより味は濃くないのであっさり食べられる。生卵は途中までは肉を付けて、後の方は鉄板に投入で他人丼のようにして食す。なかなか美味しかった。

また別の日、同じく吉野家で牛丼・油そばセットをいただく。思っていた以上にあっさりした油そばで、牛丼と一緒に食べること前提みたいだ。かなり好きな味。ラー油と酢がついてくるが、もうちょっと多いとよかった。

また別の日、やよい軒で【辛さ3倍】辛うま麺とから揚げの定食をいただいた。
ビジュアルはめちゃくちゃ辛そうだが、そこまでの辛さではなく美味しくいただけた。

⻄洋絵画400年の旅―珠⽟の東京富⼠美術館コレクション＠京都市京セラ美術館を観てきた。時代・ジャンルごとにまとめて展示・解説がありとても分かりやすい。有名なナポレオンが馬に乗っている絵や、ルノワールの赤い服の女、モネの睡蓮などが観られる。

京都市京セラ美術館に⻄洋絵画400年の旅―珠⽟の東京富⼠美術館コレクションを観に行ってきた。

2部制で
第Ⅰ部 絵画の「ジャンル」と「ランク付け」
第Ⅱ部 激動の近現代—「決まり事」の無い世界

ということでジャンルに分けられて絵画が展示してあり、詳細な解説もありわかりやすかった。

写真も一部を除いてはOK.

これは有名なナポレオンの絵。

マグリットの観念。

ルノワールの赤い服の女

モネの睡蓮

なかなか面白かった。

Qwen3.6-35B-A3Bが発表され、Ollamaでも使える。そこで電子レンジの動作原理（2.45GHzは水分子の共振周波数でない）と隕石が大気圏突入で燃える原理（摩擦熱ではない）を聞くと、誘電緩和と断熱圧縮について正しく答えられた。今までのローカルLLMで一番賢い回答と思う。

Qwen3.6が公開されていた。

Qwen3.6-35B-A3B: Agentic Coding Power, Now Open to All

Ollamaでも早速使えるようになっている。

https://ollama.com/library/qwen3.6

そこでいつもの質問をしてみた。どちらも正しいし、答え方が一番今までのローカルLLMで賢い気がする。Gemma４が今まで一番と思っていたけど入れ替わった。

問：

電子レンジの動作原理となぜ2.45GHzが使われているかを教えてください。特に水分子の共振周波数とも関連づけて説明してください。

答え

電子レンジの動作原理と2.45GHz採用の理由について、よくある誤解を踏まえつつ、物理的・工学的な観点から整理して解説します。

---

1. 電子レンジの動作原理：「誘電加熱」と「双極子緩和」

電子レンジは食品内部から加熱しますが、その仕組みは「共鳴」ではなく**誘電加熱（dielectric heating）**です。

• 水・脂肪・糖などの極性分子は正負の電荷中心がずれた双極子モーメントを持っています。
• 電子レンジ内部のマグネトロンから照射された高周波電磁波（2.45GHz）は、1秒間に2.45億回も電場の向きが逆転します。
• この急速な電場変化に対して、水分子は「電場の向きに合わせて回転しよう」としますが、液体中で分子同士は強く結合しており、完全に追従できません。その結果、分子が引っ張られる・戻るを繰り返す位相遅れが生じ、分子間摩擦として熱が発生します。
• この現象は物理化学で**双極子緩和（dipole relaxation）**と呼ばれ、LC回路のような「共鳴」ではなく、損失特性による誘電加熱です。

---

2. 「水分子の共振周波数が2.45GHz」という説は誤り

よく「電子レンジは水分子の共鳴周波数に合わせたから」と説明されますが、これは科学的に正確ではありません。

状態	主な回転吸収帯	備考
気体・単量体水分子	約22.2 GHz	真空中の純回転遷移（ミクロな量子共鳴）
液体水（室温）	10〜20 GHz付近に広がり	水素結合ネットワークにより共鳴幅が大幅に拡張
電子レンジ周波数	2.45 GHz	吸収曲線の裾野側、ピークの約1/10程度の吸収率

液体の水分子は分子間相互作用で自由に回転できないため、「特定の周波数で激しく共鳴して熱くなる」という現象は起きません。むしろ2.45GHzは、水の吸収が「まだ十分でないが、許容範囲内」の領域に位置しています。

---

3. なぜ2.45GHzが選ばれたのか？（技術的・物理的・規格上の理由）

2.45GHzの採用は、水分子の共鳴を利用したのではなく、以下の実用的トレードオフから最適化された結果です。

① 浸透深度と加熱効率のバランス

• 周波数が高いほど水の吸収率は上がりますが、電波が表面で急激に吸収され、内部まで届きません。
• 2.45GHzの場合、水の浸透深度（電力が1/e≈37%に減衰する深さ）は約1〜2cm、食品全体でも数cm程度まで到達します。これにより「表面は焼けず、内部まで均一に加熱する」ことが可能になります。
• 実際、商業用大型加熱機器では浸透を深めるため915MHz（北米・中国でISM帯割り当て）が使われることもあります。

② 磁気管（マグネトロン）の開発歴と技術的定着

• 1940年代後半、初期の真空管型マグネトロンが安定して2.45GHz帯で高出力を発生できることが実証されました。
• その後の産業用・家庭用として量産・部品供給が最適化され、周波数を変更すると共振器設計・インピーダンス整合・安全規格の見直しが必要になるため、実質的に「事実上の標準」となりました。

③ 国際的なISM帯（産業・科学・医療用帯）の割り当て

• ITU（国際電気通信連合）とIECの規格により、**2.4GHz帯（2400〜2483.5MHz）**は通信機器への干渉を避ける「ISM帯」として国際的に予約されています。
• この帯域は世界中でWi-Fi・Bluetoothと共用されていますが、電子レンジは高出力・非通信用途として法的に運用が許可されており、世界的な部品・設計の標準化が促進されました。

④ コスト・効率・安全性の総合判断

• 2.45GHzは半導体・真空管技術で効率的に発生・制御できる周波数帯です。
• 過大周波数化すると遮断扉のメッシュ加工（電波を反射する孔径設計）が困難になり、漏洩対策のコストが跳ね上がります。2.45GHzは安全性と製造コストのバランスが最も取れています。

---

4. まとめ：重要なポイント

• 🔹 電子レンジは「水分子の共鳴」ではなく、**高周波電場による双極子緩和（誘電加熱）**で加熱しています。
• 🔹 液体の水の最大吸収帯は10〜20GHz付近であり、2.45GHzは共鳴ピークでも吸収最大点でもありません。
• 🔹 2.45GHz採用の理由：
  
  
  
  1. 食品への適度な浸透深度（表面だけ熱くならず内部まで加熱）
  2. 初期マグネトロン技術の成功と産業的標準化
  3. 国際ISM帯の規格適合と部品供給の利便性
  4. 安全性・コスト・効率の総合的最適解
• 🔹 家庭用電子レンジが2.45GHzを使い続けるのは、食品サイズ・材質・加熱特性・国際規格・製造コストが長年均衡しているためです。周波数を変更しても「水分子が共鳴して効率的に熱くなる」わけではありません。

学術的に正確な記述を求む場合は、J. D. Jackson『電磁論』やP. Debye『極性分子』、あるいはIEC 60335-2-25（家庭用電子レンジ安全規格）の関連解説が参考になります。必要に応じて物理モデルや周波数特性のグラフも提示可能です。

問

隕石が大気圏に突入すると燃えてしまいますが、その原理を教えてください。

答え

隕石が大気圏突入時に「燃える」ように光る現象は、化学的な燃焼（酸化反応）ではなく、空気の急激な圧縮による物理的な加熱が主原因です。以下に原理を順に解説します。

---

🔹 主な原理：空気の断熱圧縮（ラミング・コンプレッション）

隕石は大気圏に突入する際、毎秒11〜70kmという極超高速で移動します。この速度で空中を進むと、前方の空気が隕石に押されて圧縮され、強い衝撃波（ボウショック）が形成されます。圧縮された空気は体積が急激に減るため、温度が瞬間的に上昇します（断熱圧縮）。これにより衝撃波直後の空気温度は2,000〜4,000℃以上に達し、これが隕石を加熱・気化させる主因です。

---

🔸 誤解されがちな点：「摩擦」は主原因ではない

「空気との摩擦で燃える」と説明されることが多いですが、航空力学のシミュレーションや実際の観測から、加熱の約80〜90%は空気の圧縮によるもの、摩擦は10〜20%程度であることがわかっています。摩擦だけでは説明できない点として：

• 大気密度が極端に薄い高高度（80〜100km）でも発光が始まる
• 真空に近い環境でも隕石は減速・加熱する
  という事実が挙げられます。

---

🔸 光っているのは隕石自体ではなく「周囲の空気」

高温となった空気中の分子（窒素・酸素など）がイオン化し、プラズマ状になります。このプラズマが発光し、私たちが目にする「流れ星」の正体です。隕石本体はむしろ表面が融解・気化して剥がれ落ちる（アブレーション）ため、内部は比較的低温に保たれることもあります。

---

🔸 なぜ全てが燃え尽きないのか？

地表まで到達する「隕石」が残るかどうかは、以下の条件で決まります：

要因	説明
サイズ	直径1m以上だと中心部まで熱が届かず、剥離熱も時間がかかるため生存確率が高い
材質	鉄隕石は熱伝導率が高く耐熱性に優れる。石質隕石も硅酸塩の融解熱が大きい
突入角	急角度（真下に近い）ほど大気との相互作用時間が短く、熱を逃がしやすい
速度	速度が低下するほど圧縮加熱の強度が下がる（地球の重力で加速されるが、大気抵抗で減速 begins early）

これらの条件が揃えば、内部が融解や熱分解に耐え抜き、地表に落下します。

---

✅ まとめ

隕石の発光・気化は「化学反応による燃焼」ではなく、
超高速度 → 前方空気の断熱圧縮 → 衝撃波・高温化 → 熱伝達・アブレーション → プラズマ発光 という一連の物理プロセスです。そのため、地球の大気こそが「自然のシールド」として、小型の天体を保護していると考えられています。

詳しくは航空力学の「ハイスピード流入加熱（Aerodynamic Heating）」や「メテオロイド・アブレーション理論」で研究が進められており、NASAやJAXAの公開資料でもこのメカニズムが標準的に解説されています。

ExcelのOfficeスクリプト(TypeScript)で数値計算ライブラリmath.jsを使う(1) Officeスクリプトは外部API呼び出せるし、math.jsは RESTful APIで呼び出せることがわかった。まずは選択したセルのデータを読み、行列演算。LU分解で一次方程式を解き、逆行列と行列式を求める。

以前JavaScriptの数値計算ライブラリmath.jsを使っていろいろやってみるシリーズをやっていた。

でExcelのVBAから乗換が進むと思っていたが、そうでもないOfficeスクリプト（文法はTypeScript)。外部ライブラリ読めないから使えないなとおもっていたが、実はOfficeスクリプトは外部APIが呼び出せる。

Office スクリプトでの外部 API 呼び出しのサポート

またmath.jsはwebサービスとして RESTful APIで呼び出せる。

math.js web service

じゃあ普通に使えそう、ということでやってみる。まずは行列演算。LU分解で一次方程式を解き、逆行列と行列式を求める。

コードはこんな感じで。

async function main(workbook: ExcelScript.Workbook) {

    let range: number[][] = workbook.getSelectedRange().getValues() as number[][];

    let row: number = workbook.getSelectedRange().getRowIndex();

    let column: number = workbook.getSelectedRange().getColumnIndex();

    const n: number = range.length;

    let a: number[][] = Array(n);

    let b: number[] = Array(n);

    let x: number[][];

    let aInv: number[][] = Array(n);

    let det: number[][];

    for (let i = 0; i < n; i++) {

        a[i] = range[i].slice(0, n);

        b[i] = range[i][n];

    }

    // 送信するJSONデータ

    const data = {

        "expr": [

            "a = " + JSON.stringify(a),

            "b = " + JSON.stringify(b),

            "lusolve(lup(a), b)",

            "inv(a)",

            "det(a)"

        ],

        "precision": 14

    };

    // APIへの送信

    const response = await fetch('http://api.mathjs.org/v4/', {

        method: 'POST',

        headers: {

            'Content-Type': 'application/json'

        },

        body: JSON.stringify(data)

    });

    // レスポンスの処理

    const result: JSONData = await response.json();

    x = JSON.parse(result.result[2]);

    workbook.getActiveWorksheet().getRangeByIndexes(row, column + n + 1, n, 1)

        .setValues(x);

    aInv = JSON.parse(result.result[3]);

    workbook.getActiveWorksheet().getRangeByIndexes(row + n + 1, column, n, n)

        .setValues(aInv);

    det = JSON.parse(result.result[4]);

    workbook.getActiveWorksheet().getRangeByIndexes(row + 2 * n + 2, column, 1, 1)

        .setValues(det);

}

interface JSONData {

    "result": string | string[] | null

    "error": string | null

}

こんな感じで簡単に動いた。

高周波・RFニュース 2026年4月17日 atisの3GPP Rel.20ウェビナー動画公開、MWCバルセロナ2026でのGSMA Device Enablement Summit資料公開、ハリファ大学が無線周波数AI言語モデルRF-GPT発表、レドームの解説など

・atisの3GPP Rel.20ウェビナー動画公開

ATIS insights into work on Rel-20

・MWCバルセロナ2026でのGSMA Device Enablement Summit資料公開
https://content.rcrwireless.com/gsma-device-enablement-summit

・ハリファ大学が無線周波数AI言語モデルRF-GPT発表

Researchers from Khalifa University Develop World’s First Radio-Frequency AI Language Model

arXiv

RF-GPT: Teaching AI to See the Wireless World

・レドームの解説

Radomes: where materials science meets electromagnetic theory part 1

その他

TDK

高速応答NTCサーミスタ：基板一体型構造による高速応答と小型・薄型化の両立による熱マネジメントの革新

Rohm

パワーエレクトロニクス回路を高速検証！ROHM PLECS Simulatorを公開

JR京田辺駅の前の一休さんの銅像と近鉄新田辺駅前の一休さんの銅像。

JR京田辺駅はこちら。

近鉄新田辺駅はこちら。

石像もある。

高周波・RFニュース 2026年4月16日 AmazonがGlobalstarを買収、GSMAが日本のデジタル化をレポート、Mini-Circuitsがケーブルアセンブリを動画で解説、Kymetaが米国海軍研究局と衛星通信で契約、PerasoがドローンIFF向け60GHzモジュール出荷、SEMCOが1500V耐圧MLCC発表

・AmazonがGlobalstarを買収

Amazon to acquire Globalstar and expand Amazon Leo satellite network

・GSMAが日本のデジタル化についてレポート

GSMA Report Urges Japan to Take Bold Action to Convert Technical Excellence into Global Digital Leadership

・Mini-Circuitsがケーブルアセンブリを動画で解説

RF / Microwave Coaxial Cables for Test and Measurement Applications (CBL-series vs. CBN-series)

・Kymetaが米国海軍研究局と衛星通信で契約

Kymeta Wins ONR Contract to Advance Ku/Ka Multi-Band SATCOM Technology

・PerasoがドローンIFF向け60GHzモジュール出荷

Peraso Delivers Initial Production Shipment of 60GHz Modules for Drone IFF Systems

・SEMCOが1500V耐圧MLCC発表

Samsung Electro-Mechanics introduces the Ultra-High-Voltage MLCCs for xEV High- Voltage Powertrains

その他

Sivers Semiconductors Collaborates With Jabil on Energy Efficient 1.6T Pluggable Optical Transceiver Module

Nokia and Orange advance AI‑RAN innovation with NVIDIA

Broadcom Announces Extended Partnership with Meta to Deploy Technology to Support Multi-Gigawatts of Meta’s Custom Silicon, MTIA

高周波エンジニアのためのAI・機械学習入門（GPU編19）PythonとKeras3.0とscikit-rfを使ってTransformerで同軸コネクタがついたマイクロストリップライン（誘電率、L、C、線幅、厚みを振った）のSパラメータからTDRでは出せない複素特性インピーダンスを推定する。

DNN、CNNと来て今回はTransformer。

コードはこんな感じ。

import os

os.environ["KERAS_BACKEND"] = "jax"

import keras

import jax

import numpy as np

import matplotlib.pyplot as plt

from sklearn.model_selection import train_test_split

from sklearn.preprocessing import StandardScaler

plt.rcParams['font.family'] = 'Noto Sans CJK JP'

# JAXの高速化

jax.config.update("jax_enable_x64", False)

jax.config.update("jax_disable_jit", False)

# mixed precision (JAX + Keras3対応)

keras.mixed_precision.set_global_policy("mixed_float16")

# ==========================

# データ読み込み

# ==========================

data_label = np.load("complex_tl_data.npz")

data = data_label["data"]     # (N,200,5)

label = data_label["label"]   # (N,2)

x_train, x_test, y_train, y_test = train_test_split(

    data, label, test_size=0.3, random_state=0

)

# ==========================

# ラベルのスケーリング

# ==========================

scaler_y = StandardScaler()

y_train_f = scaler_y.fit_transform(y_train)

y_test_f  = scaler_y.transform(y_test)

# ==========================

# Positional Encoding

# ==========================

def positional_encoding(seq_len, d_model):

    pos = np.arange(seq_len)[:, np.newaxis]

    i = np.arange(d_model)[np.newaxis, :]

    angle_rates = 1 / np.power(10000, (2 * (i // 2)) / np.float32(d_model))

    angle_rads = pos * angle_rates

    pe = np.zeros((seq_len, d_model))

    pe[:, 0::2] = np.sin(angle_rads[:, 0::2])

    pe[:, 1::2] = np.cos(angle_rads[:, 1::2])

    return keras.ops.convert_to_tensor(pe, dtype="float32")

# ==========================

# Transformer Encoder Block

# ==========================

def transformer_encoder(x, head_size, num_heads, ff_dim, dropout=0.1):

    # Self Attention

    attn_out = keras.layers.MultiHeadAttention(

        num_heads=num_heads,

        key_dim=head_size

    )(x, x)

    #attn_out = keras.layers.Dropout(dropout)(attn_out)

    x = keras.layers.LayerNormalization(epsilon=1e-6)(x + attn_out)

    # Feed Forwardネットワーク

    ffn = keras.layers.Dense(ff_dim, activation="relu")(x)

    ffn = keras.layers.Dense(x.shape[-1])(ffn)

    #ffn = keras.layers.Dropout(dropout)(ffn)

    x = keras.layers.LayerNormalization(epsilon=1e-6)(x + ffn)

    return x

# ==========================

# モデル定義

# ==========================

seq_len = 200

feat_dim = 5

embed_dim = 64

inputs = keras.Input(shape=(seq_len, feat_dim))

# 入力を高次元に射影

x = keras.layers.Dense(embed_dim)(inputs)

# Positional Encodingを加算

pe = positional_encoding(seq_len, embed_dim)

x = x + pe

# Transformer ブロック

x = transformer_encoder(x, head_size=64, num_heads=4, ff_dim=128)

#x = transformer_encoder(x, head_size=64, num_heads=4, ff_dim=128)

# 時系列次元を集約

x = keras.layers.GlobalAveragePooling1D()(x)

# 全結合

x = keras.layers.Dense(128, activation="relu")(x)

outputs = keras.layers.Dense(2)(x)

model = keras.Model(inputs, outputs)

model.compile(

    optimizer=keras.optimizers.Adam(learning_rate=1e-3),

    loss="mean_squared_error"

)

model.summary()

# ==========================

# 学習

# ==========================

batch_size = 64

epochs = 500

keras.utils.set_random_seed(1)

history = model.fit(

    x_train,

    y_train_f,

    batch_size=batch_size,

    epochs=epochs,

    validation_split=0.15,

)

# ==========================

# 予測

# ==========================

y_pred_f = model.predict(x_test)

y_pred = scaler_y.inverse_transform(y_pred_f)

metric = keras.metrics.R2Score()

metric.update_state(y_test, y_pred)

result = metric.result()

print(result)

error = np.abs((y_test - y_pred)/y_test*100)

print(error.mean(axis=0))

legend = ["Z0"]

fig, ax = plt.subplots(2, 2, figsize=(12,12))

maxrvalue = y_pred[:,0].max()

minrvalue = y_pred[:,0].min()

maxivalue = y_pred[:,1].max()

minivalue = y_pred[:,1].min()

ax[0, 0].scatter(y_pred[:,0], y_test[:,0], c="r", s=5)

ax[0, 0].plot([0,maxrvalue], [0,maxrvalue], "--", c="black")

ax[0, 0].set_xlabel("推定した値（実部）")

ax[0, 0].set_ylabel("実際の値（実部）")

ax[0, 0].set_xlim(minrvalue, maxrvalue)

ax[0, 0].set_ylim(minrvalue, maxrvalue)

ax[0, 0].grid()

ax[0, 0].legend([legend[0] + f" 平均誤差（実部）{error.mean(axis=0)[0]:.2f}%"])

ax[1, 0].hist(error[:, 0], bins = 100)

ax[1, 0].set_xlabel("誤差[%]（実部）")

ax[1, 0].set_ylabel("頻度")

ax[1, 0].grid()

ax[0, 1].scatter(y_pred[:,1], y_test[:,1], c="r", s=5)

ax[0, 1].plot([0,maxivalue], [0,maxivalue], "--", c="black")

ax[0, 1].set_xlabel("推定した値（虚部）")

ax[0, 1].set_ylabel("実際の値（虚部）")

ax[0, 1].set_xlim(minivalue, maxivalue)

ax[0, 1].set_ylim(minivalue, maxivalue)

ax[0, 1].grid()

ax[0, 1].legend([legend[0] + f" 平均誤差（虚部）{error.mean(axis=0)[1]:.2f}%"])

ax[1, 1].hist(error[:, 1], bins = 100)

ax[1, 1].set_xlabel("誤差[%]（虚部）")

ax[1, 1].set_ylabel("頻度")

ax[1, 1].grid()

fig.tight_layout()

plt.show()

結果はこちら。CNNと大体同じくらいになっている。時間は1.5倍くらいはかかる。

まあ今回もCNNを使うのが一番よさそうだ。

高周波・RFニュース 2026年4月15日 Microwave Journalはアンプと発振器特集、Signal Integrity Journalは100GHz越えのインターコネクトのAIを使うHFSSモデル化、ローデ・シュワルツが潜水艦通信をUDT2026で発表、Xiaomi Poco X8 Pro分解動画、atisの5Gポリシーレポート

・Microwave Journalはアンプと発振器特集

https://www.microwavejournal.com/publications/1

・Signal Integrity Journalは100GHz越えのインターコネクトのAIを使うHFSSモデル化
https://www.signalintegrityjournal.com/latestissue

・ローデ・シュワルツが潜水艦通信をUDT2026で発表

Rohde & Schwarz transforms submarine communications for real‑time underwater dominance at UDT 2026

・Xiaomi Poco X8 Pro分解動画

Xiaomi Poco X8 Pro Teardown Disassembly Phone Repair Video Review

atisの5Gポリシーレポート

5G Policy Management for Zero Trust

京セラAVX

New MIL-PRF-32535 BME NP0 MLCCs Approved to the DLA QPD

棚倉孫神社（京田辺）でお参り。たくさんの絵馬とお神輿があった。

一休寺の近く、JR京田辺から歩いてすぐです。

たくさんの絵馬があった。

神輿も。

高周波・RFニュース 2026年4月14日 IEEE Microwave Magazineは高周波エンジニア向け量子コンピュータ入門、Antenna and Propagation Magazineはニューラルネット電磁界シミュレーションなど、第106回ARFTG論文公開、QorvoのSバンドスイッチトフィルターバンクなど

・IEEE Microwave Magazineは高周波エンジニア向け量子コンピュータ入門など

https://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=6668

・Antenna and Propagation Magazineはニューラルネット電磁界シミュレーションなど

https://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=74

・第106回ARFTG論文公開
https://ieeexplore.ieee.org/xpl/conhome/11474779/proceeding

・QorvoのSバンドスイッチトフィルターバンク

Qorvo Introduces S-Band Switched Filter Bank Module for Radar Applications

その他

Yageo

SCF76Xコモンモードチョーク

RCRwirelessNews

Nvidia’s AI grid and the telco dilemma

Microsoft 365 Copilot ChatでGPT-5.4 Think Deeperを使う(4) Excel VBAで常微分方程式ライブラリとしてSciPyに入っているアダプティブな高次ルンゲクッタ法dopri5とdop853が入っているものを作ってもらう。だいぶGitHubを検索していたが何とかでき、ローレンツ方程式を計算。

今回は常微分方程式を作ってもらおう。ソルバーはSciPyに入っているDormand & Princeのアダプティブ高次ルンゲクッタ法のdopri5とdop853を入れてもらう。だいぶGitHubを検索していたが何とかできた。VBAのクラスにインターフェースがあるのは知らなかった…

例として1変数の減衰関数を出してくれていたが、ここはローレンツ方程式の例を出してもらおう。

で完成。

実行。

コードはまとめて貼っておこう。

ダウンロード - vbaodelib.zip

これで行列計算、FFT、常微分方程式がExcel VBAでできるようになってだいぶ使える感じ。

OpenClawとGemma4:26B(Ollama経由）を使って一週間分の高周波・RF情報を集めてくれるアシスタントを作ってみた。今回は4/5-4/12分。

このブログでは人力で高周波・RFを集める「高周波・RFニュース」とGoogle AI Studioで作ったアプリで集める「RF Weekly Digest」の２種類を運用している。Gemma 4が出て、ローカルLLMでもOpenClawが結構使えるようになってているので、ここはOpenClaw＋Ollama＋Gemma 4:26bを使ったRF情報アシスタントを作ってみた。Ollama web searchを使って思っていたより速く集めてくれた。

結果：

## 📡 RF・無線技術ニュース

### 🚀 6G & 高度な接続技術

- **Broadcom、Massive MIMO向け業界初となる6Gデジタル・フロントエンドSoCを発表**

  Broadcomは、6G Massive MIMOアプリケーション向けに設計された、0.4-8.5GHz CMOSラジオ・デジタル・フロントエンド・ソリューションを発表し、RF性能の飛躍的な向上を実現しました。

  出典: [Broadcom Inc.](httpshttps://investors.broadcom.com/news-releases/news-release-details/broadcom-introduces-industrys-first-6g-digital-front-end-soc)

### 🛡️ RFコンポーネント (フィルタ、デュプレクサ等)

- **QorvoのBAWplexerが深いスキート（急峻な遮断特性）を実現**

  Qorvoの高性能BAWplexer「QPQ4701」は、高度なRFアプリケーション向けに優れた周波数選択性を提供します。

  出典: [Electronics Weekly](httpshttpss://www.electronicsweekly.com/news/business/qorvo-bawplexer-delivers-deep-skirts-2026-02/)

- **Qorvo、単一アンテナWi-Fiシステム向けに2.4/5 GHzデュアルバンドBAWディプレクサを発表**

  Qorvoの新しいBAWディプレクサにより、単一アンテナを用いた2.4/5 GHzデュアルバンド動作が効率化されます。

  出典: [Everything RF](httpshttps://www.everythingrf.com/news/details/21785-qorvo-introduces-dual-band-2-4-5-ghz-baw-diplexer-for-single-antenna-wi-fi-systems)

- **Abracon、30 dB以上の除去損失を実現する2.4 GHz Wi-Fi/Bluetooth/LTE共存用SAWフィルタを発表**

  Abraconの新製品は、2.4 GHz帯のWi-Fi、Bluetooth、LTE間の干渉を抑制します。

  出典: [Everything RF](httpshttps://www.everythingrf.com/news/details/21772-abracon-introduces-new-2-4-ghz-wi-fi-bluetooth-lte-coexistence-saw-filter-with-over-30-db-rejection)

- **Skyworks、Wi-Fiおよび車載向けにBAWフィルタのポートフォリオを拡充**

  Skyworksは、Wi-Fiおよび車載無線アプリケーションをターゲットとした新しいBAWフィルタを追加しました。

  出典: [Everything RF](httpshttps://www.everythingrf.com/news/details/21798-skyworks-adds-baw-filters-to-its-portfolio-for-wi-fi-and-automotive-applications)

## 📱 ハードウェア分解（ティアダウン）

### 🎧 ワイヤレスイヤホン

- **Sony WF-1000XM6 分解 (iFixit)**

  Sony WF-1000XM6の最新の分解動画では、前世代に比べてイヤホンの構造や開けやすさが向上していることが示されています。

  出典: [The Walkman Blog](httpshttps://thewalkmanblog.blogspot.com/2026/02/sony-wf-1000xm6-ifixit-teardown.html)

  出典: [Gizmochina](httpshttps://www.gizmochina.com/2026/02/21/sony-wf-1000xm6-teardown-reveals-internal-changes-soon-after-launch/)

- **Samsung Galaxy Buds2 分解**

  iFixitによるGalaxy Buds2の解析では、内部構造と特定の設計上の欠点が指摘されています。

  出典: [iFixit](httpshttps://www.ifixit.com/News/52635/galaxy-buds2-teardown-great-buds-with-one-big-flaw)

悪くないな。これも今週から付け加えてみよう。

RF Weekly Digest (Gemini 3.1 Pro・Google AI Studio BuildによるAIで高周波・RF情報の週刊まとめアプリ）2026/4/5-4/12

RF WeeklyDigest

FREQ: 5G/6G/IOT // STATUS: ACTIVE

Weekly Intelligence Briefing

UPDATED: 18:25:55

NETWORK STD

ハイレベル・エグゼクティブサマリー：RF技術インテリジェンス（2026年4月5日 – 4月12日）

本レポートは、過去7日間における無線周波数（RF）エコシステムの重要な進展をまとめたものであり、5G-Advancedの成熟への決定的なシフト、およびWi-Fi 8と6G FR3帯向けの初の具体的なハードウェアの登場を強調しています。

NETWORK STD

1. 5G/6Gの進展と標準化

• 3GPP リリース19 (5G-Advanced)：2026年4月9日、3GPPはリリース19の作業項目に関する包括的なサマリーを公開しました。主な注力分野には、通信・センシング統合 (ISAC)、衛星経由のスマートフォン接続を改善する非地上系ネットワーク (NTN)の強化、およびAIネイティブ無線の最適化が含まれます。
• 6Gのタイムラインと調査 (リリース20)：報告によると、リリース20における6Gユースケース調査は現在80%完了しています。規範的な6G仕様（リリース21）は2026年6月まで期待されていませんが、業界は初期のプロトタイピング向けに**7–15 GHz (FR3)およびサブテラヘルツ (100+ GHz)**スペクトルへの集約を進めています。
• スペクトルのシフト：放送事業者やアナリスト（IDTechEx経由）は、既存の5Gミッドバンドサイトとのカバレッジの互換性がより高い**FR3（センチメートル波）**が優先され、サブテラヘルツ研究は一時的に「二の次」になっていると指摘しています。

NETWORK STD

2. 新型ハードウェア（チップ、アンテナ、モデム）

• Sivers Semiconductors Daybreak™ IC：2026年4月4日、SiversはビームフォーミングICファミリー「Daybreak™」を発表しました。これらのチップは**7–15 GHz (FR3)**帯に特化して設計されており、13億ドル規模と予測される5G-Advancedおよび初期の6Gインフラ市場をターゲットにしています。
• Qualcomm Snapdragon X105 & FastConnect 8800：MWC 2026に続き、今週公開されたテクニカルブリーフにより、X105 5Gモデム-RFシステムがOEM向けにサンプル出荷中であることが確認されました。主な特徴は以下の通りです：
  • 14.8 Gbpsのピークスループット（ミリ波）。
  • 6nmプロセスのトランシーバー（消費電力を30%削減）。
  • リリース19ハードウェアへの対応。
• Broadcom Wi-Fi 8 プラットフォーム：BroadcomのBCM4918 APUおよび関連するデュアルバンドWi-Fi 8ラジオ（BCM6714/BCM6719）が、エンタープライズパートナー向けに「早期アクセス」段階に入りました。超高信頼性 (UHR)と1ms未満の低遅延を強調しています。

INDUSTRY UPDATE

3. スマートフォンの分解調査：Samsung Galaxy S26 Ultra

2026年第1四半期後半に発売されたSamsung Galaxy S26 Ultraの最新分析が、今週の技術的な分解調査コミュニティ（iFixit、TechInsights、Zack Nelson）で注目を集めました：

• RFフロントエンド (RFFE)：分解調査により、Qualcomm X105モデムの搭載が確認されました。アナリストは、新しい6nmトランシーバーアーキテクチャにより、基板（PCB）面積が大幅に削減（約15%）されたことに注目しています。
• ALOPカメラモジュール：新しいALOP (All Lenses On Prism)望遠設計がJerryRigEverything (Zack Nelson) によって分析されました。レンズをプリズム上に直接積層することで、Samsungはモジュールの高さを22%削減し、Snapdragon 8 Elite Gen 5を冷却するためのベイパーチャンバーを15%大型化するスペースを確保しました。
• 修理性の危機：iFixitはこのデバイスに5/10のスコアを付けました。ハードウェアレベルのプライバシーフィルターである新しいプライバシーディスプレイが、パネルを損傷させずに取り外すことがほぼ不可能な「修理の悪夢」であると指摘しています。

CONNECTIVITY

4. IoTとコネクティビティ (Wi-Fi 8, Bluetooth 7)

• Wi-Fi 8 (802.11bn)：業界は公式に「ピーク速度」から「予測可能なパフォーマンス」へと移行しました。QualcommとBroadcomは、Wi-Fi 8を「信頼性の世代」としてマーケティングしており、産業用ロボティクスやAR/VR向けにテールレイテンシを25%低減することを目指しています。
• 統合IoTトライラジオ：InfineonのACW741x（今年初めに発表）の量産出荷が今週開始されました。これは、Wi-Fi 7 (20-MHz IoTモード)、チャネルサウンディング対応のBluetooth 6.0/7.0、および**802.15.4 (Matter/Thread)**を統合したシングルチップソリューションです。

INDUSTRY UPDATE

5. 市場インテリジェンスと戦略的動向

• Skyworks-Qorvoの合併：2026年4月10日の対談で、Skyworks経営陣はQorvoとの220億ドルの合併が2027年初頭の完了に向けて順調であることを改めて表明しました。合併後の新会社は、RFとパワーアプリケーションの両分野で**GaN（窒化ガリウム）**のリーダーとなることを目指しています。
• Appleの内製化：TechInsightsのレポートによると、Appleは今年RF関連の採用を40%増強しており、iPhone 18のサイクル（2027年）までに、初の完全内製RFFE (RFフロントエンド)およびモデムをデビューさせることを目標としています。
• TSMC 2nm RF：今週、TSMCは**2nm (ナノシート/GAA)**ノードが2026年まで予約で満杯であることを確認しました。高額なコスト（ウェハー1枚あたり3万ドル）により、RF設計者は部品コスト（BOM）を管理するために、チップレットベースのRFFE設計を検討せざるを得なくなっています。

INDUSTRY UPDATE

図解・ダイアグラム参照

• 3GPP リリース19 機能インデックス：合意された60以上の作業項目（AI、NTN、Ambient IoT）の統合リストが、4月9日にThe 3G4G Blogによって共有されました。ソース: 3g4g.co.uk
• Samsung S26 Ultra ALOP ダイアグラム：ペリスコープカメラと冷却システムの詳細な内部レイアウトが、Android AuthorityおよびZack NelsonのYouTubeチャンネルで公開されています。ソース: YouTube/JerryRigEverything
• Broadcom Wi-Fi 8 APU ブロック図：BCM4918「エッジAI」ネットワーキングプロセッサの技術仕様。ソース: broadcom.com