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

吉野家で焦がしねぎ焼き鳥丼をいただく。ネギがかなり美味しい。鶏肉もたっぷり。すき家で胡麻ダレたけのこ牛丼をいただく。結構辛めのごまだれたっぷりで柔らかい筍とよく合う。はなまるうどんで辛魚豚骨つけ麺をいただく。これは容赦ない辛さで、スープ割もできて美味しい。

吉野家で焦がしねぎ焼き鳥丼をいただいた。豚汁付けた。

ネギがかなり美味しかった。鶏肉とネギはよく合う。量も十分。

また別の日、すき家で胡麻ダレたけのこ牛丼をいただいた。これも豚汁とサラダ付けた。

想像以上にごまだれが多く、かつ辛めでいい感じ。たけのこはとてもやわらかくよく合って美味しい。

また別の日、はなまるうどんで辛魚豚骨つけ麺をいただいた。

辛い粉を全部入れると相当辛くなるが私にはちょうどいい。

そしてスープ割もできるのでその辛いスープも全部飲み干してフィニッシュ。

ブルックリン博物館所蔵 特別展 古代エジプト＠あべのハルカス美術館を観てきた。石像、棺、ミイラ（ネコのミイラと棺も）、装飾品などなどいろいろ見られて面白かった。「ファラオの密室」を読んでいたのでおお、と思ったり、とても分かりやすいミイラの作り方アニメも。

あべのハルカス美術館へ古代エジプト展を観に来た。ちょっと前に「ファラオの密室」読んでいたのでそこに出てくる名前がでてきておおっと思ったり。

 「ファラオの密室」を読んだ。めちゃくちゃ面白かった！エジプト神話と本格推理が混ざったトリックがすごい。死んでミイラにさらた神官は心臓に欠けがあり冥界の審判を受けられず、3日間地上に戻るが、そのころ先王のミイラが玄室から消える事件が発生。そのトリックとは…？

第二章からは写真OKでした。石像や装飾品（いつみてもすごい）、棺やミイラがたくさん観られる。

このカノプス壺を使ったミイラの作り方、結構恐ろしい（内臓をここにいれる）が（脳を鼻から針で掻き出したり）、それをギャグアニメのようなタッチで見せているミイラの作り方アニメがなかなかわかりやすかった。

そしてネコのミイラと棺。古代エジプト人はどんだけ猫好きなんだ。

高周波エンジニアのためのAI・機械学習入門（GPU編18）PythonとKeras3.0とscikit-rfを使ってCNN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。精度向上した。

前回はDNNで推定してみた。今回はCNN(畳み込みニューラルネットワーク)を試してみよう。

コードはこちら。

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'

from jax import config

config.update("jax_enable_x64", False)

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

data = data_label["data"]

data = data_label["data"].reshape(-1,200,5,1)

label = data_label["label"]

x_train, x_test, y_train, y_test = train_test_split(data, label, test_size=0.3, random_state=0)

#正規化

scaler_y = StandardScaler()

y_train_f = scaler_y.fit_transform(y_train)

y_test_f  = scaler_y.transform(y_test)

# Functional APIでCNNを設定

inputs = keras.Input(shape=(200, 5, 1))

x = keras.layers.Conv2D(64, kernel_size=(10, 2), activation="relu")(inputs)

x = keras.layers.Conv2D(64, kernel_size=(10, 4), activation="relu")(x)

x = keras.layers.Flatten()(x)

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

#　モデルの設定

model = keras.Model(inputs=inputs, outputs=outputs)

model.compile(loss = 'mean_squared_error' ,optimizer=keras.optimizers.Adam())

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,

)

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。かなり精度が向上した。時間は4倍以上かかるが…

次はTransformer試してみよう（続く）。

GLM-5.1(Ollamaから利用）でPythonのscikit-rfを使ってTouchstoneフォーマットのSパラメータファイルを読んでdB, 位相, スミスチャート, TDRを表示するGUIアプリを作ってもらった。5分など長く考えた後、Gemma 4:31bよりさらに出来が良く、思った通りのものができた。

いつの間にかOllamaでGLM-5.1が使えるようになっていた。

https://ollama.com/library/glm-5.1

そこでいつもやっているPythonのscikit-rfを使ってTouchstoneフォーマットのSパラメータファイルを読んでdB, 位相, スミスチャート, TDRを表示するGUIアプリを作ってもらった。
５分以上考えて、

できた。が、古いMatlabとかNumpyの仕様を使っていたり動かない。しかしちゃんと検索して対応してくれる。

やり取りを何回もして最終版ができた。

dB表示。こういうマーカーが欲しかった。

スミスチャート

TDR

Gemma 4:31bで作ってもらったものが一番と思ったけれどこっちのほうが完成度高いな。

「5A73」（詠坂 雄二さん）を読んだ。連続して起こった自殺の遺体に貼られていた「暃」という幽霊文字のタトゥーシール。一体この意味は何なのかをいろいろな登場人物が考えるのが面白い…と思ったらもう術中にはまっている。前書もなぜこういう？と思っていたらなるほど…

これはどういう意味？とタイトルを見て気になっていたので買ってみた。面白かった。

あらすじは

「地下鉄に轢かれ、男性が死亡した。その体には誰も読めない「暃」という字が書かれていた…。本来は存在しないにも拘らず、パソコン等では表示されるJISコード「5A73」の文字。通称、幽霊文字。じつはこの男性の前に3人、同じ文字を体に残し死亡した人間がいた。4つの事件に関連はあるのか？この文字が持つ意味とは？警察が謎を追う間、ついに5人目の死者が出て…。 」

というもの。とにかく出てくる人がみんな暃の意味についていろいろ想像して意見を出し合うのが面白いのだが、それが実は…という最後の真相にびっくり。最終章でジャンルが変わってる！というか全然想像していなかった。ああそれで前書がああいう形に…意外で面白かった。

高周波・RFニュース 2026年4月9日 QorvoがXバンドフェイズドアレイレーダ解説、atisがニューロシンボリックコグニティブアシスタントNESYのホワイトペーパー発行、Mini-CircuitsがADSを使ったアンプシミュレーション解説、Vishayがウィルキンソンデバイダ・コンバイナ発表

・QorvoがXバンドフェイズドアレイレーダ解説

How Qorvo is Optimizing the X-Band Phased Array Radar System

・atisがニューロシンボリックコグニティブアシスタントNESYのホワイトペーパー発行

NESY: A Neuro Symbolic Cognitive Assistant for Next Generation Networks

・Mini-CircuitsがADSを使ったアンプシミュレーション解説

Using S-Parameter Files to Model Small- and Large-Signal Amplifier Performance in ADS®

・Vishayがウィルキンソンデバイダ・コンバイナ発表

Vishay Intertechnology 2-Way Wilkinson Divider / Combiner Increases Efficiency, Saves Space in Aerospace, Defense, and Connectivity Applications

その他

Keysight and Sateliot Win European Space Agency and GSMA Foundry Challenge for 6G Innovation

MIPI Alliance

Montreal Recap: Member Meeting #71 Sets Pace for Wide Range of 2026 Strategic Priority Activities

Microsoft 365 Copilot ChatでGPT-5.4 Think Deeperを使う(3) Excel VBAで先に作った数学ライブラリに、固有値・固有ベクトル、特異値分解(SVD)、主成分分析(PCA)を加えてもらう。最初は実対称行列で実装してきて、一般もできるということでやってもらったら時間はかかるができた。

前々回に線形代数やFFTといった基本的な数学ライブラリを作ってもらった。

Microsoft 365 Copilot ChatでGPT-5.4 Think Deeperを使う(1) Excel VBAで数学ライブラリ（クラスを使った複素数含む行列の演算・一次方程式計算、1次元と2次元のFFT計算など）を作ってもらう。大昔に自分で作ったものよりも圧倒的にいい感じで作ってくれた。 

今回はこれに固有値・固有ベクトル、特異値分解(SVD)、主成分分析(PCA)を加えてもらおう。
以前のファイルを渡してお願いすると、

すぐにJacobi法を使ったものを返してくれた。

もうこれでいいかな（実対称行列のみだが）と思っていたら、正直な制約を言ってくれたので、じゃあ一般もというと、

できたが0で近い数で割るエラーがでるのでそれを伝えると、解決策を出してきてできた。

では実行してみる。

PCAの例。

一般行列の固有値固有ベクトル。

マニュアル冒頭。

ライブラリを一応貼っておこう。

ダウンロード - vba_math_lib2.zip

ここまでできれば一般企業のちょっとした数値計算はすぐできるのではないか。数十万円とか取っていいレベルと思う。

しかしなんでもできるな。次は何をやってもらおう。

高周波・RFニュース 2026年4月8日 BroadcomがOFC2026での出展（200T AI時代）を解説、QualcommがMWCバルセロナ2026でのAIネイティブ6Gについて解説、iFixitがApple AirPods Max 2を分解、TDKが5GHz対応ノイズサプレッションフィルタ発表

・BroadcomがOFC2026での出展（200T AI時代）を解説

OFC 2026: Broadcom Paves the Path for the 200T AI Era

・QualcommがMWCバルセロナ2026でのAIネイティブ6Gについて解説

MWC Barcelona 2026: Prototyping an AI-native 6G from foundation to new services

・iFixitがApple AirPods Max 2を分解

Apple AirPods Max 2 Teardown: What’s Actually New

・TDKが5GHz対応ノイズサプレッションフィルタ発表

EMC対策製品: 5GHz対応の音声ライン用ノイズサプレッションフィルタの開発と量産

その他

The importance of the RAN digital twin in migrating to AI-native 6G architectures

ZTE targets 5G monetization shift with AI-driven service platform

Claude CodeでGemma 4:26b(Ollama経由, 31bは遅すぎ、e4bはプランモードに入れない）を使ってPythonのscikit-rfを使ってTouchstoneフォーマットのSパラメータファイルを読んでdB, 位相, スミスチャート, TDRを表示するGUIアプリを作ってもらった。

昨日はGemma 4:31b単体でSparameter Viewerを作ってもらった。

Gemma 4:31b(Ollamaから利用）を使ってPythonのscikit-rfを使ってTouchstoneフォーマットのSパラメータファイルを読んでdB, 位相, スミスチャート, TDRを表示するGUIアプリを作ってもらった。自分のPCで動かせるローカルLLMとしては今までで一番いい出来。

Claude Codeと組み合わせるとどうなるんだろうと同じプロンプトでやってみた。

OllamaでClaude Codeが使える。

https://docs.ollama.com/integrations/claude-code

で昨日と同じGemma 4:31bから始めると遅すぎて途中ですべてがRequest Timeoutになる（VRAM 8GBしかないので大部分がCPUに入ってめちゃくちゃ遅い）。ではGemma 4:e4bを使うと速いのだが、どうもプランモードに入れなくてずっとエラーが出ている。無理やりベタでプランを作ってくれたがちょっといまいち。そこでGemma 4:26bが速さと賢さを兼ね備えているということでやってみた。

立ち上げて、

プランモードでプランを作ってもらい、

そして完成。

まずまずの出来だが、昨日の単体で作ったほうがちょっといい感じ。Claude CodeはやっぱりOpus4.6などのもっと賢いAIと組み合わせないと真価が発揮できない感じか。

高周波・RFニュース 2026年4月7日 SkyworksがWi-FIと車載向けBAWフィルタ発表、PCIeコネクタのリターンロスの影響解説、GSAの5G RedCap4月レポート、Google Pixel 10a分解動画

・SkyworksがWi-FIと車載向けBAWフィルタ発表

Skyworks Adds BAW Filters to its Portfolio for Wi-Fi and Automotive Applications

・PCIeコネクタのリターンロスの影響解説

Sensitivity of PCIe Connector Return Loss to Mating Interface and PCB Footprint Impedance Variations

・GSAの5G RedCap4月レポート

5G RedCap – April 2026 – Industry Update

・Google Pixel 10a分解動画
Google Pixel 10a Teardown Disassembly Phone Repair Video Review

その他

Global telecom capex set to fall in 2026: Dell’Oro

Renesas

AIデータセンターの電源を支える主役にGaNが注目される理由

桜のトンネル（神戸市灘区）を通ってきた。このシーズンが終わると伐採されて若木が植えられるそうなので。

このニュースを見た。

名所「桜のトンネル」しばしお別れ　老朽化で半数以上が倒木の恐れ　伐採し植え直しへ　神戸・灘

ということで桜のトンネルにやってきた。とにかく桜の数がすごい。

これで今年の桜も見納めか。

Gemma 4:31b(Ollamaから利用）を使ってPythonのscikit-rfを使ってTouchstoneフォーマットのSパラメータファイルを読んでdB, 位相, スミスチャート, TDRを表示するGUIアプリを作ってもらった。自分のPCで動かせるローカルLLMとしては今までで一番いい出来。

Gemma4が発表されて、早速

 Gemma 4が発表されて、Ollamaで早くも使えるようになっていた。そこでGemma 4:31bにいつものに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。

というのをやってみた。次はこれもいつもやっているPythonのscikit-rfを使ってTouchstoneフォーマットのSパラメータファイルを読んでdB, 位相, スミスチャート, TDRを表示するGUIアプリを作ってもらった。

すぐにコードを書いてくれた。手直しは必要だったが、dB表示、

スミスチャート、

位相、

TDR

の表示がズームやマーカー機能含めてできた。

自分のPCで動くローカルLLMとしては今までで一番の出来だと思う。

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）2026/3/29-4/5

RF WeeklyDigest

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

Weekly Intelligence Briefing

UPDATED: 18:16:40

NETWORK STD

エグゼクティブ・サマリー：RF技術インテリジェンス・レポート

報告期間： 2026年3月29日 – 2026年4月5日
アナリスト注記： 今週は、初の3GPP Release 19対応ハードウェアが市場に投入され、「6Gへの架け橋」時代の幕開けとなる重要な転換点となりました。Qualcommは新しいAIネイティブ・モデムで大きな注目を集める一方、Samsung Galaxy S26 Ultraの分解レポートからは、「プライバシー・ディスプレイ」や高度な熱管理システムなど、RF隣接ハードウェアにおける劇的な変化が明らかになっています。

NETWORK STD

1. 5G/6Gの進展と標準化

• 3GPP Release 19の「凍結」：Release 19仕様の凍結（確定）を受け、業界の関心は正式にRelease 20へと移行しました。現在、生産段階に入っている主な機能には、ISAC（センシング・通信統合）やアンビエントIoT（バッテリーレス／エネルギーハーベスティング・センサー）が含まれます。
• AIネイティブ・ネットワーキング：NokiaとEricssonは、Release 19がRAN内に広範なAI/MLフレームワークを実装する最初のリリースになることを確認しました。これにより、予測型ビームフォーミングやインテントベースのネットワークスライシングが可能になります。
• 6Gロードマップ：初の6G規範標準となるRelease 21の初期スタディが進行中であり、2027年6月の完了を目指しています。商用化前の6Gセンシングの初期デモは、2028年のオリンピックで実施される見込みです。

NETWORK STD

2. 新規ハードウェア：チップ、アンテナ、モデム

• Qualcomm Snapdragon X105 5G Modem-RF：世界初の3GPP Release 19対応モデムとして今週発表されました。
  
  • アーキテクチャ：業界初の6nm RFトランシーバーを搭載し、30%の消費電力削減と15%のPCBフットプリント縮小を実現。
  • パフォーマンス：4Txアップリンク・キャリアアグリゲーションにより、ピークダウンロード速度14.8 Gbps、アップロード速度4.2 Gbpsを達成。
  • AI統合：第5世代Qualcomm 5G AIプロセッサは「エージェンティックAI（Agentic AI）」を活用し、ゲーミングやXRのトラフィックをリアルタイムで最適化します。
• Qorvo QPQ4701 (BAWダイプレクサ)：Qorvoは、シングルアンテナWi-Fiシステム向けに設計された高性能デュアルバンド2.4/5 GHz **BAW（弾性表面波）**ダイプレクサを発表しました。これは2026年フラッグシップ機の薄型化において極めて重要です。
• Integra Technologies 2.7 kW GaN HEMT：5G-Advancedインフラストラクチャにおける大きなブレークスルーとなるこのGaN-on-SiCトランジスタは、3 GHz帯で動作し、マッシブMIMO基地局向けに前例のない電力密度を提供します。

INDUSTRY UPDATE

3. スマートフォン分解分析：Samsung Galaxy S26 Ultra

iFixit、TechInsights、PBKreviewsによる分解レポート（2026年3月24日から4月3日に公開）が、最新のフラッグシップ機を詳細に分析しています。

• RFコンテンツ：本デバイスはSnapdragon 8 Elite Gen 5とX105 Modem-RFを統合しています。分析により、新しいALOP (All Lenses On Prism)カメラレイアウトの採用が確認されました。これにより内部スペースが確保され、高性能RFフロントエンドを冷却するためのベイパーチャンバーが15%大型化されています。
• プライバシー・ディスプレイ・ハードウェア：分解中に発見された注目すべき機能は、ピクセルレベルのプライバシー・ディスプレイです。顕微鏡下での解析により、パネルには「広角」と「狭角」の2種類のピクセルが存在することが判明しました。プライバシーモードがオンになると、狭角ピクセルが「マイクロスポットライト」として機能し、視野角を制限します。
• 修理容易性の評価：iFixitは5/10点と評価しました。バッテリーには優れたプルタブが備わり、USB-Cポートもモジュール化されていますが、プライバシー・ディスプレイと画面下セルフィーカメラが強力に接着されています。画面交換はパネル分離のリスクを伴う「極めて困難な（brutal）」プロセスであり、過度な加熱を必要とします。

NETWORK STD

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

• Wi-Fi 8のデビュー：QualcommのFastConnect 8800により、モバイル向けWi-Fi 8 (802.11bn) が正式に導入されました。4x4無線構成を特徴とし、ピークPHYレートは11.6 Gbpsに達し、従来のWi-Fi 7ソリューションの3倍の範囲を提供します。
• Bluetooth 7.0：FastConnect 8800に統合されたBluetooth 7.0は、センチメートルレベルの近接精度を実現する**チャネル・サウンディング（Channel Sounding）**と、「パーソナルAI」ウェアラブル・エコシステム向けの低遅延化に焦点を当てています。
• 衛星通信：Samsung ExynosベースのFibocom Fx550モジュールが量産体制に入りました。これにより、衛星経由の5Gビデオ通話を可能にするNR-NTNサポートが統合されます。

HARDWARE ANALYSIS

5. 図解・ダイアグラム

• Qualcomm X105 ブロック図：6nmトランシーバーとエージェンティックAI処理ブロックのハイレベル・ビュー。Source: Qualcomm.com
• iFixit Galaxy S26 Ultra 分解写真：内部レイアウト、ベイパーチャンバー、ALOPカメラモジュールの高解像度画像。Source: iFixit.com
• Release 19 ロードマップ：5G-Advancedから6Gスタディ・アイテムへの移行を示す3GPP提供の図解。Source: 3GPP.org

近松公園の桜→上坂部公園の桜(2026年4月5日時点)

まずは近松公園。花見をしている人たちがたくさんいた。

次は上坂部公園。小さな公園だが桜がとてもきれい。

豚丼屋TONTONで豚バラ丼特盛、ご飯大盛をいただく。ものすごい枚数の豚バラが甘いタレで味付けされていて食べ応えがあって美味しい。卓上の七味と山椒を振るとさらにいい感じに。松屋で店舗限定の牛とじ丼をいただく。牛めしと同じ肉だが玉子でとじると趣が変わって美味しい。

だいぶ前に上新庄に豚丼屋TONTONがあって、その時は大盛を食べた。特盛くらいなら行けるな、と思って行ってみると閉店…
閉店している店はかなりあるが、公式サイトに書いてない。。。

それはさておき今回は蒲生四丁目店へ。QRコードをスマホで読んで注文する仕様になっていた。

そして特盛。これはすごい枚数。

ちょっと甘すぎるくらいのタレなので、卓上の七味と山椒をかけるとちょうどいい感じになる。

また別の日、松屋で牛とじ丼（ご飯大盛）をいただいた。

肉は牛めしと同じということだったが、こうやって濃い出汁と玉子でとじると感じが変わって結構おいしかった。

夙川公園・夙川河川敷緑地の桜→浜戎公園の桜→宝塚の花のみちの桜(2026年4月3日時点）

まずは夙川公園・夙川河川敷緑地の桜。ほぼ満開。

次は浜戎公園へ。ここも満開。

次は移動して宝塚の花のみちへ。ここはピークをちょっと過ぎた感じ？

Gemma 4が発表されて、Ollamaで早くも使えるようになっていた。そこでGemma 4:31bにいつものに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。

Gemma 4が発表されていた。

https://ai.google.dev/gemma/docs/core/model_card_4?hl=ja

そして早くもOllamaが対応していた。

https://ollama.com/library/gemma4

そこでいつもやっている問をGemma4:31bに聞いてみた。両方ともちゃんと完全に答えられている。ただe4bはいまいちだった。

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。

回答

1. 電子レンジの動作原理（誘電加熱）

電子レンジの加熱メカニズムは、**「誘電加熱（ゆうでんがねつ）」**と呼ばれます。

① 水分子は「極性分子」である

水分子（$\text{H}_2\text{O}$）は、酸素原子が電子を強く引き付けるため、酸素側がわずかにマイナスに、水素側がプラスに帯電しています。このように、分子の中に電気的なプラスとマイナスの偏りがある分子を極性分子といいます。小さな磁石のようなものだと考えてください。

② マイクロ波による回転

電子レンジ内部にある「マグネトロン」という装置が、2.45GHz（1秒間に24.5億回振動）のマイクロ波（電磁波）を発生させます。 電磁波は、電界の向きが激しく入れ替わる波です。水分子はプラスとマイナスの端を持っているため、電界の向きに合わせて、向きを変えようとして激しく回転・振動します。

③ 摩擦熱の発生

水分子が猛烈な速さで回転しようとすると、隣り合う水分子同士がぶつかり合ったり、摩擦が起きたりします。このとき生じる分子レベルの摩擦エネルギーが「熱」となり、食品全体が温まる仕組みです。

---

2. なぜ2.45GHzなのか？（共振周波数の誤解と正解）

よく「水分子の共振周波数が2.45GHzだから、効率よく加熱できる」と説明されますが、これは物理学的に正しくありません。

共振周波数とは？

共振とは、物体が持つ固有の振動数に外部から同じ周波数の刺激を与えると、振動が劇的に増幅される現象です。もし2.45GHzが水分子の「共振周波数」であれば、水は極めて効率的にエネルギーを吸収します。

なぜ「共振」ではないのか？

もし本当に共振周波数を使っていたら、マイクロ波は食品の表面にある水分子にすべて吸収され、内部まで浸透しなくなります。 表面だけが猛烈に熱くなり、中は冷たいままという状態になってしまいます。

実際、液体状態の水が最も効率よく電磁波を吸収する周波数は、もっと高い帯域（数十GHz帯）にあると言われています。

本当に2.45GHzが使われている理由

2.45GHzが採用されている主な理由は、**「浸透性と吸収性のバランス」と「法規制」**にあります。

1. 浸透 depths（浸透深さ）の確保 2.45GHzという周波数は、水に吸収されつつも、ある程度の深さ（数センチ程度）まで内部に浸透します。これにより、表面だけでなく食品の内部までバランスよく加熱することができます。
2. ISMバンド（工業科学医療用帯域） 電波は通信（携帯電話やWi-Fiなど）に利用されるため、勝手に使ってはいけません。しかし、2.45GHz帯はISMバンドと呼ばれる「産業・科学・医療目的で利用してよい（通信を妨害しないことが前提の）帯域」として国際的に割り当てられています。そのため、家電製品として利用しやすい周波数なのです。
3. ハードウェアのコストと効率 この周波数帯で効率よく電波を出す「マグネトロン」という部品を、安価に大量生産できる技術が確立されていたことも大きな要因です。

---

まとめ

• 原理： 水分子（極性分子）が、激しく入れ替わる電界に合わせて回転し、その摩擦で熱が出る（誘電加熱）。
• 共振について： 2.45GHzは水分子の共振周波数ではない。もし共振していたら、表面しか温まらない。
• 2.45GHzの理由：
  
  
  • 食品の内部まで電波が浸透する適切な周波数であるため。
  • ISMバンドという、法的に利用しやすい帯域であるため。
  • 部品（マグネトロン）を安く作れるため。

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。

回答

隕石が大気圏に突入して燃える現象は、一般的に「摩擦熱」だと言われることが多いですが、物理学的に詳しく見ると、**「断熱圧縮（だんねつあっしゅく）」**という現象が主役です。

わかりやすくステップに分けて解説します。

1. 猛烈なスピード（運動エネルギー）

隕石は宇宙空間を非常に速いスピード（秒速11km〜72kmという、新幹線などの比ではない速度）で移動しています。この膨大な「速度」が、地球の空気にぶつかった時に「熱」に変わります。

2. 空気の「壁」と断熱圧縮（ここが重要！）

隕石が超高速で大気に突入すると、前方の空気は逃げ場がなくなり、隕石の前面で猛烈に押しつぶされます。

• 断熱圧縮とは： 気体を急激に圧縮すると、温度が急上昇するという性質のことです。
• 例え話： 自転車の空気入れを勢いよく押すと、ポンプの接合部が熱くなることがありますよね。あれが断熱圧縮です。

隕石の場合、この圧縮が桁違いに激しいため、隕石の直前の空気は数千度から数万度という超高温になります。

3. 摩擦熱の役割

もちろん、空気の粒子と隕石の表面が激しくこすれ合う「摩擦」による熱も発生します。しかし、超高速域では、前述した「空気の圧縮による加熱」の方がはるかに支配的です。

4. なぜ光るのか？（流星になる理由）

私たちが夜空に見る「流れ星」の光は、実は隕石そのものが燃えているだけではありません。

1. 表面の蒸発： 高温になったことで、隕石の表面の岩石が溶け、蒸発（気化）します。
2. 空気の電離（プラズマ化）： 隕石の周りの空気が極限まで加熱されると、空気中の分子がバラバラになり、電離して「プラズマ状態」になります。

この**「プラズマ化した空気」と「蒸発した岩石成分」が強烈に発光する**ため、私たちは光の筋として観察できるのです。

まとめ

隕石が燃える原理をまとめるとこうなります。

超高速で突入 $\rightarrow$ 前方の空気が猛烈に圧縮される（断熱圧縮） $\rightarrow$ 超高温になる $\rightarrow$ 隕石の表面が溶け、周囲の空気がプラズマ化して光る

ほとんどの小さな隕石は、この過程で完全に蒸発して消えてしまいますが、サイズが十分に大きいものは、表面だけが溶けて中身が生き残り、地面まで到達して「隕石」として発見されることになります。

高周波・RFニュース 2026年4月3日 IDTechExが5G／6Gなどに向けた低損失材料のレポート更新、MolexがSmiths Interconnectの買収完了、Softbankの通信業界向けLLMがGSMAのベンチマークで3位に、Xiaomi Poco X8 Pro Max分解動画など

・IDTechExが5G／6Gなどに向けた低損失材料のレポート更新

Low-Loss Materials for 5G/6G, Radar, and High-Speed Digital 2026-2036: Markets, Trends, and Forecasts

・MolexがSmiths Interconnectの買収完了

Molex Completes Acquisition of Smiths Interconnect, Expanding Portfolio of High-Reliability Connectivity Solutions

・Softbankの通信業界向けLLMがGSMAのベンチマークで3位に

通信業界の生成AI基盤モデル「Large Telecom Model」が
「GSMA Open-Telco LLM Benchmarks」で
トップクラスの評価を獲得

・Xiaomi Poco X8 Pro Max分解動画

Xiaomi Poco X8 Pro Max Teardown Disassembly Phone Repair Video Review

その他

NASAの有人月探査ミッション「アルテミス2」に、ルネサスの耐放射線ICが採用

TDK

日本化学工業株式会社との電子部品材料ならびに製造プロセスの開発に関する合弁会社の設立について

高周波・RFニュース 2026年4月2日 Atisが6Gに向けた3GPP Rel.20のウェビナー開催、QorvoがWi-Fi BAWダイプレクサ発表、Mini-Circuitsがダイプレクサをコンバイナとして使う方法解説、Nothing Phone 4a Pro分解動画、太陽誘電が樹脂外電MLCCを車載グレードへ全面展開

・Atisが6Gに向けた3GPP Rel.20のウェビナー開催

3GPP Release 20 – Update on 3GPP 6G Technology Studies

・QorvoがWi-Fi BAWダイプレクサ発表

Qorvo Introduces Dual-Band 2.4/5 GHz BAW Diplexer for Single-Antenna Wi-Fi Systems

・Mini-Circuitsがダイプレクサをコンバイナとして使う方法解説

The Frequency Diplexer as a Combiner

・Nothing Phone 4a Pro分解動画

Nothing Phone 4a Pro Teardown Disassembly Phone Repair Video Review

・太陽誘電が樹脂外電MLCCを車載グレードへ全面展開

太陽誘電：車載電子機器の進化を支える信頼性と持続可能性　新世代「樹脂外電MLCC」シリーズを車載グレードへ全面展開

その他

Born in the USA – your next Wi-Fi router will be made in America (Analyst Angle)

「此の世の果ての殺人」を読んだ。小惑星が追突し世界が滅ぶことが確実な中、小春は大宰府の自動車学校で教習を受ける。その車内で惨殺体を発見する。もう滅ぶ世界でなぜ殺人を起こすのか。元刑事の教官とのバディものでもあり、意外だが納得できる真相もよかった。受賞も納得。

帯で江戸川乱歩賞満場一致で最年少受賞とすごいことが書いてあって、かつ書店で平積みになっていたので早速読んでみた。

確かにこれはよかった。受賞も納得。

あらすじは

「小惑星「テロス」が日本に衝突することが発表され、世界は大混乱に陥った。そんなパニックをよそに、小春は淡々とひとり太宰府で自動車の教習を受け続けている。小さな夢を叶えるために。年末、ある教習車のトランクを開けると、滅多刺しにされた女性の死体を発見する。教官で元刑事のイサガワとともに、地球最後の謎解きを始める――。 」

というもの。もう皆逃げているのでインフラがほぼ機能していないし、警察も役に立たない中、イサガワと小春は捜査を始めるが同様の事件が起きていることを知る。一体これは同一犯なのか…

文章が読みやすくて情景もすぐ頭に浮かび、そしてこの真相も驚きだが最初の方から見ていくとなるほど、と思える。これは面白かった。

あと小春がなぜか科学技術に詳しいのには笑った。参考文献や最後の方のくだりをみてこれもなるほどと思う。