JP2019129488A - 集積回路装置、発振器、電子機器及び移動体 - Google Patents

Abstract

【課題】 温度による発振信号の周波数の変動を高い精度で補償する集積回路装置、発振器、電子機器及び移動体等の提供。【解決手段】 集積回路装置２０は、温度検出データＴＤと、温度検出データの時間変化量ΔＴＤとに基づいてニューラルネットワーク演算処理による温度補償処理を行って周波数制御データＤＤＳを生成するデジタル信号処理回路２３と、振動子１０を用いて、周波数制御データＤＤＳにより設定される周波数の発振信号を生成する発振信号生成回路４０と、を含む。【選択図】 図１１

Description

本発明は、集積回路装置、発振器、電子機器及び移動体等に関する。

従来より、ＴＣＸＯ（temperature compensated crystal oscillator）、ＯＣＸＯ（oven controlled crystal oscillator）、ＳＰＸＯ（Simple Packaged Crystal Oscillator）等の発振器が知られている。例えばＴＣＸＯは、水晶振動子がもつ発振周波数の温度特性を補償することにより、環境温度の変化に対して安定した発振周波数が得られるようにした発振器である。このＴＣＸＯは、例えば携帯通信端末、ＧＰＳ関連機器、ウェアラブル機器、又は車載機器などにおける基準信号源等として用いられている。

発振器を基準信号源として用いる場合、高い精度の発振周波数を実現する必要があるため、温度補償処理を高い精度で実行しなくてはならない。たとえば非特許文献１には、水晶振動子の温度補償処理にニューラルネットワークを用いる手法が開示されている。

John C. Esterline, "Temperature Compensation of Crystal Oscillators Using an Artificial Neural Network", 21-24 May 2012, Frequency Control Symposium (FCS), 2012 IEEE International

振動子と集積回路装置とを含む振動デバイス（発振器）を考えた場合、集積回路装置が熱源の１つとなり、当該熱源で発生した熱が振動子に伝播すると考えられる。この場合、熱伝導の遅延により、振動子の温度と集積回路装置の温度との間に乖離が生じる恐れがある。しかし、非特許文献１に記載の発明では、検出された温度検出データをその都度用いてニューラルネットワーク演算を行うため、集積回路装置（温度センサー）と振動子との間の熱伝導を考慮できず、温度補償処理の精度を高くできないという課題がある。

本発明は、上記の課題の少なくとも一部を解決するためになされたものであり、以下の形態又は態様として実現することが可能である。

本発明の一態様は、温度検出データと、前記温度検出データの時間変化量とに基づいてニューラルネットワーク演算処理による温度補償処理を行って周波数制御データを生成するデジタル信号処理回路と、振動子を用いて、前記周波数制御データにより設定される周波数の発振信号を生成する発振信号生成回路と、を含む集積回路装置に関係する。

本発明の一態様では、温度センサーからの温度検出データの時間変化量を用いたニューラルネットワーク演算により、温度補償処理を行う。このようにすれば、集積回路装置と振動子との間の熱伝導を考慮したニューラルネットワーク演算（温度補償処理）が可能になる。温度センサーで検出される温度と振動子の温度との乖離は温度補償処理の精度低下の要因となるが、時間変化量を用いることで、当該乖離を考慮した処理を行うことができ、温度検出データをその都度用いる場合に比べて精度の高い温度補償処理が可能になる。

また本発明の一態様では、前記振動子を駆動する駆動回路の入力ノード及び出力ノードの一方に接続される第１の発振用端子と、前記駆動回路の前記入力ノード及び前記出力ノードの他方に接続される第２の発振用端子と、電源電圧が供給される電源端子と、前記発振信号が出力される出力端子と、前記温度検出データを生成する第１の温度センサーと、を含み、前記第１の温度センサーと前記第１の発振用端子との距離は、前記第１の温度センサーと前記電源端子との距離、及び前記第１の温度センサーと前記出力端子との距離の少なくとも一方より小さくてもよい。

駆動回路は振動子と電気的に接続される必要があり、第１の発振用端子及び第２の発振用端子は、集積回路装置と振動子の間の主な熱伝導経路となる。上記のように、電源端子又は出力端子に比べて第１の発振用端子に近い位置に温度センサーを設けることで、振動子への熱伝導に基づく温度変化を検出しやすくなる。このため、集積回路装置と振動子との間の熱伝導を考慮した温度補償処理の精度を向上させることができる。

また本発明の一態様では、第２の温度センサーを含み、前記第２の温度センサーと前記第２の発振用端子との距離は、前記第２の温度センサーと前記電源端子との距離、及び前記第２の温度センサーと前記出力端子との距離の少なくとも一方より小さくてもよい。

このように、電源端子又は出力端子に比べて第２の発振用端子に近い位置に温度センサーを設けることで、振動子への熱伝導に基づく温度変化をさらに検出しやすくなる。このため、集積回路装置と振動子との間の熱伝導を考慮した温度補償処理の精度を向上させることができる。

また本発明の一態様では、第３の温度センサーと、前記振動子を支持するための電極が形成される支持用端子と、を含み、前記第３の温度センサーと前記支持用端子との距離は、前記第３の温度センサーと前記電源端子との距離、及び前記第３の温度センサーと前記出力端子との距離の少なくとも一方より小さくてもよい。

支持用端子は、集積回路装置と振動子との接続に用いられる端子であるため、集積回路装置と振動子の間の主な熱伝導経路となる。上記のように、電源端子又は出力端子に比べて支持用端子に近い位置に温度センサーを設けることで、振動子への熱伝導に基づく温度変化をさらに検出しやすくなる。このため、集積回路装置と振動子との間の熱伝導を考慮した温度補償処理の精度を向上させることができる。

また本発明の一態様では、第３の温度センサーと、前記振動子が搭載される中継基板を支持するための電極が形成される支持用端子と、を含み、前記第３の温度センサーと前記支持用端子との距離は、前記第３の温度センサーと前記電源端子との距離、及び前記第３の温度センサーと前記出力端子との距離の少なくとも一方より小さくてもよい。

中継基板を介する場合であっても、支持用端子は、集積回路装置と振動子との接続に用いられる端子であるため、集積回路装置と振動子の間の主な熱伝導経路となる。電源端子又は出力端子に比べて支持用端子に近い位置に温度センサーを設けることで、振動子への熱伝導に基づく温度変化をさらに検出しやすくなる。このため、集積回路装置と振動子との間の熱伝導を考慮した温度補償処理の精度を向上させることができる。

また本発明の一態様では、前記デジタル信号処理回路は、多項式近似による温度補償演算の結果と、前記ニューラルネットワーク演算処理の結果とに基づいて前記温度補償処理を行ってもよい。

このように、ニューラルネットワーク演算に多項式近似を組み合わせることで、ニューラルネットワークのニューロン数を削減できるため、ニューラルネットワーク演算の負荷軽減や、記憶部に記憶されるパラメーターのデータ量を削減することが可能になる。

また本発明の一態様では、前記デジタル信号処理回路は、前記ニューラルネットワーク演算処理により、前記振動子の温度推定値を求め、求められた前記温度推定値に基づいて、前記多項式近似による温度補償演算を行ってもよい。

このように、振動子の温度推定値を求めることで、温度補償処理を高い精度で実行することが可能になる。

また本発明の一態様では、前記デジタル信号処理回路は、前記温度検出データと前記時間変化量とに基づく第１のニューラルネットワーク演算処理により、前記温度推定値を求め、前記温度推定値に基づく第２のニューラルネットワーク演算処理により、第１の周波数制御データを求め、前記多項式近似による温度補償演算により第２の周波数制御データを求め、前記第１の周波数制御データ及び前記第２の周波数制御データに基づいて、前記周波数制御データを求めてもよい。

このようにすれば、２段階のニューラルネットワーク演算と、温度推定値を用いた多項式近似の組み合わせにより、周波数制御データを演算することが可能になる。

また本発明の一態様では、前記デジタル信号処理回路は、前記温度検出データと前記時間変化量とに基づく第３のニューラルネットワーク演算により、前記温度推定値及び第１の周波数制御データを求め、前記多項式近似による温度補償演算により第２の周波数制御データを求め、前記第１の周波数制御データ及び前記第２の周波数制御データに基づいて、前記周波数制御データを求めてもよい。

このようにすれば、１つのニューラルネットワーク演算と、温度推定値を用いた多項式近似の組み合わせにより、周波数制御データを求めることが可能になる。

また本発明の他の態様は、第１〜第Ｎ（Ｎは２以上の整数）の温度センサーと、前記第１〜第Ｎの温度センサーからの第１〜第Ｎの温度検出電圧のＡ／Ｄ変換を行い、第１〜第Ｎの温度検出データを出力するＡ／Ｄ変換回路と、前記第１〜第Ｎの温度検出データの第ｉ（ｉは１≦ｉ≦Ｎを満たす整数）の温度検出データの時間変化量に基づいてニューラルネットワーク演算処理による温度補償処理を行って周波数制御データを生成するデジタル信号処理回路と、振動子を用いて、前記周波数制御データに対応する発振周波数の発振信号を生成する発振信号生成回路と、を含む集積回路装置に関係する。

本発明の他の態様では、集積回路装置に複数の温度センサーを設け、当該複数の温度センサーからの複数の温度検出データを取得し、複数の温度検出データの少なくとも１つについての時間変化量を用いたニューラルネットワーク演算により、温度補償処理を行う。このようにすれば、集積回路装置と振動子との間の熱伝導を考慮したニューラルネットワーク演算（温度補償処理）が可能になる。温度センサーで検出される温度と振動子の温度との乖離は温度補償処理の精度低下の要因となるが、複数の温度センサーを用いること、及び時間変化量を用いることで、当該乖離を考慮した処理を行うことができ、単一の温度センサーを用いる場合や、温度検出データをその都度を用いる場合に比べて精度の高い温度補償処理が可能になる。

また本発明の他の態様は、上記の集積回路装置と、前記振動子と、を含む発振器に関係する。

また本発明の他の態様は、上記の集積回路装置を含む電子機器に関係する。

また本発明の他の態様は、上記の集積回路装置を含む移動体に関係する。

振動子の温度特性の例。 可変容量回路（バラクター）の温度特性の例。 多項式近似による温度補償処理結果と、ニューラルネットワーク演算を組み合わせた場合の温度補償処理結果の例。 検査工程における温度スイープの例。 温度スイープ中の温度と周波数偏差の関係例。 温度センサーでの検出温度と振動子の温度の温度差の例。 集積回路装置と振動子を含む振動デバイスの構成を示す平面図。 集積回路装置と振動子を含む振動デバイスの構成を示す断面図。 集積回路装置と振動子を含む振動デバイスの構成を示す他の平面図。 集積回路装置と振動子を含む振動デバイスの構成を示す他の断面図。 集積回路装置の構成例。 温度センサーの配置を説明する図。 ニューラルネットワークの説明図。 誤差逆伝播法の説明図。 検査工程で実測される温度検出データの時間変化例。 検査工程で実測される発振信号の周波数の時間変化例。 本実施形態の温度補償処理を説明する図。 温度補償処理を説明するフローチャート。 振動デバイス（発振器）の熱伝導経路を説明する図。 振動デバイス（発振器）の熱伝導モデルの例。 実測データと熱伝導モデルから推定される温度推定値の時間変化例。 本実施形態の温度補償処理を説明する他の図。 温度補償処理を説明する他のフローチャート。 本実施形態の温度補償処理を説明する他の図。 温度補償処理を説明するフローチャート。 集積回路装置の他の構成例。 集積回路装置の他の構成例。 ＰＬＬ回路の構成例。 電子機器の構成例。 移動体の構成例。

以下、本発明の好適な実施の形態について詳細に説明する。なお以下に説明する本実施形態は特許請求の範囲に記載された本発明の内容を不当に限定するものではなく、本実施形態で説明される構成の全てが本発明の解決手段として必須であるとは限らない。

１．本実施形態の手法
まず本実施形態の手法について説明する。ＴＣＸＯ等の発振器は、種々の機器における基準信号源等として用いられる。例えば基地局と通信端末との通信方式として、これまではＦＤＤ（Frequency Division Duplex）が用いられていたが、次世代の５Ｇなどの通信方式では、ＴＤＤ（Time Division Duplex）が用いられる。そしてＴＤＤ方式では、上がりと下りで同じ周波数を用いて時分割でデータが送受信され、各機器に割り当てられたタイムスロットの間にはガードタイムが設定されている。このため、適正な通信を実現するためには、各機器において時刻同期を行う必要があり、正確な絶対時刻の計時が要求される。また発振器を基準信号源として用いる場合には、いわゆるホールドオーバーの問題がある。例えば、ＧＰＳやネットワークからの基準信号に対して、ＰＬＬ回路を用いて発振器の発振信号（出力信号）を同期させることで、周波数変動を抑制できるようになる。しかしながら、ＧＰＳやネットワーク（インターネット）からの基準信号が消失又は異常となるホールドオーバーが発生すると、同期のための基準信号を得ることができなくなる。従って、このようなホールドオーバーが発生した場合には、基準信号が無い状態で発振器側が絶対時刻を計時する必要があり、この計時時刻がずれてしまうと、通信が破綻してしまう。このため、発振器には、ホールドオーバー期間においても、非常に高い周波数安定度が要求される。

発振周波数の精度を低下させる要因として、振動子の温度特性が考えられる。図１は、水晶振動子の温度特性の例であり、横軸は温度を表し、縦軸は周波数偏差（設定周波数に対する誤差）を表す。図１に示すように、水晶振動子は三次関数に近い温度特性を有する。そのため、発振器の集積回路装置（狭義にはＤＰＳ）は、温度変動に伴う発振周波数の変動を抑制する温度補償処理を実行する。例えば図１１を用いて後述するように、デジタル信号処理回路２３（ＤＳＰ）は、温度検出データＴＤに基づいて周波数制御データＤＤＳを出力し、発振信号生成回路４０は、周波数制御データＤＤＳに基づいて振動子１０の発振周波数を制御する。

例えば、発振信号生成回路４０が可変容量回路としてバラクターを含み、当該バラクターへの印加電圧を制御して容量値を変化させることで、振動子１０の発振周波数を制御する場合を考える。

図２は、バラクターの温度特性の例であり、横軸は印加電圧を表し、縦軸は周波数変化量（単位：ｐｐｍ／Ｖ）を表す。図２では、−４０℃〜１４０℃の間の７つの温度について図示している。図２からわかるように、バラクターによる周波数変化量は温度に応じて変化する。

この場合、発振周波数の温度特性は、図１に示した振動子１０の温度特性と、図２に示したバラクターの温度特性の重ね合わせにより決定される。そのため、温度と周波数あるいは周波数偏差の関係は、滑らかな多項式にならず、ディップなどの局所的な値の変化が生じてしまう。

図３は、温度補償処理を行った結果を表す図であり、図３のＡ１が１２次の多項式近似による温度補償処理の結果を表す。図３の横軸は温度であり、縦軸は周波数偏差である。図３のＡ１からわかるように、多項式近似による温度補償処理では、ある程度の誤差が残る。発振器の用途によっては、Ａ１に示した精度で問題が生じないことも考えられる。しかし、上述したＴＤＤの例のように、非常に高い精度の発振周波数を実現する必要がある場合、多項式近似では十分な精度が得られない。

これに対して、非特許文献１のように、ニューラルネットワークを温度補償処理に用いる手法が考えられる。ニューラルネットワークは、任意の形状の関数を高い精度で近似可能であることが知られている。そのため、振動子１０とバラクターの温度特性が重ね合わせられることで特性が複雑化した場合にも、精度の高い温度補償処理が可能なように思える。

しかし非特許文献１は単一の温度センサーを用いる。ニューラルネットワークでは、入力の数を増やすことで精度向上が可能であるところ、非特許文献１は入力が少なく、高い精度での温度補償処理が難しいという課題がある。

また図１に示したように、温度補償処理においては振動子１０自体の温度が重要である。しかし、振動子１０自体に温度センサーを設けることは容易でなく、温度センサー２６は振動子１０以外の場所、特に集積回路装置２０に設けられる。

図４は、検査工程における温度スイープの例である。図４の横軸は時間であり縦軸は検査工程で用いられる恒温槽の温度である。図４の例では、＋２５℃を起点として＋１２５℃まで温度を上昇させたあと、−４０℃まで冷却し、その後＋２５℃に戻す制御を３３時間かけて行う。通常、検査工程では、図４のように温度スイープを行い、その際の温度検出データＴＤと、周波数制御データＤＤＳを求め、求めた値を学習データ（教師データ）として、ニューラルネットワークの学習処理や、多項式近似関数の係数を決定する処理を実行する。

図５は、図４に示した温度スイープを行った場合の、温度補償処理のシミュレーション結果を表す図である。図５の横軸は時間であり、縦軸は周波数偏差（単位：ｐｐｂ）を表す。図５では、集積回路装置と振動子の間の熱伝導をローパスフィルター（以下、ＬＰＦと記載）とみなし、温度信号に対するローパスフィルター処理後の信号を用いた多項式近似により温度補償処理を行うシンプルな補正システムを想定している。ＬＰＦのカットオフ周波数が低いほど、温度センサーと振動子の間の熱伝導の遅延が長く、ＬＰＦのカットオフ周波数が高いほど、温度センサーと振動子の間の熱伝導の遅延が短いことに対応する。図５はカットオフ周波数を１Ｈｚ（熱伝導遅延を１秒）に設定した場合のシミュレーション結果を示している。

図５からわかるように、カットオフ周波数が１Ｈｚである場合、周波数偏差の幅がある程度大きくなってしまう。具体的には、同じ温度でも温度上昇時と温度下降時で、温度補償処理後の周波数偏差が異なる（ヒステリシスが生じる）。このシミュレーション結果は、温度センサー２６と振動子１０の間の熱伝導遅延が１秒程度であっても、当該遅延が要因となり、十分な精度で温度補償処理を実行できない、ということを示している。カットオフ周波数が高ければ（即ち熱伝導遅延が短ければ）、周波数偏差を狭い範囲に抑えることが可能であるが、図５からわかるように、十分な精度を得るために許容される熱伝導遅延は、１秒より短い。

図６は、温度センサー２６と振動子１０の間の熱伝導を説明する図である。図６の横軸は経過時間の対数であり、縦軸は温度センサー２６と振動子１０の温度差を表す。図６は、集積回路装置２０の所与の回路を熱源として熱が発生し、当該熱が伝達していく様子をシミュレートした結果である。図６に示したように、まず熱源に相対的に近い温度センサー２６の温度が高くなり、振動子１０との温度差が大きくなる。そして、時間の経過とともに振動子１０にも熱が伝達されるため、振動子１０の温度も高くなり、温度センサー２６と振動子１０の温度差は減少し、やがて０になる。

図６からわかるように、温度センサー２６と振動子１０との間には熱伝導に１００秒程度の遅延がある。つまり、熱伝導遅延を１秒より短くすることは現実的とは言えない。図５及び図６から、温度センサー２６と振動子１０の間の熱伝導遅延は、温度補償処理の精度を低下させる要因として無視できないものである、ということがわかる。つまり温度補償処理を高い精度で行うためには、集積回路装置２０と振動子１０の間の熱伝導を考慮した処理を行う必要がある。

その点、非特許文献１のように単一の温度センサーを用いる場合、熱伝導を処理に反映させることができない。上述したように、所与の温度に着目した場合、それが上昇時の温度なのか下降時の温度なのか、或いは温度勾配がどの程度であるかに応じて発振周波数が変化するところ、単一の温度センサーを用いたのではそれらを区別できないためである。

また、集積回路装置２０には多くの回路が設けられるため、熱源となる回路が変化する場合もある。その場合、熱源から温度センサー２６への熱伝導、熱源から振動子１０への熱伝導が変化する。例えば図１９等を用いて後述するように、集積回路装置２０と振動子１０の間に複数の熱伝導経路が存在する場合において、１つの熱伝達経路の近傍に温度センサー２６が設けられたとする。この場合、熱源が当該熱伝達経路に近ければ、温度センサー２６の検出温度が即座に上昇するため、振動子１０との温度差が大きくなりやすい。一方、熱源が他方側の熱伝達経路に近ければ、温度センサー２６の検出温度が上昇するころには、当該他方側の熱伝導経路を介して、振動子１０へある程度の熱が伝わりはじめているため、振動子１０との温度差は小さくなると考えられる。つまり、温度センサー２６の検出温度が同じであったとしても、振動子１０の温度が異なる場合があり得る。

以上で説明したように、ニューラルネットワーク自体は温度補償処理に有用と考えられるが、入力を適切に設定しなければ十分な精度を得られない。これに対して、本実施形態では大きく２つの対応が考えられる。

第１の対応として、本実施形態では集積回路装置２０に複数の温度センサー２６を設ける。本実施形態の集積回路装置２０は、第１〜第Ｎ（Ｎは２以上の整数）の温度センサー２６と、Ａ／Ｄ変換回路２７と、デジタル信号処理回路２３（プロセッサー、ＤＳＰ）と、発振信号生成回路４０を含む。Ａ／Ｄ変換回路２７は、第１〜第Ｎの温度センサー２６からの第１〜第Ｎの温度検出電圧のＡ／Ｄ変換を行い、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎを出力する。デジタル信号処理回路２３は、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎに基づいてニューラルネットワーク演算処理による温度補償処理を行って周波数制御データＤＤＳを生成する。発振信号生成回路４０は、振動子１０を用いて、周波数制御データＤＤＳにより設定される周波数の発振信号を生成する。

ここで、集積回路装置２０とは、例えばＡ／Ｄ変換回路２７、デジタル信号処理回路２３、及び発振信号生成回路４０等の各回路と、温度センサー２６とが１チップに集積されたものを表す。

このように、集積回路装置２０に複数の温度センサー２６を設けることで、熱伝導を考慮した温度補償処理を行うことが可能になり、高い精度の発振周波数を実現できる。具体的には、熱源の位置や発生した熱量、或いは温度変化に応じて、Ｎ個の温度検出データＴＤ_１〜ＴＤ_Ｎの組み合わせが変化するため、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎに基づくデータを入力とするニューラルネットワーク演算処理は、熱伝導を考慮したものとなる。なお、熱伝導を第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎに反映させることを考慮すれば、各温度センサー２６は、互いにある程度離れた位置に配置されることが望ましい。また、振動子１０の温度が重要であることに鑑みれば、各温度センサー２６は集積回路装置２０と振動子１０との間の熱伝達経路の近傍に配置されることが望ましい。温度センサー２６の配置例については後述する。

また第２の対応として、本実施形態では温度センサー２６の温度検出データＴＤそのものに加えて、温度検出データＴＤの時間変化量を用いる。本実施形態の集積回路装置２０は、デジタル信号処理回路２３と、温度検出データＴＤと、温度検出データＴＤの時間変化量とに基づいてニューラルネットワーク演算処理による温度補償処理を行って周波数制御データＤＤＳを生成するデジタル信号処理回路２３と、発振信号生成回路４０を含む。発振信号生成回路４０は、上記の例と同様に、振動子１０を用いて、周波数制御データＤＤＳにより設定される周波数の発振信号を生成する。

温度検出データＴＤの時間変化量とは、温度検出データＴＤの所定時間当たりの変化量を表す。例えば、温度検出データＴＤの時間変化量とは、処理対象タイミングに対応する温度検出データと、それよりも前のタイミング（狭義には１つ前のタイミング）で取得された温度検出データの差分情報である。

このように、ニューラルネットワーク演算の入力に温度検出データＴＤの時間変化量を用いることで、温度検出データＴＤの値自体が同じであっても、それが上昇時なのか下降時なのかを区別することが可能になる。また、時間変化量の大きさは温度変化の急激さを表すため、急激な温度変化と緩やかな温度変化を区別することも可能である。即ち、時間変化量を用いることでも、熱伝導を考慮したニューラルネットワーク演算が可能になるため、温度補償処理を高い精度で行うことが可能になる。

なお、以下では上記２つの組み合わせについて説明する。即ち集積回路装置２０は、第１〜第Ｎ（Ｎは２以上の整数）の温度センサー２６と、第１〜第Ｎの温度センサー２６からの第１〜第Ｎの温度検出電圧のＡ／Ｄ変換を行い、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎを出力するＡ／Ｄ変換回路２７と、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎの第ｉの温度検出データＴＤ_ｉの時間変化量に基づいてニューラルネットワーク演算処理による温度補償処理を行って周波数制御データを生成するデジタル信号処理回路２３と、振動子１０を用いて、周波数制御データに対応する発振周波数の発振信号を生成する発振信号生成回路４０と、を含む。ただし、複数の温度センサー２６を用いる構成、及び時間変化量を用いる構成のいずれか一方を省略してもよい。

また、温度補償処理をニューラルネットワーク演算のみで実現してもよいが、精度を高くするためにはニューロン数を増やす必要があり、記憶部２４（不揮発性メモリー）が記憶しておく情報が増えてしまう。

よって本実施形態では、デジタル信号処理回路２３は、多項式近似による温度補償演算の結果と、ニューラルネットワーク演算処理の結果とに基づいて、温度補償処理を行う。このようにすれば、メモリー量を抑制しつつ、高い精度での温度補償処理を実現できる。具体的には、図３のＡ２が、多項式近似（最小二乗法）とニューラルネットワーク演算処理を組み合わせた場合の、温度補償処理の結果に対応する。図３のＡ２からわかるように、本実施形態では非常に精度の高い温度補償処理を実現できる。

以下、多項式近似とニューラルネットワークを組み合わせる実施形態について説明するが、多項式近似を省略することも可能である。

２．構成例
図７、図８に本実施形態の集積回路装置２０を含む振動デバイス２（発振器）の構成例を示す。図７は、本実施形態の振動デバイス２を示す平面図であり、図８は断面図（側面図）である。振動デバイス２は、振動子１０と、振動子１０を駆動する駆動回路３０を有する集積回路装置２０（ＩＣ）を含む。また振動デバイス２は、振動子１０、集積回路装置２０が実装されるパッケージ３を更に含むことができる。振動子１０は、集積回路装置２０の能動面ＡＦ側（回路素子面側）に設けられている。能動面ＡＦは、集積回路装置２０のトランジスター等の能動素子（回路素子）が形成される面である。図７、図８では、集積回路装置２０から振動子１０へと向かう方向をＤＲ１（第１の方向）としている。方向ＤＲ１は集積回路装置２０の半導体基板に直交する方向である。また方向ＤＲ１に直交する方向を、方向ＤＲ２、ＤＲ３（第２、第３の方向）としている。方向ＤＲ２は例えば集積回路装置２０の長辺方向に沿った方向であり、方向ＤＲ３は短辺方向に沿った方向である。なお振動デバイス２は図７、図８の構成には限定されず、その一部の構成要素を省略したり、他の構成要素を追加するなどの種々の変形実施が可能である。

振動子１０（resonator）は、電気的な信号により機械的な振動を発生する素子（振動素子）である。振動子１０は、例えば水晶振動片などの振動片（圧電振動片）により実現できる。例えばカット角がＡＴカットやＳＣカットなどの厚みすべり振動する水晶振動片などにより実現できる。例えば振動子１０は、恒温槽を備えない温度補償型発振器（ＴＣＸＯ）に内蔵されている振動子である。或いは振動子１０は、恒温槽を備える恒温槽型発振器（ＯＣＸＯ）に内蔵されている振動子などであってもよい。なお本実施形態の振動子１０は、例えば厚みすべり振動型以外の振動片や、水晶以外の材料で形成された圧電振動片などの種々の振動片により実現できる。例えば振動子１０として、ＳＡＷ（Surface Acoustic Wave）共振子や、シリコン基板を用いて形成されたシリコン製振動子としてのＭＥＭＳ（Micro Electro Mechanical Systems）振動子等を採用してもよい。

振動子１０は、振動片１１（振動基板）と電極１２、１３を有する。振動片１１は圧電材料で構成されており、例えば水晶で構成されている。振動片１１の集積回路装置２０とは反対方向側の面を第１の面とし、集積回路装置２０側の面を第２の面とした場合に、電極１２は振動片１１の第１の面に形成され、電極１３は第２の面に形成される。また振動子１０は、不図示の端子を有しており、この端子を介して集積回路装置２０の端子に電気的に接続される。

集積回路装置２０は、能動面ＡＦの平面視において矩形であり、半導体基板を有し、半導体基板の能動面ＡＦに、トランジスター等の能動素子が形成される。また能動面ＡＦには抵抗、キャパシター等の受動素子が形成されてもよい。なお、ここでいう矩形とは必ずしも完全なものではなく、一部に凸形状や凹形状を含んでいたり、辺が曲線を含むものも許容される。

集積回路装置２０は、振動子１０を駆動する駆動回路３０を有する。また集積回路装置２０は、振動子１０の電極１２（第１の電極）に電気的に接続され、駆動回路３０から振動子１０への出力信号が出力される端子Ｔ１（第１の端子）と、振動子１０の電極１３（第２の電極）に電気的に接続され、振動子１０から駆動回路３０への入力信号が入力される端子Ｔ２（第２の端子）を有する。また集積回路装置２０は、振動子１０の電極１２、１３（第１、第２の電極）に電気的に非接続の端子Ｔ３（第３の端子）を更に有する。また集積回路装置２０は、端子ＴＳ１、ＴＳ２を有してもよい。なお、図７では、ＴＳ１及びＴＳ２がそれぞれ３つの端子を有する例を示したが、具体的な数については種々の変形実施が可能である。ＴＳ１又はＴＳ２は、高電位側の電源ＶＤＤが供給される端子を含む。またＴＳ１又はＴＳ２は、低電位側の電源ＶＳＳ（例えばＧＮＤ）が供給される端子を含む。即ち、端子ＴＳ１、ＴＳ２は電源供給用の電源端子を含み、集積回路装置２０は、これらの電源ＶＤＤ、ＶＳＳが供給されて動作する。また、端子ＴＳ１、ＴＳ２は、種々の信号が出力されたり或いは入力される信号端子を含む。これらの端子Ｔ１〜Ｔ３、ＴＳ１、ＴＳ２は、例えば集積回路装置２０のパッドと呼ばれるものである。なお電気的に接続とは、配線等を介して電気信号が伝達されて届くような接続であり、電気的に非接続とは、電気信号の伝達が遮断されて届かないことである。

例えば集積回路装置２０は、駆動回路３０の出力信号（駆動信号）により振動子１０を駆動する。駆動回路３０は、例えば反転増幅回路（インバーター回路）により実現され、駆動回路３０の出力信号ＯＵＴが、端子Ｔ１を介して振動子１０（電極１２）に出力される。また振動子１０（電極１３）からの入力信号ＩＮ（フィードバック信号）が端子Ｔ２を介して駆動回路３０に入力される。これにより振動子１０を発振させて、所定の発振周波数の発振信号（クロック信号）を生成できる。

図８に示すように振動デバイス２は、セラミック等により形成されるパッケージ３を有する。パッケージ３は、その内側に収容空間Ｓを有しており、この収容空間Ｓに振動子１０、集積回路装置２０が収容される。収容空間Ｓは気密封止されており、減圧状態（望ましくは真空に近い状態）になっている。このパッケージ３により、振動子１０、集積回路装置２０を衝撃、埃、熱、湿気等から好適に保護することができる。パッケージ３はベース４とリッド５を有する。具体的にはパッケージ３は、振動子１０、集積回路装置２０を支持するベース４と、ベース４との間に収容空間Ｓを形成するようにベース４の上面に接合されたリッド５とにより構成されている。

図８の断面図に示すように、ベース４は、その内側に、上面に開口する第１凹部と、第１凹部の底面に開口する第２凹部を有する。第１凹部の底面には段差部６、７が設けられており、段差部６、７には振動デバイス２の内部端子ＴＩ１、ＴＩ２が形成されている。内部端子ＴＩ１、ＴＩ２は、パッケージ３の内部配線（不図示）を介して、振動デバイス２の外部端子ＴＥ１、ＴＥ２に電気的に接続される。外部端子ＴＥ１、ＴＥ２は、パッケージ３の外側底面に形成されている。外部端子ＴＥ１、ＴＥ２は、外部配線（回路基板の配線等）を介して外部デバイスに接続される。例えば集積回路装置２０には端子ＴＳ１、ＴＳ２が設けられており、信号端子ＴＳ１、ＴＳ２には導電性バンプＢＳ１、ＢＳ２が設けられている。そして図８に示すように、信号端子ＴＳ１、ＴＳ２の導電性バンプＢＳ１、ＢＳ２は、振動デバイス２の内部端子ＴＩ１、ＴＩ２に接触して接続される。これにより、集積回路装置２０の信号端子ＴＳ１、ＴＳ２と、振動デバイス２の外部端子ＴＥ１、ＴＥ２とが電気的に接続されるようになる。

図７は集積回路装置２０の能動面ＡＦの平面視での平面図であり、例えば方向ＤＲ１の逆方向から見た図である。この能動面ＡＦの平面視において、集積回路装置２０の端子Ｔ１、Ｔ２、Ｔ３は振動子１０に重なるように配置されている。図８の断面図（方向ＤＲ３から見た図）に示すように、振動子１０と集積回路装置２０は、その厚さ方向に並ぶように積層して取り付けられている。このように振動子１０と集積回路装置２０を積層して取り付けたユニットを振動子ユニット９（積層体）と呼ぶこととする。

図８に示すように集積回路装置２０の端子Ｔ１、Ｔ２、Ｔ３には、導電性バンプＢＵ１、ＢＵ２、ＢＵ３（接続バンプ）が設けられている。導電性バンプＢＵ１、ＢＵ２、ＢＵ３は、端子Ｔ１、Ｔ２、Ｔ３上に形成された突起状の接続電極である。導電性バンプＢＵ１、ＢＵ２、ＢＵ３は例えば金属で形成された金属バンプ（金バンプ、銀バンプ又は銅バンプ等）である。なお導電性バンプとして、樹脂により形成されたバンプのコアを金属でメッキすることで構成される樹脂コアバンプを用いる変形実施も可能である。

そして端子Ｔ１は、導電性バンプＢ１を介して振動子１０の電極１２に電気的に接続される。具体的には図７、図８に示すように、振動子１０には、電極１２に接続される配線１６と、配線１６に接続される不図示の第１の接続用端子とが設けられている。そして端子Ｔ１の導電性バンプＢ１がこの第１の接続用端子に接続されることで、端子Ｔ１と電極１２とが、導電性バンプＢ１、第１の接続用端子及び配線１６を介して電気的に接続されるようになる。また端子Ｔ２は、導電性バンプＢ２を介して振動子１０の電極１３に電気的に接続される。具体的には、振動子１０には、電極１３に接続される配線１７と、配線１７に接続される不図示の第２の接続用端子とが設けられている。図１では電極１３及び配線１７は点線で示されている。そして端子Ｔ２の導電性バンプＢ２がこの第２の接続用端子に接続されることで、端子Ｔ２と電極１３とが、導電性バンプＢ２、第２の接続用端子及び配線１７を介して電気的に接続されるようになる。なお以上では、端子Ｔ１と電極１２が電気的に接続され、端子Ｔ２と電極１３が電気的に接続される場合について説明したが、本実施形態はこれに限定されず、端子Ｔ１と電極１３が電気的に接続され、端子Ｔ２と電極１２が電気的に接続されてもよい。例えば電極１３が第１の電極となり、電極１３が第２の電極となってもよい。

一方、集積回路装置２０の端子Ｔ３は、振動子１０の電極１２、１３とは電気的に非接続のダミーの端子である。例えば端子Ｔ３には導電性バンプＢＵ３が形成されており、この導電性バンプＢＵ３は、振動子１０に接触しているが、振動子１０の電極１２、１３には電気的に接続されていない。例えば集積回路装置２０の端子Ｔ１、Ｔ２は、振動子１０の第１、第２の接続用端子に接続されているが、端子Ｔ３は、これらの第１、第２の接続用端子には接続されていない。

そして振動子１０は、端子Ｔ１、Ｔ２、Ｔ３に設けられた導電性バンプＢＵ１、ＢＵ２、ＢＵ３を用いて集積回路装置２０の能動面ＡＦ側に支持される。例えば導電性バンプＢＵ１、ＢＵ２、ＢＵ３（及び端子Ｔ１、Ｔ２、Ｔ３）が支持部材となって、集積回路装置２０により振動子１０が支持（三点支持）される。

図９は、振動デバイス２の他の説明図であり、図１０はパッケージ３に実装された状態での振動デバイス２を示す断面図である。図９に示す実施形態の振動デバイス２では、振動子１０と集積回路装置２０との間に中継基板１００が設けられる。例えば振動子１０、中継基板１００、集積回路装置２０は厚さ方向に並ぶように積層して取り付けられている。このように振動子１０と中継基板１００と集積回路装置２０を積層して取り付けたユニットが、振動子ユニット９（積層体）となる。中継基板１００には、集積回路装置２０の端子Ｔ１と振動子１０の電極１２とを電気的に接続するための配線１１１や、集積回路装置２０の端子Ｔ２と振動子１０の電極１３とを電気的に接続するための配線１１５が形成される。これらの配線１１１、１１５は、中継基板１００の振動子１０側の面に設けられた導電性バンプＢＴ１、ＢＴ２を介して、振動子１０の端子に電気的に接続される。そして、振動子１０の端子は、電極１２、１３に接続される。これにより集積回路装置２０の駆動用の端子Ｔ１、Ｔ２が、振動子１０の電極１２、１３に電気的に接続されるようになる。そして端子Ｔ１、Ｔ２の間に駆動電圧が印加されることで、振動子１０が発振動作を行うようになる。このように中継基板１００は、振動子１０と集積回路装置２０との間の電気的な接続を中継する基板である。

この中継基板１００は、集積回路装置２０やパッケージ３の変形により生じる応力を振動子１０に伝わりにくくする機能を有している。中継基板１００は例えば水晶基板により実現できる。例えば水晶基板をエッチング（例えばウェットエッチング）によりパターニングすることで、中継基板１００を形成する。なお中継基板１００を、水晶基板以外の圧電基板や、シリコン基板、樹脂基板、金属基板又はセラミック基板等により実現してもよい。振動子１０と集積回路装置２０の間に中継基板１００を介在させることで、例えば集積回路装置２０やパッケージ３の熱撓み等による変形（応力）が振動子１０に伝わり難くなり、振動子１０の振動特性の低下を抑制することが可能になる。

また図９、図１０の振動デバイス２では、集積回路装置２０が、振動子１０の電極１２、１３（第１、第２の電極）に電気的に非接続の端子Ｔ３、Ｔ４（第３、第４の端子）を含む。そして振動子１０は、端子Ｔ１、Ｔ２、Ｔ３、Ｔ４に設けられた導電性バンプＢＵ１、ＢＵ２、ＢＵ３、ＢＵ４を用いて集積回路装置２０の能動面ＡＦ側に支持される。具体的には振動子１０は、集積回路装置２０の端子Ｔ１、Ｔ２、Ｔ３、Ｔ４の導電性バンプＢＵ１、ＢＵ２、ＢＵ３、ＢＵ４により支持される中継基板１００を介して、集積回路装置２０の能動面ＡＦ側に支持される。図７〜図１０に示したように、振動子１０又は中継基板１００を支持するための端子は、３つであってもよいし、４つであってもよい。或いは５つ以上の端子を用いて振動子１０又は中継基板１００を支持するようにしてもよい。

図１１に、集積回路装置２０の構成例を示す。集積回路装置２０は、出力回路２２、デジタル信号処理回路２３、記憶部２４（メモリー）、温度センサー２６、Ａ／Ｄ変換回路２７、発振信号生成回路４０を含む。また集積回路装置２０は、上述した端子Ｔ１，Ｔ２を含む。なお集積回路装置２０は図１１の構成には限定されず、その一部の構成要素を省略したり、他の構成要素を追加するなどの種々の変形実施が可能である。

温度センサー２６は、環境（例えば集積回路装置２０や振動子１０）の温度に応じて変化する温度依存電圧を、温度検出電圧として出力する。例えば温度センサー２６は、温度依存性を有する回路素子を利用して温度依存電圧を生成し、温度に非依存の電圧（例えばバンドギャップリファレンス電圧）を基準として温度依存電圧を出力する。例えば、ＰＮ接合の順方向電圧を温度依存電圧として出力する。

Ａ／Ｄ変換回路２７は、温度センサー２６からの温度検出電圧のＡ／Ｄ変換を行い、その結果を温度検出データＴＤとして出力する。Ａ／Ｄ変換方式としては、例えば逐次比較型、フラッシュ型、パイプライン型又は二重積分型等を採用できる。

デジタル信号処理回路２３は種々の信号処理を行う。例えばデジタル信号処理回路２３（温度補償部）は、温度検出データＴＤに基づいて、振動子１０の発振周波数の温度特性を補償する温度補償処理を行い、発振周波数を制御するための周波数制御データＤＤＳを出力する。温度補償処理の詳細については後述する。

デジタル信号処理回路２３は、温度補償処理を含む種々の信号処理を時分割に実行するＤＳＰ（Digital Signal Processor）により実現できる。或いはデジタル信号処理回路２３は、ゲートアレイ等の自動配置配線によるＡＳＩＣ回路により実現してもよいし、プロセッサー（例えばＣＰＵ、ＭＰＵ等）とプロセッサー上で動作するプログラムにより実現してもよい。またデジタル信号処理回路２３は温度補償以外の補正処理（例えばエージング補正）を行ってもよい。またデジタル信号処理回路２３は、恒温槽型発振器（ＯＣＸＯ）における恒温槽のヒーター制御（オーブン制御）などを行ってもよい。

記憶部２４は、温度補償処理用のデータを含む種々のデータを記憶する。記憶部２４は、ＲＡＭ（ＳＲＡＭ、ＤＲＡＭ）などの半導体メモリーにより実現してもよいし、不揮発性メモリーにより実現してもよい。

発振信号生成回路４０は、Ｄ／Ａ変換回路２５、発振回路２１を含む。Ｄ／Ａ変換回路２５は、周波数制御データＤＤＳをＤ／Ａ変換し、周波数制御データＤＤＳに対応する制御電圧を発振回路２１に出力する。発振回路２１は、駆動回路３０を有し、駆動回路３０により振動子１０を駆動して振動子１０を発振させる回路である。なお、駆動回路３０の出力ノード、入力ノードの少なくとも一方の接続ノードに対して可変容量回路を設けることが望ましい。可変容量回路は、例えば、Ｄ／Ａ変換回路２５からの制御電圧に基づき容量値が変化するバラクターである。なお、発振信号生成回路４０は図２６を用いて後述するように、種々の変形実施が可能である。

出力回路２２（バッファー回路）は、発振信号生成回路４０（発振回路２１）で生成された発振信号のバッファリングを行って、バッファリング後の信号を出力する。即ち、外部の負荷を十分に駆動できるようにするためのバッファリングを行う。バッファリング後の信号は、例えばクリップドサイン波信号である。但し当該信号は矩形波信号であってもよい。或いは出力回路２２は、クリップドサイン波信号と矩形波信号の両方の出力が可能な回路であってもよい。

次に、集積回路装置２０での温度センサー２６の配置について説明する。上述したように、温度補償処理においては、温度センサー２６で検出される温度（温度検出データＴＤ）と、振動子１０の温度の乖離が精度低下の要因となる。よって本実施形態では、集積回路装置２０と振動子１０との間の熱伝導経路の近傍に、温度センサー２６が設けられる。これにより、当該温度センサー２６からの温度検出データは、集積回路装置２０と振動子１０との間の熱伝導を反映した情報となるため、温度補償処理の精度向上が期待できる。

図１２は、温度センサー２６の配置を説明する図である。例えば、集積回路装置２０は、駆動回路３０の入力ノード及び出力ノードの一方に接続される第１の発振用端子と、駆動回路３０の入力ノード及び出力ノードの他方に接続される第２の発振用端子と、電源電圧が供給される電源端子と、発振信号が出力される出力端子と、を含む。ここでの第１の発振用端子とは、上述した端子Ｔ１に対応し、第２の発振用端子は端子Ｔ２に対応する。また、電源端子及び出力端子は、端子ＴＳ１又はＴＳ２に含まれる端子である。

そして集積回路装置２０が有する第１の温度センサー２６−１は、図１２に示したように、ＴＳ１，ＴＳ２のいずれの端子よりもＴ１に近い位置に配置される。即ち、第１の温度センサー２６−１と第１の発振用端子Ｔ１との距離Ｄ１１は、第１の温度センサー２６−１とＴＳ１との距離Ｄ１２、及び第１の温度センサー２６−１とＴＳ２との距離Ｄ１３との距離より小さい。即ち第１の温度センサー２６−１と第１の発振用端子との距離は、第１の温度センサー２６−１と電源端子との距離、及び第１の温度センサー２６−１と出力端子との距離の少なくとも一方より小さい。ここで、第１の温度センサー２６−１と第１の発振用端子との距離、第１の温度センサー２６−１と電源端子との距離、及び第１の温度センサー２６−１と出力端子との距離とはそれぞれ、第１の温度センサー２６−１と第１の発振用端子の間の最短距離、第１の温度センサー２６−１と電源端子との最短距離、及び第１の温度センサー２６−１と出力端子との最短距離をいう。また第２の温度センサー２６−２は、ＴＳ１，ＴＳ２のいずれの端子よりもＴ２に近い位置に配置される。即ち、第２の温度センサー２６−２と第２の発振用端子Ｔ２との距離Ｄ２１は、第２の温度センサー２６−２とＴＳ１との距離Ｄ２２、及び第２の温度センサー２６−２とＴＳ２との距離Ｄ２３との距離より小さい。即ち第２の温度センサー２６−２と第２の発振用端子との距離は、第２の温度センサー２６−２と電源端子との距離、及び第２の温度センサー２６−２と出力端子との距離の少なくとも一方より小さい。ここで、第２の温度センサー２６−２と第２の発振用端子との距離、第２の温度センサー２６−２と電源端子との距離、及び第２の温度センサー２６−２と出力端子との距離とはそれぞれ、第２の温度センサー２６−２と第２の発振用端子の間の最短距離、第２の温度センサー２６−２と電源端子との最短距離、及び第２の温度センサー２６−２と出力端子との最短距離をいう。図１２では、第１の温度センサー２６−１と第１の発振用端子との距離が、出力端子との距離と電源端子との距離のいずれよりも小さい例を示している。同様に図１２では、第２の温度センサー２６−２と第２の発振用端子との距離が、出力端子との距離と電源端子との距離のいずれよりも小さい例を示している。

図７〜図１０に示したように、Ｔ１，Ｔ２（ＢＵ１，ＢＵ２）は、振動子１０又は中継基板１００を支持する部材であって、集積回路装置２０と振動子１０の熱伝導経路となる。よって、他の端子（ＴＳ１，ＴＳ２）に比べて相対的にＴ１に近い位置、或いはＴ２に近い位置に温度センサー２６（２６−１，２６−２）を設けることで、高い精度の温度補償処理を実現できる。特に、Ｔ１及びＴ２は、振動子１０の駆動に必須の端子であるため、熱伝導経路となる蓋然性が非常に高く、Ｔ１，Ｔ２の近傍に温度センサー２６を設けることは重要である。なお、本実施形態では第１の温度センサー２６−１と第１の発振用端子との距離が、出力端子との距離と電源端子との距離のいずれよりも小さい構成であるが、一方より小さい構成であれば、温度補償処理の精度を向上することができる。第２の温度センサー２６−２についても同様である。

また、集積回路装置２０は、支持用端子を含む。ここでの支持用端子とは、図７において振動子１０を支持するための電極が形成される端子Ｔ３であってもよいし、図９において中継基板１００を支持するための電極が形成される端子Ｔ３，Ｔ４であってもよい。

第３の温度センサー２６−３は、図１２に示したように、ＴＳ１，ＴＳ２のいずれの端子よりもＴ３に近い位置に配置される。即ち、第３の温度センサー２６−３と支持用端子Ｔ３との距離Ｄ３１は、第３の温度センサー２６−３とＴＳ１との距離Ｄ３２、及び第３の温度センサー２６−３とＴＳ２との距離Ｄ３３との距離より小さい。即ち第３の温度センサー２６−３と支持用端子との距離は、第３の温度センサー２６−３と電源端子との距離、及び第３の温度センサー２６−３と出力端子との距離の少なくとも一方より小さい。ここで、第３の温度センサー２６−３と支持用端子との距離、第３の温度センサー２６−３と電源端子との距離、及び第３の温度センサー２６−３と出力端子との距離とはそれぞれ、第３の温度センサー２６−３と支持用端子の間の最短距離、第３の温度センサー２６−３と電源端子との最短距離、及び第３の温度センサー２６−３と出力端子との最短距離をいう。端子Ｔ３は、電気的な接続には用いられない端子であるが、振動子１０又は中継基板１００を支持するものである。よって、Ｔ３も熱伝導経路となるため、その近傍に温度センサー２６を設けるとよい。なお、図１２では、集積回路装置２０は、ＴＳ１，ＴＳ２のいずれの端子よりもＴ４に近い位置に配置される第４の温度センサー２６−４を含む例を示した。なお、本実施形態では第３の温度センサー２６−３と支持用端子との距離が、出力端子との距離と電源端子との距離のいずれよりも小さい構成であるが、一方より小さい構成であれば、温度補償処理の精度を向上することができる。第４の温度センサー２６−４についても同様である。支持用端子が複数設けられる場合、それぞれが熱伝導経路となりうるため、各支持用端子の近傍に温度センサー２６を設けることで、温度補償処理の精度向上が期待できる。ただし、第４の温度センサー２６−４を省略する等の種々の変形実施が可能である。

３．周波数制御データの演算処理
次に本実施形態に係る温度補償処理、即ち、周波数制御データＤＤＳの演算処理について説明する。まず、ニューラルネットワーク演算の概要について説明し、その後、本実施形態の手法について説明する。

３．１ ニューラルネットワーク演算の概要
図１３は、ニューラルネットワークの基本的な構造例である。ニューラルネットワークは、脳機能を計算機上でシミュレーションする数学モデルである。図１３の１つの円（ノード）をニューロンと呼ぶ。図１３の例では、ニューラルネットワークは、入力層（Ｉ）と、２つの隠れ層（Ｈ１，Ｈ２）と、出力層（Ｏ）を有し、入力層のニューロン数が３、隠れ層のニューロン数がそれぞれ４、出力層のニューロン数が１である。ただし、隠れ層（中間層）の層数や、各層に含まれるニューロンの数は種々の変形実施が可能である。入力層に含まれるニューロンは、それぞれ第１隠れ層（Ｈ１）のニューロンと結合される。第１隠れ層に含まれるニューロンはそれぞれ第２隠れ層（Ｈ２）のニューロンと結合され、第２隠れ層に含まれるニューロンはそれぞれ出力層のニューロンと結合される。

入力層は、それぞれ入力値を出力するニューロンである。図１３の例では、ニューラルネットワークはｘ１，ｘ２，ｘ３を入力として受け付け、入力層の各ニューロンは、それぞれｘ１，ｘ２，ｘ３を出力する。なお、入力値に対して何らかの前処理を行い、入力層の各ニューロンは、前処理後の値を出力してもよい。

隠れ層（中間層）以降の各ニューロンでは、脳の中で電気信号として情報が伝達される様子を模した演算が行われる。脳では、シナプスの結合強度に応じて情報の伝わりやすさが変わるため、ニューラルネットワークでは当該結合強度を重みＷで表現する。

図１３のＷ１は、入力層と第１隠れ層の間の重みである。Ｗ１は入力層に含まれる所与のニューロンと、第１隠れ層に含まれる所与のニューロンとの間の重みの集合を表す。入力層のｐ番目のニューロン数と、第１隠れ層のｑ番目のニューロンの間の重みをｗ^１ _ｐｑと表現した場合、図１３のＷ１は、ｗ^１ _１１〜ｗ^１ _３４の１２個の重みを含む情報である。より広義には、重みＷ１は、入力層のニューロン数と第１隠れ層のニューロン数の積だけの個数の重みからなる情報である。

第１隠れ層のうち、１番目のニューロンでは、下式（１）に示した演算が行われる。即ち、１つのニューロンでは、当該ニューロンに接続される１つ前の層の各ニューロンの出力を積和（重み付け加算）し、さらにバイアス（ｂ１）を加算する演算を行う。

また、上式（１）に示したように、１つのニューロンでの演算では、非線形関数である活性化関数ｆが用いられる。活性化関数ｆは、例えば下式（２）に示すＲｅＬＵ関数が用いられる。ＲｅＬＵ関数は、変数が０以下であれば０であり、０より大きければ変数自体の値となる関数である。ただし、活性化関数ｆは種々の関数を利用可能であることが知られており、シグモイド関数を用いてもよいし、ＲｅＬＵ関数を改良した関数を用いてもよい。上式（１）では、ｈ１についての演算式を例示したが、１つめの隠れ層の他のニューロンでも同様の演算を行えばよい。

また、これ以降の層についても同様である。例えば、第１隠れ層と第２隠れ層の間の重みをＷ２とした場合、第２隠れ層のニューロンでは、第１隠れ層の出力と重みＷ２を用いた積和演算を行い、バイアスを加算し、活性化関数を適用する演算を行う。

出力層のニューロンでは、その１つ前の層（図１３の例では第２隠れ層）の出力を重み付け加算し、バイアスを加算する演算を行う。ニューラルネットワークは、出力層での演算結果を、当該ニューラルネットワークの出力とする。或いは、出力層の演算結果に対して、何らかの後処理を行った結果を出力してもよい。

以上の説明からわかるように、入力から所望の出力を得るためには、適切な重みとバイアスを設定（学習）する必要がある。学習では、所与の入力ｘと、当該入力での正しい出力ｔ（教師データ）の組を多数用意しておく。ニューラルネットワークの学習処理とは、当該多数の教師データに対して、最も確からしい重み及びバイアスを求める処理と考えることが可能である。ニューラルネットワークの学習処理では、誤差逆伝播法（バックプロパゲーション）が広く知られている。

図１４は、誤差逆伝播法を説明する図である。なお図１４では、説明を簡略化するために、第１隠れ層、第２隠れ層、出力層のそれぞれについて、１つのニューロンに着目した処理を図示している。誤差逆伝播法では、フォワードパスとバックワードパスを繰り返すことで、パラメーター（重みとバイアス）を更新していく。まず入力ｘと、その時点の重み及びバイアスを用いて、出力ｙを演算する。なお、重み及びバイアスの初期値は種々の設定が可能である。図１４の例においては、下式（３）〜（５）の演算が行われ、ｘｋからｙが演算される。下式（３）〜（５）におけるｕは第１隠れ層の出力を表し、ｖは第２隠れ層の出力を表す。

そして、求められた出力ｙと、入力ｘに対応する教師データｔとに基づいて損失関数Ｅを求める。損失関数Ｅは、例えば下式（６）であるが、単純な差分（ｙ−ｔ）であってもよいし、他の損失関数を用いてもよい。損失関数Ｅを求めるまでの処理をフォワードパスと呼ぶ。

フォワードパスにより損失関数Ｅが求められたら、下式（７）〜（１２）に示すように、損失関数Ｅの偏微分を用いて各パラメーターを更新する。下式（７）〜（１２）において、“＋１”の添え字が付された値は、更新処理後の値を表す。例えばｂ_＋１とは、更新処理後のｂの値を表す。またηは学習率を表す。学習率は一定ではなく、学習の状況に応じて変更することが望ましい。

この際、出力層から入力層に向かって、各パラメーターに関する損失関数Ｅの偏微分を、連鎖率を使って計算する。具体的には、上式（７）〜（１２）に示した各偏微分は、下式（１３）〜（１８）を順次計算することで容易に求めることが可能である。また、活性化関数ｆとして上式（２）のＲｅＬＵ関数を用いた場合、微分値が０又は１となるため、偏微分の演算が容易である。式（７）〜（１８）を用いた一連の処理をバックワードパスと呼ぶ。

学習処理では、パラメーターが収束したと判定されるまで、フォワードパス及びバックワードパスを繰り返し実行する。ニューラルネットワーク演算を温度補償処理に適用する場合、温度に応じた適切な周波数制御データＤＤＳを出力するように、重み及びバイアスの値を学習し、学習結果を記憶部２４（メモリー）に記憶しておく。温度補償処理の実行時（推定処理時）は、入力であるデータと、記憶されているパラメーターとに基づいて上式（１）に示した演算を行い、出力データとして周波数制御データＤＤＳを求める演算を行う。

３．２ 本実施形態のニューラルネットワーク演算
本実施形態では、より高精度の温度補償処理を行うため、第１〜第Ｎの温度センサー２６からの温度検出データＴＤ_１〜ＴＤ_Ｎ、及び温度検出データＴＤの時間変化量を入力とするニューラルネットワークを用いて、周波数制御データＤＤＳを求める。また本実施形態では、多項式近似（最小二乗法）とニューラルネットワーク演算を組み合わせることで、ニューロン数を削減しつつ、高い精度での温度補償処理を実現する。ただし、必ずしも第１〜第Ｎの温度センサー２６からの温度検出データＴＤ_１〜ＴＤ_Ｎを用いる必要はなく、単一の温度センサーからの温度検出データを用いる構成であればよい。

具体的には、第１〜第Ｎの温度センサー２６の温度検出データをＴＤ_１〜ＴＤ_Ｎとした場合に、温度検出データの時間変化量、温度検出データの累乗を入力候補とする。第１の温度センサー２６（２６−１）の温度検出データＴＤ_１であれば、ＴＤ_１そのものだけでなく、ＴＤ_１＾２、ＴＤ_１＾３、…、ＴＤ_１＾Ｍ、及びΔＴＤ_１が入力候補となる。ここでΔＴＤ_１とは、ＴＤ_１の時間変化量であり、例えば所与のタイミング（最新のタイミング）のＴＤ_１と、過去のタイミング（１つ前のタイミング）のＴＤ_１の差分値である。同様に、第ｉの温度検出データＴＤ_ｉについては、ＴＤ_ｉ、ＴＤ_ｉ＾２、…、ＴＤ_ｉ＾Ｍ、ΔＴＤ_ｉが入力候補となる。即ち本実施形態では、１つの温度センサー２６についてＭ＋１個、合計Ｎ×（Ｍ＋１）個のデータを入力として利用可能である。

なお、ここでのＮは例えば６程度であり、Ｍは例えば５程度であるが、温度センサー２６の数や、指数の上限値は種々の変形実施が可能である。また、時間変化量は最新２タイミング間の差分値に限定されず、最新のタイミングと２以上前のタイミングとの間の差分を時間変化量としてもよいし、複数の差分値の平均値等を時間変化量としてもよいし、差分値に対してフィルター処理を施した結果を時間変化量としてもよい。また、入力候補となる時間変化量は１つに限定されず、上述した種々の時間変化量のうちの複数を、入力候補としてもよい。

デジタル信号処理回路２３のニューラルネットワーク演算では、入力候補の全てを入力として利用することは妨げられない。ただし、入力の数が増えれば、入力層と第１隠れ層の間の重みＷ１に含まれるデータ数が増えるため、記憶部２４が記憶しておくデータの量も増えてしまう。よって、ニューラルネットワークの入力として、上記入力候補のうちの一部を用いてもよい。以下、入力候補のうち、ニューラルネットワークの入力として選択されたデータを入力データＸｉｎと表記する。温度補償処理の精度を向上させるためには、２以上の温度検出データに基づくデータを入力データＸｉｎに含めること、及び１以上の時間変化量を入力データＸｉｎに含めること、の少なくとも一方を満たす必要がある。精度を考慮すれば、上記条件の両方を満たすことが望ましい。

本実施形態におけるニューラルネットワークの学習処理について説明する。まず検査工程において、恒温槽で温度スイープを行い、実測データを取得する。温度スイープは、例えば図４に示したように−４０℃〜１２５℃の範囲で行われる。

図１５は、検査工程で実測される第１〜第Ｎの温度センサー２６の温度検出データＴＤ_１〜ＴＤ_Ｎの時間変化を表すグラフである。図１５の横軸が時間を表し、縦軸が温度検出データの値を表す。なお、図１５では説明を簡略化するため、２つの温度検出データについて図示している。

図１５は、恒温槽を低温から高温へ変化させる温度スイープを行った例に対応し、各温度センサー２６の温度検出データは、時間とともに上昇する。ただし温度検出データは、熱源の位置や各温度センサー２６の配置される位置、熱伝導経路等の影響を受けるため、所与の温度検出データと他の温度検出データでは、具体的な値（波形）は異なる。

図１５のように温度検出データＴＤの時間変化がわかれば、ニューラルネットワークの入力データＸｉｎの時間変化を求めることが可能である。具体的には、各タイミングでの温度検出データを累乗することで、累乗データが求められる。また図１５のグラフを微分する（隣接データの差分を求める）ことで、時間変化量が求められる。即ち、実測された温度検出データＴＤに基づいて、入力データＸｉｎの時間変化を求めることが可能である。

また検査工程では、温度スイープ中に発振信号生成回路４０が出力する発振信号の周波数（振動子１０の発振周波数）を測定する。図１６は、検査工程で実測される発振信号の周波数の時間変化を表すグラフである。実測された図１６の情報と、発振信号生成回路４０の温度特性（例えば図２に示したバラクターの温度特性）を合わせることで、所望の周波数の発振信号を出力するための周波数制御データＤＤＳを求めることが可能である。即ち、実測されたデータに基づいて、周波数制御データＤＤＳの時間変化を求めることが可能である。なお、バラクターの温度特性は、温度スイープ中に測定してもよいし、別途測定してもよい。

以上のように、検査工程で実測されるデータ、及び当該データに基づく演算処理により、温度検出データＴＤ、入力データＸｉｎ、発振周波数、周波数制御データＤＤＳの相互の関係を求めることが可能である。

本実施形態では、入力データＸｉｎと周波数制御データＤＤＳの関係を学習処理に用いる。学習処理では、多数の教師データを用意することで学習精度を高くできる。そのため、１回の温度スイープで取得されたデータから、複数の学習用データを抽出するとよい。また、熱伝導を考慮すれば、温度スイープのさせ方も１通りではなく、複数通りの温度スイープを行うとよい。

学習処理は、例えば本実施形態に係る集積回路装置２０とは異なる情報処理装置（ＰＣ等）で行われる。本実施形態では、上述した入力データＸｉｎと周波数制御データＤＤＳを用いてニューラルネットワークの学習処理を行うことは妨げられない。このような学習処理を行った場合、ニューラルネットワーク演算処理により直接的に周波数制御データＤＤＳが演算される。

ただし、本実施形態ではニューロン数の削減を考慮して、多項式近似とニューラルネットワークを組み合わせる。具体的には、多項式近似により概略的な温度補償処理を行い、多項式近似で補償しきれない誤差を、ニューラルネットワーク演算で補償する。

図１７は、本実施形態における温度補償処理の流れを説明する模式図である。本実施形態のデジタル信号処理回路２３は、複数の温度検出データＴＤ_１〜ＴＤ_Ｎに基づく入力データＸｉｎを入力とするニューラルネットワーク演算を行って第１の周波数制御データＤＤＳ１を求めるとともに、所与の温度検出データを入力とする多項式近似を行って第２の周波数制御データＤＤＳ２を求める。そしてデジタル信号処理回路２３は、第１の周波数制御データＤＤＳ１と第２の周波数制御データＤＤＳ２の和を、最終的な周波数制御データＤＤＳとして、発振信号生成回路４０に出力する。

図１７の例におけるニューラルネットワークは、入力データＸｉｎに基づいて第１の周波数制御データＤＤＳ１を出力するように、重み及びバイアスを学習する必要がある。つまり、入力データＸｉｎに対応する周波数制御データＤＤＳをそのまま教師データとすることはできず、入力データＸｉｎに対応する第１の周波数制御データＤＤＳ１を教師データとしなくてはならない。

よって学習処理においては、まず温度検出データＴＤと周波数制御データＤＤＳの関係を最小二乗法を用いて多項式近似し、多項式の係数を決定する。ここでの多項式近似はある程度の精度があればよく、例えば３次多項式である。また、多項式の変数となる温度検出データＴＤとは、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎのいずれかであってもよいし、平均値等の統計量であってもよい。

多項式の係数が求められたら、温度検出データＴＤと多項式を用いて、多項式近似による周波数制御データ（第２の周波数制御データＤＤＳ２）を求める。実測データ（図１６）に基づき求められた周波数制御データＤＤＳと、多項式近似による第２の周波数制御データＤＤＳ２の差分が、ニューラルネットワークが出力すべき第１の周波数制御データＤＤＳ１の教師データとなる。よって学習処理では、当該差分を教師データとして、図１４を用いて上述した誤差逆伝播法等により、重み及びバイアスを学習する。

学習が完了したら、多項式近似における多項式の係数、及びニューラルネットワーク演算における重み及びバイアスが、温度補償処理のパラメーターとして記憶部２４（不揮発性メモリー）に書き込まれる。

図１８は、本実施形態に係る集積回路装置２０（デジタル信号処理回路２３）で実行される温度補償処理を説明するフローチャートである。この処理が開始されると、デジタル信号処理回路２３は、第１〜第Ｎの温度センサー２６から、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎを取得し（Ｓ１０１）、ノイズ低減用のフィルター処理を行う（Ｓ１０２）。なお、フィルター処理を省略したり、他のノイズ低減処理を行う等の変形実施が可能である。

次にデジタル信号処理回路２３は、ニューラルネットワーク演算により第１の周波数制御データＤＤＳ１を求める処理、及び多項式近似により第２の周波数制御データＤＤＳ２を求める処理を行う。学習段階では、ニューラルネットワークの教師データの演算（差分演算）に、多項式近似の結果を用いる関係上、多項式近似の係数を先に演算する必要があった。ただし、必要なパラメーター（係数、重み、バイアス）の演算が完了している段階では、ニューラルネットワーク演算と多項式近似の順序は限定されず、いずれを先に行ってもよいし、並列に実行してもよい。

ニューラルネットワーク演算では、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎに基づいて入力データＸｉｎを求める処理を行う（Ｓ１０３）。これは上述したように、累乗の演算や時間変化量の演算である。そして、演算した入力データＸｉｎを入力として、学習処理によって得られた重みとバイアスに従ってニューラルネットワーク演算を行う（Ｓ１０４）。ここでのニューラルネットワークは、出力層のニューロンが１つであり、第１の周波数制御データＤＤＳ１を出力する。

またデジタル信号処理回路２３は、Ｓ１０１で取得された温度検出データＴＤ_１〜ＴＤ_Ｎに基づく所与の温度検出データＴＤを、多項式の入力（変数）とする多項式近似を行い、第２の周波数制御データＤＤＳ２を求める（Ｓ１０５）。

そしてＳ１０４で求めた第１の周波数制御データＤＤＳ１と、Ｓ１０５で求めた第２の周波数制御データＤＤＳ２の加算処理を行い（Ｓ１０６）、加算結果を周波数制御データＤＤＳとして発振信号生成回路４０に出力する（Ｓ１０７）。

４．振動子の温度の推定処理
上述してきたように、温度補償処理では、温度センサー２６の検出する温度検出データＴＤと、振動子１０の実際の温度との乖離が精度低下の要因となる。そのため、以上で説明した実施形態では、複数の温度センサー２６を配置したり、温度検出データＴＤの時間変化量を求めることで、熱伝導の影響を考慮した温度補償処理を行った。

ただし、温度検出データＴＤと、振動子１０の温度の乖離が問題となるのであれば、温度検出データＴＤに基づいて振動子１０の温度を推定することで、高い精度で温度補償処理を実現できると考えられる。即ち、振動子１０の温度を推定し、推定結果（以下、温度推定値と記載）に基づいて、多項式近似やニューラルネットワーク演算を行う。

４．１ 熱伝導モデル
まず温度検出データから温度推定値を求めるための熱伝導モデルについて説明する。図１９は、振動デバイス２（発振器）の熱伝導経路を説明する図である。図９、図１０を用いて上述したように、集積回路装置２０は、端子ＴＳ１，ＴＳ２（ＢＳ１，ＢＳ２）を用いてパッケージ３に支持される。また、集積回路装置２０は、端子Ｔ１〜Ｔ４（ＢＵ１〜ＢＵ４）により中継基板１００を支持し、中継基板１００はＢＴ１，ＢＴ２において振動子１０を支持する。

図１９のＢ１〜Ｂ１０が熱伝導経路、Ｂ１１〜Ｂ１５が熱放射（輻射）経路である。図１９に示したように、パッケージ３、集積回路装置２０、中継基板１００、振動子１０の間では、それぞれ接続に用いられる端子が主な熱伝導経路となる。図１２を用いて上述したように、端子Ｔ１〜Ｔ４の近傍に温度センサー２６（２６−１〜２６−４）が設けられる。また、図１２に不図示の他の温度センサー２６を追加してもよく、図１９では、パッケージ３と集積回路装置２０の間の熱伝導経路の近傍に温度センサー２６（２６−５、２６−６）が設けられる例を示している。

図２０は、図１９に対応する熱伝導モデルの例である。熱伝導は、熱抵抗及び熱容量を含む熱回路としてモデル化可能であることが知られている。図２０のＣ１〜Ｃ６は、それぞれ温度センサー２６−１〜２６−６に対応するノードであり、各温度センサー２６の温度検出データＴＤが、当該ノードの電位に相当する。また、Ｃ７及びＣ８が振動子１０上のノードであり、Ｃ７又はＣ８の電位が、振動子１０の温度（温度推定値）に対応する。

物質に応じて単位熱容量及び単位熱抵抗が決まっているため、発振器の具体的な構造（各部材の材質、長さ、断面積等）に基づいて、図２０の回路の各熱抵抗（ＲＴ１〜ＲＴ２８）の抵抗値、及び各熱容量（ＣＴ１〜ＣＴ８）の容量値が決定される。図２０の例であれば、ＲＴ１〜ＲＴ８は、集積回路装置２０の特性により、抵抗値が決定される熱抵抗である。またＲＴ９〜ＲＴ１２は、集積回路装置２０と中継基板１００との接続部分の特性により、抵抗値が決定される熱抵抗である。他の熱抵抗についても同様であり、ＲＴ１３〜ＲＴ１８は中継基板１００に対応し、ＲＴ１９及びＲＴ２０は中継基板１００と振動子１０の接続部分に対応し、ＲＴ２１は振動子１０に対応する熱抵抗である。ＲＴ２２〜ＲＴ２５は集積回路装置２０とパッケージ３の接続部分或いは熱輻射に対応し、ＲＴ２６及びＲＴ２７はパッケージ３と外部との間に対応し、ＲＴ２８はパッケージ３に対応する熱抵抗である。また、ＣＴ１及びＣＴ２は集積回路装置２０に対応する熱容量であり、ＣＴ３及びＣＴ４は中継基板１００に対応する熱容量であり、ＣＴ５及びＣＴ６は振動子１０に対応する熱容量であり、ＣＴ７及びＣＴ８は、パッケージ３に対応する熱容量である。

以上のように、熱回路の各素子の抵抗値や容量値はあらかじめ決定しておくことが可能である。よって温度検出データＴＤ（ＴＤ_１〜ＴＤ_６）に基づいて、Ｃ１〜Ｃ６の各ノードの電位を決定し、回路シミュレーション処理を行うことで、Ｃ７又はＣ８の電位、即ち温度推定値を求めることが可能である。

ただし、回路シミュレーション処理は処理負荷が大きいため、集積回路装置２０（発振器）の動作中に、デジタル信号処理回路２３において実行することは容易でない。よって本実施形態の集積回路装置２０（デジタル信号処理回路２３）は、温度検出データＴＤに基づいて温度推定値を出力するニューラルネットワーク演算を行う。

回路シミュレーション処理に用いる温度検出データＴＤは、検査工程（恒温槽の温度スイープ）で実測される図１５のデータを用いればよい。図１５の各温度検出データＴＤの時間変化と、図２０に示した熱伝導モデルとを用いた回路シミュレーション処理により、図２１に示すように、温度推定値の時間変化が求められる。そして図１５に基づき求められる入力データＸｉｎと、図２１に示した温度推定値を教師データとして、ニューラルネットワークの学習処理を行う。このように学習されたニューラルネットワークでは、入力データＸｉｎを入力することで、温度推定値を出力する演算が可能になる。

４．２ ニューラルネットワークの第１の構成例
図２２は、本実施形態における温度補償処理の流れを説明する模式図である。デジタル信号処理回路２３は、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎに基づくニューラルネットワーク演算処理により、振動子１０の温度推定値を求め、求められた温度推定値に基づいて、多項式近似による温度補償演算を行う。

このように、ニューラルネットワーク演算により振動子１０の温度推定値を求めることで、温度検出データＴＤと振動子１０の温度の乖離による精度低下を抑制できる。

具体的には図２２に示したように、デジタル信号処理回路２３は、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎに基づく第１のニューラルネットワーク演算処理により温度推定値を求め、温度推定値に基づく第２のニューラルネットワーク演算処理により第１の周波数制御データＤＤＳ１を求め、多項式近似による温度補償演算により第２の周波数制御データＤＤＳ２を求める。そしてデジタル信号処理回路２３は、第１の周波数制御データＤＤＳ１及び第２の周波数制御データＤＤＳ２に基づいて、周波数制御データＤＤＳを求める。

図２２の処理を実現するための検査工程（温度スイープ）については上述したとおりである。即ち、各温度検出データＴＤの時間変化（図１５）、発振信号の周波数の時間変化（図１６）を実測し、実測データに基づいて、入力データＸｉｎの時間変化と周波数制御データＤＤＳの時間変化を求める。さらに、実測データ（図１５）に基づく回路シミュレーション処理により、温度推定値の時間変化（図２１）を求める。

まず、入力データＸｉｎに対応する温度推定値を教師データとして、第１のニューラルネットワークの学習処理を行って、重みとバイアスを決定する。なお、第１のニューラルネットワークでは、振動子１０の温度を精度よく推定する必要があるため、入力データＸｉｎは温度検出データＴＤの時間変化量を含む。さらに言えば、第１のニューラルネットワークの入力データＸｉｎは、複数の温度センサー２６からの情報を含むことが望ましい。

次に、温度推定値と周波数制御データＤＤＳの関係を、最小二乗法を用いて多項式近似し、多項式の係数を決定する。多項式の係数が求められたら、温度検出データと多項式を用いて、多項式近似による周波数制御データ（第２の周波数制御データＤＤＳ２）を求める。

周波数制御データＤＤＳと、多項式近似による第２の周波数制御データＤＤＳ２の差分が、第２のニューラルネットワークが出力すべき第１の周波数制御データＤＤＳ１の教師データとなる。よって温度推定値と関連付けられた当該差分を教師データとして、第２のニューラルネットワークの学習処理を行って、重みとバイアスを決定する。なお、第２のニューラルネットワークの入力データは、温度推定値単体であってもよいが、入力の種類を増やして精度を向上させるために、温度推定値の累乗を入力データに追加してもよい。

集積回路装置２０の記憶部２４は、多項式の係数と、第１のニューラルネットワークの重み及びバイアスと、第２のニューラルネットワークの重み及びバイアスを、温度補償処理のパラメーターとして記憶する。

図２３は、図２２に対応する温度補償処理を説明するフローチャートである。Ｓ２０１，Ｓ２０２の処理については、図１８のＳ１０１，Ｓ１０２と同様である。

次にデジタル信号処理回路２３は、第１のニューラルネットワーク演算の入力データＸｉｎを求める処理を行う（Ｓ２０３）。Ｓ２０３では、入力データＸｉｎとして温度検出データＴＤの時間変化量を含むデータを演算することが望ましい。そして、Ｓ２０３で求めた入力データＸｉｎと、学習処理によって得られた重みとバイアスに従って第１ニューラルネットワーク演算を行い、温度推定値を求める（Ｓ２０４）。

次にデジタル信号処理回路２３は、第２のニューラルネットワーク演算により第１の周波数制御データＤＤＳ１を求める処理、及び多項式近似により第２の周波数制御データＤＤＳ２を求める処理を行う。図１８の例と同様に、第２のニューラルネットワーク演算と、多項式近似の順序は限定されず、いずれを先に行ってもよいし、並列に実行してもよい。

第２のニューラルネットワーク演算では、温度推定値に基づいて入力データを求める処理を行う（Ｓ２０５）。これは上述したように、温度推定値の累乗の演算である。そして、演算した入力データを入力として、学習処理によって得られた重みとバイアスに従って第２のニューラルネットワーク演算を行う（Ｓ２０６）。ここでのニューラルネットワークは、出力層のニューロンが１つであり、第１の周波数制御データＤＤＳ１を出力する。

またデジタル信号処理回路２３は、Ｓ２０４で求められた温度推定値を多項式の入力（変数）とする多項式近似を行い、第２の周波数制御データＤＤＳ２を求める（Ｓ２０７）。

そしてＳ２０６で求めた第１の周波数制御データＤＤＳ１と、Ｓ２０７で求めた第２の周波数制御データＤＤＳ２の加算処理を行い（Ｓ２０８）、加算結果を周波数制御データＤＤＳとして発振信号生成回路４０に出力する（Ｓ２０９）。

４．３ ニューラルネットワークの第２の構成例
図２２では、温度推定値を求めるための第１のニューラルネットワークと、第１の周波数制御データを求めるための第２のニューラルネットワークを分ける例を示した。ただし、ニューラルネットワークの構成はこれに限定されない。

図２４は、温度補償処理の流れを説明する他の模式図である。図２４に示したように、デジタル信号処理回路２３は、第１〜第Ｎの温度検出データＴＤ_１〜ＴＤ_Ｎに基づく第３のニューラルネットワーク演算処理により温度推定値及び第１の周波数制御データＤＤＳ１を求め、多項式近似による温度補償演算により第２の周波数制御データＤＤＳ２を求める。そしてデジタル信号処理回路２３は、第１の周波数制御データＤＤＳ１及び第２の周波数制御データＤＤＳ２に基づいて、周波数制御データＤＤＳを求める。

図２４の処理を実現するための検査工程（温度スイープ）については上述した図２２の例と同様である。即ち、各温度検出データＴＤの時間変化（図１５）、発振信号の周波数の時間変化（図１６）を実測し、実測データに基づいて、入力データＸｉｎの時間変化と周波数制御データＤＤＳの時間変化を求める。さらに、実測データ（図１５）に基づく回路シミュレーション処理により、温度推定値の時間変化（図２１）を求める。

まず、温度推定値と周波数制御データＤＤＳの関係を、最小二乗法を用いて多項式近似し、多項式の係数を決定する。多項式の係数が求められたら、温度推定値と多項式を用いて、多項式近似による周波数制御データ（第２の周波数制御データＤＤＳ２）を求める。

周波数制御データＤＤＳと、多項式近似による第２の周波数制御データＤＤＳ２の差分が、第３のニューラルネットワークが出力すべき第１の周波数制御データＤＤＳ１の教師データとなる。第３のニューラルネットワークは、第１の周波数制御データＤＤＳ１の演算と、温度推定値を求める演算の両方を行うニューラルネットワークである。よって入力データＸｉｎに対応する当該差分、及び入力データＸｉｎに対応する温度推定値、の両方を教師データとして、第３のニューラルネットワークの学習処理を行って、重みとバイアスを決定する。第３のニューラルネットワークでは、振動子１０の温度を精度よく推定する必要があるため、入力データＸｉｎは温度検出データＴＤの時間変化量を含む。さらに言えば、第３のニューラルネットワークの入力データＸｉｎは、複数の温度センサー２６からの情報を含むことが望ましい。

集積回路装置２０の記憶部２４は、多項式の係数と、第３のニューラルネットワークの重み及びバイアスを、温度補償処理のパラメーターとして記憶する。

図２５は、図２４に対応する温度補償処理を説明するフローチャートである。Ｓ３０１，Ｓ３０２の処理については、図１８のＳ１０１，Ｓ１０２と同様である。

次にデジタル信号処理回路２３は、第３のニューラルネットワーク演算の入力データＸｉｎを求める処理を行う（Ｓ３０３）。Ｓ３０３の処理は、図２３のＳ２０３と同様であり、入力データＸｉｎとして温度検出データＴＤの時間変化量を含むデータを演算する。そして、Ｓ３０３で求めた入力データＸｉｎと、学習処理によって得られた重みとバイアスに従って第３ニューラルネットワーク演算を行う（Ｓ３０４）。ここでのニューラルネットワークは、出力層のニューロンが２つであり、第１の周波数制御データＤＤＳ１と、温度推定値を出力する。

デジタル信号処理回路２３は、Ｓ３０４で求められた温度推定値を多項式の入力（変数）とする多項式近似を行い、第２の周波数制御データＤＤＳ２を求める（Ｓ３０５）。

そしてＳ３０４で求めた第１の周波数制御データＤＤＳ１と、Ｓ３０５で求めた第２の周波数制御データＤＤＳ２の加算処理を行い（Ｓ３０６）、加算結果を周波数制御データＤＤＳとして発振信号生成回路４０に出力する（Ｓ３０７）。

５．変形例
以下、いくつかの変形例について説明する。

５．１ 発振信号生成回路の変形例
図２６に、集積回路装置２０の他の構成例を示す。図２６の集積回路装置２０の発振信号生成回路４０は、可変容量回路２９と発振回路２１を有する。この発振信号生成回路４０にはＤ／Ａ変換回路２５は設けられていない。図２６の発振信号生成回路４０により生成される発振信号の発振周波数は、デジタル信号処理回路２３からの周波数制御データＤＤＳに基づいて、直接に制御される。即ちＤ／Ａ変換回路２５を介さずに発振信号の発振周波数が制御される。

可変容量回路２９は、デジタル信号処理回路２３からの周波数制御データＤＤＳに基づいて、その容量値が制御される。例えば可変容量回路２９は、複数のキャパシター（キャパシターアレイ）と、周波数制御データＤＤＳに基づき各スイッチ素子のオン、オフが制御される複数のスイッチ素子（スイッチアレイ）を有する。これらの複数のスイッチ素子の各スイッチ素子は、複数のキャパシターの各キャパシターに電気的に接続される。そして、これらの複数のスイッチ素子がオン又はオフされることで、複数のキャパシターのうち、振動子１０の一端に、その一端が接続されるキャパシターの個数が変化する。これにより、可変容量回路２９の容量値が制御されて、振動子１０の一端の容量値が変化する。従って、周波数制御データＤＤＳにより、可変容量回路２９の容量値が直接に制御されて、発振信号の発振周波数を制御できるようになる。

５．２ ＰＬＬ回路を用いて発振周波数を制御する変形例
図２７に、集積回路装置２０の他の構成例を示す。図２７の集積回路装置２０の発振信号生成回路４０は、ＰＬＬ回路７０を有する。ここでのＰＬＬ回路７０は、具体的にはフラクショナル−Ｎ型ＰＬＬ回路である。

図２８は、ＰＬＬ回路７０の構成例である。ＰＬＬ回路７０は、位相検出器（位相比較器）７１、チャージポンプ回路７２、ローパスフィルター７３、電圧制御発振器７４（ＶＣＯ）、分周器７５、フラクショナル分周器７６、デルタシグマ変調器７７を含む。

位相検出器７１は、フラクショナル分周器７６を介してフィードバックされたＰＬＬ発振信号の位相と、発振回路２１からの信号の位相とを比較し、その位相差に基づく電圧信号を出力する。チャージポンプ回路７２は、位相検出器７１からの電圧信号を電流信号に変換する。ローパスフィルター７３は、チャージポンプ回路７２からの電流信号を電圧信号に変換するとともにローパスフィルター処理を行う。電圧制御発振器７４は、ローパスフィルター７３からの電圧値に応じた周波数で発振する。フラクショナル分周器７６及びデルタシグマ変調器７７は、電圧制御発振器７４からのＰＬＬ発振信号を分数（整数＋小数）の分周比で分周する。この分数分周によって発振回路２１からの信号の分数逓倍が可能となる。

この分数の分周比は、例えば次のようにして行う。デルタシグマ変調器７７には、デジタル信号処理回路２３からの周波数制御データＤＳＳとして、分周比を設定するためのデータが入力される。デルタシグマ変調器７７は、平均値が周波数制御データＤＤＳにより表される所望の分数となるような切り替え信号を、デルタシグマ変調によって生成し、その切り替え信号によって複数の整数分周比を切り替える。例えば、Ｐ分周とＰ＋１分周を１：１で切り替えれば、平均としてＰ＋０．５の分数分周比となる。

分周器７５は、電圧制御発振器７４からのＰＬＬ発振信号を分周し、分周された信号を出力回路２２に出力する。

以上のように、図２７の例では、デジタル信号処理回路２３が出力する周波数制御データＤＳＳは、ＰＬＬ回路７０の分周比を決定する回路である。換言すれば、デジタル信号処理回路２３は、周波数制御データＤＤＳとして適切な分周比を出力することで、ＰＬＬ回路７０を用いて発振信号の発振周波数を制御できる。

５．３ 検査工程の変形例
以上では、検査工程において発振周波数の測定（図１６）、及びバラクターの温度特性の測定（図２）を行い、それらに基づいて、周波数制御データＤＤＳの時間変化を求める手法について説明した。周波数制御データＤＤＳを求める手法はこれに限定されず、検査工程でフラクショナルＰＬＬ回路を用いてもよい。なお、ここでのフラクショナルＰＬＬ回路は、検査装置に設けられる検査用のＰＬＬ回路であってもよいし、図２７の構成の集積回路装置２０に含まれるＰＬＬ回路７０であってもよい。

具体的には、検査工程では外部から基準クロックが入力され、フラクショナルＰＬＬ回路により、振動子１０の発振周波数が当該基準クロックに基づく周波数にロックされる。この状態では、デジタル信号処理回路２３から出力される周波数制御データＤＤＳは、所望の周波数の発振信号を出力させる値となっている。即ち、フラクショナルＰＬＬ回路を用いることで、バラクターの温度特性（図２）を測定せずに、直接的に周波数制御データＤＤＳを実測することが可能になる。

また、上述したようにニューラルネットワークの精度向上のためには、多様な教師データを用いることが望ましく、複数通りの温度スイープにより計測を行うとよい。ただし、図４の例からもわかるように、１回の温度スイープにはある程度の時間を要するため、データの測定に要する時間が長くなってしまう。

よって実際に温度スイープを行ってデータを実測するのではなく、仮想的に温度スイープを行って学習用のデータを生成してもよい。まず初回の温度スイープについては、実際に恒温槽を制御し、温度検出データＴＤと発振周波数を実測する（図１５、図１６）。そして実測した温度検出データＴＤと熱伝導モデルに基づいて、温度推定値を演算し、演算結果（図２１）と実測データ（図１６）に基づいて、温度推定値と周波数の関係を求める。温度推定値と周波数の関係とは、振動子１０の温度特性に他ならない。

また、熱伝導モデルでは、外部温度（恒温槽の温度）が変動した場合の、振動子１０の温度変動を推定することが可能である。例えば図２０の熱回路における電圧源を恒温槽の温度と考えてもよいし、図２０に対して恒温槽に対応するノード（及び必要な熱抵抗、熱容量）を追加してもよい。熱伝導モデルを用いることで、任意の仮想的な温度スイープに対して、振動子１０の温度（Ｃ７又はＣ８の電位）の時間変化を求めることができる。振動子１０の温度の時間変化と、初回の温度スイープで求めておいた振動子１０の温度特性とに基づいて、発振周波数の時間変化を推定できる。

つまり、一旦振動子１０の温度特性を推定しておけば、それ以降については、実際に温度スイープを実行しなくても、任意の温度スイープを行った場合のデータ（図１５や図１６に相当するデータ）を推定できる。このようにすれば、多様な学習用データを短時間で取得でき、精度の高いニューラルネットワーク演算を容易に実現可能である。

６．電子機器、移動体
図２９に、本実施形態の振動デバイス２（集積回路装置２０）を含む電子機器５００の構成例を示す。この電子機器５００は、集積回路装置２０と振動子１０を有する振動デバイス２と、処理部５２０を含む。また通信部５１０、操作部５３０、表示部５４０、記憶部５５０、アンテナＡＮＴを含むことができる。

電子機器５００としては、例えば基地局又はルーター等のネットワーク関連機器、距離、時間、流速又は流量等の物理量を計測する高精度の計測機器、生体情報を測定する生体情報測定機器（超音波測定装置、脈波計、血圧測定装置等）、車載機器（自動運転用の機器等）などを想定できる。また電子機器５００として、頭部装着型表示装置や時計関連機器などのウェアラブル機器、ロボット、印刷装置、投影装置、携帯情報端末（スマートフォン等）、コンテンツを配信するコンテンツ提供機器、或いはデジタルカメラ又はビデオカメラ等の映像機器などを想定できる。

通信部５１０（通信インターフェース）は、アンテナＡＮＴを介して外部からデータを受信したり、外部にデータを送信する処理を行う。処理部５２０（プロセッサー）は、電子機器５００の制御処理や、通信部５１０を介して送受信されるデータの種々のデジタル処理などを行う。処理部５２０の機能は、例えばマイクロコンピューターなどのプロセッサーにより実現できる。操作部５３０（操作インターフェース）は、ユーザーが入力操作を行うためのものであり、操作ボタンやタッチパネルディスプレイなどにより実現できる。表示部５４０は、各種の情報を表示するものであり、液晶や有機ＥＬなどのディスプレイにより実現できる。記憶部５５０は、データを記憶するものであり、その機能はＲＡＭやＲＯＭなどの半導体メモリーやＨＤＤ（ハードディスクドライブ）などにより実現できる。

図３０に、本実施形態の振動デバイス２（集積回路装置２０）を含む移動体の例を示す。本実施形態の振動デバイス２（発振器、物理量測定装置）は、例えば、車、飛行機、バイク、自転車、ロボット、或いは船舶等の種々の移動体に組み込むことができる。移動体は、例えばエンジンやモーター等の駆動機構、ハンドルや舵等の操舵機構、各種の電子機器（車載機器）を備えて、地上や空や海上を移動する機器・装置である。図３０は移動体の具体例としての自動車２０６を概略的に示している。自動車２０６には、本実施形態の振動デバイス２が組み込まれる。制御装置２０８は、この振動デバイス２により生成されたクロック信号や測定された物理量情報に基づいて種々の制御処理を行う。例えば物理量情報として、自動車２０６の周囲の物体の距離情報が測定された場合に、制御装置２０８は、測定された距離情報を用いて自動運転のための種々の制御処理を行う。制御装置２０８は、例えば車体２０７の姿勢に応じてサスペンションの硬軟を制御したり、個々の車輪２０９のブレーキを制御する。なお本実施形態の振動デバイス２が組み込まれる機器は、このような制御装置２０８には限定されず、自動車２０６やロボット等の移動体に設けられる種々の機器に組み込むことができる。

なお、上記のように本実施形態について詳細に説明したが、本発明の新規事項および効果から実体的に逸脱しない多くの変形が可能であることは当業者には容易に理解できるであろう。従って、このような変形例はすべて本発明の範囲に含まれるものとする。例えば、明細書又は図面において、少なくとも一度、より広義または同義な異なる用語と共に記載された用語は、明細書又は図面のいかなる箇所においても、その異なる用語に置き換えることができる。また本実施形態及び変形例の全ての組み合わせも、本発明の範囲に含まれる。また振動デバイス、回路装置、電子機器、移動体の構成・動作や、振動デバイスでの振動子、中継基板、回路装置の配置構成や接続構成等も本実施形態で説明したものに限定されず、種々の変形実施が可能である。

ＡＮＴ…アンテナ、ＢＵ１〜ＢＵ３，ＢＳ１，ＢＳ２，ＢＴ１，ＢＴ２…導電性バンプ、
Ｔ１〜Ｔ４，ＴＳ１，ＴＳ２…端子、ＴＩ１，ＴＩ２…内部端子、
ＴＥ１，ＴＥ２…外部端子、２…振動デバイス、３…パッケージ、４…ベース、
５…リッド、６，７…段差部、９…振動子ユニット、１０…振動子、１１…振動片、
１２，１３…電極、１６，１７…配線、２０…集積回路装置、２１…発振回路、
２２…出力回路、２３…デジタル信号処理回路、２４…記憶部、２５…Ｄ／Ａ変換回路、
２６…温度センサー、２７…Ａ／Ｄ変換回路、２９…可変容量回路、３０…駆動回路、
４０…発振信号生成回路、７０…ＰＬＬ回路、７１…位相検出器、
７２…チャージポンプ回路、７３…ローパスフィルター、７４…電圧制御発振器、
７５…分周器、７６…フラクショナル分周器、７７…デルタシグマ変調器、
１００…中継基板、１１１，１１５…配線、２０６…自動車、２０７…車体、
２０８…制御装置、２０９…車輪、５００…電子機器、５１０…通信部、
５２０…処理部、５３０…操作部、５４０…表示部、５５０…記憶部

Claims (13)

1. 温度検出データと、前記温度検出データの時間変化量とに基づいてニューラルネットワーク演算処理による温度補償処理を行って周波数制御データを生成するデジタル信号処理回路と、
   振動子を用いて、前記周波数制御データにより設定される周波数の発振信号を生成する発振信号生成回路と、
   を含むことを特徴とする集積回路装置。
2. 請求項１に記載の集積回路装置において、
   前記振動子を駆動する駆動回路の入力ノード及び出力ノードの一方に接続される第１の発振用端子と、
   前記駆動回路の前記入力ノード及び前記出力ノードの他方に接続される第２の発振用端子と、
   電源電圧が供給される電源端子と、
   前記発振信号が出力される出力端子と、
   前記温度検出データを生成する第１の温度センサーと、
   を含み、
   前記第１の温度センサーと前記第１の発振用端子との距離は、前記第１の温度センサーと前記電源端子との距離、及び前記第１の温度センサーと前記出力端子との距離の少なくとも一方より小さいことを特徴とする集積回路装置。
3. 請求項２に記載の集積回路装置において、
   第２の温度センサーを含み、
   前記第２の温度センサーと前記第２の発振用端子との距離は、前記第２の温度センサーと前記電源端子との距離、及び前記第２の温度センサーと前記出力端子との距離の少なくとも一方より小さいことを特徴とする集積回路装置。
4. 請求項２又は３に記載の集積回路装置において、
   第３の温度センサーと、
   前記振動子を支持するための電極が形成される支持用端子と、を含み、
   前記第３の温度センサーと前記支持用端子との距離は、前記第３の温度センサーと前記電源端子との距離、及び前記第３の温度センサーと前記出力端子との距離の少なくとも一方より小さいことを特徴とする集積回路装置。
5. 請求項２又は３に記載の集積回路装置において、
   第３の温度センサーと、
   前記振動子が搭載される中継基板を支持するための電極が形成される支持用端子と、を含み、
   前記第３の温度センサーと前記支持用端子との距離は、前記第３の温度センサーと前記電源端子との距離、及び前記第３の温度センサーと前記出力端子との距離の少なくとも一方より小さいことを特徴とする集積回路装置。
6. 請求項１乃至５のいずれか一項に記載の集積回路装置において、
   前記デジタル信号処理回路は、
   多項式近似による温度補償演算の結果と、前記ニューラルネットワーク演算処理の結果とに基づいて前記温度補償処理を行うことを特徴とする集積回路装置。
7. 請求項６に記載の集積回路装置において、
   前記デジタル信号処理回路は、
   前記ニューラルネットワーク演算処理により、前記振動子の温度推定値を求め、求められた前記温度推定値に基づいて、前記多項式近似による温度補償演算を行うことを特徴とする集積回路装置。
8. 請求項７に記載の集積回路装置において、
   前記デジタル信号処理回路は、
   前記温度検出データと前記時間変化量とに基づく第１のニューラルネットワーク演算処理により、前記温度推定値を求め、
   前記温度推定値に基づく第２のニューラルネットワーク演算処理により、第１の周波数制御データを求め、
   前記多項式近似による温度補償演算により第２の周波数制御データを求め、
   前記第１の周波数制御データ及び前記第２の周波数制御データに基づいて、前記周波数制御データを求めることを特徴とする集積回路装置。
9. 請求項７に記載の集積回路装置において、
   前記デジタル信号処理回路は、
   前記温度検出データと前記時間変化量とに基づく第３のニューラルネットワーク演算により、前記温度推定値及び第１の周波数制御データを求め、
   前記多項式近似による温度補償演算により第２の周波数制御データを求め、
   前記第１の周波数制御データ及び前記第２の周波数制御データに基づいて、前記周波数制御データを求めることを特徴とする集積回路装置。
10. 第１〜第Ｎ（Ｎは２以上の整数）の温度センサーと、
    前記第１〜第Ｎの温度センサーからの第１〜第Ｎの温度検出電圧のＡ／Ｄ変換を行い、第１〜第Ｎの温度検出データを出力するＡ／Ｄ変換回路と、
    前記第１〜第Ｎの温度検出データの第ｉ（ｉは１≦ｉ≦Ｎを満たす整数）の温度検出データの時間変化量に基づいてニューラルネットワーク演算処理による温度補償処理を行って周波数制御データを生成するデジタル信号処理回路と、
    振動子を用いて、前記周波数制御データに対応する発振周波数の発振信号を生成する発振信号生成回路と、
    を含むことを特徴とする集積回路装置。
11. 請求項１乃至１０のいずれか一項に記載の集積回路装置と、
    前記振動子と、
    を含むことを特徴とする発振器。
12. 請求項１乃至１０のいずれか一項に記載の集積回路装置を含むことを特徴とする電子機器。
13. 請求項１乃至１０のいずれか一項に記載の集積回路装置を含むことを特徴とする移動体。