マテリアルDXによる研究開発の効率化と社内体制の構築

第1部 マテリアルズ・インフォマティクスのつまづきを克服した開発プロセス変革

(2023年5月15日 10:00〜11:30)

　この数年急速に材料開発にマテリアルズインフォマティクス (MI) が導入され始め、掛け声が先行したフェーズから、開発現場のメンバーが身をもって実践するフェーズに移行しつつある。普及・啓蒙を加速し開発プロセスを変革するにあたって、より実戦的な活用を個々が体得していく必要がある。 　本セミナーでは、コニカミノルタにおけるマテリアルズインフォマティクス普及の取り組み、その過程における課題克服について、事例を交えながらマテリアルズ・インフォマティクス初学者の目線で紹介したい。

1. コニカミノルタの紹介
2. コンピュータサイエンスの歴史と現在位置
3. マテリアルズ・インフォマティクスとは
   1. 本筋は計算ではなく効率化
   2. 画期的な開発プロセス事例
   3. データだけでなく理論も必要
4. 機械学習とシミュレーションが支えるマテリアルズ・インフォマティクス
5. つまづきポイントと対処
6. マテリアルズ・インフォマティクス社内普及の取り組み紹介
   1. 社内体制
   2. 人材育成
   3. データベース構築
• 質疑応答

第2部 花王R&DにおけるMI研究体制の構築と人材育成

(2023年5月15日 12:15〜13:45)

　この10年ほどの間で、マテリアルズインフォマティクス (MI) による材料開発が急速に加速している。日本で着目を集めるきっかけとなった出来事としては、2011年に米国で開始された「マテリアルゲノム計画」があげられる。その時点で、弊社ではマテリアルズ・インフォマティクス研究が進んでいない状態であり、このままでは材料開発の分野で競争に遅れるとの危機感を持った。そのような状況下で、弊社研究所でマテリアルズ・インフォマティクスを立ち上げる必要があると考え、私はその導入を任された。取り組み初期の段階から、一研究所で進めては上手くいかないと悟り、ボトムアップ的に他研究所も巻き込んで進める必要があると考えた。 　本セミナーでは、取り組み初期での「チーム編成や人材育成で苦労した点」や「マテリアルズ・インフォマティクスを利用した具体的な応用例」に関して紹介する。

1. 背景
2. マテリアルズ・インフォマティクス研究体制の構築
   1. マテリアルズ・インフォマティクスのためのデータベース作成
      1. どのようなデータを利活用するか
      2. 誰がデータクレンジングをするか
      3. 材料設計者に協力してもらうためには
   2. マテリアルズ・インフォマティクスを進めるための体制
      1. マテリアルズ・インフォマティクスを進めるにあたり必要な能力、及び人材
      2. プロジェクトリーダーに求められる能力
      3. データサイエンティスト、材料設計者に求められる能力
      4. チームとして求められる能力
   3. インフォマティックス人材の育成
      1. 教育対象者をどのように設定するか
      2. 人材育成講座 (初級編) の立ち上げ
      3. 人材育成講座 (中級編) の立ち上げ
3. マテリアルズ・インフォマティクスの応用例
• 質疑応答

第3部 AI解析等の活用による材料開発の試行錯誤削減

(2023年5月15日 14:00〜15:30)

　研究者による経験や勘に基づいて行われていた従来の材料設計に対して、AI活用による材料開発スキームがなぜ必要になってきているかという背景を説明する。その際、化学や材料化学に関する専門知識を生かすだけでなく、マテリアルズインフォマティクスなどのデータ駆動型サイエンスの技術を活用することの重要性を示す。その上で、ベースとなるデータの構築と、機械学習・深層学習の手法について具体例を挙げて紹介する。これらのデータと手法を材料開発に用いることで、実験試行錯誤削減を成し遂げることが可能となる。特に、産学連携国家プロジェクト等で具体的研成果を挙げたので、その内容を詳細に説明する。

1. AI活用による材料開発スキームが必要になってきている背景
   1. 研究者による経験や勘に基づいて行われていた従来の材料設計
   2. AI活用による材料開発スキームの期待
2. データ駆動型サイエンス技術を活用することの重要性
   1. マテリアルズインフォマティ クス
   2. データ駆動型サイエンスの技術
3. AIのベースとなるデータの構築
   1. 構造化データと非構造化データ
   2. データ構築の課題
4. 機械学習・深層学習の手法
   1. 機械学習の種類と詳細
   2. 深層学習の種類と詳細
5. 実験試行錯誤削減を成し遂げた事例の紹介
   1. 産学連携国家プロジェクト等の内容と成果
• 質疑応答

第4部 マテリアルズ・インフォマティクス推進体制、ステップとデータ駆動型研究開発の取り組み

(2023年5月15日 15:45〜17:15)

　近年あらゆる産業・業務におけるデジタルトランスフォーメーション (DX) は急速に進んでおり、企業存続の発展のためにDXは必須といえる状況にある。その流れでは産業の川上に位置する化学・素材の業界においても同様であり、特に研究開発の場面ではマテリアルズインフォマティクスをはじめとするデジタル技術の導入が盛んにおこなわれている。 　本講演では、マテリアルズ・インフォマティクスを含む研究開発をDXを進める上での具体的な進めるべき論点と、それに対するアプローチ方法を解説し、長瀬産業のソリューションを紹介する。

1. はじめに
   1. 自己紹介
   2. 長瀬産業の紹介
2. 研究開発におけるDX
   1. 研究開発を取り巻く環境
   2. 研究開発DXにおける論点
3. 長瀬産業が提供するソリューション
   1. 電子実験ノートを中心としてデータマネジメントプラットフォーム活用
   2. 機械学習活用による配合最適化
   3. 外部データの活用による発想の深化
4. まとめ
• 質疑応答