Japan
サイト内の現在位置


マテリアルズ・インフォマティクス(MI)は、素材産業のお客様のグローバルな競争環境において、競争力ある材料知財の創出とデリバリーによって優位なポジションを構築していくために欠かすことができない手段です。
弊社研究所で培った素材分野の知見と先端ICTの知見を組み合わせたマテリアルズ・インフォマティクス・コンサルティング・サービスによって、お客様の材料知財創出ご支援を通じ、国際競争力向上をサポートいたします。
マテリアルズ・インフォマティクスによる課題解決
マテリアルズ・インフォマティクス の導入、運用、成果の理論化において、専門家がお客様のニーズに合わせてご提案いたします。
素材産業の課題 | 【企業価値と収益性】
|
【競争環境】
|
【環境変化】
|
研究開発視点からの課題解決 | 【高機能化学製品のポートフォリオ強化】
|
【オペレーティングモデルの刷新】
|
【グローバル市場への適応】
|
課題解決に対するMIの寄与 |
|
|
|
サービスメニュー
MI導入 | 導入アドバイザリー |
|
|
---|---|---|---|
導入教育 |
|
| |
MI用アプリケーション導入 |
|
| |
MI運用 | 生成AIを用いた材料探索高速化 |
|
|
ターゲット探索のための伴走支援 |
|
| |
材料データ構造化 |
|
| |
成果の理論化 | ドキュメンテーション支援 |
|
|

マテリアルズ・インフォマティクス導入
マテリアルインフォマティクスの導入においては、お客様組織の特性やターゲットに合わせて業務設計したうえで進めることが肝要です。NECでは、導入検討のアドバイザリーから、導入のための教育まで対応いたします。1. 導入アドバイザリー
お客様の組織に所属している研究者や開発者の特性や業務上のニーズを理解した上で、マテリアルズ・インフォマティクスの導入を進めることが定着のために重要です。
お客様が導入を検討される背景を踏まえてご要望を構造化し、マテリアルズ・インフォマティクスのための業務を設計いたします。
2. 導入教育
マテリアルズ・インフォマティクスの定着には、実際に研究・開発を進める方々が仕事に使っていこうというモチベーションを引き出すことが重要です。機械学習に通じていない研究者の方々も業務に抵抗感なく使っていけるように配慮したプログラムや、高度で専門性が高い使い方を目指す方々向けのプログラムに対応いたします
3. マテリアルズ・インフォマティクス用アプリケーション導入
データに基づいて探索領域を絞り込むことや、使いやすいノーコードベースの解析アプリケーションを使うことで、材料知財を創出するためのデータ生成が飛躍的に効率的になります。マテリアルズ・インフォマティクスで用いられるベイズ最適化などの基礎的な解析手法をノーコードで実践し、機械学習のバックグラウンドがない方々でも簡単に解析を行えます。これにより、これまでよりも少ない実験回数で効率的な材料探索が可能になる事が期待できます。

マテリアルズ・インフォマティクス運用
マテリアルズ・インフォマティクスの運用においては、材料知財創出のために材料データを次々に生み出し、活用していく必要があります。材料データの生成からデータを利活用していくための構造化まで対応いたします。1. 生成AIを用いた材料探索高速化
お客様が保有する特許情報データや公開論文ソースなどを知識グラフとして構造化し、大規模言語モデルによって高速に得たい情報を導出することで、材料知財創出のための探索領域の振り出しや論文検索を高速化・効率化することができます。
2. ターゲット課題解決のための分析等伴走
無機、有機分野において、計算科学や機械学習を用いて材料データの導出やマテリアルズ・インフォマティクス向けの機械学習フレームワーク構築を経験豊富な専門家が伴走し、ご支援いたします。計算科学(シミュレーション)では、従来はウェットで行っていた活動を、計算科学を駆使してドライにすることで、仮説設定と検証が飛躍的に高速化できるようになります。
マテリアルズ・インフォマティクス向けの機械学習フレームワーク
マテリアルズ・インフォマティクス導入の際に直面するスモールデータ(少データ)問題に対する対処法などを施すことで、まだデータの蓄積が少ない先端領域でもより精度高く機械学習モデルを構築することが可能になります。
物性予測/調色支援MI
再生プラスチックペレット製品の製造に用いることを想定して開発した技術です。
物性予測MI:どのような物性の廃プラスチックをどのように配合したらどのような物性の再生ペレットが得られるか、という情報を学習し、物性を予測します。
調色支援MI:複数種類の着色剤の配合から得られる再生ペレットの色の予測をします。
量子コンピューティングを用いた実験パラメータ探索
材料のレシピ探索において、量子コンピューティング技術を適用し、特性目標値から、その目標値を発現する素材量と組み合わせを算出することができます。
ハイスループット材料計算システムの導入
ハイスループット材料計算システムを導入することで、従来は材料計算の専門家が行っていた計算ワークフローの実行やデータ解析、データベース化といった工程を一貫して自動で行うことができるようになります。これにより材料開発に計算機シミュレーションを容易に組み込むことができ、実験工数を削減することができます。
3. 材料データ構造化
研究活動の結果導出された貴重なデータは再利用可能な形で記録されて、初めて材料知財創出に使える材料データとして機能するようになります。共通フォーマットに沿ってデータを記述することから始め、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構築まで、材料データの構造化をご支援いたします。

成果の理論化
マテリアルズ・インフォマティクスによって達成された成果を理論化し、公表していくことは知財戦略上重要な活動です。専門家がご支援した結果導出された成果について、論文化や特許出願、NP申請など、研究成果を対外的に利用する際のドキュメンテーションをご支援いたします。マテリアルズ・インフォマティクスの専門家
無機、有機の分野で知見と経験豊富なメンバーが取り組んでいます。
Shukichi Tanaka
田中 修吉 (プロフィール詳細)
博士(農学) 専門:高分子材料学

Masahiko Ishida
石田 真彦(プロフィール詳細)
博士(工学) 専門:自動実験技術、量子/AI融合技術

Kiyohiko Toyama
當山 清彦(プロフィール詳細)
博士(理学) 専門:高分子材料学

Yasutomo Omori
大森 康智(プロフィール詳細)
博士(科学) 専門:固体物性実験

Yuta Yahagi
矢作 裕太(プロフィール詳細)
博士(工学) 専門:固体物性計算

Kiichi Obuchi
小渕 喜一(プロフィール詳細)
博士(環境学) 専門:有機マテリアルズ・インフォマティクス技術

Kenko Endo
遠藤 謙光(プロフィール詳細)
博士(理学) 専門:粗視化分子動力学

Midori Yamashiro
山城 緑(プロフィール詳細)
修士(工学) 環境省認定脱炭素アドバイザー 専門:高分子材料
Taizo Shibuya
澁谷 泰蔵
博士(工学) 専門:表面物性計算
What’s New
- 2024年11月14日
- お知らせ
- 2024年10月24日
- プレスリリース
お問い合わせ