富士通ではマテリアルズ・インフォマティクスを活用し、材料開発の効率を高めています。従来の試行錯誤型の開発方法に対し、データに基づく予測やシミュレーションを行い、より早く適切な材料を発見することが可能です。
富士通のMIは、データ駆動型のアプローチを採用し、材料の特性や条件を予測。効率的に最適な材料を探索できる点が特徴です。これにより、迅速かつ精度の高い材料開発が可能となり、研究の効率化に貢献しています。
富士通は、独自のデジタルアニーラ（最適化アーキテクチャ）を活用して、材料開発の最適化を目指しています。デジタルアニーラは、量子コンピュータにヒントを得たデジタル技術で、組み合わせの最適化問題を高速で解決します。さらに、高性能コンピューティング（HPC）や量子化学計算を駆使して、材料のシミュレーションや最適化をサポートしています。
マテリアルキュレーション支援システムは、新素材開発において他分野の知識を活用する技術です。
国立研究開発法人 物質・材料研究機構（NIMS）と共同開発され、他分野の知識を材料開発に応用。例えば電気伝導率のデータが不足している場合でも、熱伝導率との関連性を利用して予測モデルを構築できます。
Signals Notebookは、クラウドベースの電子実験ノートで、研究や実験データを一元管理できるツールです。実験データの蓄積や管理が効率化され、データのドラッグ＆ドロップでの追加や、多様なデータ形式に対応しています。Webブラウザで利用でき、専用サーバーの構築が不要です。
混合物設計ナビは、材料開発における異なる成分の最適な混合比を見つけるための支援ツール。マテリアルズ・インフォマティクス技術を活用し、少ないデータでもAIで補完し、最適な設計を提案します。プログラミングの知識が不要で、誰でも簡単に操作可能です。
富士通の研究開発支援ソリューションは、AIやデジタル技術を活用して研究開発の効率化を支援するサービスです。材料開発のDXを推進し、データに基づいたアプローチにより、開発のスピードと精度を向上させます。
耐熱性と加工性に優れたガラス材料を開発するため、シリカ、ホウ酸、ナトリウム酸化物、アルミナを用いてAIが最適な組成を予測。パイレックスガラスに近い組成を数分で見つけ出しました。
参照元：富士通公式HP https://www.fujitsu.com/jp/solutions/r-and-d-support/product/konnavi/ ダウンロード資料より
AIを活用し、リチウム電池の固体電解質材料の探索を実施。AIが推薦する条件を基にした実験により、従来の約3倍の導電率を持つ組成を発見。実験回数が約1/5に削減され、開発期間も44%短縮されました。
参照元：富士通公式HP https://pr.fujitsu.com/jp/news/2017/02/27.html
MIベンダーの中には、専門領域を持つ企業があります。各ベンダーが保有するデータの質と量は解析精度に大きく影響し、研究開発のスピード向上やコスト削減につながります。そのため専門領域で強みを持つベンダーのMIを選ぶことが重要です。
このサイトでは、専門領域を持ち、高精度な解析を実現できるMIベンダーをご紹介しています。
専門領域を持っているMIベンダーを厳選しました。
自社の研究対象に近しい領域を専門としているMIベンダーの方が、
コミュニケーションにズレがなく、知見や実績も豊富な可能性があります。
化学・素材分野で数多くの開発を成功に導いた実績があります。
日立グループ全体の強みを活かして材料開発を総合的に支援できることから、早期の市場参入を可能にします。
富士通では、創薬に特化したプラットフォームを用意。特許読解、法規制物質チェックにも一貫して対応可能。
特定の材料開発プロセスではなく、創薬研究プロセス全体のDXが叶う点も魅力です。
新しいエネルギー材料の特性を正確に予測する「Mat3ra」(旧Exabyte.io)プラットフォームを提供。
新しいバッテリー材料や軽量合金の開発をスピーディーに進められることが可能です。