コベルコ科研は、マテリアルズ・インフォマティクス（MI）技術を駆使して、材料開発を効率化する取り組みを推進。データベースの構築や機械学習を活用し、材料の特性予測や最適化を支援しています。
コベルコ科研は、マテリアルズ・インフォマティクス（MI）を用いた「マテリアルズ・リポジショニング」に取り組んでいます。この技術は、新しい材料の開発だけでなく、既存の材料の劣化予測やリサイクル性の向上など、材料のライフサイクル全体を見据えた最適化を実現しています。実験データをもとに効率的に解析を進め、材料選定や設計のプロセスを自動化することで、産業分野におけるデジタルトランスフォーメーションを支援しています。
コベルコ科研では、複数の条件を同時に評価する「コンビナトリアル合成」や、材料シミュレーションを活用した適切な条件の探索を行い、試験分析の効率化や時間短縮を実現しています。また、AI解析によるデータベース構築支援も提供されており、材料の特性予測や寿命予測、リサイクル性の向上が可能です。これにより、企業のDX推進やグリーンイノベーション社会の創生に大きく貢献しています。
量子力学を基にしたシミュレーション技術を活用し、ナノスケールでの物質の特性を予測・解析。このサービスでは、第一原理計算を使って、リチウムイオン電池や触媒などの材料の物性値を迅速に算出します。
特徴は、実験データに頼らず計算だけで物質の特性を解析できる点。金属合金の磁化、弾性率、格子定数などの物性値を算出し、複雑な材料の性質を予測します。
ハイスループット材料試験／コンビナトリアル合成は、効率的に多様な材料を合成し、データを収集する技術です。無機物を対象とした薄膜や機能性材料の合成と分析を行い、MI解析のためのデータ収集に特化しています。
この技術により、多くの材料特性データを短期間で収集し、効率的な材料組成の最適化や新しい機能性材料の発見が可能です。
新材料の開発を支援するため、データベースを活用したデータ駆動型アプローチを提供。量子シミュレーション技術を駆使し、触媒活性、合金特性、腐食性、リチウムイオン二次電池材料の性能を予測します。これにより、効率的により適切な材料の探索が可能です。
CAE（Computer-Aided Engineering）によって生成されたデータベースを活用し、材料開発やプロセスの最適化を支援します。多孔質材料の流れ場に関する深層学習モデル（サロゲーションモデル）の構築支援も提供し、迅速な解析が可能です。
電気自動車（xEV）や部品のモデルベース開発（MBD）に特化した1Dおよび3Dモデルを提供。顧客のニーズに合わせたカスタマイズや設計性能の受託解析にも対応しています。
溶接材料の設計や開発プロセスの効率化と精度向上を目的とした取り組みです。MIにより、最適な溶接材料を選定し、開発の時間とコストを削減しました。
MIの適用により、材料の特性を予測するモデルが構築され、気孔欠陥率の低減や新材料の開発に成功しました。
参照元：コベルコ科研公式HP https://www.kobelco.co.jp/technology-review/pdf/72_1/091-096.pdf
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。