NTTデータ数理システムはマテリアルズ・インフォマティクスを通じて、企業の材料開発を効率化。機械学習や最適化技術を活用し、少ない実験データでも効果的な材料探索を支援し、開発期間とコスト削減を可能にします。
NTTデータ数理システムは、機械学習やベイズ最適化などの技術を活用しています。ベイズ最適化、ブラックボックス最適化は、複雑な材料開発の工程を自動化し、限られた実験データからでも最適な条件を探ることができる技術です。目的関数（ここでは材料の性能）が不明な場合でも、試行錯誤の中でより良い結果を見つけるための探索を実施。ベイズ最適化は、少ないデータからでも性能を予測し、最適な材料条件を見つける際に役立ちます。
NTTデータ数理システムは、企業が抱える材料開発の課題に応じて、機械学習や最適化技術を活用し、研究プロセスの効率化をサポート。従来の開発手法では難しかった効率化が実現し、材料の探索に要する時間とコストの削減が可能になりました。
Alkanoは、AIを活用したデータ解析プラットフォームです。
材料開発などにおいて実験結果をもとに最適な条件を効率的に見つける「ベイズ最適化」技術を提供。直感的な操作が可能なGUIを備えており、プログラミングの知識がなくても利用できる点です。簡単な操作で材料開発の効率を高め、研究者が短期間で実験を進められます。
Alkanoは、データサイエンスの手法を応用し、実験データから最適な材料の組み合わせや条件を見つけ出すことが可能です。従来のトライアンドエラーによる研究よりも効率的な開発が期待できます。また、ベイズ最適化を用いることで、少ないデータからでも高精度な予測が行えるため、研究の初期段階で有用な結果を得やすくなります。
NTTデータ数理システムは、企業のAI活用を支援する「データサイエンティストによる伴走型サポート」を行っています。
サポート内容は、データ活用に関するコンサルティング、セミナーの開催、AI人材育成プログラムなど。経験豊富なデータサイエンティストが企業と共に課題を分析し、適切な解決策を提案。
この支援により、データサイエンスの知識を持たない企業でも効率的にAIやデータ分析を導入できる環境が整えられます。
村田製作所に材料開発におけるAI活用をサポートするためにコンサルティングを提供しました。焦点を当てたのは「ベイズ最適化」という手法。この手法は、データが少ない場合でも効率的に最適な解を見つけることができる点が特徴です。
従来の材料開発では、数多くの材料の中からトライアンドエラーで高性能な材料を見つける手法が一般的でしたが、これは時間と労力がかかり非効率的でした。村田製作所は、データを活用してAIに材料の性能を予測させることで、少ない実験で効率的に材料を探索しようと決断。そこで、NTTデータ数理システムのサポートを受け、AIを使った「ベイズ最適化」を導入しました。
このプロジェクトを通じて、村田製作所はベイズ最適化の理論と実践的な使い方を学び、AIを材料開発に効果的に取り入れるための基盤を整えました。AIの活用により、開発の効率化が進み、今後のさらなる技術革新の一助となることが期待されています。
参照元：NTTデータ数理システム公式HP https://www.msi.co.jp/solution/vmstudio/userscase_pdf/murata_2019.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。