化合物探索AIで調査スピードを向上。候補探索の幅を広げ、データに基づく判断へ
【経験や過去の検討履歴に依存していた化合物探索を見直し、日立ハイテクのマテリアルズインフォマティクス(MI)関連技術「Chemicals Informatics(CI)」を活用して研究開発の効率化を進めたA社の取り組み】
新規材料や化合物の探索では、技術者の経験や過去の研究成果が重要な判断材料となります。一方、探索対象が広く、規制対応や特許調査も必要になる場合、従来の方法だけでは候補の洗い出しに時間がかかります。
日立ハイテクの公開事例に登場するA社技術部でも、こうした課題を抱えていました。同社は日立ハイテクの化合物探索AI「Chemicals Informatics(CI)」を導入し、候補探索の効率化と客観的なデータに基づく意思決定を進めています。
本記事では、マテリアルズインフォマティクス(MI)の関連技術である化合物探索AIの活用例として、A社の導入背景、日立ハイテクによる支援内容、導入後の変化を紹介します。
A社技術部では、新材料や化合物の探索において、技術者の経験への依存と調査業務の負担が課題となっていました。特に、限られた期間内で代替材料を検討しなければならない場面では、幅広い候補を効率よく調べ、判断する方法が求められていました。
A社では、新規化合物の探索にあたり、過去の検討履歴や論文調査、実証実験を組み合わせて候補を検討していました。
こうした方法は技術者が蓄積してきた専門知識を生かせる一方、経験や知識の違いによって探索の方向性や判断が左右されやすいという課題がありました。
また、ベテラン技術者が研究開発の実務に深く関わる場面も多く、組織内での知識共有にも限界がありました。特定の担当者の経験だけに依存せず、客観的な情報を用いて候補を評価する仕組みが必要になっていました。
A社が直面していたもう一つの課題は、化学物質規制への対応です。
使用できない物質が明確に定められている場合、限られた期間の中で代替材料を探索し、将来的な特許取得も見据えて検討する必要があります。
しかし、従来の方法では、個別の特許情報を調べ、候補を選び、仮説検証を繰り返すため、多くの時間を要していました。
特許調査や関連文書の確認は必要な業務であるものの、技術者が本来注力したい研究開発の時間を圧迫する要因にもなっていました。
マテリアルズインフォマティクス(MI)の導入・運用に伴う課題と対策を見る
日立ハイテクは、化合物探索AI「Chemicals Informatics(CI)」と専門スタッフによる伴走支援を提供しました。A社では複数の研究テーマで適用可能性を検証し、CIの探索範囲の広さや使い勝手を確認しました。
日立ハイテクが提供する「Chemicals Informatics(CI)」は、公開特許などの情報を活用して、目的とする特性を持つ化合物を探索するクラウドサービスです。
A社が評価したのは、従来の調査だけでは検討対象に入りにくかった化合物も含め、候補を幅広く洗い出せる点でした。
特許情報も参照しながら探索できるため、特許化を視野に入れた研究開発の初期段階で、候補の絞り込みに活用できます。
また、画面上で探索操作を行えることや、マニュアルが整備されていることも、研究現場で利用する際の評価につながりました。
A社は、CIが自社の研究開発テーマに適用できるかを確認するため、複数のテーマで検証を実施しました。
この過程では、日立ハイテクの専門スタッフがA社の検討内容に応じて対応しました。A社は、化合物の構造ベクトルという従来とは異なる視点から探索できる点にも、大きな可能性を感じています。
さらに、A社内でハンズオン説明会を開催し、CIの活用方法について理解を深める機会も設けています。
この事例では、化合物探索AIを提供するだけではなく、実際の研究テーマへの適用検証と社内での利用支援を組み合わせた点が特徴です。
日立ハイテクのマテリアルズインフォマティクス(MI)と支援内容を見る
A社ではCIの導入後、化合物の調査スピードが向上し、開発初期に幅広い候補を検討できるようになりました。さらに、探索結果を客観的な判断材料として利用することで、従来とは異なる視点から研究開発の方向性を評価できるようになっています。
CIを活用することで、A社では幅広い化合物候補を短時間で抽出できるようになり、調査業務のスピードが向上しました。
開発初期にCIで候補を広く探索しておくことで、その後の研究開発に向けた検討を進めやすくなっています。
また、A社が独自に持つスクリーニング技術とCIを組み合わせることで、候補を複数の観点から評価できるようになりました。
単に調査にかかる時間を短縮するだけでなく、初期段階で検討できる候補を広げられる点が、今回の活用で確認された変化です。
CIの活用によって、A社では研究開発の方向性を客観的なデータから確かめられるようになりました。
これまでの探索では、過去の実験結果や技術者の経験が判断に影響する場面がありました。一方、CIを利用することで、自分たちが検討している候補の独自性や方向性を、従来とは異なる観点から確認できます。
A社の公開事例では、こうした客観的なデータが研究開発を続けるうえでの判断材料になっていることが紹介されています。
今後は社内でCIの認知を広げ、ほかのツールとの組み合わせも検討する方針です。
A社の事例は、化合物探索AIが研究開発の初期段階における候補調査と意思決定を支える方法を示しています。
特に、技術者の経験に依存している、規制対応で新たな化合物を探す必要がある、特許情報の調査に時間がかかっているといった課題を持つ企業にとって、参考になる取り組みです。
日立ハイテクは化合物探索AIのCIに加えて、材料データを用いた予測・条件探索などを支援するマテリアルズインフォマティクス(MI)も提供しています。今回のA社事例は、同社が「マテリアルズ・インフォマティクス関連サービス導入事例」として公開しているCI活用事例です。
自社で同様の取り組みを検討する際には、探索したい化合物の種類や必要な評価項目を整理し、どの技術が研究テーマに適しているかを確認することが重要です。
マテリアルズインフォマティクス(MI)の成功・導入事例をもっと見る
参照元:日立ハイテク公式サイト(https://www.hitachi-hightech.com/jp/ja/products/ict-solution/randd/cacestudy/005.html)
参照元:日立ハイテク公式サイト(https://www.hitachi-hightech.com/jp/ja/products/ict-solution/proaccela/lab/ci.html)
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。