新素材の探索や配合設計にスピードが求められる中で、三菱ケミカルはマテリアルズインフォマティクス（MI）を研究と事業の現場につなぐ仕組みづくりを進めています。実験データと機械学習の往復、秘密計算を使った企業間データ連携、非専門家でも扱いやすい計算環境の整備を重ね、検討の精度とスピードを高めてきました。この記事では、三菱ケミカルのマテリアルズインフォマティクス活用の背景、導入で得られた成果、今後の展望について解説します。
材料設計は、熟練研究者の経験や暗黙知への依存が残りやすく、社内の知見を横断的に活用しにくいという壁がありました。さらに、機械学習モデルを回すには適切に整ったデータとアルゴリズム運用の知見が必要ですが、材料科学とデータサイエンスの両面を深く理解する人材を各現場で確保するのは容易ではありませんでした。
共同研究では機密保持の都合から、具体的な数値や配合条件を共有しづらく、会話が定性的になりがちでした。結果として、目的物性に向けた探索の幅が狭まり、検討サイクルも長くなりやすいという問題がありました。
また、研究現場ではAIやディープラーニングを試したいという需要が高まる一方で、高性能計算資源の操作に不慣れなユーザーには使い始めの心理的なハードルがありました。普段のPCに近い操作感でGPUや並列計算を扱える環境を整えることが、MIの“現場定着”には欠かせませんでした。
三菱ケミカルは、研究者とデータサイエンティストが同じ土台で協業できる社内アプリケーション「MI Bridge」を構築し、実験データの登録や検索、機械学習にもとづく推論や逆解析を容易にしました。経験や仮説がデータとして共有され、設計空間の見通しがよくなることで、材料開発のサイクル短縮と提案速度の向上に手応えが出ています。
企業間連携では、秘密計算プラットフォームを活用し、三菱ケミカルと大塚化学が双方のデータを連携して新規材料の探索を実施しました。従来は二〜三年かかるプロセスを短縮し、一年未満で顧客にサンプル提供可能な水準に到達しています。機密を守りながら定量データで議論できるようになったことで、目標物性の到達に向けた試行が具体的かつ効率的になりました。
さらに、非専門家でも高性能計算を扱いやすくする仕組みを試験導入することで、MIや深層学習の活用を研究者層に広げやすくなりました。モデリングやスクリーニングを繰り返す負荷を抑え、実験と計算の往復を素直に回せる土台が整ってきています。
参照元：三菱ケミカルグループ 公式サイト（https://www.mcgc.com/news_release/01704.html）
参照元：MONOist（https://monoist.itmedia.co.jp/mn/articles/2412/13/news065.html）
社内では、MI Bridgeの機能強化と展開が継続課題として掲げられています。研究者が登録するデータを整えながらアルゴリズムも磨き、推論の信頼度と解釈性を高めていくことが、提案の質と速さの両立につながります。
共同開発では、秘密計算を使ったデータ連携の成功体験を横展開しやすくなりました。相手先の守秘要件を満たしながら必要十分な粒度でデータを突き合わせることで、探索の初期段階から定量議論が可能になります。
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。