研究・実験データの収集、一元化とプラットフォーム構築

セミナープログラム

＜10:00-11:30＞

【第１部】LLMとつながる実験データベース：試して広げる材料実験のAI活用

iASYS Technology Solutions(株)　桑田 武 氏

【講演趣旨】
LLMの登場により、実験データベースの重要性が飛躍的に高まっています。本セミナーでは、実験データに向いたデータベースの選び方や、LLMを簡単につなぐMCP技術を分かりやすく解説します。「自分のデータで気軽に試せる」環境を整えることで、思いついたAI活用アイディアをすぐに実践でき、DXの推進につながります。グラフ型データベースや計測データ格納システムなどの具体例を示しながら、材料実験データで実際に試した事例をデモを交えて紹介し、どのような活用の可能性があるかをご紹介します。

【講演項目】
1.重要度が増す実験データベース

2.進化するAI技術を「自分のデータで試せる」環境の必要性

3.実験データに向いているデータベースの例

4.LLMとデータベースをつなぐ実用的な技術：MCP

5.材料実験データでAIを試した事例紹介

【質疑応答】

＜12:15-13:45＞

【第２部】研究DXを推進するための
　　　　　　　　　電子ラボノート基盤型自動実験プラットフォームの構築

奈良先端科学技術大学院大学／(国研)理化学研究所　高須賀 聖五 氏

【講演趣旨】
研究DXにおいては、実験データは蓄積するだけではなく、FAIR原則（Findable, Accessible, Interoperable, Re-usable） に基づいて管理することが重要である。本講演では、研究DX推進を目指した電子ラボノートの選定、導入および運用に関するNAISTでの具体的な取り組みについて紹介する。

【講演項目】
1.はじめに

2.研究DXにおける電子ラボノートの位置付け
　2-1.世界の動向
　2-2.FAIRデータ
　2-3.実験における人間とAIの関係性
　2-4.目指すデータフロー

3.電子ラボノート導入に向けた取組み
　3-1.電子ラボノートの導入ハードル
　3-2.電子ラボノートの導入戦略
　3-3.導入へ向けた6つのアクション

4.電子ラボノートの実装・活用
　4-1.機械学習に適したテンプレート作成
　4-2.Application Programming Interface (API) の活用事例
　4-3.自動実験装置との統合

5.おわりに

【質疑応答】

＜14:00-15:30＞

【第３部】実験データ／失敗データの収集・管理と実験効率化、MI活用への展開

積水化学工業(株)　新明 健一 氏

【講演趣旨】
本講演では、研究現場で日々生まれる実験データを、成功・失敗を含めて漏れなく収集・標準化し、MI（マテリアルズ・インフォマティクス）に展開して実験効率を高める実践を解説します。成功データのみならず失敗データも含めて集めることの重要性、実験計画法、MI活用に有効なデータ収集、管理の方法、そして収集したデータを活用し、開発の加速に繋げる実践方法について共有します。

【講演項目】
1.はじめに
　1-1.当社R&Dの目指す姿
　1-2.変化する素材産業とMIの導入

2.素材・材料開発効率化のための実験データの収集・蓄積
　2-1.実験データ収集・蓄積の課題
　2-2.有効なデータ収集、管理、MI活用への展開事例
　2-3.実験データ収集を進めるための仕組み化

3.実験データ収集を進めるための人材育成
　3-1.データ駆動型開発を進められる人材とは
　3-2.データ活用人材のレベルの可視化
　3-3.データ活用人材の拡大の壁。どう進めるか
　3-4.実験計画法、品質工学からパラメータ設計を理解する

4.MI活用で成果創出を加速するための環境整備
　4-1.事業貢献につながるテーマ選定
　4-2.成果刈取りの仕組み化

5.今後
　5-1.実験自動化による自律的な開発サイクルの構築

【質疑応答】

＜15:45-17:15＞

【第４部】研究・実験データの構造化とプラットフォーム構築に必要なスキル

東京科学大学　安藤 康伸 氏

【講演趣旨】
本講演では、MIの実践事例を通じて、研究活動で生じるデータの生成・蓄積・活用のサイクルについて知っていただき、特に研究・実験データを構造化するために必要な考え方・基礎知識について学んでいただきます。そして、データベース（DB）を作成する際の目的の明確化と出口戦略、そのために必要な具体的なスキルセットについても解説します。

【講演項目】
1.マテリアルズ・インフォティクス概要
　1-1.データ生成・蓄積・活用の循環サイクル
　1-2.データ収集時に考えなければいけないこと
　1-3.データ取得コストについて
　1-4.活用可能なデータとは

2.データ取得のためのベイズ最適化
　2-1.ベイズ最適化の背後にある数理
　2-2.自律実験装置とAIソフトウェア
　2-3.ロボット制御のための環境整備

3.材料データ蓄積を行う上で必要なこと
　3-1.データベース構築の３つの目的
　3-2.データベースの種類
　3-3.ツリー構造を利用した実験データ蓄積
　3-4.電子ラボノートの事例

4.データベース開発に必要なスキルセット
　4-1.誰のためのDBか
　4-2.開発コストの見積もり
　4-3.デスクトップアプリとウェブアプリ
　4-4.フロントエンドとバックエンド
　4-5.アジャイル開発という考え方

5.DB構築の出口戦略
　5-1.パーソナルDB
　5-2.DBを介した共同研究
　5-3.DBの共有・共用
　5-4.パブリックDB
　5-5.材料データと課題の多様性への対応

【質疑応答】

セミナー講師

１．iASYS Technology Solutions(株)　テクニカルアドバイザー　桑田 武 氏２． 奈良先端科学技術大学院大学 先端科学技術研究科 物質創成科学領域 助教／(国研)理化学研究所　客員研究員　高須賀 聖五 氏 
３． 積水化学工業(株)　先進技術研究所　情報科学推進センター　センター長 兼 MI推進グループ長　新明 健一 氏
４． 東京科学大学　総合研究院　科学生命科学研究所　准教授　安藤 康伸 氏

セミナー受講料

1名につき66，000円（消費税込み、資料付）　
〔1社2名以上同時申込の場合1名につき60，500円（税込）〕

受講について

Live配信セミナーの接続確認・受講手順はこちらをご確認下さい。