NISTEP注目科学技術 - 2022_E125
概要
マテリアルズ・インフォマティクス：材料開発における新物質探索において、機械学習、データ科学、及び、人工知能技術を活用して、革新的新物質の効率的探索を実現する。また、ハイスループット実験データのデータ科学的分析により物質のキャラクタライゼーションの高効率化を実現する。
キーワード
機械学習 / 深層学習 / ベイズ統計 / 人工知能 / 進化論的計算 / 遺伝的アルゴリズム / DX / シミュレーション
| ID | 2022_E125 |
|---|---|
| 調査回 | 2022 |
| 注目/兆し | 注目 |
| 所属機関 | 大学 |
| 専門分野 | ナノテクノロジー・材料 |
| 専門度 | 高 |
| 実現時期 | 5年未満 |
| 分析データ 推定科研費審査区分（中区分） | 26 （材料工学） |
| 分析データ クラスタ | 46 （データサイエンス/機械学習・AI） |
研究段階
人工知能・データ科学と物質・材料科学の融合展開であるマテリアルズ・インフォマティクス研究がこの５・６年で大きく進展し、方法論開発などの基礎研究の段階を終え、実際に新奇物質が報告されるなど、実用段階に達している。今後も、人工知能技術の進展に伴い、新しい方法論の適用なども予想されるが、DX化の潮流で物質・材料データの整備・拡張に伴い、様々な新奇機能材料が発見・報告されるものと期待される。
インパクト
2022年調査にはこの項目はありません。
必要な要素
我が国でもNIMSを中心に材料データベースの拡充が進展しているし、世界的にも大規模な理論計算・実験データベースが整備され、材料データの蓄積が進展している。DX化の流れで、データ蓄積の効率化が図られると予想される。また、対象物性（特性）も多様化し、研究対象となる機能も多様化していくと予想される。ただし、計算・実験データともに、データの品質は計算・実験条件に強く依存するため、単にデータ量が増加するだけではなく、「品質管理」されたデータ蓄積が重要な課題であると考えられる。データの品質はその後の機械学習モデルの予測性能を決める重要な因子であり、データ量に加えて、データの品質管理が今後の課題であると考えている。