|
|
＜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】
|
