実験データベースから始める材料実験AIエージェントの作り方

iASYS Technology Solutions(株) ／ (国研)物質・材料研究機構（NIMS） 桑田 武 氏

【アーカイブ（録画）配信】 ２０２６年９月２日まで受付（視聴期間：９月２日〜９月１０日まで）
※２０２６年８月２４日（月）　１３：００〜１６：００ Live配信セミナーの録画配信です

1名につき ４９,５００円（消費税込、資料付）
〔１社２名以上同時申込の場合のみ１名につき ４４,０００円〕

〔大学、公的機関、医療機関の方には割引制度があります。詳しくは上部の「アカデミック価格」をご覧下さい〕

【講演趣旨】
生成AIの業務活用は多くの企業にとって喫緊の課題だが、自社の実験データを活かした活用となると「どこから始めればよいか分からない」という声が多い。また、少量のデータに対して生成AIを使っても、大きなうまみは得られにくい。生成AIが真に力を発揮するのは、人間が全体を把握しきれないほどの実験データがばらばらと大量に存在する場面である。そのデータをデータベースとしてつなげることで、生成AIがナビゲーターとなり、必要な知見を引き出してくれる。一方で、生成AIはコードを書くことにも長けており、バイブコーディングのように対話しながらアプリケーションを構築する手法も広がっている。生成AIの登場により、実験のバックグラウンドを持つ現場の方が、自分たちのデータを使って自ら試し、作れる範囲は大きく広がっている。
LLMは材料科学に関する幅広い一般知識を持つが、自社の装置で、自社の条件で取得した実験データは知らない。本セミナーで紹介するのは、LLMにツールとして実験データベースを接続することで、このギャップを埋め、LLMに「企業固有の知識源」を与えるAIエージェントである。このシステムは、生成AIのサブスクリプション費用のみで、データベース構築からAIエージェントの開発まで実現した。中でもグラフ型データベースNeo4jは、LLMとの連携に適しており、無料で安定性が高く、現場の方にも扱いやすい。
本セミナーでは、Neo4jをLLMに自社の実験知見を与えるためのナレッジグラフとして活用し、材料実験のAIエージェントを構築する方法を実践的に解説する。細かいコードの解説ではなく、生成AIを活用してどのように構築したかというプロセスに焦点を当てる。構築作業の大部分を生成AIとの会話で進めた際のやり取りや、精度・速度を向上させるために実施した工夫、つまずいたポイントなども紹介する。実験のバックグラウンドを持つ方にとって、「自分たちでもできそうだ」と感じていただける内容を目指している。
デモ動画：https://youtu.be/bb1Tqt62rcw


【講演項目】
1.なぜ今、現場が実験データ活用に取り組むべきか
　1-1.バイブコーディングに見る、生成AIで広がる「現場ができること」
　1-2.生成AIのサブスクリプション費用のみで、ここまでできる
　1-3.デモ：実験データ×AIエージェント

2.データベース技術の特徴と使い分け
　2-1.RDB、グラフ型DBの比較
　2-2.なぜグラフ型DBが生成AIとの連携に向いているか
　2-3.現場の方にとってのNeo4jの使いやすさ

3.MCPの解説
　3-1.MCPの仕組み（生成AIとツールをつなぐ標準規格）
　3-2.デモ：MCP

4.実験データAIエージェントの作り方
　4-1.Neo4j Desktop 2へのデータ登録とClaude Desktopとの接続
　4-2.生成AIとの会話でPythonツールを作り、エージェントにつなぐ
　4-3.ファイルサーバ（クラウドストレージ）との接続
　4-4.RAGによる報告書の参照 ― データ検索をよりリッチにする
　4-5.生成AIとの会話による構築プロセス ― 実際のやり取りの紹介
　4-6.精度・速度向上の工夫とつまずきポイント

【質疑応答】