青森県活性化ブログ

青森活性化ブログ

青森県活性化に貢献する内容を提供し、また皆様に学ばせてもらうブログを目指しています!

マテリアルズ・インフォマティクス

マテリアル・インフォマティクス(Materials informatics, MI)は実験データを人工知能やデータマイニングを用いてシミュレーションを行い、材料開発における探索効率を上げる手法を指します。

 

 

マテリアル・インフォマティクスの目的

マテリアル・インフォマティクス(MI)の導入先は企業や大学などの研究機関が想定されます。研究機関では新規材料を開発するために多額の固定費を費やしています。

 

🔶研究開発に必要な固定費

・優秀な人材を確保するための人件費

・多種、多量の試薬

・高性能な実験機器

 

企業を見る指標として研究開発費の金額の大きさが挙げられますが、研究開発効率の高さも当然ながら大切になってきます。

日本に焦点を当てて見ると主要国の中では研究開発効率が高い方とは言えません。下記の図をご覧ください。

f:id:virtue000000:20200418164554j:plain

主要国の産業部門の研究開発効率の推移、我が国の産業技術に関する研究開発活動の動向調査 P27より引用

研究開発効率の定義

企業の付加価値及びその5年前の研究開発投資(購買⼒平価換算)について、後⽅5ヶ年移動平均値の⽐率を⽤いて算出。
例:2010年の投資効率=2006-10年の付加価値÷2001-05年R&D投資

 

研究効率を上げるには、無駄な実験を減らす必要があります。

そこでMIの出番です。MIを導入すればシミュレーションにより実験を行うことができ、開発方針の大枠を効率的に組み立てることが可能となります。

 

マテリアル・インフォマティクスの問題点

大量かつ整ったフォーマットの情報が必要

時間に追われながら実験を行っていると必要な評価しか行わないことが多くなります。

例えば材料強度のデータだけが必要で耐候性や耐熱性といったデータが必要ない、その逆もしかりです。

この様なデータはいくら点数があっても分析にかけることできません。

企業も研究所もMIの登場を予見していた分けではないので、現状その様なデータを有していません。

そこで世界中の研究機関が材料の基礎データを集めたデータベースの構築を進めています。このデータベースを構築できるか否かが今後の企業競争力の大きな分水嶺になることは間違いありません。

 

人材不足

マテリアル・インフォマティクスはデータサイエンティストだけでは構築できません。材料学者とデータサイエンティストのアジャイル開発が必須になります。つまり、材料学者側にもデータサイエンスの知見が大なり小なり必要になります。

そのような人材は市場に少ないため、MIが進まないのが現状です。

 

 

 

データサイエンスの学習方法

データサイエンスを利用することは2020年以降必須の知識となってくることは間違いありません。

独学やエンジニアリングスクールに通うなど様々な方法があると思います。

私もスキルアップを見据えて教材を試しに購入してみました。

今後使ってみての感想なども書いていければと思います。

brmk.io

 

参照サイト

我が国の産業技術に関する研究開発活動の動向調査

Materials Genome Initiative