日本は少子高齢化が進み、人手不足が顕在化しているうえ、働き方改革により、短時間で最大の成果を出すことが強く求められています。現在の進め方、つまり、研究者の勘・コツ・経験に頼った研究の進め方では、諸外国に後れを取ることは明白です。さらに、コロナ禍を契機に、全自動、遠隔操作で研究を進める体制の構築が急務となります。すなわち、今、日本の研究開発は「変革」を求められているといえます。
　そのような背景の中、ケモインフォマティクスやマテリアルインフォマティクスに注目が集まり、データ駆動型科学への変革が進められています。ここで重要なことは、日本の強みである「化学や材料に関する勘・コツ・経験」とケモインフォマティクス、人工知能 (AI) 、そして、ロボット技術を組み合わせて、「日本にノウハウやデータ」が自然に集まる仕組みを作ることです。これにより、「人が集まる→技術が進む→データやノウハウが蓄積する→技術が進展する→さらに人が集まる」という正のスパイラルを生み出すことができます。
　本セミナーでは、そのような正のスパイラルを生み出す基盤として、ロボット、AI、研究者のそれぞれが「協働」するラボ=デジタルラボラトリの基礎と動向・導入事例に関して紹介します。デジタルラボラトリの導入により、これまでの研究のやり方を根本から変えることができ、より創造性を発揮できる環境を実現できます。

1. 背景 – AIやロボットを活用した研究開発の重要性 –
   1. 材料合成における現在の課題 – 探索空間の多次元化 –
   2. AI、ロボット、研究者が協働するデジタルラボラトリとは
   3. ロボットの日常への進出 – ロボットの値段は安くなっている –
   4. デジタルラボラトリが研究環境に与えるインパクト
2. AIやロボットを活用した研究開発に関する世界の動向
   1. AI・機械学習とは何か – 言葉の整理 –
   2. AIによる新規材料予測
   3. バイオ系におけるAI・ロボットを活用した研究開発
   4. 有機材料におけるAI・ロボットを活用した研究開発
   5. 無機・固体材料におけるAI・ロボットを活用した研究開発
3. AIとロボットを活用した材料研究に関する一杉研の取り組み
   1. ベイズ最適化の基礎
   2. ベイズ最適化による合成条件最適化のシミュレーション例
   3. ベイズ最適化とロボットを活用した全自動薄膜合成・評価装置の紹介
   4. ロボットによる薄膜合成例
   5. 人間ドックの材料版: マテリアルドック
   6. AIを活用したイオン伝導度評価手法の開発
   7. AIやロボットを研究開発の現場に導入するまでの道筋
4. まとめ
• 質疑応答