技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

世界のマテリアルズ・インフォマティクス 最新業界レポート

世界のマテリアルズ・インフォマティクス 最新業界レポート

~Materials Informatics~
世界のマテリアルズ・インフォマティクス 最新業界レポートの画像

ご案内

 マテリアルズ・インフォマティクス (MI) は、機械学習、実験、シミュレーション、データベース、クラウド・コンピューティングなどの領域の技術を組み合わせたもので、よりスピーディーに新素材を開発・商品化することが可能になっている。膨大な量のデータを高速に扱える環境が整ったことで、MIの利用が促進されている。
 本レポートを刊行するにあたり、主にMIの用途別開発動向を調査した。例えば、高分子材料では、一般的には分子量が1万以上の化合物と定義され、名称が同じ材料であっても分子量や分子構造、製造プロセスの違いによって発揮される機能や効果が異なる。そのため、より正確にMIを適用するためにはそれらの違いを全てデータベース化することが求められている。しかしながら、分子構造や物性に関して、同条件の実験データを揃えることが困難であり、温度や混練条件等のプロセス条件による影響が大きいことから、高分子材料のMIの活用はさほど進んでいない状況である。
 MIは、物質特性データベースとAIを活用して新素材を効率的に探索する手法として注目されている。これまで研究者個人のスキルに依存していた開発や検査のプロセスを、各社は同アプローチに基づいて高速化する取り組みを進めている。
 新たな取り組みを始める際には、支援サービスなど外部の知見を活用するケースと、自社単独で全てこなすケースがある。近年、MIを初めて導入する場合には、支援サービスなど外部の知見を取り入れるメーカーが増えてきている。材料に対する知見は自社で確保できるが、適切な機械学習アルゴリズムの選定や機械学習に活用できるデータ形式の環境には、MIに関する専門知識が必要である。実際に、日本企業は、独Mats2Market、米QuesTek、米Enthought、米CitrineInformaticsといったMI支援サービス企業と提携し、素材開発の効率化に注力している。
 さらには、大規模な分子を分析することが可能ということで、素材産業における量子コンピューティングのユースケースの探求にも関心が高まっている。現在、企業は従来のコンピュータで何億もの比較を実行しているが、実際に計算できる特定のサイズまでの分子のみに制限されている。量子コンピュータが実用化されれば、はるかに大きい分子を比較することが可能になり、膨大な数の化学物質の機能を調べるシミュレーションの短時間ができ、創薬の研究スピード向上と開発効率化が進んでいく。
 本レポートは、マテリアルズ・インフォマティクスに関するビジネス・技術に関わる企業を主に調査した。今後の展開を見据えたうえでの次世代ビジネスにつながるレポートになっている。

目次

第1章 AI、機械学習、ディープラーニング

  • 1. 概要
  • 2. AIとは
  • 3. 機械学習
  • 4.「教師あり学習」と「教師なし学習」
  • 5. ディープラーニング
  • 6. 機械学習とディープラーニングの関係
    • 6.1 概要
    • 6.2 適しているプロジェクト
    • 6.3 利用可能なハードウエアと展開

第2章 マテリアルズ・インフォマティクス (MI)

  • 1. 概要
  • 2. MIと従来の材料開発の違い
  • 3. MIによる効果
  • 4. MIの課題と対策
  • 5. AIとの関係と成功へのポイント
  • 6. 量子コンピュータとの関係と今後、予想される展開
  • 7.“理論・実験・計算・データ”科学
  • 8. 計算化学
    • 8.1 概要
    • 8.2 計算化学の種類
    • 8.3 基底関数
    • 8.4 計算科学とデータ科学
    • 8.5 計算化学とMIの融合
  • 9. 第一原理計算
    • 9.1 概要
    • 9.2 量子化学計算
    • 9.3 第一原理計算を始めるには
    • 9.4 課題
    • 9.5 機械学習を第一原理計算に適用するケース
    • 9.6 第一原理計算を用いた材料別ケース
      • 9.6.1 概要
      • 9.6.2 グラフェン
      • 9.6.3 半導体材料
      • 9.6.4 誘電体材料
      • 9.6.5 LED材料
      • 9.6.6 リチウムイオン電池材料
      • 9.6.7 触媒
      • 9.6.8 太陽電池
      • 9.6.9 液体界面
  • 10. スパースモデリング
    • 10.1 概要
    • 10.2 スパースモデリングが注目される背景
    • 10.3 ディープラーニングの問題点
    • 10.4 応用例
    • 10.5 企業動向
      • 1 HACARUS
      • 2 バイエル薬品
      • 3 大阪ガス
      • 4 東芝
      • 5 DSファーマアニマルヘルス
      • 6 第一工業製薬
      • 7 慶應義塾大学、東京大学
      • 8 慶應義塾大学
  • 11. 化学分野の人材育成

第3章 MI支援サービス、及び関連企業

  • 1. 概要
  • 2. 開発動向
    • 1 Microsoft
    • 2 Mats2Market
    • 3 QuesTek
    • 4 Enthought
    • 5 JSR
    • 6 出光興産
    • 7 TBM
    • 8 東京エレクトロン
    • 9 レゾナック
    • 10 Schrödinger
    • 11 NVIDIA、Schrödinger
    • 12 Citrine Informatics
    • 13 Anlatan
    • 14 Mat3ra
    • 15 Phaseshift Technologies
    • 16 AIMateria
    • 17 日立ハイテク
    • 18 Kebotix
    • 19 Johnson Matthey
    • 20 バルカー
    • 21 Innophore
    • 22 OntoChem
    • 23 Digital Science
    • 24 Scitara
    • 25 Revvity Signals Software (旧;PerkinElmer Informatics)
    • 26 Polymerize
    • 27 Materials Design
    • 28 Preferred Computational Chemistry (PFCC)
    • 29 Preferred Networks、ENEOS
    • 30 デ ータケミカル
    • 31 SyntheticGestal
    • 32 アイデミー
    • 33 伊藤忠テクノソリューションズ ( CTC )
    • 34 QuesTek International
    • 35 NEC
    • 36 EAGLYS
    • 37 大塚化学
    • 38 Biovia
    • 39 長瀬産業
    • 40 理化学研究所、物質・材料研究機構

第4章 MIの用途別開発動向

  • 1. 高分子材料
    • 1.1 概要
    • 1.2 開発動向
      • 1 旭化成
      • 2 三菱ケミカル
      • 3 ダイセル
      • 4 第一工業製薬、HACARUS
      • 5 Solvay
      • 6 Synthomer
  • 2. 金属材料
    • 2.1 概要
    • 2.2 開発動向
      • 1 日立製作所
      • 2 UACJ
      • 3 東芝デジタルソリューションズ
      • 4 Citrine Informatics
      • 5 Intermolecular
      • 6 大同特殊鋼
      • 7 Boeing
      • 8 アーヘン工科大学
  • 3. 電池材料
    • 3.1 概要
    • 3.2 開発動向
      • 1 パナソニック
      • 2 サムスン電子
      • 3 シャープ
      • 4 MI-6
      • 5 Sion power
      • 6 物質・材料研究機構、名古屋工業大学、トヨタ自動車
      • 7 Preferred Networks (PFN) 、ENEOS
      • 8 早稲田大学、富士通
      • 9 日産自動車
      • 10 物質・材料研究機構
      • 11 ソフトバンク
      • 12 Orbital Materials
  • 4. 燃料電池
    • 4.1 概要
    • 4.2 開発動向
      • 1 パナソニック
      • 2 Johnson Matthey、Microsoft
      • 3 デンソー
      • 4 東京大学
      • 5 東京大学、金沢大学、九州大学、堀場製作所
      • 6 大阪大学
  • 5. 太陽電池
    • 5.1 概要
    • 5.2 開発動向
      • 1 豊田中央研究所
      • 2 Ubiquitous Energy
      • 3 Tensor Energy
      • 4 大阪大学
      • 5 理化学研究所
  • 6. 半導体
    • 6.1 概要
    • 6.2 開発動向
      • 1 東京エレクトロン
      • 2 DIC
      • 3 三菱ガス化学
      • 4 レゾナック
      • 5 Matmerize
      • 6 東芝
      • 7 アルバック
      • 8 関西学院大学、大阪大学
  • 7. 触媒
    • 7.1 概要
    • 7.2 開発動向
      • 1 Citrine Informatics
      • 2 Preferred Networks (PFN)
      • 3 Toyota Research Institute、ノースウェスタン大学
      • 4 BASF
      • 5 日本触媒
      • 6 北海道大学
      • 7 北陸先端科学技術大学院大学
      • 8 富士通
      • 9 東京ガス
  • 8. セラミックス
    • 8.1 概要
    • 8.2 窒化ケイ素セラミックス
    • 8.3 開発動向
      • 1 産業技術総合研究所
      • 2 東京大学
      • 3 横浜国立大学
  • 9. 磁石
    • 9.1 概要
    • 9.2 元素戦略磁性材料研究拠点 (ESICMM)
    • 9.3 磁石マテリアルズオープンプラットフォーム (磁石MOP)
    • 9.4 高効率モーター用磁性材料技術研究組合 (MagHEM)
    • 9.5 開発動向
      • 1 トヨタ
      • 2 TDK
      • 3 デンソー
      • 4 東京理科大学、物質・材料研究機構 (NIMS)
      • 5 スタンフォード大学
      • 6 物質・材料研究機構
  • 10. ガラス
    • 10.1 概要
    • 10.2 開発動向
      • 1 東京大学
      • 2 SLAC国立加速器研究所、国立標準技術研究所 (NIST) 、ノースウェスタン大学
      • 3 Lanxess
  • 11. ゴム
    • 11.1 概要
    • 11.2 開発動向
      • 1 住友ゴム工業
      • 2 TOYO TIRE
      • 3 横浜ゴム
      • 4 旭化成
  • 12. 熱電変換材料
    • 12.1 概要
    • 12.2 開発動向
      • 1 NEC
      • 2 東京大学
  • 13. 断熱材料
    • 13.1 概要
    • 13.2 開発動向
      • 1 物質・材料研究機構
  • 14. AIと有機合成化学
    • 14.1 概要
    • 14.2 開発動向
      • 1 大阪大学
      • 2 TRUST SMITH
      • 3 理化学研究所
      • 4 東京大学、北海道大学、理化学研究所
  • 15. ナノ粒子
    • 15.1 概要
    • 15.2 開発動向
      • 1 大阪大学
      • 2 コーネル大学
      • 3 HRL Laboratories
  • 16. リサイクル
    • 16.1 概要
    • 16.2 開発動向
      • 1 日立製作所
      • 2 東レ
      • 3 TBM
      • 4 Inobus

第5章 創薬・バイオ

  • 1. 概要
    • 1.1 従来の医薬品の開発
    • 1.2 研究開発 (創薬研究) の流れ
    • 1.3 医療診断
    • 1.4 計算創薬 (in silico創薬)
    • 1.5 AI創薬
    • 1.6 ライフ インテリジェンス コンソーシアム (LINC)
  • 2. 開発動向
    • 1 日立ハイテクソリューションズ、慶応義塾大学
    • 2 日立製作所
    • 3 Bayer
    • 4 武田薬品工業
    • 5 大塚製薬
    • 6 小野薬品工業
    • 7 日油
    • 8 SyntheticGestalt
    • 9 Elix
    • 10 PuREC
    • 11 インテージヘルスケア、名古屋大学
    • 12 Insilico Medicine
    • 13 オスロ大学、シカゴ大学プリツカー医科大学
    • 14 BioMed X、Sanofi
    • 15 AION Labs
    • 16 DenovAI
    • 17 BenevolentAI
    • 18 ConcertAI
    • 19 CytoReason
    • 20 Tempus
    • 21 GlaxoSmithKline、Tempus
    • 22 Microsoft
    • 23 Oxford Biomedica
    • 24 Google
    • 25 DeepMind
    • 26 GV
    • 27 Valo Health、Novo Nordisk
    • 28 Merck
    • 29 Quris-AI
    • 30 大日本住友製薬
    • 31 Roivant Sciences
    • 32 Exscientia
    • 33 レボルカ
    • 34 住友ファーマ
    • 35 エーザイ
    • 36 アステラス製薬
    • 37 Kebotix
    • 38 NAM
    • 39 東レ
    • 40 神戸天然物化学
    • 41 BASF
    • 42 Zymergen
    • 43 FRONTEO
    • 44 九州大学

第6章 量子コンピュータ

  • 1. 概要
  • 2. 素材メーカーのための従来型コンピュータと量子コ ンピュータの使い方
  • 3. 量子ゲート方式、量子アニーリング方式
    • 3.1 概要
    • 3.2 量子ゲート方式
      • 3.2.1 概要
      • 3.2.2 量子ゲート方式の代表的な実現方式の特徴
    • 3.3 量子アニーリング
      • 3.3.1 概要
      • 3.3.2 開発動向
      • 3.3.3 組み合わせ最適化問題
      • 3.3.4 ビジネス活用
      • 3.3.5 国内企業の量子コンピュータ研究開発の動向
  • 4. 量子コンピュータ×AI
    • 4.1 概要
    • 4.2 量子コンピュータのAI活用法
    • 4.3 教師あり学習 vs 教師なし学習
  • 5. 量子技術・アプリケーション・コンソーシアム (QUTAC) 」
  • 6. QuPharma
  • 7. 量子イノベーションイニシアチブ協議会
  • 8. 開発動向
    • 1 Google
    • 2 IBM
    • 3 Microsoft
    • 4 日本マイクロソフト
    • 5 D-Wave Systems
    • 6 Atos
    • 7 NEC
    • 8 富士通
    • 9 東芝
    • 10 日立製作所
    • 11 Rigetti Computing
    • 12 QC Ware
    • 13 Alibaba
    • 14 中国科学技術大学
    • 15 百度
    • 16 Honeywell International
    • 17 IonQ
    • 18 IQM Finland Oy (IQM)
    • 19 Seeqc
    • 20 Pasqal
    • 21 Quantinuum
    • 22 Good Chemistry Company
    • 23 QunaSys
    • 24 理化学研究所
  • 9. 大学の動向
    • 9.1 概要
    • 9.2 開発動向
      • 1 東北大学、東京工業大学
      • 2 大阪大学
      • 3 東京大学
      • 4 慶應義塾大学
      • 5 早稲田大学
      • 6 大阪市立大学
  • 10. スーパーコンピュータ
    • 10.1 概要
    • 10.2 スーパーコンピュータと量子コンピュータ
    • 10.3 スーパーコンピュータの開発経緯
    • 10.4 開発動向
      • 1 理化学研究所
      • 2 NEC
      • 3 Preferred Networks
  • 11. 量子ソフトウエア
    • 11.1 概要
    • 11.2 開発動向
      • 1 1QB Information Technologies (1QBit)
      • 2 Amazon Web Services
      • 3 フィックスターズ
      • 4 QunaSys
      • 5 Cambridge Quantum Computing (CQC)
      • 6 IQM Finland (IQM)
      • 7 テラスカイ
      • 8 伊藤忠テクノソリューションズ
      • 9 Jij
      • 10 ABEJA
      • 11 Nextremer
      • 12 グルーヴノーツ
      • 13 blueqat (旧 MDR)
      • 14 ザイナス
      • 15 シグマアイ

第7章 化学・素材産業における量子コンピューティングのユースケースの探求

  • 1. 概要
  • 2. 工程別に使用されるコンピュータシステム
  • 3. 業界分析
  • 4. 課題と対策
  • 5. 開発動向
    • 1 三菱ケミカル
    • 2 三菱ケミカル、日本アイ・ビー・エム、JSR、慶應義塾大学
    • 3 旭化成
    • 4 東レ
    • 5 JSR
    • 6 QunaSys、PsiQuantum、JSR
    • 7 BASF
    • 8 レゾナック (旧; 昭和電工)
    • 9 トヨタ自動車
    • 10 日本ゼオン
    • 11 豊田中央研究所
    • 12 TOPPAN、大阪大学量子情報・量子生命研究センター (QIQB)
    • 13 Dow Chemical
    • 14 HyundAIMotor
    • 15 Mercedes-Benz
    • 16 Volkswagen Group、Xanadu
    • 17 BMW
    • 18 POSCO Holdings、Pasqal、Qunova Computing
    • 19 Merck
    • 20 富士通、Atmonia
    • 21 Airbus、BMW Group
    • 22 Bosch
    • 23 DIC
    • 24 コーセー
    • 25 東レリサーチセンター
    • 26 物質・材料研究機構
    • 27 Eni
    • 28 E.ON
    • 29 京セラ
    • 30 CLAAS
    • 31 アイシングループ
    • 32 Kyulux
    • 33 SEMIジャパン

第8章 電子実験ノート

  • 1. 概要
  • 2. 企業動向
    • 1 富士通
    • 2 横河電機
    • 3 BIOVIA
    • 4 ブルカージャパン
    • 5 モルシス
    • 6 Thermo Fisher Scientific Inc
    • 7 Uncountable

第9章 企業のMIビジネス戦略

  • 1 トヨタ
  • 2 デンソー
  • 3 TDK
  • 4 パナソニック
  • 5 第一工業製薬
  • 6 コニカミノルタ
  • 7 三井化学
  • 8 三井化学、日本IBM
  • 9 三井化学、日立製作所
  • 10 三井化学、CrowdChem
  • 11 住友化学
  • 12 レゾナック (旧:昭和電工)
  • 13 JSR
  • 14 TOPPAN (旧:凸版印刷)
  • 15 日本ゼオン、アイデミー
  • 16 日本ゼオン
  • 17 本州化学
  • 18 AGC
  • 19 プロテリアル
  • 20 積水化学工業
  • 21 帝人
  • 22 花王
  • 23 日本ガイシ
  • 24 Laboro.AI
  • 25 カネカ
  • 26 TBM
  • 27 積水化学工業、日立製作所
  • 28 三菱ガス化学
  • 29 日本触媒
  • 30 東ソー
  • 31 ポリプラスチックス
  • 32 旭化成、住友化学、三井化学、三菱ケミカル
  • 33 旭化成
  • 34 ENEOS
  • 35 フジクラ
  • 36 日本製鉄
  • 37 JFEスチール
  • 38 神戸製鋼所
  • 39 日本製鉄、JFEHD、神戸製鋼所
  • 40 DIC、感性AI
  • 41 明治
  • 42 ライオン、日立製作所
  • 43 ライオン
  • 44 シード
  • 45 Dataiku
  • 46 三重県工業研究所窯業研究室、伊藤忠テクノソリューションズ (CTC)

第10章 各国の取り組み

  • 1. 概要
  • 2. 米国
    • 2.1 概要
    • 2.2 Tox21
    • 2.3 nanoHUB
    • 2.4 量子コンピュータの動向
  • 3. 中国
    • 3.1 概要
    • 3.2 中国のAI産業
    • 3.3 量子コンピュータの動向
  • 4. 欧州
    • 4.1 概要
    • 4.2 The European Materials Modelling Council (EMMC)
    • 4.3 Novel Materials Discovery (NOMAD)
    • 4.4 Materials Revolution Computational Design and Discovery of Novel Materials (MARVEL)
    • 4.5 EU-ToxRisk
    • 4.6 量子コンピュータの動向
  • 5. 日本
    • 5.1 概要
    • 5.2 超先端材料超高速開発基盤技術プロジェクト (超超プロジェクト)
    • 5.3 マテリアルズ・オープン・プラットフォーム (化学MOP)
    • 5.4 MInt (Materials Integration by Network Technology)
    • 5.5 AI-SHIPS (AI-based Substance Hazard Integrated Prediction System)
    • 5.6 日本医療研究開発機構 (AMED) )
    • 5.7 環境省

出版社

お支払い方法、返品の可否は、必ず注文前にご確認をお願いいたします。

お問い合わせ

本出版物に関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(出版社への直接のお問い合わせはご遠慮くださいませ。)

体裁・ページ数

A4判 並製本 309ページ

ISBNコード

978-4-910581-48-4

発行年月

2024年1月

販売元

tech-seminar.jp

価格

180,000円 (税別) / 198,000円 (税込)

案内割引について

シーエムシーリサーチからの案内をご希望の方は、割引特典を受けられます。

  • Eメール案内を希望する方 :
    • 冊子版: 162,000円(税別) / 178,200円(10%税込)
    • 冊子版 + PDF版 (CD) セット: 207,000円(税別) / 227,700円(10%税込)
  • Eメール案内を希望しない方 :
    • 冊子版: 180,000円(税別) / 198,000円(10%税込)
    • 冊子版 + PDF版 (CD) セット: 230,000円(税別) / 253,000円(10%税込)

これから開催される関連セミナー

開始日時 会場 開催方法
2024/5/24 マテリアルインフォマティクスの材料開発への適用と活用事例 オンライン
2024/5/28 R&D部門の研究・実験データのExcelにおける効果的な蓄積・分析技術 オンライン
2024/5/29 マテリアルズ・プロセスインフォマティクスの基礎とポリマー材料設計への応用 オンライン
2024/5/31 マテリアルズインフォマティクスのためのデータ解析 オンライン
2024/6/5 生成AIと自社データの連携によるアイデア創出と研究プロセスの変革 オンライン
2024/6/5 マテリアルズインフォマティクスの基礎技術となる計算科学シミュレーション オンライン
2024/6/5 マテリアルズ・プロセスインフォマティクスの基礎とポリマー材料設計への応用 オンライン
2024/6/7 マテリアルDXによる材料開発の効率化、高速化とその推進 オンライン
2024/6/11 電子実験ノートの導入とR&Dデータ共有・利活用ノウハウ オンライン
2024/6/17 分子動力学 (MD) 法の基本原理・具体的な技法から高分子材料開発への応用 オンライン
2024/6/19 実験自動化によるR&Dの高速化と再現性向上 オンライン
2024/6/21 分子動力学 (MD) 法の基本原理・具体的な技法から高分子材料開発への応用 オンライン
2024/6/24 計測インフォマティクスの基礎とスペクトルデータ解析への応用 オンライン
2024/7/2 ポリマー合成の自動化とプロセス分析 オンライン
2024/7/4 材料開発のためのデータ解析入門 オンライン
2024/7/12 フォノンエンジニアリングの基本的な考え方、熱伝導率の制御や測定、その応用 オンライン
2024/7/19 研究・実験データの蓄積とその「検索/分析」機能改善の方策 オンライン
2024/7/19 材料・プロセス・分析データとインフォマティクス オンライン
2024/7/26 マテリアルズインフォマティクスの基盤となる「計算科学シミュレーション技術」 オンライン
2024/8/21 電子実験ノートの導入と共有・利活用ノウハウ オンライン