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

化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート

化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート

～AI×マテリアルズ・インフォマティクス×量子コンピュータを探る～
関連するセミナー・出版物
出版物を購入する
化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポートの画像

ご案内

　化学・素材メーカーのデジタルトランスフォーメーションの取り組みが新たな局面に入ってきた。特に、マテリアルズ・インフォマティクス (MI) を導入・検討する企業が増えてきている。従来のコンピュータでは不可能だった大規模、大量の計算を可能にするスーパーコンピュータを活用したりするもので、従来は何百日もかかる計算が数週間に短縮できたり、人間には思いもつかない組成の化学品をデザインできるといった成果が現実味を帯びつつある。
　金属、無機、高分子などの材料がMIに利用される。物質、材料、構造、組織における関連性を明確にすることで、所望のパフォーマンスを起点として材料にさかのぼる形で最適化を見出すものとしても期待されている。
　また、AI技術と計算力を活かせば、材料開発分野においても、AIは人間を凌駕する能力を発揮する。将来、AIの助けを借りて、従来にないスピードで新たな発見に導くMIが、材料開発の主要な潮流となってくるであろう。
　さらに、MI時代では、化学・素材メーカーにとって、それを構成するスーパーコンピュータや量子コンピュータをいかに最適なものにするかということが重要になってくる。長期的にMI向け情報処理システムとして、特に期待されているのが量子コンピュータなのである。
　根底の基本原理が同じである量子コンピュータは、素材開発との親和性が高く、既に広く利用されているAI技術にも、新たな可能性が誕生する。現在のAI技術は、機械学習によって学習を可能にしている。しかしながら、物事の文脈上の意味を理解する推論の能力が問われる問題については、古典コンピュータで実行するAIシステムにとっては複雑で処理が難しい。量子コンピュータを使うことで、この種の複雑さを処理できるようになる可能性があるとされている。
　これまでの材料探索は、研究者の経験と鋭い直感に依存していた。しかし、MIによって、物質特性をコンピュータ上で高精度に計算した材料データベースやAIなどを活用することにより、材料探索の時間とコストを大幅に削減できる。また、量子コンピュータを材料開発の新たな道具にするだけのスキルを備え始めており、将来、新素材が量子コンピュータによって瞬時に作り出せる可能性が出てくる。
　本レポートでは、化学・素材企業等の実務担当者だけでなく、これからAIを使用した計算、MIを活用した材料開発、及び量子コンピュータを使用したい方にも参考になる構成にしている。

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ェアと展開

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. 各国の取り組み
    • ① 米国
    • ② 中国
    • ③ 欧州
    • ④ 韓国
    • ⑤ 台湾
    • ⑥ 日本
  • 8. “理論・実験・計算・データ”科学
  • 9. 計算化学
    • 9.1 概要
    • 9.2 計算化学の種類
    • 9.3 基底関数
    • 9.4 計算科学とデータ科学
    • 9.5 計算化学とMIの融合
  • 10. 第一原理計算
    • 10.1 概要
    • 10.2 量子化学計算
    • 10.3 第一原理計算を始めるには
    • 10.4 課題
    • 10.5 機械学習を第一原理計算に適用するケース
    • 10.6 第一原理計算を用いた材料別ケース
      • 10.6.1 概要
  • 11. スパースモデリング
    • 11.1 概要
    • 11.2 スパースモデリングが注目される背景
    • 11.3 ディープラーニングの問題点
    • 11.4 応用例
    • 11.5 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 慶應義塾大学、東京大学
      • ⑦ 慶應義塾大学
  • 12. 化学分野の人材育成
  • 13. 高分子材料
    • 13.1 概要
    • 13.2 企業のビジネス動向
      • ① 旭化成
      • ② 三菱ケミカル
      • ③ 三井化学
      • ④ 本州化学
      • ⑤ 住友化学
      • ⑥ JSR
      • ⑦ 日本触媒
      • ⑧ 東ソー
      • ⑨ ポリプラスチックス
      • ⑩ 日油
      • ⑪ NEC
      • ⑫ 長瀬産業
      • ⑬ 旭化成、住友化学、三井化学、三菱ケミカル
      • ⑭ QuesTek Innovations
    • 13.3 開発動向
      • ① コニカミノルタ
      • ② 昭和電工
      • ③ Kyulux
  • 14. 金属・無機材料
    • 14.1 概要
    • 14.2 企業のビジネス動向
      • ① 日本製鉄
      • ② JFEスチール
      • ③ 神戸製鋼所
      • ④ 日本製鉄、JFEHD、神戸製鋼所
    • 14.3 開発動向
      • ① 日立製作所
      • ② UACJ
      • ③ パナソニック
      • ④ 東芝デジタルソリューションズ
      • ⑤ アーヘン工科大学
  • 15. AIと有機合成化学
    • 15.1 概要
    • 15.2 開発動向
      • ① 大阪大学
      • ② TRUST SMITH
      • ③ 理化学研究所
  • 16. MIの用途別適用事例
    • 16.1 触媒
      • 16.1.1 概要
      • 16.1.2 開発動向
        • ① 旭化成
        • ② 日本触媒
        • ③ BASF
        • ④ 北海道大学
        • ⑤ 北陸先端科学技術大学院大学
    • 16.2 リチウムイオン電池
      • 16.2.1 概要
      • 16.2.2 開発動向
        • ① パナソニック
        • ② サムスン電子
        • ③ 富士通
        • ④ シャープ
        • ⑤ MI-6
        • ⑥ 物質・材料研究機構、名古屋工業大学、トヨタ自動車
    • 16.3 半導体
      • 16.3.1 概要
      • 16.3.2 開発動向
        • ① 東京工業大学
        • ② 東京エレクトロン
        • ③ DIC
    • 16.4 太陽電池
      • 16.4.1 概要
      • 16.4.2 開発動向
        • ① 大阪大学
        • ② 理化学研究所
        • ③ 豊田中央研究所
    • 16.5 誘電体材料
      • 16.5.1 概要
      • 16.5.2 開発動向
        • ① ファインセラミックスセンター、TDK、京都大学、物質・材料研究機構
    • 16.6 熱電変換材料
      • 16.6.1 概要
      • 16.6.2 開発動向
        • ① NEC
        • ② 東京大学
    • 16.7 断熱材料
      • 16.7.1 概要
      • 16.7.2 開発動向
        • ① 物質・材料研究機構
    • 16.8 ゴム
      • 16.8.1 概要
      • 16.8.2 開発動向
        • ① 住友ゴム工業
        • ② TOYO TIRE
        • ③ 横浜ゴム
  • 17. MI活用により作り出される高機能材料の市場規模予測

第3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. 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)
  • 6. 大学の動向
    • 6.1 概要
      • 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
  • 7. スーパーコンピュータ
    • 7.1 概要
    • 7.2 スーパーコンピュータと量子コンピュータ
    • 7.3 スーパーコンピュータの開発経緯
    • 7.4 開発動向
      • ① 理化学研究所
      • ② NEC
      • ③ Preferred Networks]
  • 8. 量子ソフトウエア
    • 8.1 概要
    • 8.2 企業動向
      • 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
  • 9. 材料開発
    • 9.1 概要
    • 9.2 技術動向
    • 9.3 業界動向
    • 9.4 課題と対策
    • 9.5 企業動向
      • ① 三菱ケミカル
      • ② 旭化成
      • ③ 東レ
      • ④ JSR
      • ⑤ 三菱マテリアル、物質・材料研究機構
      • ⑥ QunaSys
      • ⑦ 東レリサーチセンター
      • ⑧ 京セラ
      • ⑨ ダイキン工業
      • ⑩ 村田製作所
      • ⑪ ブリヂストン
      • ⑫ 物質・材料研究機構
      • ⑬ BASF
      • ⑭ 理化学研究所、物質・材料研究機構
      • ⑮ コーセー
      • ⑯ Zymergen
      • ⑰ CLAAS
  • 10. 創薬
    • 10.1 概要
    • 10.2 従来の医薬品の開発
    • 10.3 研究開発 (創薬研究) の流れ
    • 10.4 医療診断
    • 10.5 計算創薬 (in silico創薬)
    • 10.6 AI創薬
    • 10.7 開発動向
      • ① エーザイ
      • ② アステラス製薬
      • ③ Insilico Medicine
      • ④ Kebotix
      • ⑤ NAM
      • ⑥ 東レ
      • ⑦ インテージヘルスケア、理論創薬研究所、アフィニティサイエンス
      • ⑧ 神戸天然物化学
      • ⑨ BASF
      • ⑩ Merck
      • ⑪ Elix
  • 11. 工場・物流
    • 11.1 概要
    • 11.2 開発動向
      • ① デンソー
      • ② 富士通
      • ③ NEC
      • ④ 沖電気工業
      • ⑤ 住友商事
      • ⑥ アイシン精機
      • ⑦ 東邦ガス
  • 12. 交通・渋滞・自動運転
    • 12.1 概要
    • 12.2 業界動向
    • 12.3 開発動向
      • ① Volkswagen
      • ② Ford
      • ③ Daimler
      • ④ Rinspeed
      • ⑤ デンソー、豊田通商
      • ⑥ マツダ
      • ⑦ 富士通
      • ⑧ 東日本高速道路 (NEXCO東日本)
      • ⑨ BASF
  • 13. 航空・宇宙機器
    • 13.1 概要
    • 13.2 開発動向
      • ① NASA
      • ② Airbus
      • ③ Honeywell
      • ④ Lockheed Martin
  • 14. 金融分野
    • 14.1 概要
    • 14.2 業界動向
    • 14.3 企業動向
      • ① 日立製作所、損害保険ジャパン日本興亜
      • ② 三菱UFJフィナンシャル・グループ
  • 15. 新型コロナウイルス対策
    • 15.1 概要
    • 15.2 開発動向
      • ① D-Wave systems
      • ② デンソー
      • ③ シグマアイ
  • 16. その他の企業動向
    • ① JXTG ホールディングス
    • ② リクルートコミュニケーションズ
    • ③ KDDI 総合研究所
    • ④ Intel
    • ⑤ 東北大学
    • ⑥ 理化学研究所、東京大学、ルール大学
ページのトップヘ

出版社

株式会社 シーエムシー・リサーチ
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 179ページ

ISBNコード

978-4-904482-85-8

発行年月

2020年8月

販売元

tech-seminar.jp

価格

120,000円 (税別) / 132,000円 (税込)

メールマガジン登録割引

メールマガジンに登録なさる方は割引価格にてご購入いただけます。

  • メールマガジンを登録なさる場合
    • 冊子版: 108,000円 (税別)
    • 冊子 + CDセット: 126,000円 (税別)
  • メールマガジンを登録なさらない場合
    • 冊子版: 120,000円 (税別)
    • 冊子 + CDセット: 140,000円 (税別)
出版物を購入する
ページのトップヘ

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
2022/5/26 グラフニューラルネットワーク入門 オンライン
2022/5/26 マテリアルズインフォマティクスの主軸を担う計算科学シミュレーション技術の基礎と材料設計への応用 オンライン
2022/5/26 リチウム空気二次電池の開発動向最前線 オンライン
2022/6/6 インフォマティクス・機械学習活用のための多変量解析 超入門 オンライン
2022/6/9 説明可能AI (XAI:explainable AI) の作り方とAIの業務への導入方法 オンライン
2022/6/10 DX導入による実験の効率化と実験自動化・自律化への応用 オンライン
2022/6/10 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
2022/6/13 機械学習によるデータ分析の正しい進め方とビジネスへの適用 オンライン
2022/6/14 スパースモデリングの基礎とマテリアルズインフォマティクスによる材料開発への展開 オンライン
2022/6/14 AIを活用した革新的実験計画法の上手な活用法 オンライン
2022/6/15 時系列データ分析の基礎と実践 オンライン
2022/6/16 人工知能を使ったR&D・新規事業テーマの探索 オンライン
2022/6/17 マテリアルズインフォマティクスを活用した材料設計技術の現状・課題と今後の展望 オンライン
2022/6/17 マテリアルズインフォマティクスの主幹となる計算科学シミュレーション技術 オンライン
2022/6/17 Transformerの応用と最新技術動向 オンライン
2022/6/17 スパースモデリングの基礎とマテリアルズインフォマティクスによる材料開発への展開 オンライン
2022/6/20 統計解析・機械学習のためのPythonハンズオンセミナー オンライン
2022/6/23 深層学習による画像認識とその判断根拠の可視化 (視覚的説明) オンライン
2022/6/23 デジタル人材の育成と組織、チームの作り方 オンライン
2022/6/23 第一原理計算とマテリアルズインフォマティクスの手法・ノウハウと応用例 オンライン
ページのトップヘ