第1部 リサーチ・トランスフォーメーション (RX) による研究の効率化、スピード化

(2023年3月3日 10:00〜12:00)

　リサーチ・トランスフォーメーション (RX) は、これからの研究開発活動の姿へ向けた、研究開発の変革を指す。今、社会・産業そのものだけでなく、将来への投資である研究開発の在り方も、新たな時代の新たな姿へと変貌していく過程にある。そては、これまでの延長線だけでは開けない地平に挑むために必要な変革と捉えたい。研究開発活動の一連のプロセスにおいて、いわばオペレーティングシステムをトランスフォームすることをここではRXと呼ぶ。変革のドライバーとして、研究開発のDXは重要な手段となるが、DX自体は目的ではない。DXだけでない、研究開発システム全体を新しい姿へと導くことがRXである。
　本講演ではRXの要諦や課題を、内外の科学技術・イノベーション動向を交えて紹介する。

1. 研究開発活動が直面する外部環境変化と課題
2. 産業構造の転換とテクノロジーへのインサイト
3. 研究開発環境のDXと研究内容・中身のDX/データ駆動型研究
4. 人間と機械が共創する:オートノマス・サイエンス
5. 研究開発における自動化・遠隔化システム
6. AI/ロボットが学習し、実験し、仮説を設計、予測・検証をする
7. 研究開発のアセット、無形資産と有形資産の関係をリ・デザインする
8. リアル・アナログの付加価値を再考し研ぎ澄ます
9. イノベーションへの問い:オープン×クローズ×プラットフォーム
10. イノベーションのエコシステム:何を循環させるか
11. 次世代に選ばれる研究開発の姿としてRXを考える
• 質疑応答

第2部 実験の自動化・自律化による研究の短縮化と活用のポイント

(2023年3月3日 13:00〜15:00)

　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。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」を求められています。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」とマテリアルズ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。
　本講演では、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実験の自動化・自律化に関する動向・導入事例に関して紹介します。

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. マテリアルズインフォマティクス
   3. ロボットを用いた「自律的」物質合成とは
   4. バイオ系におけるAI・ロボットを活用した研究開発
   5. 有機材料における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. ベイズ最適化とロボットを活用した全自動薄膜合成・評価装置の紹介
   3. AI・ロボットを活用したNb:TiO2薄膜合成
   4. 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
   5. 人間ドックの材料版: マテリアルドック
   6. 多次元空間における材料地図の概念
   7. AIを活用したイオン伝導度評価手法の開発
   8. AIやロボットを研究開発の現場に導入するまでの道筋
• 質疑応答

第3部 商品開発AIシステムの本番導入および実験データ解析AI as a Serviceご紹介

(2023年3月3日 15:15〜17:15)

　ここ数年、研究開発DX変革のニーズをIBMへ数多くお寄せいただいており、市場は活性化しております。これらの声に応えるために、私は「R&D Process Optimization」というオファリングをリードし、お客様へ展開させていただいております。その活動の中で弊社は研究開発におけるAIシステムの本番稼働を様々ご支援させていただきました。
　本講演では、商品開発や実験データ解析に利用されるAIシステムやその試作品情報のデータベース化について、AI活用の最新事例をお話させていただきます。また、システム導入というご提供形態をさらに発展させて、格安のAI as a Serviceという形で、すぐに利用可能な汎用AI利用サービス (Webアプリ) もご用意させていただいております。 研究開発業務の無駄をなくして効率化し、AIを活用してより高度な付加価値を生むために「どんなことを考えるべきか」を他社導入事例を振り返りつつ、お話します。AIを活用して業務を効率化することで、人間はより市場創造型・未来志向型の仕事に注力することができます。ぜひ研究開発DXを進めるポイントを学び取っていただき、皆様の業務課題を解決するための助けとなることを期待しております。

1. 研究開発DX変革とAI活用の目指す姿
2. 研究開発DXにおける業務課題と解決策案
3. IBM AI&Anayticsサービスメニュー「R&D Process Optimization」のご紹介
4. 先進事例1:化学メーカー様におけるAIシステム本番導入事例
5. 先進事例2:化粧品メーカー様におけるAIシステム本番導入事例
6. 先進事例3:飲料メーカー様におけるAIシステム本番導入事例
7. 先進事例4:AI as a Serviceおよび導入事例のご紹介
8. 研究開発DXの期待効果と価値創出の考え方
• 質疑応答