第1部 研究・実験データの収集、管理と蓄積データの活用法

(2024年5月14日 10:00〜11:30)

　新素材を創出する探索研究では、あつかう材料の種類が豊富で、実験データや計算ツールも多種多様である。研究所全体でマテリアルズ・インフォマティクス (MI) の活用やデータ駆動型研究を目指すには、部署単位や担当者ごとに異なるデータの記録を定型データとして入力・蓄積し、また機械学習などの計算手法をツール毎ではなく共通の仕組みで使えることが重要である。
　本講演では、材料研究での一般的な課題を確認し、製薬研究を例に商用パッケージソフトを活用したインフォマティクス基盤構築について説明する。

1. マテリアルズ・インフォマティクス
   1. MI向けソフトウェアの歴史
   2. 企業研究における一般的なMIの課題
2. データの記録
   1. 純物質・混合物などモノを中心とした記録 (付番管理)
   2. 加工プロセスを中心とした記録 (電子実験ノート/ELNなど)
   3. データの収集・加工・蓄積 (ETL)
   4. アイデア・着想の記録
3. データの活用
   1. データの種類 (数字、文字、画像、時系列データなど)
   2. Pythonなどによるデータ処理
   3. データ参照・計算システム
4. データ駆動型研究の実現のために
   1. 商用パッケージソフトか自社開発か
   2. 製薬研究で使うソフト
   3. ソフトウェアベンダーの事情
• 質疑応答

第2部 クラウド型電子実験ノートを活用した研究・実験データの収集と統合的管理

(2024年5月14日 12:15〜13:45)

　研究・開発業務では、実験に用いる多種多様な資材、実験で得られる膨大なデータ、参考文献や分析報告書などの文書類といった、さまざまな情報を扱います。これらを適切に管理して活用することは、研究・開発を効率的に行ううえで極めて重要です。
　本講演では、創薬研究を例にとり、多種多様な情報をクラウド型研究情報管理システムで統合的に管理して利用することのメリットを説明するとともに、実際のクラウド型研究情報管理システム製品を紹介します。

1. 創薬研究データ管理における課題
   1. 研究データの紙ベースでの管理の限界
   2. サンプルやデータの多様性と散在
   3. 研究開発の水平分業におけるデータ管理
2. クラウド型研究データ管理システムの利用メリット
   1. 部署や会社/研究機関の壁を越えたデータの共有
   2. システムの利用規模の柔軟性
   3. 各種サンプル・データの統合的管理
3. Scilligence社製品の紹介
   1. Scilligence社製品の特長
   2. 各製品の機能
      • サンプル・アッセイ情報管理 RegMol
      • 在庫管理 Inventory
      • 電子実験ノート ELN
      • 機器データ収集・管理 SDMS
      • プロジェクト管理・ワークフロー実行 PMF
4. デモンストレーション
• 質疑応答

第3部 ハイスループット研究・実験データ生成の考え方・コツと蓄積データの活用方法

(2024年5月14日 14:00〜15:30)

　マテリアルズインフォマティクスや生成AI等の普及・進化によって、研究・実験データに求められる要件、即ちその存在価値や在り方は大きく変化しています。また、生成したビッグデータの活用についても、従来のデータ管理及びデータハンドリング方法ではその価値を充分に活かすことができません。
　本講演ではコニカミノルタにおけるこれらの課題解決の考え方とアプローチについて、外部動向と共にご紹介致します。

1. はじめに
   1. 自己紹介
   2. 研究・実験データの“これまで”と“これから”
2. なぜハイスループットデータ生成が必要か
   1. マテリアルズインフォマティクス (MI) の有効性
   2. 開発「現場」でMIを活用するにあたっての課題
   3. ハイスループットデータ生成の考え方・アプローチ
3. なぜデータ活用のためのプラットフォームが必要か
   1. 社内データの利活用に関する現状と課題
   2. 社外データベースの利活用に関する現状と課題
4. ハイスループット研究・実験データ生成の事例紹介
   1. 加速する世界動向
   2. コニカミノルタにおける事例紹介
5. データ活用プラットフォーム構築の事例紹介
   1. 外部動向
   2. コニカミノルタにおける事例紹介
• 質疑応答

第4部 研究・実験データ収集、管理への仕組み作りと蓄積データの活用

(2024年5月14日 15:45〜17:45)

　IoTやAIの普及により、製造工程以降のデータ利活用は急激に進展しています。一方、公的研究機関であれ、民間企業であれ、R&D部門におけるデータの取り扱いは属人的なままであり、研究の信頼性が阻害されたり、効果的なデータの利活用がほとんど進んでいないのが実態です。R&D部門は技術の源泉であり、データを精緻に管理して効果的に利活用する、つまりデータ分析・AI化を行うことは、今後の競争力にとって不可欠です。
　本講演では、まず、R&D部門のデータ共有、利活用の実情をお話しさせていただきます。 次に、データ共有、利活用状況を改善するために必要な方策について説明します。具体的には、データ共有、利活用システムに必要な要件について紹介し、システムの導入、運用時の陥りがちな落とし穴を回避するために必要なプロジェクトチームの要件等を説明させていただきます。

1. はじめに (講演者の会社、経歴紹介)
2. R&D部門のデータ共有、利活用の実情
3. データ共有、利活用状況を改善するために必要な方策
4. データ共有、利活用システムに必要な要件
5. データ共有、利活用システム導入、運用に必要なプロジェクトチームの要件
6. まとめ
• 質疑応答