第1部 実験の自動化・自律化によるR&Dの高速化と再現性向上

(2024年6月19日 10:00〜11:30)

　日本では少子高齢化や働き方改革により、効率的な研究が求められています。特に、コロナ禍を受けて全自動・遠隔操作の研究体制が急務となっています。そのため、機械学習とロボットを活用した自動化・自律化の動きが拡大しており、これは研究開発の方法論を根本的に変える可能性があります。
　今回の講演では、ロボット、AI、研究者が協働するデジタルラボの基礎と、実験の自動化・自律化に関する動向。導入事例を紹介します。

1. 実験自動化・自律化で材料開発はどう変わるか?
   1. 材料合成における現在の課題 – 探索空間の多次元化 –
   2. ベイズ最適化とロボットを組み合わせた「自律的」物質合成とは
   3. AI、ロボット、研究者が協働するデジタルラボラトリとは
   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. 実験自動化・自律化に向けた機械学習とロボットの基礎知識
   1. 機械学習の基礎
   2. ベイズ最適化の基礎
   3. 材料開発にベイズ最適化を適用する際の注意点
   4. ロボット技術の基礎知識
   5. 実験自動化を手助けする機器
3. 材料開発における自動化・自律化の最新動向
   1. バイオ分野
   2. 有機分野
   3. 高分子分野
   4. 無機分野
4. 一杉研究室の実験自動化・自律化に関する取り組み
   1. データ・ロボット駆動科学を推進するデジタルラボラトリの開発
   2. 燃料電池研究に向けた自動実験装置 〜接触抵抗の低減に向けて〜
   3. スパース推定に基づいたベイズ最適化手法の開発
   4. 実験自動化・自律化を目指す上での注意点
5. まとめ
• 質疑応答

第2部 ChatGPTを活用した研究データ作成と再現性向上

(2024年6月19日 12:10〜13:40)

　近年の生成AIの普及を受けて、研究開発の現場でも生成AIの活用が広がっている。
　本講演では、研究活動におけるChatGPTの有効な活用方法として、比較的短い文章の集まりを研究の対象とする場合に、これらの短文から解析用の研究データを作成する工程でのChatGPTの活用方法について事例を交えて提案する。研究データの作成工程をプログラミングによらず手軽に扱える手法で実現することができれば、研究活動の効率化・高速化に資するだけでなく、自然言語処理の手法を用いた研究分野の裾野の拡大にも貢献し得る。

1. はじめに
   1. R&DへのChatGPTの活用
   2. GPTのしくみ
2. 事例1: 複数の類似学会における研究分野の差異の可視化
   1. 課題意識
   2. ChatGPTを活用した研究データの作成
   3. 再現性の向上に向けた工夫
   4. 作成した研究データの解析結果
3. 事例2: e-learning教材と標準スキル各項目との適合性評価
   1. 課題意識
   2. ChatGPTを活用した研究データの作成
   3. 作成した研究データの解析結果
4. 事例3: 学習データに基づく各国政府の関係性の可視化
   1. 課題意識
   2. ChatGPTを活用した研究データの作成
   3. 作成した研究データの解析結果
5. 今後の展望
• 質疑応答

第3部 実験自動化への環境構築とR&Dの高速化、電子ラボノートの活用

(2024年6月19日 13:50〜15:20)

　研究・開発の加速化にはリサーチトランスフォーメーション (RX) サイクルが大きな役割を果たすと考えている。
　本講演では、計測→設計→合成というユニットを円滑に進めるための適切なデータおよび情報の流れを概観しながら、その柱の一つとなる電子ラボノートの役割にも言及する。また、生産における品質管理のためのソフトセンサーの最近の状況として近赤外線スペクトルの利用についても触れる。

1. リサーチトランスフォーメーション (RX) サイクルについて
2. 計測における自動化
3. 計測データを設計に役立てるには
4. 設計におけるデータの管理とモデル化
5. 設計時における合成・製造条件の提案と最適化
6. 合成の自動化
7. 生産における品質管理のためのソフトセンサー
8. ソフトセンサーにおける近赤外スペクトルの活用
• 質疑応答

第4部 実験装置からの効率的なデータ収集の仕組み作りと蓄積データの活用

(2024年6月19日 15:30〜17:00)

　近年、データ駆動材料開発は多様な実施例が示されている一方、研究分野で活用範囲に差がある。データ駆動材料開発は、まだ一定量のデータが必要であり、広い研究分野、多様な合成・物性解析手法、データ蓄積・利活用と従来の研究と比べて広い横断的な協力が必要である。
　この中で合成や物性の変数の多様性とデータ構造の複雑さ、実験データの少なさからデータ活用が化学系と比較して遅れている無機材料研究開発で著者らが取り組んでいる自律型材料探索に向けたコンビナトリアル手法と組み合わせたデータ蓄積と解析を事例として課題と展望を紹介する。

1. 無機薄膜材料でのスマートラボ
2. コンビナトリアル薄膜合成
3. データの蓄積・連携・利活用
4. データプラットフォーム
5. インフォマティクスのためのデータ構造化
6. IoTによる装置のDX化
7. 機械学習を用いた物性解析
8. 情報の次元削減と可視化
9. データ設計による研究業務のDX化の価値
10. マテリアルシーケンサー
11. 材料開発はどこからスタートするか
12. 分野融合の持つ能性
13. バーチャルラボ・プラットフォーム
14. まとめ
• 質疑応答