第1部 研究DXへのデータ収集、構造化とプラットフォーム構築

(2025年4月3日 10:00〜14:00) ※途中お昼休憩を挟みます

　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、つまり研究DX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、データ共有、利活用が進まない状況がなぜ発生してしまうのか?そのような状況にはどのような問題がはらんでいるのか?等を説明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関して、特に、実際にデータを蓄積し、検索、分析するときの項目名の決定法やプラットフォームに要求される要件に関して、説明させていただきます。また、研究DXを進める上で必要な組織体制と意識改革に関しても、説明いたします。

1. R&D部門のデータ蓄積の実情
2. 属人的データ蓄積状況が生み出される原因
3. 属人的データ蓄積状況が引き起こす問題
4. 属人的データ蓄積状況を脱するために必要な方策
5. 研究・実験データの共有、利活用状況を改善するためのデータ蓄積方法
6. データ探査、分析を意識したデータ蓄積での注意すべき点
7. 蓄積されたデータを使ってデータ分析を行う時の注意すべき点
8. データ探査、分析を意識したデータ蓄積を行うプラットフォームに要求される要件
9. 研究DXを進める上で必要な組織体制と意識改革
• 質疑応答

第2部 生成AIが変える研究DX:データ収集からイノベーションまで

(2025年4月3日 14:10〜15:40)

1. データ収集と構造化のポイント
   1. データ収集の課題と解決策
   2. 効率的なデータ構造化のアプローチ
2. 研究DXを支えるプラットフォーム構築
   1. 統合データプラットフォームの設計
   2. 生成AIと連携したプラットフォームの役割
3. 非構造化データの分析と生成AIの活用
   1. 生成AIを用いた非構造化データの価値抽出
   2. 生成AIの分析力を活用した意思決定支援
4. 研究DXと生成AI活用の実践事例
   1. 実例1:製品開発における市場分析と戦略策定
   2. 実例2:材料設計における生成AIの適用
5. 生成AI導入のポイントと乗り越えるべき課題
   1. 生成AI導入における課題と対策
   2. DXを前進させるための実践的な取り組み
• 質疑応答

第3部 研究・実験データの蓄積、構造化とデータベース構築

(2025年4月3日 15:50〜17:20)

　本講座では、MIの実践事例を通じて、研究活動で生じるデータの生成・蓄積・活用のサイクルについて知っていただき、特にデータ蓄積に必要な考え方・基礎知識について学んでいただきます。そして、データベース (DB) を作成する際の目的の明確化と出口戦略、そのために必要な具体的なスキルセットについても解説します。

1. マテリアルズ・インフォティクス概要
   1. データ生成・蓄積・活用の循環サイクル
   2. データ収集時に考えなければいけないこと
   3. データ取得コストについて
   4. 活用可能なデータとは
2. データ取得のためのベイズ最適化
   1. ベイズ最適化の背後にある数理
   2. 自律実験装置とAIソフトウェア
   3. ロボット制御のための環境整備
3. 材料データ蓄積を行う上で必要なこと
   1. データベース構築の3つの目的
   2. データベースの種類
   3. ツリー構造を利用した実験データ蓄積
   4. 電子ラボノートの事例
4. データベース開発に必要なスキルセット
   1. 誰のためのDBか
   2. 開発コストの見積もり
   3. デスクトップアプリとウェブアプリ
   4. フロントエンドとバックエンド
   5. アジャイル開発という考え方
5. DB構築の出口戦略
   1. パーソナルDB
   2. DBを介した共同研究
   3. DBの共有・共用
   4. パブリックDB
   5. 材料データと課題の多様性への対応
• 質疑応答