第1部 研究加速を実現するデータプラットフォームの構築

(2025年6月19日 10:00〜11:30)

　当社では、研究開発データを一元管理するデータプラットフォームを構築し、開発の効率化・スピード向上を実現してきた。
　本講演では、データプラットフォームの構成要素である研究データの「蓄積」「活用」「提案」の順で、それらの構築や活用事例を解説する。また、ヒトが丁寧に収集するデータと機械的に収集されるデータとの違いについても触れ、それぞれの特性を考慮した解析例を紹介する。

1. データプラットフォーム概要
   1. 構成要素と機能
2. データ蓄積
   1. 機械判読可能なデータ
   2. 実験データの構造化
   3. 実験データマネジメントシステムの構築
   4. DMS活用事例の紹介
   5. 社内教育活動
3. データ活用
   1. 機械学習と計算科学
   2. 「集めるデータ」と「集まるデータ」
   3. 少量実験データに対する解析
   4. 画像・曲線データの解析
   5. データ活用の民主化 – Auto MLツールの利用 –
4. データ提案
   1. 能動学習とベイズ最適の対比
   2. 能動学習による条件提案
   3. ベイズ最適化による条件提案
• 質疑応答

第2部 データ駆動研究開発に向けたデータベースの構築と活用法

(2025年6月19日 12:15〜13:45)

　企業活動におけるデータサイエンスの主要な活動領域である製品開発において、基盤となるデータの重要性は自明の理である。しかし、実際に収集されるデータが直ちに解析可能な形で存在するわけではない。このギャップを埋めるためには、過去の技術蓄積と現在進行形のデータ収集を統合するデータベースを構築することによる利用可能なデータの増幅が不可欠である。これにより、精度の高い解析と予測を基にした効率的な実験計画と、迅速な成果創出が可能となる。
　講演では、データベース構築の必要性、DICにおける社内データベースの構築と管理、研究開発の効率化への応用について述べる。

1. データサイエンス導入の取組み
   • DX導入前の社内文化
   • 研究開発部門のDX組織設立と役割
2. 開発テーマへのデータサイエンスの浸透
   • データの価値
   • データ駆動型研究開発の意義
   • DX推進の課題と克服策
3. データベース化への取組み
   • データの種類と収集方法
   • データ品質の向上
   • 社内データベース (EDBS) の構築と管理
4. 事例紹介
5. 総括と今後の展望
• 質疑応答

第3部 データ駆動R&Dのための電子実験ノート活用、データパイプライン構築、AIアプリ開発と人材育成

(2025年6月19日 14:00〜15:30)

　競争力ある研究開発 (R&D) には、データ駆動型のアプローチが必須である。
　本講演では、株式会社レゾナックによる、データパイプライン構築事例や電子実験ノート活用による研究プロセスの効率化・精度向上、AI技術の応用事例、技術継承を目的としたChat Resonac開発を紹介し、これらを支える人材育成の重要性について詳述する。データ活用により、R&Dのイノベーション促進や持続可能な開発体制が構築されるとともに、意思決定の迅速化や品質向上が実現される。また、データ解析スキルを有する“両利き“の専門家が研究開発を支える中心的役割を担うことが、競争力の維持と成長に寄与する点を説明する。

1. はじめに
2. データ駆動R&Dの必要性
3. 電子実験ノート活用
   1. 電子実験ノートの基本機能
   2. パイプラインパイロットについて
   3. 付加した機能
4. データパイプライン構築
   1. 実験データの課題
   2. データパイプラインの機能
5. AIアプリ開発
   1. AI解析の限界
   2. AI専門家と研究開発者とのコミュニケーションコスト
   3. AIアプリ開発の内容
   4. AIアプリ現場展開のメリット
6. 大規模言語モデルによる技術継承
   1. Chat Resonacの開発
   2. 当社独自の機能
7. 人材育成
   1. IT人材育成の必要性
   2. IT人材育成の方法
   3. IT人材育成の成果
8. まとめ
• 質疑応答

第4部 ハリマ化成におけるマテリアルズ・インフォマティクス

(2025年6月19日 15:45〜17:15)

　ハリマ化成は、2030年に向けてデジタル技術を活用したものづくりとDX体制の構築を進めています。研究開発ではマテリアルズ・インフォマティクス (MI) を推進。
　本講演では、第一次産業革命以降の歴史と研究開発の変遷、テクノロジーによる破壊と創造の事例を紹介します。次に、現在の日本の競争力低下の原因を考察し、DXやMIの必要性を解説。さらに、化学業界におけるDXの先進事例を紹介し、当社の施策を説明します。最後に、統計解析による製品開発のイメージと具体的事例を示します。

1. 産業革命と研究開発
   1. 塗料における技術の変遷
   2. 第一次産業革命における研究開発
   3. 第二次産業革命における研究開発
2. 破壊と創造
   1. 第四次産業革命
   2. デジタル・ディスラプションの例
3. 化学業界におけるDX
   1. 大手化学メーカーの例
   2. 塗料メーカーの例
4. DX・MIに取り組む理由
   1. 日本の国際競争力
   2. 競争力低下の原因
   3. デジタル技術の活用
5. ハリマ化成における研究開発のDX
   1. 研究企画部の施策
   2. SA Cubed ® とは
6. ハリマ化成のマテリアルズ・インフォマティクス
   1. データ分析
   2. 単回帰分析と重回帰分析
   3. 実験計画法 (DOE) の活用
   4. プロファイルの活用
• 質疑応答