材料分野においてもデータ駆動研究への期待が大きい。本稿では、データ駆動材料開発の最近の取り組みを概説する。材料データは必ずしも豊富にあるわけではないものの、データ駆動による材料・プロセスの探索は、金属、高分子、無機化合物等々へ広がり、自動実験・計測との連携も始まっている。メ...

NIMSクリープデータシートを用い、機械学習によってフェライト耐熱鋼のクリープ寿命予測をおこなった。サポートベクター回帰手法によるものが最も予測性能が高く、テストデータに対するクリープ寿命の常用対数の二乗平均平方根誤差は0.14と小さく、これは1.38倍以内の予測精度を有す...

JOSS2023のE2セッション「メタデータの系譜を探る：研究データの相互運用性の向上に向けて」での発表資料

JOSS2023のD3セッション「ジャーナル論文だけじゃない！日本の全ての研究成果物のPID（永続的識別子）登録を目指して」での発表資料

材料学の分野ごとの用語の差異の吸収や、材料データに付与するメタデータから参照する概念の特定に用いることを想定した材料語彙システムを構築した。集合知的プロセスを通じて多面的な観点を包含することを目指し、Wikidataプロジェクトで使われているWikibaseソフトウェアを採...

研究機関によって運営される研究者プロフィールサービスは，オープンサイエンスの進展に代表される研究活動の多様化や，Institutional Research の取り組みによって，その目的が研究成果の公開から研究活動の分析のための情報基盤へと広がってきている。本稿では，今後の...

NIMSでは材料データリポジトリ (MDR) を2020年より運用し、研究データセットの登録・公開を推進している。各データセットが有効に利活用・引用されるように検討しながら登録方法やメタデータを定め、DataCite DOIを付与している。ある研究コミュニティによる1700...

材料分野でのデータ駆動型の材料研究の進展のため、物質 ･ 材料研究機構（National Institute for Materials Science, NIMS）は材料データプラットフォームシステムの開発に2017年に着手し、2020年からサービス名 DICE として所...

実験・計算・データ科学を融合させた材料の研究開発を推進するマテリアルズインフォマティクス(MI)が推進されているが、実験データの収集については既存データベースのインポートや出版済み論文のデータマイニングに限られる場合が多い。効果的な MI のためには各種装置から自動的に実験...