# Fileset [マテリアルDXプラットフォームの取り組み.docx](https://mdr.nims.go.jp/filesets/447d3c83-2359-433f-a480-398dab8be7a4/download) ## Creator [出村 雅彦](https://orcid.org/0000-0002-7308-3041) ## Rights [In Copyright](http://rightsstatements.org/vocab/InC/1.0/) ## Other metadata [マテリアルDX プラットフォームの取組み(<特集>マテリアル分野におけるデータ駆動研究の進展)](https://mdr.nims.go.jp/datasets/5a02ff1a-55dd-465a-a133-1cfb431f8346) ## Fulltext マテリアルDXプラットフォームの取り組みJSMEMagテンプレートはじめに材料はわが国の産業競争力の基盤を支える重要領域であり、社会課題の高度化に伴って材料への要求はますます厳しくなっている。材料は金属、セラミックス、ポリマー、複合材料など多岐にわたるとともに、様々な目的で使用される。特性や性能を左右する要因は複雑かつ多様である。このようにバラエティに富む材料分野では、研究者・技術者が探索すべき設計空間は極めて広大であり、開発効率向上のために新たな手法の導入が強く求められてきた。近年、AI（人工知能）技術の急速な発展や計算機能力の飛躍的向上を背景として、データ駆動による材料開発が注目を集めている(1-10)。実験やシミュレーションのデータを活用し、機械学習や統計的手法を駆使して材料特性を予測・最適化する試みは活発に行われている。一方で、材料分野では他分野と比較して利用できるデータがまだ十分に蓄積されておらず、他分野で成功を収めた手法をそのまま適用するだけでは成果が得られにくいという課題がある。材料分野におけるデータ駆動研究の課題は大きく2点に集約される。一つは、プロセス条件や測定条件が揃った大規模なデータを必ずしも得られない状況下で、いかにAIを活用し有用な解析結果を得るかという課題である。この課題を意識した手法開発については、本特集の中で触れられることになる。計算シミュレーションで実験を補完・代替していく方法論やベイズ推定に基づくアクティブラーニング、モデル選択などがこれにあたる。図1 我が国におけるマテリアル分野のデータ駆動研究の進展もう一つの課題は研究で得られたデータを継続的・組織的に収集・蓄積し、それらを相互に連携させる仕組みを確立することである。この課題に対応するためには、材料研究そのものの進め方や研究体制の変革を伴う「マテリアルDX（デジタルトランスフォーメーション）」が必要となる。2021年に制定された政府戦略「マテリアル革新力強化戦略」(11)においても、その必要性が強調されている。本稿では、我が国におけるデータ駆動型マテリアル研究の進展を概観し、文部科学省が推進する「マテリアルDXプラットフォーム構想」について解説する。これらを通して、我が国の材料分野におけるデータ駆動研究の現状と今後の発展を俯瞰して議論したい。我が国におけるデータ駆動材料研究の進展図1に、我が国におけるデータ駆動材料研究の流れを示す。本稿では、この流れを「データ時代以前」「データ時代黎明期」「データ時代普及期」の三つの段階に区分して考察する。まず、データ時代以前においても、データ駆動材料研究の基盤を築く取り組みは存在した。その代表的な例が、材料データベースの開発である。NIMS（物質・材料研究機構）では、MatNavi (12)というポータルを中心に、無機材料データベース(13)（AtomWork-Adv.）、高分子データベース（PolyInfo (14,16)）、金属材料データベース（Kinzoku (17)）を構築・運用してきた。AtomWork-Adv. と PolyInfo には主に学術論文から抽出したデータが編纂されている。Kinzoku は NIMS が長年推進してきたデータシート事業（クリープデータシート(18)、疲労データシート(19)等）で蓄積したデータをデジタル化したものである。当時、これらのデータベースは参照用データとしての利用が中心で、機械学習などの学習データとして活用する取り組みは、まだ活発ではなかった。しかしながら、データ駆動型アプローチを先駆的に導入した事例も存在する。たとえばNIMS におけるニッケル基超合金開発では、独自に蓄積した高品質な実験データに基づき、多変量解析によってクリープ寿命を高精度に予測できるプログラムを開発し、実際の材料設計に活かしている。とはいえ、このようにデータの蓄積と活用が密接に連携した研究は、データ時代以前では例外的であったといえる。2011年に米国で Materials Genome Initiative（MGI）が発表されたことを契機に、我が国でも材料研究に機械学習を取り入れる動きが一気に加速した。国内における大規模プロジェクトとしては、内閣府戦略的イノベーション創造プログラム（SIP）「革新的構造材料」や、文部科学省・JSTイノベーションハブ構築支援事業「情報統合型物質・材料開発イニシアティブ（MI2I）」が嚆矢とされる。これらのプロジェクトが立ち上がった2014年前後が、我が国におけるデータ時代黎明期の始まりと考えられる。さらに、2017年には NIMS 交付金プロジェクト「材料データプラットフォーム開発」が始動し、データの蓄積と利活用を一体的に進める組織的取り組みが本格化した。黎明期におけるこれらの活動を通じ、機械学習を中心とするデータ駆動型アプローチが国内の材料研究に普及し始め、2020年前後には普及期へと移行した。その流れをより一層加速させるため、文部科学省は「マテリアルDXプラットフォーム」を構想し、全国的にデータ駆動研究を推進するプロジェクトを開始している。具体的には、データ基盤の開発・運用を担う「NIMSデータ中核拠点事業（MDPF）」(20)、計測・設備やデータの共同利用を図る「マテリアル先端リサーチインフラ（ARIM）」(21)、そして先端的なデータ駆動研究の事例を創出する「データ創出・活用型マテリアル研究開発プロジェクト（DxMT）」(22)の三事業が柱である。これらの取り組みについては、次節以降で詳述する。図2 データ中核拠点（NIMS-MDPF）が提供するデータ関連システム・データ資産とARIM、DxMTとの関係データ再利用による研究投資効率化図2に「マテリアルDXプラットフォーム」が目指す材料データエコシステムの全体像を示す。従来、研究で創出されたデータは研究目的を達成すると再利用されず、研究室のキャビネットや計算機ストレージに眠り続けていた。これを再利用可能な形に整備し、データ駆動研究の資源として活用できれば、研究に投じられた人材や資金の効率を飛躍的に高められると期待される。そのためには、研究データをデジタル化して整理するシステム基盤と、共用化するルールや仕組みを整える必要がある。まず、NIMS-MDPFが開発しているデータ駆動研究を支えるシステム基盤について解説する。すなわち、研究データを構造化し管理するためのRDE(23)、決まった形式で蓄積し続けてきた基盤的な材料データベースMatNavi、そして、データを解析するためのAI解析基盤pinaxである。MatNaviについては前節で紹介したため、ここでは主にRDEとpinaxについて概説する。RDEは、データ時代黎明期にNIMS内で模索されたデジタル化手法をもとに開発された独自システムである。研究データは機器からの電子ファイルや実験ノートに記録されるが、RDEでは研究者の負担を極力減らしながらデジタル化する仕組みを備えている。電子ファイルには、計測データに加え計測条件などのメタデータが含まれる。RDEは機器ごとのファイル形式を解析・翻訳し、可読性の高い形でメタデータを抽出する。機器メーカーとも連携し、固有のファイル形式を解読するプログラムを個別に開発している。一方、実験ノートに記録された情報は自動抽出が難しいため、研究者（あるいは実験担当者）が直接入力せざるを得ない。誤入力を防ぎ、効率的に入力できるよう研究の流れを分析し、必要最小限の項目を抽出した入力フォームを用意している。このようにRDEは、機器ごとのメタデータ抽出プログラムと研究内容に応じてカスタム化した入力フォームを用いて、研究データをデジタル化していく。これらをまとめて構造化テンプレートと呼ぶ。RDEには多数の構造化テンプレートが登録され、多様な材料研究に柔軟に対応できる仕組みになっている。2023年1月に公開され、2025年1月末現在で利用者は4,000人、構造化テンプレートは1,000種類を超えた。日々新たな研究データが登録され、材料分野における標準的なデータ基盤としての地位を確立しつつある。pinaxは、クラウド上でデータ活用を完結させるために設計されたAI解析基盤であり、2025年中の公開を目指して開発が進められている。解析に用いるデータ資源の管理機能と仮想計算環境を備え、PythonやR言語での解析に加え、ノーコードでの機械学習も可能となる。pinaxが稼働すれば、RDEやMatNaviに蓄積したデータをクラウド上で直接解析できるようになり、データ再利用性を高めるうえで重要な役割を果たす。図3 マテリアル分野の研究DXを進める３つの段階データ再利用していくためのルールと仕組みについて述べる。RDE は研究途上のデータを構造化して蓄積するシステムであり、論文等の形で公表するまでは秘匿性を保つ必要がある。一方、研究が完結し論文として成果が発表されると、関連するデータを他の研究者と共用することは受け入れやすい。このように時間の経過とともに秘匿や共用に関する意識は変遷していく。この点に着目して、「占有期間」という概念を導入した。登録されてから一定期間は、登録者本人のみが利用でき、他のユーザーはそのデータが存在していることすら認識できない。占有期間を過ぎると、データは広域で共用される。ここでいう「広域共用」は「公開」とは異なり、不特定多数に自由な利用を認めるのではなく、多数ではあるが特定のユーザーに対して閲覧・利用を許可する形態である。RDE 上で共用化されたデータはローカルへのダウンロードができず、pinax 上での利用か、ARIMが提供するデータ共用化サービスを利用するよう制限している。なお、登録者本人はいつでも自由にダウンロードできる。占有期間は原則として2年間であるが、特許や論文の公開のタイミングによっては延長可能である。また、プロジェクト固有の戦略に応じて占有期間や共用方針を調整できる。ただし、最終的には広域共用化することでデータの再利用を促進することが推奨されている。NIMS-MDPFとARIMが構築する基盤や仕組みを活用して、データ駆動型研究の先進事例を生み出すフラッグシッププロジェクトがDxMTである。DxMTは、構造材料、磁性材料、蓄電池・水分解材料、半導体材料、バイオ・高分子材料の5領域で拠点が選ばれ、実験・計算・解析・データ活用の多様な専門家が糾合する体制が組まれている。さらに、拠点を横断するデータ連携部会を設置し、研究DX化を進めるための共通課題に取り組んでいる。画期的な材料成果の創出とともに、領域を超えてデータや手法が展開され、新しい研究スタイルが確立することも期待されている。図3にマテリアル研究をDX化していくステップを図解した。データ時代黎明期、NIMS内の試行錯誤を経て研究データを再利用可能に管理するRDEを開発した。これはNIMSという研究組織を使った「社会実験」的な取り組みといえる。これを全国に展開する最初の段階がARIMである。ARIMは先端装置を共用化する事業であり、装置の専門家を中心にRDEへのデータ登録方法を開拓していった。構造化テンプレートの開発には、装置に習熟した専門家の知識と装置メーカーの協力が欠かせない。このように全国展開の第一弾として共用装置からのデータ再利用化が進んでいる。そして、次の段階として、研究を丸ごとDX化していく実践の場がDxMTである。研究室内の活動をデジタル化することで研究データを効率的に管理することを目指している。おわりに本稿では、「マテリアルDXプラットフォーム」構想を中心に、研究データを再利用していくことで研究投資の効率を高める取り組みを概説した。最終的な目標は、失敗データも含む研究データの共用によって全体の生産性を高める事である。一方で、各研究現場でDX化による研究効率の向上や新たな成果創出が実感されることが重要である。本稿に続く記事では、データ時代の新しい研究スタイルを紹介する。これを契機に、本会の読者にとって、研究DX化を自らの研究に取り入れるヒントとなれば幸いである。執筆者プロフィール＜非会員＞出村 雅彦◎NIMS技術開発・共用部門　部門長◎専門：データ駆動材料工学〒305-0044 茨城県つくば市並木1-1DEMURA.Masahiko@nims.go.jpお手持ちのプロフィール写真をご提出下さい、トリミングは事務局で対応します。参考文献（本文記載順）　(1) 出村, AI を活用した材料開発における我が国の取り組み, 第70回白石記念講座 (2018), pp. 1–17.(2) M. Demura and T. Koseki, SIP-materials integration projects, Mater. Trans., Vol. 61, (2020) pp. 2041–2046.(3) M. Demura, Materials Integration for Accelerating Research and Development of Structural Materials, Mater. Trans., Vol. 62, (2021) pp. 1669–1672.(4) 出村, データ駆動材料研究の進展～NIMSにおける実践を例として～, 情報の科学と技術, Vol. 71, (2021) pp. 252–257.(5) M. DEMURA, Data-Driven Approaches in Materials & Process Researches, J. Smart Process., Vol. 10, (2021) pp. 78–84.(6) 出村, データ駆動による材料研究 ―NIMSの取り組みを例として―, ぷらすとす, Vol. 5, (2022) pp. 193–197.(7) 出村, データ時代の材料研究, 高分子, Vol. 71, (2022) pp. 379–381.(8) M. Demura, A. Endo and K. Nagata, 構造材料におけるデータ駆動手法, ぷらすとす, Vol. 6, (2023) pp. 665–669.(9) M. Demura, Challenges in Materials Integration, ISIJ Int., Vol. 64, (2024) pp. 503–512.(10) S. P. Stier, C. Kreisbeck, H. Ihssen, M. A. Popp, et al., Materials Acceleration Platforms (MAPs): Accelerating Materials Research and Development to Meet Urgent Societal Challenges, Adv. Mater., Vol. 36, (2024) pp. 2407791.(11) マテリアル革新力強化戦略, 内閣府統合イノベーション戦略推進会議, https://www8.cao.go.jp/cstp/tougosenryaku/mate_honbun_gaiyo.pdf （参照日2025年2月23日）(12) MatNavi, NIMS, https://mits.nims.go.jp （参照日2025年2月23日）(13) AtomWork-Adv, NIMS, https://atomwork-adv.nims.go.jp （参照日2025年2月23日）(14) M. Ishii, T. Ito and K. Sakamoto, NIMS polymer database PoLyInfo (II): machine-readable standardization of polymer knowledge expression, Sci. Technol. Adv. Mater. Methods, Vol. 4, (2024) 10.1080/27660400.2024.2354651(15) M. Ishii, T. Ito, H. Sado and I. Kuwajima, NIMS polymer database PoLyInfo (I): an overarching view of half a million data points, Sci. Technol. Adv. Mater. Methods, Vol. 4, (2024) 10.1080/27660400.2024.2354649(16) PoLyInfo, NIMS, https://polymer.nims.go.jp （参照日2025年2月23日）(17) Kinozoku, NIMS, https://metallicmaterials.nims.go.jp （参照日2025年2月23日）(18) K. Sawada, K. Kimura, F. Abe, Y. Taniuchi, K. Sekido, T. Nojima, T. Ohba, H. Kushima, H. Miyazaki, H. Hongo and T. Watanabe, Catalog of NIMS creep data sheets, Sci. Technol. Adv. Mater., Vol. 20, (2019) pp. 1131–1149.(19) Y. Furuya, H. Nishikawa, H. Hirukawa, N. Nagashima and E. Takeuchi, Catalogue of NIMS fatigue data sheets, Sci. Technol. Adv. Mater., Vol. 20, (2019) pp. 1055–1072(20) NIMS-MDPF, NIMS, https://dice.nims.go.jp （参照日2025年2月23日）(21) ARIM, 文部科学省, https://nanonet.mext.go.jp（参照日2025年2月23日）(22) DxMT, 文部科学省, https://dxmt.mext.go.jp（参照日2025年2月23日）(23) RDE, NIMS, https://dice.nims.go.jp/services/RDE（参照日2025年2月23日）image1.emfimage2.emfimage3.emf