【AIRDS 第7回研究会】データ駆動型材料科学とデータの蓄積・共有

第7回AIロボット駆動科学研究会 発表資料
発表者：古山 通久 氏（信州大学 教授）

Transcript

1. X-Scientia AIRDS研究会 2026年5月11日（月） 15:10 - 15:40 AIロボット駆動科学における測定データの収集と活用 於： Shimadzu Tokyo Innovation Plaza データ駆動型材料科学とデータの蓄積・共有 Business Card ⇒ 古山通久（KOYAMA Michihisa） ‘18.04～現在 信州大学アクア・リジェネレーション機構 教授 （環境・エネルギー材料科学研究所、先鋭材料研究所を経て） ‘21.02～’22.03 京都大学オープンイノベーション機構 特定教授 ‘16.10～’22.03 広島大学大学院 客員教授 ‘16.10～’20.03 物質・材料研究機構 ユニット長 ‘08.11～’18.03 九州大学 稲盛フロンティア研究センター 教授 ‘03.10～’08.11 東北大学 大学院工学研究科 助教 ‘02.04～’03.09 東京大学 大学院工学系研究科 博士研究員 ‘02.03 東京大学 大学院工学系研究科修了 博士（工学） ‘25.03 2024年度化学工学会研究賞 ‘21.06 日本コンピュータ化学会学会賞 ‘14.04 科学技術分野の文部科学大臣表彰若手科学者賞
2. 自己紹介(1) ～Google Scholar～ 2 * * * 多元素合金の実験計測＋並列化第一原理計算 交流インピーダンス法に基づくモデル電極の反応機構解明 固体酸化物形燃料電池の耐久性に関するレビュー論文 MOFの反応機構に関する実験計測＋第一原理計算 反応機能を付与した分子動力学法による潤滑に関する解析 交流インピーダンス法に基づく多孔質電極の反応機構解明 オブジェクトベースモデリングによる固体酸化物形燃料電池の動特性予測 二元合金触媒表面に関する第一原理計算 化学機械研磨に関するTight-binding分子動力学計算 再生可能エネルギーからの低コストな新規水素製造システムの提案
3. 自己紹介(2) ～地域連携カーボンニュートラル推進委員会～ 3 https://www.cn.scej.org/activity/working/grand_design_working/
4. 自己紹介(3) ～研究生活とデータ～ 4 1990年半ば 学科の図書館で専門誌の目次を眺め、複写 引用論文やケミアブで論文を探し、司書の方にお願いして取り寄せる 【古山】卒論（96年）でSEMを600枚ほど撮像⇒手書き＋半自動でデータ処理 2000年頃 論文は国際郵便で投稿、査読結果も国際郵便で返送 国内職場はオンライン、海外出張時はオフライン（FAX） 【古山】計算の世界へ、デュアルコア・クアッドコアCPUが主流 2010年頃 電子投稿、雑誌膨大化、専門誌を眺めるだけでは重要な論文をカバーできない 国内職場はオンライン、海外出張時も多くの時間帯・場所はオンライン 【古山】計算化学にどっぷりと、（計算）データは属人的・場当たり的、数十コアの計算機が標準化 2020年頃 オンラインでとれない論文は読まない、ググる、Wikiる、理解する 学会のオンライン化が始まる 【古山】超並列計算がすっかり標準化、データ再利用を考え始める 2025年頃 論文はまずLLMを通してみる 学会のオフライン回帰とオンラインイベントの氾濫 【古山】それなりのデータ蓄積が進む、データ駆動型材料科学研究会を立ち上げる
5. データ駆動型材料科学研究会 5 https://sites.google.com/view/soddms/ データ駆動型研究で革新的材料創出につなげていきましょう！
6. データ駆動型材料科学研究会 6 https://sites.google.com/view/soddms/ AIRDSとデータ駆動型研究会の交流もぜひ データ駆動型材料科学研究会 2026年夏季年会 開催概要 ・開催日時：2026年7月6日（月）12:00 ～ 7月7日（火） 17:00 ・会場：東京科学大学 大岡山キャンパス 西9号館 プログラム概要 ▪ 一般口頭発表 21件 ▪ ポスター発表 36件 ▪ 招待講演 3件 ・多面体からはじめるデータ駆動型材料設計 横山 智康 氏（パナソニック ホールディングス株式会社 GX本部） ・物理ベースAIによる材料機能メカニズムの解析：拡張型自由エネルギーモデル 小嗣 真人 氏（東京理科大学） ・AIロボット駆動科学・自動自律実験の背景を踏まえたスケーラブルプロセスインフォマティクス 長藤 圭介 氏（東京大学）
7. 人駆動科学からAIロボット駆動科学へ（ChatGPT作） 7 比較項目 人駆動（実験科学中心） 人駆動（データ駆動型） AIロボット駆動科学 主なアプローチ 勘と経験 統計・相関 自律的ループ 実験の決め方 研究者の直感や先行研究か ら決める 大量データからAIが「筋の良い 条件」を提案 AIが仮説生成から次の実験 条件まで自動決定 実験の実行者 人間（手作業） 人間（一部自動機も活用） ロボット（自律型・人型など） データの流れ 実験ノートに手書き（アナロ グ） デジタル化されるが、入力は人 間 実験と同時に全データが自動 蓄積 研究者の役割 実験作業そのものがメイン データの解釈と実験設計がメ イン 研究の「目的設定」と「最終判 断」のみ サイクル速度 遅い（人間の体力・時間に依 存） 中（解析は速いが実験は人 間待ち） 極めて速い（24時間365日 自律稼働） 再現性 低い（「匠の技」に依存） 中（プロトコルは共通化） 極めて高い（デジタルで完全 再現可） • AIは人駆動科学という発想は出してこないし人駆動科学のデータ駆動型には計算データって発想は入ってこないしハイスルー プット合成も前提じゃないんか（しょせん現状のAIはこんなもんだし、研究者の役割はここだ） • 人駆動科学の研究者の役割が実験作業って「ぴぺど」の世界 • これは現状ではないが、理想と現状のギャップを埋めるのが研究（ロボットでハイスループット実験する提案！中身は１日１サン プル合成、秤量精度10%で1%に使用とすると秤量時間めっちゃかかる）
8. 人駆動科学からAIロボット駆動科学へ（ChatGPTとの会話） 8 古：人駆動のデータ駆動は、ハイスループット実験が前提に入ってない、ついでに言えば、ハイスループットの計算科学によるデータ 創出も入ってない AI：現実的な「人駆動」のパワー 現在の最先端の「人駆動」は、決して人間がチマチマ実験しているだけではなく、以下の「高速データ生成」をすでに持っています。 ハイスループット実験 (HTE):人間が装置をセットし、96ウェルや384ウェルのプレートで一気に数千通りの反応を試す。 これ自体は「自動機」であって、AI自律駆動ではない。 ハイスループット計算 (HTC):スパコンやクラスターを使って、数万通りの材料や分子構造をシミュレーション（DFT計算 など）して、膨大な「計算データ」を創出する。 つまり、「人駆動のデータ駆動科学」は、すでに「データの洪水」を作ることができている。 では、AIロボット駆動科学との「本当の境目」はどこか？ ご指摘のように「スループットが遅い」「精度が出ない」という現状を踏まえると、AIロボット駆動が優位性を持とうとしているのは、実 はスピード（スループット）ではなく、以下の点に集約されるのではないでしょうか。 「閉じたループ（Closed-loop）」:人間が「HTEの結果を見て、次の計算条件を考える」という判断の待ち時間をゼロにしたい。 「計算と実験の融合（Active Learning）」:計算科学（シミュレーション）で見出した候補を、間髪入れずに（精度が悪くて も）ロボットが検証し、その誤差すらもAIが学習して計算モデルを修正する。 結論としての対比 人駆動（高度版）: ハイスループットな「実験機」と「スパコン」を人間が指揮し、膨大なデータを回す。（現状、精度もスループッ トも最強） AIロボット駆動: 精度はボロボロ、スピードも遅い。しかし、「人間が介在しない自律ループ」というシステムそのものの構築を狙って いる。（まだ発展途上のプロトタイプ）
9. 科学とデータ 9 データ (Data) 情報 (Information) 知識 (Knowledge) 知恵 (Wisdom) (3.09, 1.78), (0.9, 1.05), (1.52, 1.19), (2.39, 1.57) 線形の関係がありそう 下記の関係式で一般化できる y = 0.4 x + 0.6 関係式を活用すると◦◦が実現できる DIKWモデル 科学はデータから形式知を生み出す営み
10. データ駆動による材料創製を目指す 10 データをつくる データをためる 実験データ 計算データ ビッグデータ解析により従来は見いだせなかった価値を創出するためデータをつくり、ためる ⇒陳腐化の速度を超える速度でクリティカルマスを超えるデータ蓄積が必須 データ活用により実現したい将来の姿に向けてデータをつくり、ためる ⇒陳腐化の速度を超える速度で明確なビジョンのもと網羅的・系統的なデータ蓄積が必須 その他 ⇒？？ データをつかう
11. 研究室内のデータ 11 Method Software Version Process Number of data Description Related Project Data Location Updated by Date updated Remarks DFT VASP Optimization 13,156 Mono-metal, Alloy, Adsorption, Absorption DFT VASP DOS 6,590 TDOS DFT VASP DOS 1,304,686 LDOS MCMC in house Configuration Search 55,000 NNP Matlantis Optimization + vibration analysis 540 molecule adsorption on nanoparticle on support NNP Matlantis Optimization 6,500 CO adsorption on Ternary NP alloy NNP Matlantis Optimization 1,180 CO adsorption on Quinary NP alloy NNP Matlantis Optimization 2416 OH adsorption on Ternary NP alloy NNP Matlantis Optimization 617 CO and NO NP (monometallic, ternary and quaternary) on support NNP Matlantis Optimization 1,560 Binary LDH structures-SA NNP Matlantis Optimization 510 Ternary LDH structures-SA NNP Matlantis Optimization 4935 Quinary LDH structures-SA NNP Matlantis Optimization 1800 Binary LDH-Trivalent cation scan SIP SIP storage SMAspera 4/16/2026 NNP Matlantis Optimization 1350 Binary LDH structures with anion SIP SIP storage SMAspera 4/16/2026 NNP Matlantis Optimization 76 Ternary and Quinary LDH structures with anion SIP SIP storage SMAspera 4/16/2026 NNP Matlantis Optimization 499 LDH combinations for comparison of anion selectivity SIP SIP storage SMAspera 4/16/2026 NNP Matlantis MD 10 Anions in water SIP SIP storage Quang 4/20/2026 NNP Matlantis MD 80 Trajectories from MD simulation of anion intercalation into CaAl LDH SIP SIP storage Quang 4/20/2026 NNP Matlantis MD 48 Trajectories from MD simulation of anion intercalation into NiFe LDH SIP SIP Storage Quang 4/20/2026 NNP Matlantis MD 12 Trajectories from MD simulation of NiFe LDH / water interfaces SIP SIP Storage Quang 4/20/2026 NNP Matlantis SA Screening 1,274 SA structures of Ni-rich Co-free HELOs CREST Matlantis Server Quang 4/20/2026 A copy was sent to Chen NNP Matlantis SA Screening 660 SA structures of 6-component NCM811-based HELOs CREST Matlantis Server Quang 4/20/2026
12. 研究室内のデータ（機構解明、各論） 12 Chem. Sci., 2018,9, 2230-2237 (CC BY 3.0) iScience, 28 (2025) 112470 実測構造 計算構造 328の担持触媒構造モデル 25,768のN 2 吸着特性＋振動解析 328の計算IRスペクトル 原子配置を変えた328の構造モデル、全吸着構造の網羅的解析結果
13. 研究室内のデータ（新材料創製、準系統的、各論） J. Mater. Chem. A, 13 (2025) 25008. 0 20 40 60 80 100 3.4 3.6 3.8 4.0 4.2 4.4 4.6 4.8 5.0 0 20 40 60 80 100 3.4 3.6 3.8 4.0 4.2 4.4 4.6 4.8 5.0 Depth of Discharge (%) Depth of Discharge (%) Potential vs. Li/Li+ (V) Potential vs. Li/Li+ (V) 0 20 40 60 80 100 4.70 4.71 4.72 4.73 4.74 4.75 4.76 0 20 40 60 80 100 4.70 4.71 4.72 4.73 4.74 4.75 4.76 LiNi 0.5 Mn 1.5 O 4 LiNi 0.5 Mn 1.4 Si 0.033 Ti 0.033 Ge 0.033 O 4 実験 キャラクタリゼーション リートベルト解析 FE-SEM SEM-EDS ICP-OES XAS（全数ではない） 反応解析 定電流充放電試験（容量維持率）など 1,274通りの多元素層状化合物における元素の安定配置を予測した結果
14. 研究室内のデータ（新材料創製、系統的、各論） 14 System M2+の数 M3+の数 カチオンの組成 二元系 1 1 𝑀0.67 2+ ∙ 𝑀0.33 3+ 三元系 1 2 𝑀0.67 2+ ∙ 𝑀𝑥 0.22 3+ 𝑀𝑦 0.11 3+ 2 1 𝑀𝑎 0.33 2+ 𝑀𝑏 0.33 2+ ∙ 𝑀0.33 3+ 四元系 1 3 𝑀0.67 2+ ∙ 𝑀𝑥 0.11 3+ 𝑀𝑦 0.11 3+ 𝑀𝑧 0.11 3+ 2 2 𝑀𝑎 0.33 2+ 𝑀𝑏 0.33 2+ ∙ 𝑀𝑥 0.22 3+ 𝑀𝑦 0.11 3+ 3 1 𝑀𝑎 0.22 2+ 𝑀𝑏 0.22 2+ 𝑀𝑐 0.22 2+ ∙ 𝑀0.33 3+ 五元系 3 2 𝑀𝑎 0.22 2+ 𝑀𝑏 0.22 2+ 𝑀𝑐 0.22 2+ ∙ 𝑀𝑥 0.22 3+ 𝑀𝑦 0.11 3+ 2 3 𝑀𝑎 0.33 2+ 𝑀𝑏 0.33 2+ ∙ 𝑀𝑥 0.11 3+ 𝑀𝑦 0.11 3+ 𝑀𝑧 0.11 3+ 六元系 3 3 𝑀𝑎 0.22 2+ 𝑀𝑏 0.22 2+ 𝑀𝑐 0.22 2+ ∙ 𝑀𝑥 0.11 3+ 𝑀𝑦 0.11 3+ 𝑀𝑧 0.11 3+ 七元系 6 1 𝑀𝑎 0.11 2+ 𝑀𝑏 0.11 2+ 𝑀𝑐 0.11 2+ 𝑀𝑑 0.11 2+ 𝑀𝑒 0.11 2+ 𝑀𝑓 0.11 2+ 𝑀0.33 3+ 八元系 6 2 𝑀𝑎 0.11 2+ 𝑀𝑏 0.11 2+ 𝑀𝑐 0.11 2+ 𝑀𝑑 0.11 2+ 𝑀𝑒 0.11 2+ 𝑀𝑓 0.11 2+ 𝑀𝑥 0.22 3+ 𝑀𝑦 0.11 3+ 九元系 6 3 𝑀𝑎 0.11 2+ 𝑀𝑏 0.11 2+ 𝑀𝑐 0.11 2+ 𝑀𝑑 0.11 2+ 𝑀𝑒 0.11 2+ 𝑀𝑓 0.11 2+ 𝑀𝑥 0.11 3+ 𝑀𝑦 0.11 3+ 𝑀𝑧 0.11 3+ 57,600の層状複水酸化物（LDH）の特性をデジタルスクリーニングにより探索 M2+: Mg2+, Ca2+, Mn2+, Co2+, Ni2+, Cu2+, Zn2+, Cd2+ M3+: Al3+, Sc3+, V3+, Cr3+, Fe3+, Ga3+, Y3+, In3+ M2+ 0.67 M3+ 0.33 (OH) 2 A- 0.33· 0.67 H 2 O
15. 大型プロジェクトとデータ蓄積：データ駆動による材料創製 15 日経サイエンス2024年1月号 京都大学・北川宏教授が先導する多元素材料の創製プロジェクト
16. 日経サイエンス2024年1月号 多元素材料
17. 多元素触媒 従来：火山型の序列 従来材料の序列から外れた 圧倒的な水素製造活性 電極触媒分野における多元素材料の可能性 Chem. Sci., 11 (2020) 12731 2004年 バルク材料が端緒 2018年頃 ナノ材料 未知の機能の宝庫 Sabatier則の限界を超える材料の創製
18. 多元素触媒 2004年 バルク材料が端緒 2018年頃 ナノ材料 活性5元素+不活性3元素→8元素触媒 さらに水素製造活性が向上 未知の機能の宝庫 Pt 活性 5元素 活性 5元素 不活性 3元素 + 電極触媒分野における多元素材料の可能性 J. Am. Chem. Soc. 2022, 144, 3365 活性５元素に不活性３元素を混ぜることで劇的な高活性化が実現された
19. 2元合金 3元合金 2元合金：2回の使用で耐久性が低下 多元素化：20回の耐久試験後も まったく劣化が見られない 排ガス浄化触媒分野における多元素材料の可能性 第３元素を混ぜることで劇的な高耐久が実現された
20. 0 20 40 60 80 100 3.4 3.6 3.8 4.0 4.2 4.4 4.6 4.8 5.0 0 20 40 60 80 100 3.4 3.6 3.8 4.0 4.2 4.4 4.6 4.8 5.0 Depth of Discharge (%) Depth of Discharge (%) Potential vs. Li/Li+ (V) Potential vs. Li/Li+ (V) 0 20 40 60 80 100 4.70 4.71 4.72 4.73 4.74 4.75 4.76 0 20 40 60 80 100 4.70 4.71 4.72 4.73 4.74 4.75 4.76 LiNi 0.5 Mn 1.5 O 4 LiNi 0.5 Mn 1.4 Si 0.033 Ti 0.033 Ge 0.033 O 4 蓄電池材料分野における多元素材料の可能性 J. Mater. Chem. A, 13 (2025) 25008. 多元素化により「ステップ状特性 ⇒ 連続的特性」 ：耐久性を数十倍向上
21. データ駆動による材料創製を目指す 21 データをつかう データをつくる データをためる 実験データ 計算データ AI支援例： 実験計画 AI支援例： 次元削減 ホワイトボックス化 AI支援例： 加速 データをつくり、ため、つかうサイクルにおけるAI活用
22. 典型的プロセス・インフォマティクスによる探索加速 22 *1マルチカノニカルモンテカルロ法 *2ニューラルネットワークポテンシャル 特性の 機械学習 用データ セット 逆解析 予測高活 性条件 材料 合成 評価結果 評価 対象特性、XRD、XRF、IR、 SEM、STEM等 ・どういう材料を合成したらよいか ・どの条件で合成したらよいか ・合成された材料の特性 ・合成された材料の構造・物性 Operation Flow Data Flow 含：XenonPy等
23. 材料創製インフォマティクス（多元素ナノ合金） 23 【ハイスループット合成】 Max. 30サンプル/日 【表面分光】 （IR/Ramman） 全合成品計測 【直接的逆解析】 組成・合成条件 を予測 【デジタルスクリーニング】 安定配置・吸着特性などの高速予測 （安定配置は1000触媒/日） 【理論予測】 物性物理に基づく活性元素の予測 【量子技術】 量子技術の実践活用の 可能性探索 【構造解析】 原子分解能での 構造解析 【放射光】 ハイスループットな高度分析 XRD Max. 300サンプル/日 XRF全合成品分析 Max. 3サンプル/日 （1000サンプル/年） 【特性評価（企業等）】 用途特性評価 ca. 16触媒/日など
24. 目指す材料創製インフォマティクス（多元素ナノ合金） 24 第一原理 計算データ 機械学習 モデル E ads 、 ⊿E a 等 予測 安定配置 MCMC*1 計算 *1マルチカノニカルモンテカルロ法 *2ニューラルネットワークポテンシャル 予測特性 NNP*2 計算 特性の 機械学習 用データ セット 機械 学習 表面組成等 逆解析 予測高活 性条件 材料 合成 評価結果 評価 対象特性、XRD、XRF、IR、 SEM、STEM等 ・候補が安定かどうか ・元素の分布 ・どういう材料を合成したらよいか ・どの条件で合成したらよいか ・合成された材料の特性 ・合成された材料の構造・物性 元素種、 組成等 Operation Flow Data Flow 含：XenonPy等
25. 多元素材料創製の課題 25 金属元素：60強（合金や酸化物・複合アニオンなどに活用可能） H Li Be K Ca Sc Ti V Cr Mn Fe Co Ni Cu Zn Ga Ge As Se Br Kr B C N O F Ne He Rb Sr Y Zr Nb Mo Tc Ru Rh Pd Ag Cd In Sn Sb Te I Xe Cs Ba Ln Hf Ta W Re Os Ir Pt Au Hg Tl Pb Bi Po At Rn Fr Ra An Rf Db Sg Bh Hs Mt Ds Rg Cn Na Mg Al Si P S Cl Ar La Ce Pr Nd Pm Sm Eu Gd Tb Dy Ho Er Tm Yb Lu Ac Th Pa U Np Pu Am Cm Bk Cf Es Fm Md No Lr Nh Fl Mc Lv Ts Og 元素の組み合わせ 2元素：～2×103通り 3元素：～4×104通り 5元素：～8×106通り 10元素：～3×1011通り ×（元素の組成）×（元素の配置） ×（合成条件）×（反応条件）＝∞ 材料探索空間 化学と工業2022年6月号
26. データ駆動による材料創製を目指す 26 データを使う データをつくる データをためる 実験データ 計算データ AI支援例： 実験計画 AI支援例： 次元削減 ホワイトボックス化 AI支援例： 加速 データをつくり、ため、つかうサイクルにおけるAI活用
27. データを「つくる」の加速：ニューラルネットワークポテンシャル 27 第一原理計算 (DFT) 古典力場 NNP※ 化学反応 〇 × 〇 スループット × ◎ 〇 予測性 〇 × 〇 元素汎用性 ◎ △ 〇 ニューラルネットワークポテンシャルが現実的な選択肢として近年飛躍的に発展 第一原理計算と比して 103～105倍の 高速計算 ※NNP：ニューラルネットワークポテンシャル
28. ニューラルネットワークポテンシャルの活用により直面する課題 28 プリプロセス 計算実行 ポストプロセス 従来の第一原理計算 プリプロセス 計算実行 ポストプロセス ニューラルネットワークポテンシャル 構造モデルを作る 計算可能な 簡易構造が典型 計算する （101～102 hr/job） データを追加し、 逐次解析する 構造モデルを作る 複雑構造 高い自由度 計算する （～101 sec/job） 自動化が必須 102～103の データが都度蓄積 構造モデルの構築プロセスが高コスト化、データ解析が高度化
29. 多元素材料のプリプロセス 29 201原子(約2nm)のナノ粒子モデルにおける配置の自由度 1元素 ⇒ 1 3元素 ⇒ 3×1093 5元素 ⇒ 1×10136 ナノ粒子内の元素の配置には膨大な自由度が存在
30. 多元素材料のプリプロセス：1093の自由度から安定配置を探索30 従来法 1．第一原理計算 ⇒ 超並列第一原理計算 1093 ⇒ 1091～92 2．第一原理計算 ⇒ ニューラルネットワークポテンシャル 1093 ⇒ 1088～91 3．第一原理計算 ⇒ 古典力学計算 1093 ⇒ 1087 4．メトロポリスモンテカルロ法 温度を仮定、取り得る配置に対してエネルギーを評価し、安定な構造を求める ×十分な試行回数が必要⇒膨大な探索空間には無力 ×配置のエントロピーの明示的な考慮ができない 計算負荷の観点から従来法を超える新手法が必要
31. 多元素材料のプリプロセス：1093の自由度から安定配置を探索31 F. Wang, D. P. Landau: Phys. Rev. Lett. 86, 2050 (2001). マルチカノニカルモンテカルロ法 エネルギーの関数として配置の状態密度の近似解を求める Pd 101 Ru 100 ナノ粒子の例（全配置数: 1.8×1059) 配置の状態密度が収束するまでのモンテカルロステップ: 3～9×108 (10ケースについて試行) 0.1 ∆ε excess (eV/atom) Pd 101 Ru 100 0.0 1 0 P - 300K - 1000K - 1700K Pd 67 Ru 67 Ir 67 0.0 0.1 - 300K - 1000K - 1700K 存在確率分布 配置の状態密度 熱力学量の導出 配置の状態密度を推定することで近似的に有限温度下の安定構造を推定可
32. 多元素材料のプリプロセス：1093の自由度から安定配置を探索32 0.2 −0.1 −0.1 機械学習, ε excess (eV/atom) 第一原理, ε excess (eV/atom) ▪ • 固溶、偏析、部分偏析etc. １．並列化第一原理計算データ x 1,i : 結合数比 Pd-Pd, Pd-Ru, Pd-M, Ru-Ru, Ru-M x 2,j : (c CN − c overall ) × (配位数の比) CN = 6, 7, (8 & 9) Pd, Ru c CN : 配位数ごとの組成 c overall : 全体の組成 検証データ (R2=0.969) 訓練データ (R2=0.985) 0.0 0.1 0.1 0.0 ２．記述子を抽出、機械学習でモデルを構築 機械学習モデルを事前構築することで圧倒的な高速化を実現
33. 安定性＋安定配置の高速予測：3元系の例 33 Bull. Chem. Soc. Jpn. 2021, 94, 2484–2492
34. 多元素材料のプリプロセス：1093の自由度から安定配置を探索34 0.2 −0.1 −0.1 機械学習, ε excess (eV/atom) 第一原理, ε excess (eV/atom) ▪ • 固溶、偏析、部分偏析etc. １．並列化第一原理計算データ x 1,i : 結合数比 Pd-Pd, Pd-Ru, Pd-M, Ru-Ru, Ru-M x 2,j : (c CN − c overall ) × (配位数の比) CN = 6, 7, (8 & 9) Pd, Ru c CN : 配位数ごとの組成 c overall : 全体の組成 検証データ (R2=0.969) 訓練データ (R2=0.985) 0.0 0.1 0.1 0.0 ２．記述子を抽出、機械学習でモデルを構築 多元系の予測には組み合わせ爆発を回避できるデータ蓄積が不可避 5元系の予測をするためにどのようなデータを蓄積するのか？
35. 多元素材料のプリプロセス：第一原理計算データベースの整備 主要金属元素23元素について整備 収束容易性によってNP、NP＋バルク、バルク 5元系の場合、33,649通りの組み合わせをサポート 組成：全組成対応可（0.5%刻みが対応容易） 第一原理計算データベース 2元系ナノ合金に関するデータベース（10TB超） ⇒機械学習モデルを構築 ⇒多元系の安定配置を予測（マルチカノニカルモンテカルロ法） ⇒吸着特性・反応活性計算 ご興味あれば連絡ください 35
36. ニューラルネットワークポテンシャルの活用により直面する課題 36 プリプロセス 計算実行 ポストプロセス 従来の第一原理計算 プリプロセス 計算実行 ポストプロセス ニューラルネットワークポテンシャル 構造モデルを作る 計算可能な 簡易構造が典型 計算する （101～102 hr/job） データを追加し、 逐次解析する 構造モデルを作る 複雑構造 高い自由度 計算する （～101 sec/job） 自動化が必須 102～103の データが都度蓄積 構造モデルの構築プロセスが高コスト化、データ解析が高度化
37. 目指す材料創製インフォマティクス（多元素ナノ合金） 37 第一原理 計算データ 機械学習 モデル E ads 、 ⊿E a 等 予測 安定配置 MCMC*1 計算 *1マルチカノニカルモンテカルロ法 *2ニューラルネットワークポテンシャル 予測特性 NNP*2 計算 特性の 機械学習 用データ セット 機械 学習 表面組成等 逆解析 予測高活 性条件 材料 合成 評価結果 評価 対象特性、XRD、XRF、IR、 SEM、STEM等 ・候補が安定かどうか ・元素の分布 ・どういう材料を合成したらよいか ・どの条件で合成したらよいか ・合成された材料の特性 ・合成された材料の構造・物性 元素種、 組成等 Operation Flow Data Flow 含：XenonPy等
38. PJデータ共有・公開に関するタスクフォース（初年度） 38 第1回 「オープン」の意味の確認 法的側面から見たデータに関する理解 技術面から見たデータに関する理解 マテリアル先端リサーチインフラ事業における検討状況 環境省プロジェクトにおけるデータマネジメントの方針 第2回 各機関で産み出す取り扱うデータおよび知財 懸念点の共有 データ利活用に関する東工大のルールの紹介 大学におけるデータ利活用のための 取組みと課題 第3回 データの共有・公開に関する方向性（草案）作成 内容説明・議論１ 取りまとめ責任者⇒プロジェクト代表者 内容説明・議論２ 取りまとめ責任者⇒プロジェクト参画企業 論文： 紐づくデータは原則公開 それ以外のデータ： PJ内で共有、公開とその範囲は検討の余地大 企業に紐づくデータは産業競争力の観点から非 公開を原則 公開・共有に向けたPJ内連携を進め、並行して 議論を継続 契約 法律 技術 秘匿 タスクフォースの 検討の視点
39. データ駆動による材料創製を目指す 39 データを使う データをつくる データをためる 実験データ 計算データ AI支援例： 実験計画 AI支援例： 次元削減 ホワイトボックス化 AI支援例： 加速 何のデータを貯めるか（可能な限りすべて） ×仕込み組成 ⇒ 〇XRF組成 ×温調設定温度 ⇒ 〇反応器温度 どう貯めるか ×ppt ⇒ 〇csv △列方向に記載 ⇒ 〇行方向に記載 ×自由に記載 ⇒ 〇1セル1情報 貯めたデータは有効か XRF組成 ⇒ 金属？酸化物？空間分布は？
40. 研究室内のデータ 40 Method Process Process Number of data Decription Related Project Data location Updated by Date updated Remarks DFT Optimization Optimization 13,156 Mono-metal, Alloy, Adsorption, Absorption DOS DOS 6,590 TDOS DOS 1,304,686 LDOS MCMC Configuration Search 55,000 IR Optimization + vibration analysis Optimization + vibration analysis 540 molecule adsorption on nanoparticle on support PFP Optimization Optimization 6,500 CO adsorption on Ternary NP alloy Optimization 1,180 CO adsorption on Quinary NP alloy Optimization 2416 OH adsorption on Ternary NP alloy Optimization 617 CO and NO NP (monometallic, ternary and quaternary) on support Optimization 1,560 Binary LDH structures-SA Optimization 510 Ternary LDH structures-SA Optimization 4935 Quinary LDH structures-SA Optimization 1800 Binary LDH-Trivalent cation scan SIP SIP storage SMAspera 4/16/2026 Optimization 1350 Binary LDH structures with anion SIP SIP storage SMAspera 4/16/2026 Optimization 76 Ternary and Quinary LDH structures with anion SIP SIP storage SMAspera 4/16/2026 Optimization 499 LDH combinations for comparison of anion selectivity SIP SIP storage SMAspera 4/16/2026 PFP MD MD 10 Anions in water SIP SIP storage Quang 4/20/2026 MD 80 Trajectories from MD simulation of anion intercalation into CaAl LDH SIP SIP storage Quang 4/20/2026 MD 48 Trajectories from MD simulation of anion intercalation into NiFe LDH SIP SIP Storage Quang 4/20/2026 MD 12 Trajectories from MD simulation of NiFe LDH / water interfaces SIP SIP Storage Quang 4/20/2026 SA Screening SA Screening 1,274 SA structures of Ni-rich Co-free HELOs CREST Matlantis Server Quang 4/20/2026 A copy was sent to Chen SA Screening 660 SA structures of 6-component NCM811-based HELOs CREST Matlantis Server Quang 4/20/2026
41. 研究室内のデータ 41 Method Process Process Number of data Decription Related Project Data location Updated by Date updated Remarks DFT Optimization Optimization 13,156 Mono-metal, Alloy, Adsorption, Absorption DOS DOS 6,590 TDOS DOS 1,304,686 LDOS MCMC Configuration Search 55,000 IR Optimization + vibration analysis Optimization + vibration analysis 540 molecule adsorption on nanoparticle on support PFP Optimization Optimization 6,500 CO adsorption on Ternary NP alloy Optimization 1,180 CO adsorption on Quinary NP alloy Optimization 2416 OH adsorption on Ternary NP alloy Optimization 617 CO and NO NP (monometallic, ternary and quaternary) on support Optimization 1,560 Binary LDH structures-SA Optimization 510 Ternary LDH structures-SA Optimization 4935 Quinary LDH structures-SA Optimization 1800 Binary LDH-Trivalent cation scan SIP SIP storage SMAspera 4/16/2026 Optimization 1350 Binary LDH structures with anion SIP SIP storage SMAspera 4/16/2026 Optimization 76 Ternary and Quinary LDH structures with anion SIP SIP storage SMAspera 4/16/2026 Optimization 499 LDH combinations for comparison of anion selectivity SIP SIP storage SMAspera 4/16/2026 PFP MD MD 10 Anions in water SIP SIP storage Quang 4/20/2026 MD 80 Trajectories from MD simulation of anion intercalation into CaAl LDH SIP SIP storage Quang 4/20/2026 MD 48 Trajectories from MD simulation of anion intercalation into NiFe LDH SIP SIP Storage Quang 4/20/2026 MD 12 Trajectories from MD simulation of NiFe LDH / water interfaces SIP SIP Storage Quang 4/20/2026 SA Screening SA Screening 1,274 SA structures of Ni-rich Co-free HELOs CREST Matlantis Server Quang 4/20/2026 A copy was sent to Chen SA Screening 660 SA structures of 6-component NCM811-based HELOs CREST Matlantis Server Quang 4/20/2026 ×セルの結合 ×方法ではない ×方法ではない
42. 研究室内のデータ 42 Method Software Version Process Number of data DFT VASP Optimization 13,156 DFT VASP DOS 6,590 DFT VASP DOS 1,304,686 MCMC in house Configuration Search 55,000 NNP Matlantis Optimization + vibration analysis 540 NNP Matlantis Optimization 6,500 NNP Matlantis Optimization 1,180 NNP Matlantis Optimization 2416 NNP Matlantis Optimization 617 NNP Matlantis Optimization 1,560 NNP Matlantis Optimization 510 NNP Matlantis Optimization 4935 NNP Matlantis version 5 Optimization 1800 NNP Matlantis version 5 Optimization 1350 NNP Matlantis version 5 Optimization 76 NNP Matlantis version 5 and 7 Optimization 499 NNP+MD Matlantis PFP v5.0.0 | PBE_U_D3 MD 10 NNP+MD Matlantis PFP v5.0.0 | PBE_U_D3 MD 80 NNP+MD Matlantis PFP v5.0.0 | PBE_U_D3 MD 48 NNP+MD Matlantis PFP v5.0.0 | PBE_U_D3 MD 12 NNP+SA Matlantis PFP v7.0.0 | PBE_U_D3 PFP/SA Screening 1,274 NNP+SA Matlantis PFP v5.0.0 | PBE_U_D3 PFP/SA Screening 660 DFT VASP 6.4.0 Optimization 210 ×Separate Line ×Separate Line ×Overlapped Info ×PFP ver. only, no SA ver. ×No SA Information
43. 研究室内のデータ（こう貯めようQuick改訂Version） 43 Method Software Version Process Number of data Description Related Project Data Location Updated by Date updated Remarks DFT VASP Optimization 13,156 Mono-metal, Alloy, Adsorption, Absorption DFT VASP DOS 6,590 TDOS DFT VASP DOS 1,304,686 LDOS MCMC in house Configuration Search 55,000 NNP Matlantis Optimization + vibration analysis 540 molecule adsorption on nanoparticle on support NNP Matlantis Optimization 6,500 CO adsorption on Ternary NP alloy NNP Matlantis Optimization 1,180 CO adsorption on Quinary NP alloy NNP Matlantis Optimization 2416 OH adsorption on Ternary NP alloy NNP Matlantis Optimization 617 CO and NO NP (monometallic, ternary and quaternary) on support NNP Matlantis Optimization 1,560 Binary LDH structures-SA NNP Matlantis Optimization 510 Ternary LDH structures-SA NNP Matlantis Optimization 4935 Quinary LDH structures-SA NNP Matlantis Optimization 1800 Binary LDH-Trivalent cation scan SIP SIP storage SMAspera 4/16/2026 NNP Matlantis Optimization 1350 Binary LDH structures with anion SIP SIP storage SMAspera 4/16/2026 NNP Matlantis Optimization 76 Ternary and Quinary LDH structures with anion SIP SIP storage SMAspera 4/16/2026 NNP Matlantis Optimization 499 LDH combinations for comparison of anion selectivity SIP SIP storage SMAspera 4/16/2026 NNP Matlantis MD 10 Anions in water SIP SIP storage Quang 4/20/2026 NNP Matlantis MD 80 Trajectories from MD simulation of anion intercalation into CaAl LDH SIP SIP storage Quang 4/20/2026 NNP Matlantis MD 48 Trajectories from MD simulation of anion intercalation into NiFe LDH SIP SIP Storage Quang 4/20/2026 NNP Matlantis MD 12 Trajectories from MD simulation of NiFe LDH / water interfaces SIP SIP Storage Quang 4/20/2026 NNP Matlantis SA Screening 1,274 SA structures of Ni-rich Co-free HELOs CREST Matlantis Server Quang 4/20/2026 A copy was sent to Chen NNP Matlantis SA Screening 660 SA structures of 6-component NCM811-based HELOs CREST Matlantis Server Quang 4/20/2026
44. データ駆動型材料科学研究会 44 https://sites.google.com/view/soddms/ データ駆動型研究で革新的材料創出につなげていきましょう！
45. データ駆動型材料科学研究会 45 https://sites.google.com/view/soddms/ データ駆動型研究で革新的材料創出につなげていきましょう！
46. データ駆動型材料科学研究会 46 https://sites.google.com/view/soddms/ データ駆動型研究で革新的材料創出につなげていきましょう！ データ駆動型材料科学研究会 2026年夏季年会 データ駆動型材料科学研究会では、2026年7月に「2026年夏季年会」を開催いたします。本年会は、データ駆動型材料科 学における研究成果や実践事例を共有し、分野・所属を越えた議論と交流を促進することを目的としています。 口頭発表、ポスター発表、招待講演に加え、参加者同士の交流を深める懇親会も予定しており、アカデミア・産業界の双方から 幅広い参加を歓迎いたします。 開催概要 ・開催日時：2026年7月6日（月）12:00 ～ 7月7日（火） 17:00 ・会場：東京科学大学 大岡山キャンパス 西9号館 ・開催形式：対面のみ ・主催：データ駆動型材料科学研究会 ▪ 招待講演 ・多面体からはじめるデータ駆動型材料設計 横山 智康 氏（パナソニック ホールディングス株式会社 GX本部） ・物理ベースAIによる材料機能メカニズムの解析：拡張型自由エネルギーモデル 小嗣 真人 氏（東京理科大学） ・AIロボット駆動科学・自動自律実験の背景を踏まえたスケーラブルプロセスインフォマティクス 長藤 圭介 氏（東京大学）
47. データ駆動型材料科学研究会 47 https://sites.google.com/view/soddms/ データ駆動型研究で革新的材料創出につなげていきましょう！
48. 特任准教授 ASPERA, Susan 特任助教 TABOROSI, Attila 特任助教 CHEN, Yingjie 特任助教 JIAO, Mingyang 特任助教 松村祥宏 博士研究員 NANDHINI, Panjulingam 博士研究員 CASTRO GARCIA, Abraham 研究支援 森山雅浩 研究支援 齊藤裕子 連携 准教授 NGUYEN, Quang ハノーファー大 VALADEZ HUERTA, Gerardo 研究支援 北村長久 謝辞 48