実験短縮,研究開発効率化へのMI,生成AI,ロボット導入と活用のポイント【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　実験短縮,研究開発効率化へのMI,生成AI,ロボット導入と活用のポイント【提携セミナー】

開催日時	2025/2/12（水）10:00~17:15
担当講師	高原渉氏成毛章容氏居城晃平氏林博之氏
開催場所	Zoomによるオンライン受講
定員	30名
受講費	66,000円(税込)

★どのように実験・研究データを集め、蓄積しプラットフォーム構築するか！
★作業効率UP、実験の再現性向上、実験時間短縮を実現するの方法を大公開！！

実験短縮,研究開発効率化への

MI,生成AI,ロボット導入と活用のポイント

【提携セミナー】

主催：株式会社技術情報協会

講座内容

セミナープログラム参照

習得できる知識

R&DにおけるMI・生成AI活用のポイント、少ないデータ時の対応策、実験・研究データの収集・蓄積と構造化、プラットフォーム構築、デジタル技術の活用、生成AIの業務適応、ラボラトリーオートメーション、ロボットアームの選定基準と活用方法、データ収集と管理の自動化など

担当講師

・(株)日立製作所　技師　日立認定データサイエンティスト（ゴールド）　高原渉氏
・コニカミノルタ(株)　技術開発本部　データサイエンスセンター　マネジャー　成毛章容氏
・日本ゼオン(株)　デジタル統括推進部門　改革推進室　居城晃平氏
・京都大学　材料工学専攻　量子材料学分野　助教　林博之氏

セミナープログラム（予定）

＜10:00～11:30＞
１．MI・生成AIを用いた材料開発効率化、実験短縮と活用スキル向上
(株)日立製作所　技師　日立認定データサイエンティスト（ゴールド）　高原渉氏
【講演趣旨】
「MI・生成AIを用いた材料開発効率化、実験短縮と活用スキル向上」として、材料開発の場面に存在する種々のデータに対するデータ分析（表形式データタスク、画像データタスク、テキストデータタスク、材料構造データタスク、生成AIタスクなど）を幅広く扱います。MIや生成AIを研究開発業務で、実践的に使いこなしていくときのポイントとその活用スキルの向上について解説します。

【講演項目】
1. 材料開発の場面に存在する種々のデータに対してデータサイエンス・AIを適用していくとは

2. R&DにおけるMI・生成AIの活用時に気をつけるポイントとは

3. 少ないデータにおけるデータサイエンス・AIプロジェクトの取り組み方とは

——————————————————-
＜12:15～13:45＞
２．DX、MI、生成AI活用のための実験・研究データ取得とプラットフォーム構築
コニカミノルタ(株)　技術開発本部　データサイエンスセンター　マネジャー　成毛章容氏
【講演趣旨】
デジタルトランスフォーメーション（DX）の取り組み一つとして、マテリアルズインフォマティクス（MI）や各種生成AIの活用が企業の研究開発現場においても浸透しつつあります。ただし活用に際しての課題は未だ多く存在しており、特にデータ取得やハンドリング、蓄積とプラットフォーム構築の観点で目立つ傾向があります。本講演ではこれらの課題に対し、コニカミノルタにおける事例や世間動向を示すと共に、解決のための考え方やアプローチについて紹介します。

【講演項目】
1.はじめに
1-1.DX、MI、生成AIの解釈と実際
1-2.DX、MI、生成AI活用のための実験・研究データ

2.材料系研究開発現場におけるMI活用
2-1.MIの有効性
2-2.現場でMI活用するにあたっての課題
2-3.MI活用のためのデータ生成の考え方・アプローチ
2-4.コニカミノルタにおける事例紹介

3.研究開発現場における生成AI活用
3-1.生成AIを用いた研究開発業務の効率化
3-2.生成AIによる材料開発領域の革新
3-3.生成AI活用のためのデータの取り扱い

4.データ蓄積とプラットフォーム構築
4-1.実験・研究データ利活用に関する現状と課題
4-2.外部動向と社外データベース利活用に関する現状と課題
4-3.コニカミノルタにおける事例紹介

5.まとめと今後の展望

【質疑応答】

——————————————————-
＜14:00～15:30＞
３．デジタル技術を活用した研究開発の効率化
日本ゼオン(株)　デジタル統括推進部門　改革推進室　居城晃平氏
【講演のポイント】
・「データ蓄積負荷低減」と「データの質向上」の両立に必要なこと
・MIや生成AI活用を研究開発業務として取り入れる際のポイント
・デジタル技術を取り入れた研究開発の将来像
【講演趣旨】
近年ではマテリアルズインフォマティクス(MI)や生成AI等の技術の進化により、研究開発でもその活用が求められている。それらの技術活用にあたり、質が高いデータをより多く収集する仕組みや研究開発に適した活用動線を構築することが必要である。本講演では、データ蓄積の負荷を低減しつつ、データの質を向上させるためのユーザーインターフェース(UI)構築とデータ構造化によるアプローチを示す。また、MIや生成AIを研究開発のどの業務にどのように適応するかを具体例を交え紹介し、デジタル技術を活用した研究開発の将来像について示す。

【講演項目】
1.研究開発業務の現状と課題

2.データの蓄積と質の向上
2-1.研究データマネジメントシステム(DMS)の考え方
2-2.ユーザーインターフェース(UI)の構築
2-3.研究データの構造化

3.マテリアルズインフォマティクス(MI)や生成AIの業務適応
3-1.研究DMSにおけるデータ活用の考え方
3-2.MIの業務適応
3-3.生成AIの業務適応

4.デジタル技術を取り入れた研究開発の将来像
4-1.研究開発の新フレームワーク提案
4-2.社内外での連携拡充
4-3.研究プラットフォーム構想

【質疑応答】

——————————————————-
＜15:45～17:15＞
４．ラボラトリーオートメーションによる実験の再現性向上とR&D効率化
京都大学　材料工学専攻　量子材料学分野　助教　林博之氏
【講演趣旨】
自然科学の実験における再現性向上には、人為的な要素を極力排除することが求められており、これはマテリアルズインフォマティクス活用の基盤でもあります。本講演では、大学や企業の小規模な実験室でラボラトリーオートメーションを導入・運営する際の具体的な始め方、直面した課題とその解決策、得られたメリットとデメリットについて、私自身の経験をもとに解説します。また、自動化の導入に必要となった電子工作や3Dプリントモデルの構築、ロボットアームの選定に関する具体的な知見も共有いたします。

【講演項目】
1.はじめに
1-1.講演者の略歴
1-2.既知の無機物質データベースにおける化学的傾向

2.マテリアルズインフォマティクスの基盤としてのラボオートメーション
2-1.無機合成分野におけるマテリアルズインフォマティクス
2-2.再現性とデータ品質の向上における自動化の役割

3.ラボラトリーオートメーションの概要
3-1.ラボオートメーションの定義と目的
3-2.小規模実験室での適用可能性

4.導入の第一歩：どこから始めるか
4-1.導入計画の立て方
4-2.必要なリソースの洗い出し

5.機器選定と環境整備
5-1.必要なハードウェアとソフトウェアの選択
5-2.実験室の環境調整と安全対策

6.電子工作の基礎と応用
6-1.自動化に必要な電子工作の基本知識
6-1.センサーや制御回路の構築

7.3Dプリントモデルの設計と製作
7-1.3Dモデリングソフトの使い方
7-2.カスタム部品のプリントと組み立て

8.ロボットアームの選定基準と活用方法
8-1.ロボットアーム選定のポイント
8-2.実験プロセスへの組み込み事例

9.ソフトウェアの開発とプログラミング
9-1.自動化プロセスのためのソフトウェア開発
9-2.プログラミング言語とツールの紹介

10.データ収集と管理の自動化
10-1.データ取得の自動化手法
10-2.データベースとの連携と管理

11.導入時に直面した課題とその解決策
11-1.技術的な障壁と対応方法
11-2.組織内での意識改革

12.ラボオートメーションのメリット
12-1.作業効率の向上と時間短縮
12-2.ヒューマンエラーの削減と再現性の向上