(国研)産業技術総合研究所　ナノカーボンデバイス研究センター　主任研究員　室賀 駿 氏

２０２５年７月１４日（月）　１１：００〜１６：３０

1名につき６６，０００円（消費税込み・資料付き）
〔１社２名以上同時申込の場合１名につき６０，５００円（税込み）〕
〔大学、公的機関、医療機関の方には割引制度があります。
　　　　　　　　 詳しくは上部の「アカデミック価格」をご覧下さい〕

＜１１：００〜１２：００＞

１．データ駆動型のアプローチによるラボオートメーション

MI-6(株)　ラボオートメーション事業部　事業責任者　中野 学 氏

【講演概要】
単なる装置の自動化に留まらない、実験計画からデータ解析、次の条件提案までを含む「自動自律化」の概念と実例を紹介し、研究開発の効率と質を飛躍的に向上させる未来像を提示する。
・ラボオートメーションを活用した研究プロセス自動化の概要とメリットを紹介
・自動化技術を活用して研究効率やデータ品質の向上を図る具体的事例を紹介
・自動化導入に向けた検証の進め方や導入プロセスを分かりやすく解説

【受講対象】
材料・化学・電子材料分野などで研究開発に携わる方、実験の効率化や自動化導入に関心のある研究者や技術者、データサイエンスやMIの活用に興味がある研究開発者、エンジニア、研究開発のマネジメントや効率化、DX推進に関わる方。

【受講後、習得できること】
材料研究におけるDX推進のポイントやMI活用の基礎知識、 ラボオートメーションの導入による研究プロセスDX化重要性の理解、材料開発プロセスにおける自動化・自律化システムの基本構成と活用方法、自動化導入手順やPoC（技術検証）の合理的な進め方。


1.材料研究開発における課題とデジタル技術活用の動向
　1.1 伝統的な研究手法とデータサイエンスの融合
　1.2 マテリアルズインフォマティクス(MI)の役割と位置付け

2.ラボオートメーションの概要と目的
　2.1 研究工程（計画、実験、分析、報告）における自動化の意義
　2.2 実験データの再現性と品質向上への期待
　2.3 単純作業の軽減と研究者の負担軽減

3.自動化・自律化システムの基本構成
　3.1 ソフトウェア技術（データ管理、解析、可視化）
　3.2 ハードウェア技術（装置自動化、試料搬送）

4.自動化システムの活用事例
　4.1 有機材料プロセス（合成・評価）
　4.2 薄膜材料（薄膜作製・特性評価）
　4.3 セラミックス材料（秤量・混合・焼成・評価）

5.技術導入の検証プロセス（PoC）の流れ
　5.1 装置単位での自動化検証
　5.2 複数装置連携の検証とデータ活用の仕組み
　5.3 データを用いた条件最適化手法の検証

6.ラボオートメーション導入ステップの一般的な流れ
　6.1 ニーズの整理と自動化範囲の明確化
　6.2 小規模環境での検証と効果確認
　6.3 実際の研究環境への導入と運用支援

【質疑応答】

２．ラボオートメーションよるフロントラインワーカーの生産性向上支援

(株)日立製作所　公共システム事業部　デジタルソリューション推進部　部長　森田 秀和 氏

【講演概要】
研究開発の国際的な競争が激化し、より短期間・低コストでの研究開発が課題となっている。この課題に対し、日立は研究DXを加速するLumadaで展開されるソリューション・技術を活用し、研究部門で発生する各種データに対してAIを用いて、研究者間で研究手法やノウハウを最大限利活用するためのラボ・オートメーションの導入を推奨している。これにより、日立は新たな研究知見の獲得や迅速な研究探索を可能とするなど、研究開発のさらなる高度化・効率化を支援する。 本講演では、そのラボ・オートメーションの概要とMI推進、そしてフロントラインワーカーの生産性向上支援について説明する


1.めざすべき姿を実現する、日立マテリアルDXソリューション
　1.1 日立マテリアルDXソリューションとは
　1.2 サービスの概要

2.材料開発ソリューションとLAP
　2.1 材料開発ソリューション
　　2.1.1 デジタルエンジニアリング
　　2.1.2 システムインテグレーション
　　2.1.3 コネクテッドプロダクト
　　2.1.4 マネージドサービス
　2.2 Laboratory Automation Platform
　2.3 One Hitachi /日立の精神を体現するソリューション

3.研究部門へのサイバー・フィジカルシステムの導入
　3.1 導入パターン
　3.2 進め方のご提案
　3.3 計測機器との連携
　3.4 企業への導入事例

4.フロントラインワーカーの生産性向上支援について

【質疑応答】

【講演概要】
人工知能を初めとするデータ科学技術の発展に伴い、大量にデータ取得が可能なラボオートメーションの重要性が高まっています。また、ChatGPTなどの生成AIがプログラミングを支援してくれるようになり、ラボオートメーション環境構築のハードルは徐々に下がっています。本講座では、ChatGPTなどの生成AIを活用しながらPythonプログラミングを行うことにより、効率的にラボオートメーション環境を構築する方法や、実施例について紹介します。

【受講対象】
・ラボオートメーションや実験機器のリモート制御について未経験〜中級者の方
・（出来れば）Python等のプログラミングに触れたことのある方
・有機エレクトロニクスに興味のある方

【習得できる知識】
実験機器のリモート制御に関する基礎知識
生成AIを用いて効率的にラボオートメーションを実現する方法とその際の注意点



1.実験機器のリモート制御
　1.1 リモート制御の概要
　1.2 ハードウェア構成
　1.3 ソフトウェア開発
　1.4 具体的事例

2.ChatGPTを活用したラボオートメーション
　2.1 生成AIの概要
　2.2 ChatGPTを用いた自動実験プログラム開発例
　2.3 ChatGPT使用時の注意点
　2.4 その他の生成AI

3.有機エレクトロニクス研究におけるラボオートメーション
　3.1 有機エレクトロニクスの概要
　3.2 デジタル印刷で作る有機トランジスタ
　3.3 有機トランジスタ研究のための自律実験システム
　3.4 コンビナトリアル実験とベイズ最適化

【質疑応答】

【講演概要】
材料開発の効率化、人力では難しい異なる複数の特性の最適化を目的にデータ科学の活用が高い注目を集め、マテリアルズ・インフォマティクスやプロセス・インフォマティクスとして多様な方法論について検討が行われてきた。近年生成AIを材料化学分野に適用する動きが自然言語処理だけに限らず進んできており、身の回りの材料開発に生成AIがいる時代は目の前に迫っている。本セミナーでは材料化学分野で生成AIを生かすために基盤となるデータへの向き合い方や考え方について紹介する。

1.材料化学分野におけるデータ活用の3つのトレンド
　1-1 データ活用技術の変遷
　1-2 3つのデータ活用のトレンドの特徴
　1-3 生成AIの到来

2. マルチモーダルAI
　2-1 マルチモーダルAIとは
　2-2 材料分野に適用可能なマルチモーダルAIの仕組み

3.材料化学分野へ適用可能なマルチモーダルAIと適用事例
　3-1 生成AIを用いた材料の物理・化学構造情報の生成
　3-2 生成AIの多様な材料情報への適用
　3-3 複数の材料特性の予測及び最適組成の探索
　3-4 マルチモーダルAIによる材料特性の制御

4.AIによる自律駆動実験
　4.1 実験の自動化と自律化
　4.2 実験プロセスを自律化するためのポイント

5.今後の展望

【質疑応答】