研究開発部門における実験データの収集　超入門

■　講師

クオンティニュアム(株)　テクニカル・アカウント・エグゼクティブ　博士（理学）　石崎貴志氏

【略歴】
2005年東京理科大学大学院理工学研究科応用生物科学専攻博士課程終了博士（理学）
2005年味の素株式会社入社
2008年アクセルリス/Accelrys入社（2014年ダッソー・システムズによる買収後BIOVIAとして活動）
2021年シュレーディンガー/Schr?dinger入社
2025年クオンティニュアム/Quantinuum入社

■　開催要領

日　時	：	【Live配信】２０２６年１１月１０日（火）　１３：００～１６：３０【アーカイブ（録画）配信】２０２６年１１月１９日まで受付（視聴期間：１１月１９日～１１月２９日まで）
会　場	：	Zoomを利用した Live配信またはアーカイブ配信　※会場での講義は行いませんセミナーの接続確認・受講手順は「こちら」をご確認下さい。
聴講料	：	1名につき４９,５００円（消費税込、資料付）〔１社２名以上同時申込の場合のみ１名につき４４,０００円〕〔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〕

■　プログラム

【講座の趣旨】
　材料研究では、実験で得られたデータが再利用可能な形で記録されることは少なく、多くの場合、担当者個人のメモとして残されるにとどまっています。その背景には、プロジェクトごとに対象とする材料の種類や特性が異なることに加え、部署ごとに扱う材料も異なるため、データを共有・蓄積する意義を見いだしにくいという実情があります。
　一方、データ活用を中核とするマテリアルズ・インフォマティクス（MI）では、実験条件や評価結果などのデータを機械学習によってモデル化し、新たに設計する材料の特性を予測することで、材料研究の効率化・高度化を目指します。そのためには、担当者や部署ごとに異なる形式で記録されたデータを、全社で活用可能な標準化データとして蓄積するとともに、機械学習などの計算手法を個々のツールに依存することなく、共通基盤上で利用できる環境を整備することが重要です。
　本講演では、材料研究におけるデータ活用の課題を整理した上で、製薬研究で利用されている化合物登録システムや電子実験ノート（ELN）を紹介します。また、LLMを活用した自社システムの開発事例や、商用パッケージソフトウェアを活用したインフォマティクス基盤の構築について紹介します。

【習得できる知識】
・マテリアルズ・インフォマティクス（MI）の基礎知識
・機械学習（ML）に活用できる実験データの記録・管理手法
・電子実験ノート（ELN）の基礎知識
・ＬＬＭを活用した自社専用ＭＩ基盤の開発事例

１．マテリアルズ・インフォマティクスの現在地

　1.1　MI向けソフトウェアの歴史と現在
　1.2　企業研究における一般的なMIの課題
　1.3　データ駆動型研究への転換

２．データ基盤の構築

　2.1　材料登録システム
　2.2　アッセイデータ登録システム
　2.3　電子実験ノート（ELN）
　2.4　ETL（データの収集・加工・蓄積）
　2.5　データ参照システム
　2.6　アイデア・着想の記録

３．データの解析と活用

　3.1　一般的なデータ（数字、文字、画像、時系列データなど）
　3.2　有機材料
　3.3　無機材料
　3.4　Pythonによるデータ処理
　3.5　機械学習・計算基盤

４．MI基盤の構築と導入戦略

　4.1　商用パッケージと自社開発
　4.2　製薬研究で利用されるソフトウェア
　4.3　ソフトウェアベンダーの動向
　4.4　LLMを活用した自社MI基盤の開発事例

【質疑応答】

研究開発部門における実験データの収集 超入門

１．マテリアルズ・インフォマティクスの現在地

２．データ基盤の構築

３．データの解析と活用

４．MI基盤の構築と導入戦略

研究開発部門における実験データの収集　超入門