2022年版 マテリアルDX関連市場の現状と展望
各産業界で進められているDXであるが、マテリアル分野も例外ではない。この分野では既にマテリアルズ・インフォマティクス（MI）として2010年代から同様な取り組みが着手されていたが、いよいよ包括的かつ速度を上げた取り組みが始まっている。
科学技術における多くの領域で先行（主要）プレーヤーとしての地位を奪われつつある日本であるが、基礎研究分野においては変わらず高い国際競争力を維持している。その起点とも言えるマテリアル領域でどのようなDX化進められ、それにより何がもたらされるのかを中心にまとめたい。
発刊日
2022/02/25
体裁
A4 / 209頁
資料コード
C63129300
PDFサイズ
65.7MB
PDFの基本仕様
Adobe Reader 7.0以上／印刷不可・編集・加工不可／検索・テキスト・図（グラフ）の抽出等可／しおり機能無し 詳細はこちら
※紙媒体で資料をご利用される場合は、書籍版とのセット購入をご検討ください。書籍版が無い【PDF商品のみ】取り扱いの調査資料もございますので、何卒ご了承ください。
※紙媒体で資料をご利用される場合は、書籍版とのセット購入をご検討ください。書籍版が無い【PDF商品のみ】取り扱いの調査資料もございますので、何卒ご了承ください。
カテゴリ
調査資料詳細データ
調査概要
調査結果サマリー
資料ポイント
調査目的：マテリアル DX（デジタルトランスフォーメーション）関連の事業化に向けた取り組みを進めている企業や研究機関の現在動向と今後の事業施策を調査することで、マテリアルDX の現状と今後の動向を把握することを目的とする。
調査対象：
＜対象区分＞プロセス・インフォマティクス、MI（有機材料）、MI（無機材料）
＜対象企業、研究機関＞上記対象品目関連の技術研究機関を中心に、一部生産販売、または取り扱う企業を含める
調査方法：弊社専門調査員による直接面談取材による
調査期間：2021年9月～2022年1月
※月刊誌「Yano E plus」（2021 年 10 月号～2022 年 2 月号）での関連特集をベースに編集、市場数値なども抜粋
マテリアルDXに関する調査を実施（2021年）
2025年のマテリアルDXにおける有機材料の世界市場規模は6,174億円と予測
～マテリアルズ・インフォマティクスから、より包括的な取り組みであるマテリアルＤＸに移行～
・産業界を巻き込んだデータ駆動型が始動
・グローバルな材料開発競争激化における切り札へ
・データ科学を適用するプロセス・インフォマティクス環境が整う
・機械学習、物性理論、シミュレーション、データベースなどを活用し材料科学と融合
・化学的あるいは生物学的な現象を解析していく有機材料分野
※月刊誌「Yano E plus」（2021年10月号～2022年2月号）での関連特集をベースに編集、市場数値なども抜粋
リサーチ内容
調査結果のポイント
第1章 俯瞰的総論
1．マテリアルDXの始動
1-1．マテリアルズ・インフォマティクス（MI）からマテリアルDXへ
1-2．材料開発プロセスのDX化
1-3．日本の将来を担うマテリアルDX
2．マテリアルDXに関する海外動向
2-1．米国の動向
2-2．EUの動向
2-3．中国の動向
3．リアルDXに関する日本の動向
3-1．文部科学省
(1)マテリアル革新力強化戦略の策定
【図1．マテリアル革新力強化戦略の概念図】
(2)データ駆動型マテリアル研究開発に関連した文部科学省を中心としたこれまでの取組
①NIMSが構築するデータベース
【図2． NIMSを中心としてこれまで構築されてきたデータベース】
②産業界との連携
(3)マテリアルDXプラットフォームの作成
①マテリアルDXプラットフォーム構想実現のための取組
【図3．マテリアルDXプラットフォーム構想のアウトライン】
②データ中核拠点で実現するシステム
【図4．データ中核拠点で実現するシステムの模式図】
③データ創出基盤（マテリアル先端リサーチインフラ事業）体制
【図5．データ創出基盤（マテリアル先端リサーチインフラ事業）体制マップ】
④データ創出・活用型マテリアル研究開発プロジェクトFS
(4)マテリアルDXは日本の科学技術イノベーション全体の底上げにつながる
3-2．国立研究開発法人 物質・材料研究機構（NIMS）
(1)MaDISについて
(2)データ駆動型材料開発の系譜
【図6．NIMSにおけるデータ駆動型研究の取り組み】
(3)データプラットフォームの構築
【図7．世界最高水準の研究基盤としての材料データプラットフォーム】
【図8．実験データを使える形で自動収集するシステム】
【図9．NIMSにおける実験データの自動収集システム】
(4)データ駆動型研究による材料開発事例
【図10．データ駆動による材料の研究開発事例】
(5)マテリアルDXの将来見通し
【図11．材料分野におけるデータ駆動研究・データ基盤構築の系譜】
4．マテリアルDXの市場規模予測
【図・表1．マテリアルDXの国内およびWW市場規模予測（金額：2025-2050年予測）】
【図・表2．マテリアルDXの分類別国内市場規模予測（金額：2025-2050年予測）】
【図・表3．マテリアルDXの分類別WW市場規模予測（金額：2025-2050年予測）】
5．マテリアルDXに関連する企業・研究機関の取組動向
5-1．国立研究開発法人 産業技術総合研究所（産総研）
(1) 基本的な考え方
【図12．マルチスケール・マルチフィジックス計算材料設計の概念図】
【図13．産総研のマテリアルDX関連プロジェクト】
【図14．材料設計プラットフォーム普及のためのコンソーシアムの体制】
(2)研究アプローチ
【図15．研究アプローチを示した概念図】
(3)計算シミュレーション技術の開発
(4) MIに関する基盤技術の開発：自律的に物質・材料研究機構探索を進める
ロボットシステムを開発
【図16．(a)本ロボットシステムの構成図 (b)本システムを利用した材料合成の概念図】
(5)材料データPFの開発
【図17．実験データや計算データのオンデマンド自動・高速収集する
データプラットフォームシステム例】
(6) AIとの融合による計算シミュレーション能力の拡大：
計算シミュレーションとAIを連携させ仮想実験環境を構築
計算シミュレーションとAIを連携させ仮想実験環境を構築
【図18．学習済みDLにより予測された破断接合のヒストグラムプロット。
挿入図は第一原理計算シミュレーション結果を用いた検定と検証を示す。
決定係数（R2値）を数値で記載した。左は学習データに対するテスト結果、
右は検証データを用いたテスト結果】
(7)データ駆動型材料設計技術のアウトカム
【図19．データ駆動型材料設計技術のアウトカムの概略】
5-2．長瀬産業株式会社
(1)新材料探索プラットフォーム「TABRASA」のSaaSサービス提供を開始
【図20．「TABRASA」の2つのエンジンと特徴】
(2)新材料探索SaaS型PF「TABRASA」～三洋化成工業株式会社が導入を決定～
5-3．国立大学法人 東海国立大学機構名古屋大学
(1)GiSM
【図21．統合型材料デザインGiSMのコンセプトを示した模式図】
(2)画像認識と定量組織学
(3)MLによる順解析と逆解析
5-4．国立大学法人 奈良先端科学技術大学院大学（奈良先端大）
(1)データ駆動型サイエンス創造センター（DSC）設立と意義
【図22．奈良先端大の組織図とDSCの位置づけ】
【図23．DSCの組織と構成】
【図24．DSCにおける研究・教育プログラムの概要】
【図25．データ駆動型サイエンスコンソーシアムの概要】
(2) MIの新たな手法の開発と応用
【図26．MIの基本的なプロセス】
【図27．BOを利用し学習を通して迅速に目標に到達 (a)目標領域と予測値が近いケース、
(b)目標領域と予測が遠いケース】
【図28．PIの考え方を示した模式図】
(3) MI手法を最適化した先進的な材料開発プロセス
【図29．データ収集、予測器構築、探索、実証の材料開発ループ】
【図30．物質の階層に応じたマルチスケールでモデル化・数値計算が必要】
【図31．材料候補選択の精度を向上させる仕組み】
6．マテリアルDX発展に向けた課題
第2章 データサイエンス
1．マテリアルDXにおけるデータサイエンス
2．マテリアルDXにおけるデータサイエンスの方向性
2-1．新物質探索
2-2．ミクロな微細構造と材料物性との相関
2-3．結晶構造から材料組成までのマルチスケール統合
3．マテリアルDXにおけるデータサイエンスの手法
3-1．第一原理計算
3-2．ベイズ最適化
3-3．機械学習（ML）/ニューラルネットワーク（NN）/深層学習（DL）
4．テリアルDXにおけるデータ科学の市場規模予測
【図・表1．マテリアルDXにおけるデータ科学の国内およびWW市場規模予測
（金額：2025-2050年予測）】
5．マテリアルDXにおけるデータ科学に関連する企業・研究機関の取組動向
5-1．MI-6（エムアイシックス）株式会社
【図1．実施体制】
【図2．電解液組成の探索】
5-2．株式会社Elix（エリックス）
(1)Elixのビジネスモデル
【図3．(上)Elixが保有するモデル群「Elix Discovery™」、
(下)「Elix Discovery™」の全体像】
【図4．プロジェクト遂行のイメージ】
(2)事例①：株式会社日本触媒
【図5．Elix×日本触媒：反応性希釈剤の開発事例、(上)アクリルモノマーの
分子構造、(下)生成モデルに用いたニューラルネットワークの模式図】
(3)事例②：アステラス製薬株式会社
【図6．Elix×アステラス製薬：活性予測・化合物構造生成・逆合成解析のための
アルゴリズム開発】
5-3．公益財団法人 計算科学振興財団（FOCUS）
(1)事業内容
【図7．FOCUSおよびFOCUSスパコンの役割】
【図8．FOCUSにおけるスーパーコンピューティング事業体系】
(2) MIについて
【図9．物質・材料研究開発におけるデータ駆動型アプローチ】
【図10．スモールデータ問題に対する物質科学側からのアプローチ】
(3)人材育成
【図11．キャリア開発のためのAI/機械学習研修(1)】
【図12．キャリア開発のためのAI/機械学習研修(2)】
5-4. 国立研究開発法人 産業技術総合研究所（産総研）
(1)触媒反応の収率をAIで予測
【図13．モデルとしたエポキシ化反応】
【図14．実験データについてMLを実施しAIを構築するフロー】
【図15．AIによる収率の予測】
(2)自律的に物質探索を進めるロボットシステムを開発
【図16．MIとマテリアルズ・ロボティクスとの融合】
(3)機械学習ポテンシャル（MLP）研究
【図17．a-Si中のLi拡散の網羅解析】
【図18．a-AlOxの密度と組成変化を記述できるポテンシャル】
(4)計測インフォマティクスを応用したスペクトルフィッティング
【図19．スペクトルのパラメータ推定】
【図20．EMアルゴリズムによるスペクトルフィッティング】
5-5．国立大学法人 東京大学/国立研究開発法人 物質・材料研究機構（NIMS）
(1)材料物性の実験データのデータベース化
①論文中のグラフからの実験データ抽出作業
②「Starrydata web」システムの開発
【図21．「Starrydata Web」システムによるデータシェア】
(2)熱電変換材料に関する大規模データの収集
【図22．「Starrydata web」システムのデータ収集の仕組】
【図23．PbTe熱電材料のJonker plot】
5-6．国立大学法人 名古屋工業大学
(1)固体電解質材料に関する計算機シミュレーション
【図24．原子間ポテンシャル構築の模式図】
(2)ポテンシャルパラメータの最適化法
(3)原子間ポテンシャルのハイスループット構築
5-7．学校法人 日本女子大学
(1)有機薄膜太陽電池材料
【図25．有機薄膜太陽電池における量子化学計算とML】
(2)ペロブスカイト型太陽電池材料
【図26．MLを用いたペロブスカイト型太陽電池材料の探索】
5-8．株式会社日立ハイテクソリューションズ
(1)材料探索における従来型とMIの違い
【図27．材料探索における従来型とMIの違い】
(2)「Chemicals Informatics」の構成と仕組み
【図28．「Chemicals Informatics」の構成】
【図29．「Chemicals Informatics」の仕組み】
(3)「Chemicals Informatics」の特長
①研究者の新発見を助ける掛け合わせ探索手法（探索AI）
【図30．「Chemicals Informatics」の特長①：探索AI】
【図31．「Chemicals Informatics」が探索する領域】
【図32．組合せ最適化CI vs. 配合比チューニングMI】
②新たなアイデアを生む膨大な化合物データベース（NLP AI/新規化合物生成AI）
【図33．NLP AIと新規化合物生成AI】
③研究開発の高効率化を実現する高い探索性能と予測精度
【図34．幅広な公開データを使用しているのに高い精度を実現できる
「Chemicals Informatics」】
5-9．株式会社Preferred Computational Chemistry（PFCC）/
株式会社Preferred Networks（PFN）/ENEOS株式会社
(1) MIや超高速シミュレーターとして活用できる「Matlantis™」を、PFCCがクラウド
サービスとして提供開始（https://www.preferred.jp/ja/news/pr20210706/）
(2)「Matlantis™」を開発したPFNとは
(3)汎用原子シミュレーター「Matlantis™」の特長
【図35．MIにおける「Matlantis™の位置づけ】
【図36．「Matlantis™の仕組み】
【図37．「Matlantis™の性能】
【図38．「Matlantis™が対応している元素】
(4)「Matlantis™」の適用事例
①再生可能エネルギーによって合成された燃料触媒の探索（ENEOS）
【図39． (左) H2とCOからの液体燃料の合成反応、
(中) Co+V触媒上でのC-O解離反応、
(右) Co触媒の一部元素置換による活性化エネルギー変化（Coのみの基準を1.0）】
②水素キャリア触媒の探索（ENEOS）
【図40． (左) MCH脱水素反応、(右) MCH脱水素反応の解析結果】
第3章 プロセス・インフォマティクス
1．マテリアルDXにおけるプロセス・インフォマティクス（PI）
2．マテリアル革新力強化戦略とPI
2-1．MPIプラットフォーム構築の意義
【図1．MPIプラットフォームの計画】
2-2．MPIプラットフォームの目的
【図2．MPIプラットフォームの目的】
2-3．MPIプラットフォーム拠点体制
(1)つくばセンター：先進触媒拠点（触媒化学融合研究センター吉田勝 副センター長に聞く）
【図3．先進触媒拠点の取り組みと導入装置】
(2)中部センター：セラミックス・合金拠点
（極限機能材料研究部門 松原一郎 研究部門長に聞く）
【図4．セラミックス・合金拠点の取り組みと導入装置】
(3)中国センター：有機・バイオ材料拠点
（機能化学研究部門 新納弘之 研究部門長に聞く）
【図5．有機・バイオ材料拠点の取り組みと導入装置】
3．マテリアルDXにおけるPIの市場規模予測
【図・表1．マテリアルDXにおけるPIの国内およびWW市場規模予測
（金額：2025-2050年予測）】
【図・表2．マテリアルDXにおけるPIの分類別国内市場規模予測
（金額：2025-2050年予測）】
【図・表3．マテリアルDXにおけるPIの分類別WW市場規模予測
（金額：2025-2050年予測）】
4．マテリアルDXにおけるPIに関連する企業・研究機関の取組動向
4-1．アイクリスタル株式会社
(1)アイクリスタルの業態
(2)デジタルツイン
【図6．デジタルツインを用いたプロセス最適化のフロー】
【図7．素材からデバイスまで一気通貫の製造プロセスから
半導体Cyber Factoryを目指す】
(3)事例①：実験×ベイズ最適化～GaNの研削条件最適化～
【図8．事例①：実験×ベイズ最適化】
(4)事例②：シミュレーション×ML～GaNのHVPE反応炉の構造最適化～
【図9．事例②：シミュレーション×ML】
4-2．国立大学法人 東京大学
(1)粉体プロセス開発のハイスループット化のためのデータ駆動型PI
【図10．データ駆動型粉体PIのプロセス例】
【図11．粉体プロセスと関連する物理現象】
【図12．料理のプロセスと比較した工業製品としての粉体プロセス】
【図13．粉体PIの実装例(左)とMLシステムのイメージ(右)】
(2)ポストコロナ社会における遠隔化・自律化技術を活用した
省人モノづくりのDXの可能性
【図14．ポストコロナ社会における「省人ラボ」のイメージ】
4-3．一般財団法人ファインセラミックスセンター(JFCC)/国立大学法人九州大学
(1) MI活用により新しいウルツ型結晶構造強誘電体新材料を発見
【図15．ウルツ鉱型ZnOの原子構造と分極反転機構】
【図16．MIによるウルツ鉱型結晶構造の強誘電体材料探索の結果】
(2)走査透過型電子顕微鏡（STEM）を用いた原子の直接観察と、
原子位置のズレの可視化およびMI手法の適用
①直径23nmのナノ粒子における原子位置のずれの可視化
【図17．(a)電子顕微鏡観察の模式図 (b)各観察面における原子位置のずれの
模式図、矢印がずれの方向と大きさを示す】
【図18．(a)BaTiO3のSTEM像 (b)Ti原子のずれの大きさと方向を示した模式図】
【図19．原子位置精密決定時のコンピュータープロセスの流れ】
②動作中の誘電体における原子位置の0.01nm精度の直接観察
【図20．「原子分解能電場印加その場電子顕微鏡法」 の模式図】
【図21． (a)約570V/cmの電圧印加状態で観察された誘電体のSTEM像
(b)図(a)に対応するSrTiO3結晶の原子配列】
【図22．STEM像における原子位置の誤差を評価した結果の一例】
③7pmの電場誘起歪の直接観察
【図23．(a)BaTiO3の電場有/無のSTEM像
(b)結晶格子の大きさ（格子定数）の分布 (c)印加電場と格子定数変化の関係】
④マテリアルDXの適用
4-4．国立研究開発法人 物質・材料研究機構（MINS）
(1)コンビナトリアル薄膜合成
【図24．コンビナトリアル薄膜合成フローと複数原料同時蒸着の模式図】
【図25．コンビナトリアル材料探索のフロー】
(2)データの蓄積・連携・利活用
【図26．DX化の仕組み構築】
【図27．XRFの組成2次元マッピング事例】
【図28．3インチ基板における実装例】
【図29．MLを導入して解析したPYSデータ】
(3)材料開発の手法
【図30．複数手法の融合による材料探索】
4-5．学校法人 明治大学
(1)化合物設計・分子設計・化学構造設計
①物性推定モデル・活性推定モデル
【図31．分子設計の模式図】
②回帰分析・クラス分類 (モデリング)
③分子設計
【図32．ポリマーの設計のためのデータ】
(2)材料設計
【図33．熱電材料設計の模式図】
【図34．XRDによる結晶構造から、ZTが未知の有望材料の探索する手法】
(3)プロセス設計
①実験計画法
【図35．効率的なプロセス設計（適応的実験計画法）】
(4)制御設計
【図36．制御設計の模式図】
5．マテリアルDXにおけるPIの課題と展望
第4章 MI（有機材料）
1．マテリアルDXにおける有機材料
2．マテリアルDXが適用される有機材料分野
2-1．分子マテリアル
2-2．バイオマテリアル
3．マテリアルDXにおける有機材料の市場規模予測
【図・表1．マテリアルDXにおける有機材料の国内および
WW市場規模予測金額：2025-2050年予測】
【図・表2．マテリアルDX MI（有機材料）の分類別国内市場規模予測
（金額：2025-2050年予測）】
【図・表3．マテリアルDX MI（有機材料）の分類別WW市場規模予測
（金額：2025-2050年予測）】
4．マテリアルDXにおける有機材料に関連する企業・研究機関の取組動向
4-1．花王株式会社
(1)花王のMIに対する取り組み
【図1．花王の研究開発体制】
(2)DL技術を用いた新素材開発手法の開発～AIで素材開発の期間を大幅短縮～
①触媒の写真を用いた活性の予測モデル作成
【図2．Cu触媒を用いた3級アミン化反応と触媒の写真】
【図3．触媒の写真を用いた触媒活性予測モデルのプロセス】
【図4．Cu触媒のSEM写真(左)と活性状態を示す画像(右)】
②ポリエステル樹脂の化学構造式を用いたTgの予測モデル作成
【図5．Tgモデルの作成過程】
【図6．Tgに影響を与える化学構造】
4-2．学校法人 慶應義塾大学
(1)小規模・実験データを用いたMI適用の意義
(2)事例①：MIによるプロセス探索～層状物質からの高効率ナノシート合成条件の探索～
【図7．ナノシート合成へのMIの適用】
【図8．ナノシート合成の実験と訓練データ取得の方法】
【表1．実測収率の結果】
(3)事例②：MIによる物質探索～LIBの新規有機高分子負極活物質の探索～
【図9．全有機LIBを目指した取組み】
【図10．抽出した3記述子を用いた容量の予測に用いる負極活物質として
未検討の11化合物】
【図11．MIによる探索で得られた化合物24の高分子化による性能
（容量・高レート特性・サイクル特性）向上】
(4)小規模・実験データをMIに適用した結果
【図12．一般的なMIと小規模データに基づく実験主導MIの違い】
4-3．学校法人 工学院大学
(1)VAE（Variational AutoEncoder）を用いたリバースデザイン技術
①リバースデザイン技術
【図13．材料データを用いたMLにより新材料を逆設計するイメージ】
②VAE技術
【図14．VAEを利用した材料探索】
③インプット側の工夫
【図15．質量スペクトルから潜在表現を予測するSpectrum Encoderモデル】
【図16．二段階の学習手順を示した模式図】
【図17．予測結果】
④アウトプット側の工夫
【図18．VAEのアウトプットとしての潜在表現空間の視覚化】
【図19．z空間での探索範囲を拡大した予測結果】
4-4．国立大学法人 島根大学
(1) ML手法
【図20．数理モデルの入力と出力 (左)既知データを用いた学習プロセス、
(右)学習済モデルを活用して予測値を得る】
【図21．SVMの活用】
【図22．GAとGSの組み合わせ】
(2)MLを用いた高機能触媒の設計
【図23．物性と触媒活性の関係 (左)通常の研究、
(右)実験していない元素の効果をMLで推定】
【図24．元素のクラスタリング】
【図25．新しい添加物の探索フロー】
【図26．微分方程式とGAを組み合わせた手法】
【図27．スペクトルとGAを組み合わせた手法】
4-5．学校法人 中央大学
(1)森研究室の基本的コンセプト
【図28．森研究室の基本コンセプトを示した模式図】
(2) CO2を分離回収可能なイオン液体（IL）探索のための理論研究
①イオン液体の構成要素である単分子イオンのデータベース構築
②陰イオン効果に焦点を当てた混合イオン液体へのデータベース応用
【図29．陽イオンと陰イオンの組み合わせから得られるILの
設計指針としてのCOSMO-RS法のイメージ】
③排気ガスからのCO2分離回収性に優れたイオン液体予測のためのML
【表2．ヘンリー定数の対数とIL構成要素の物性の間の相関係数の絶対値】
【図30．テストデータセット（10,000 IL）に対する各ガスのヘンリー定数の
対数の予測値（縦軸）と計算値（横軸）の間の相関】
4-6．三菱ケミカル株式会社
(1)マテリアルDXを加速するためのHPC導入
(2) IBM Qへの参加
(3) NISQデバイスを用いた励起状態のエネルギー計算手法
(4)有機ELの発光メカニズムとターゲットサンプル
【図31．有機ELの発光メカニズム】
【図32．計算に用いたTADF材料の構造】
(5)計算手法と計算結果
【図33． 計算手法 (左)Step-I:基底状態の計算、(右)Step-II:励起状態の計算】
【図34．シミュレーターの計算結果と実験値との比較】
【図35．IBM量子コンピューター実機の計算結果 (左) qEOM-VQE法、
(右)VQD法】
(6)量子トモグラフィー手法によるエラー訂正
【図36．量子トモグラフィー技術を用いたエラー低減手法の計算方法】
【図37．トモグラフィーを用いた(左) qEOM-VQE法、(右)VQD法の計算結果】
5．マテリアルDXにおける有機材料の課題
第5章 MI（無機材料）
1．マテリアルDXにおける無機材料
2．マテリアルDXの適用が想定される無機材料
3．マテリアルDXにおける無機材料の市場規模予測
【図・表1．マテリアルDXにおける無機材料の国内およびWW市場規模予測
（金額：2025-2050年予測）】
【図・表2．マテリアルDX MI（無機材料）の分類別国内市場規模予測
（金額：2025-2050年予測）】
【図・表3．マテリアルDX MI（無機材料）の分類別WW市場規模予測
（金額：2025-2050年予測）】
4．マテリアルDXにおける無機材料に関連する企業・研究機関の取組動向
4-1．国立大学法人 九州大学
(1)従来の材料開発にAIやデータサイエンス的手法を加えて材料開発を加速
(2)新規プロトン伝導性電解質を発見
【図1．ペロブスカイト酸化物(左)と豊富な選択元素群(右)】
【図2．実験データを活用したAIモデルと新規プロトン伝導性電解質開発フロー】
【図3．候補材料の絞り込みに用いた構造－特性マップ】
【図4．AIが予測したプロトン濃度の温度依存性と実験結果の比較(左)
およびプロトン伝導度の実験値(右)】
4-2． 国立大学法人 京都大学
(1)複合アニオン化学の創製
【図5．BaTiO3の酸素の一部を水素に置き換えた新物質】
①複合アニオン化合物とは
【図6．複合アニオン化合物とは】
②複合アニオン系で何が可能になるのか
【図7．複合アニオン化合物のコンセプト】
③低温トポケミカル反応による酸水素化物の合成
【図8．酸水素化物の合成】
(2)文部科学省科研費助成事業「新学術領域研究」：
「複合アニオン化合物の創製と新機能」プロジェクト
(3)複合アニオン化合物へのMIの適用
4-3．国立大学法人 東海国立大学機構 名古屋大学
（1）PF法の計算理論と特長
(2) PF法の活用事例：材料組織シミュレーション
①希土類磁石材料の組織形成
【図9．Nd-Fe-B合金における粒界相形成のPFシミュレーション結果[1]】
②強誘電体の分極ドメイン組織形成
【図10．強誘電体BaTiO3の298Kにおける構造相転移の2次元計算結果】
③Mg合金の長周期積層構造
【図11．Mg-Y-Zn系の573Kにおける組織形成の2次元計算結果】
④Ni基超合金の高温クリープ中の組織変化
【図12．Ni基超合金の1273Kにおけるクリープ中の(γ + γ′)組織変化の
3次元計算結果】
(3) PF法の活用事例：材料特性計算
①組織形態情報を用いた磁気ヒステリシス計算
【図13．外部磁場を80kOeから-80kOeまで変化させたときの
磁気モーメント場の変化】
②改良セカント法に基づく応力－ひずみ曲線計算
【図14．二相組織の応力－ひずみ曲線を算出した結果】
4-4．株式会社日立製作所（日立）
(1)樹脂との密着強度に優れた金属材料の設計
①密着性に優れた材料の設計モデルと設計方法
【図15．樹脂の基本構造と格子定数の定義】
【図16．樹脂と金属の界面の模式図】
②最適設計の結果
【図17. 応答曲面法により関数化された密着強度】
【図18．樹脂とCu/Mn/Coの界面における整合構造】
(2) DNAとの密着性に優れた無機材料の設計
①DNAとの密着強度に優れたセラミックス材料を設計する解析モデル
【図19．B-DNAの分子構造】
【図20. 密着強度（剥離エネルギー）の計算モデル】
②分子動力学による密着強度解析手法
③応答曲面法による最適材料設計方法
【図21．クリギング法の概念図】
④密着強度の支配パラメータの選定結果および最適設計の結果
【図22．クリギング法による関数化したDNAとの剥離エネルギーと最適解結果】
【図23．最適解に最も近いセラミックスとDNAの整合界面】
4-5．公立大学法人 兵庫県立大学
(1)強相関電子系の理論とMI
【図24．理論と計算からみた物質科学の位置づけ】
【図25．解析接続へのMLの応用 (左)関数モデリングとMLによる関数変換
アルゴリズム、(右)MLの結果を強相関電子系のスペクトル解析に応用した結果】
(2) MIを強相関電子系に適用した事例①：高温超伝導
【図26．Cu酸化物高温超伝導体の設計と転移温度の関係】
(3) MIを強相関電子系に適用した事例②：グラフェン
【図27．グラフェンの欠陥と化学反応】
【図28． 脱水素触媒としてのナノグラフェン】
(4) MIを強相関電子系に適用した事例③：高結晶性グラファイト
【図29．高品質単結晶グラファイトを用いた非接触・非破壊・
生体センサーの模式図】
4-6．国立研究開発法人 物質・材料研究機構（NIMS）
(1) MIによる新超伝導物質の発見
【図30．データベースから計算により候補物質を選定し、
高圧力を加え超伝導を発見する手順】
【図31．(左)独自開発のダイヤモンドアンビルセル高圧力下電気抵抗測定装置
(右)様々な圧力下における電気抵抗の温度変化】
【図32．圧力相図。第一の物質(上)に比べ第二の物質(下)は、金属、超伝導1、
超伝導2の各相が低圧側にシフトしている】
(2) MLにより世界最高クラスの磁気冷凍材料を発見
【図33．磁気冷凍の原理を示した模式図】
【図34．ML予想と実際のエントロピー変化の相関】
【図35． HoB2のゼロ磁場と磁場中でのエントロピー曲線】
【図36．エントロピー変化と、その値が最大を示す温度(磁気転移温度)の分布図】
5．マテリアルDXを用いた材料開発の展望
このレポートの関連情報やさらに詳しい情報についての調査を検討したい
矢野経済研究所では、
個別のクライアント様からの調査も承っております
マーケティングや経営課題の抽出、リサーチの企画設計・実施、調査結果に基づく具体的な戦略立案・実行支援に至るまで、課題解決に向けた全ての段階において、クライアント企業をトータルでサポート致します。
この資料を見た人は、こんな資料も見ています
資料コード
資 料 名
C63127300
C63129400
C63123000
C63120700
C63128100