本章では、先駆的な政府資金プログラムから、日本をデータ駆動型材料研究のグローバルリーダーへと押し上げた産学連携まで、日本のマテリアルズ・インフォマティクスの取り組みを包括的に概観します。
学習目標
- 日本の国家的MIプログラムの発展と構造を理解する
- MI2I、JST CREST/さきがけ、SIPの各取り組みの目的と成果を比較する
- 日本のMIエコシステムにおける主要機関（NIMS、大学、産業界）の役割を認識する
- 日本のMIの取り組みが世界の材料科学に与えた影響を評価する
- 日本のMIプログラムから得られる連携の機会とリソースを把握する
2.1 MI2I：情報統合型物質・材料研究イニシアティブ
情報統合型物質・材料研究イニシアティブ（MI2I：Materials Research by Information Integration Initiative）は、データ駆動型材料研究の基盤を確立した日本を代表する国家プロジェクトでした。2015年7月に開始され2020年3月に終了したMI2Iは、インフォマティクスと材料科学を体系的に統合する、世界でも最も包括的な取り組みの一つでした。
2.1.1 プログラム概要
| 項目 | 詳細 |
|---|---|
| 実施期間 | 2015年7月〜2020年3月（5年間） |
| 資金提供機関 | 科学技術振興機構（JST） |
| プログラム種別 | SIP（戦略的イノベーション創造プログラム） |
| 本部 | NIMSつくば（CMI2センター） |
| 総予算 | 約36億円（約3,000万米ドル） |
| 参加機関 | 15以上の大学・研究機関 |
2.1.2 組織構造
graph TD
A[MI2Iプログラム
拠点長：田中 功博士] --> B[CMI2センター
NIMSつくば] B --> C[電池材料
研究グループ] B --> D[磁性材料
研究グループ] B --> E[熱電材料
研究グループ] B --> F[記述子ライブラリ
開発チーム] C --> C1[NIMS] C --> C2[東北大学] C --> C3[大阪大学] D --> D1[NIMS] D --> D2[京都大学] E --> E1[東京工業大学] E --> E2[名古屋大学] F --> F1[世界最大級の
記述子ライブラリ] style A fill:#667eea,color:#fff style B fill:#764ba2,color:#fff style F1 fill:#4caf50,color:#fff
拠点長：田中 功博士] --> B[CMI2センター
NIMSつくば] B --> C[電池材料
研究グループ] B --> D[磁性材料
研究グループ] B --> E[熱電材料
研究グループ] B --> F[記述子ライブラリ
開発チーム] C --> C1[NIMS] C --> C2[東北大学] C --> C3[大阪大学] D --> D1[NIMS] D --> D2[京都大学] E --> E1[東京工業大学] E --> E2[名古屋大学] F --> F1[世界最大級の
記述子ライブラリ] style A fill:#667eea,color:#fff style B fill:#764ba2,color:#fff style F1 fill:#4caf50,color:#fff
2.1.3 主要研究領域
MI2Iは、産業上の重要性が高い3つの材料カテゴリに戦略的に注力しました。
電池材料
- 目的：次世代電池材料の発見を加速する
- アプローチ：ハイスループットDFT計算と機械学習スクリーニングの組み合わせ
- 主要成果：50種類以上の有望な固体電解質候補を特定
- 産業への影響：トヨタ、パナソニック、ソニーとの連携
磁性材料
- 目的：希土類フリー永久磁石の発見
- アプローチ：機械学習に導かれたコンビナトリアル合成による探索
- 主要成果：特性が向上した新規Fe系化合物
- 産業への影響：TDK、日立金属とのパートナーシップ
熱電材料
- 目的：高性能熱電材料の開発
- アプローチ：実験的検証を伴うマルチスケールシミュレーション
- 主要成果：SnSe系化合物でZTを20%向上
- 産業への影響：廃熱回収システムへの応用
2.1.4 主要な成果
世界最大級の記述子ライブラリ
MI2Iの最も重要な技術的成果は、世界最大級の材料記述子ライブラリの開発であり、さまざまな材料クラスに対して50万を超える記述子を含んでいます。このライブラリにより、以下が可能になります。
- 機械学習モデルのための迅速な特徴量抽出
- 研究グループ間での標準化された表現
- 異なる材料系間での転移学習
定量的な成果：
| 指標 | 成果 |
|---|---|
| 査読付き論文 | 200編以上 |
| 出願特許 | 45件以上 |
| 材料データベースの登録数 | 10万化合物以上 |
| 記述子ライブラリの規模 | 50万記述子以上 |
| 育成した研究者 | 150名以上の博士課程学生・ポスドク |
| 産業界との連携 | 30社以上 |
2.1.5 レガシーと継続
MI2Iは2020年3月に正式に終了しましたが、そのレガシーは以下を通じて継続しています。
- DICE（Data Infrastructure for MI）：データベースとツールを維持する後継プラットフォーム
- NIMS MatNavi：MI2Iのデータを取り込んだ、一般公開されている材料データベース
- 教育プログラム：MI2Iの期間中に開発された大学院講義が連携大学で継続
- 国際連携：MGI（米国）、NOMAD（EU）、その他の世界的取り組みとの継続的なパートナーシップ
2.2 JST CREST：マテリアルズ・インフォマティクス研究プログラム
科学技術振興機構（JST）のCRESTプログラムは、チーム型の学術研究に対する日本を代表する競争的研究資金です。いくつかのCREST研究領域が、マテリアルズ・インフォマティクスの発展を直接的に支援してきました。
2.2.1 プログラム構造
| 項目 | 詳細 |
|---|---|
| 資金提供機関 | 科学技術振興機構（JST） |
| プログラム種別 | チーム型研究（1チームあたり5〜10名の研究者） |
| 実施期間 | 1プロジェクトあたり5.5年 |
| 資金規模 | 1チームあたり1.5億〜5億円（約100万〜400万米ドル） |
| ウェブサイト | https://www.jst.go.jp/kisoken/crest/en/ |
2.2.2 現在のMI関連研究領域
未知材料探索プログラム
MIに最も直接的に関連するCRESTプログラムは、「ナノ技術による熱マネジメントのための革新的コア技術の創成」および関連する材料探索プログラムです。
主要な研究テーマ：
- 材料探索のための計算手法
- データサイエンスと実験合成の統合
- 自律実験プラットフォーム
- マルチスケールシミュレーションと予測
代表的なCREST MIプロジェクト
| プロジェクト名 | 研究代表者 | 所属機関 | 重点領域 |
|---|---|---|---|
| データ駆動型材料設計 | 吉田 亮 教授 | 統計数理研究所（ISM） | 統計的手法 |
| 自律的材料探索 | T. Lookman 教授 | LANL／NIMS | 能動学習 |
| マルチフィデリティシミュレーション | 寺倉 清之 教授 | 北陸先端科学技術大学院大学（JAIST） | DFT／ML統合 |
| 高エントロピー合金設計 | 森 博太郎 教授 | 東北大学 | 合金インフォマティクス |
2.2.3 応募と選考のプロセス
CRESTは厳格な選考プロセスを採用しています。
- 提案書の提出：詳細な研究計画（15〜20ページ）
- 書面審査：専門家パネルによる評価
- 面接：30分のプレゼンテーション＋質疑応答
- 選定：採択率は約15〜20%
2.2.4 代表的なCREST MIプロジェクト（2015〜2024年）
以下の表は、日本のマテリアルズ・インフォマティクスを大きく前進させたCREST資金によるチーム型プロジェクトを示しています。
| 年度 | プロジェクト名 | 研究代表者 | 所属機関 | 予算 | 重点領域 |
|---|---|---|---|---|---|
| 2015 | データ駆動型材料設計プラットフォーム | 吉田 亮 | 統計数理研究所 | 4億円 | 統計的手法 |
| 2015 | 機能性材料の自律的探索 | 高橋 亘 | 東京大学 | 3.5億円 | 能動学習 |
| 2016 | 電池材料のマルチフィデリティシミュレーション | 寺倉 清之 | JAIST | 4.5億円 | DFT／ML統合 |
| 2016 | 結晶構造予測のための深層学習 | 世古 敦人 | 京都大学 | 3.8億円 | 構造予測 |
| 2017 | ハイスループット触媒スクリーニング | 香山 正憲 | 産業技術総合研究所（AIST） | 4.2億円 | 触媒 |
| 2017 | プロセス-構造-特性インフォマティクス | 森 博太郎 | 東北大学 | 4億円 | 合金設計 |
| 2018 | 自動材料キャラクタリゼーション | 杉田 有治 | 理化学研究所（RIKEN） | 3.8億円 | 画像解析 |
| 2019 | 材料特性のための転移学習 | 田中 功 | 京都大学 | 4.5億円 | ML手法 |
| 2020 | 熱電材料の逆設計 | 森 孝雄 | NIMS | 4億円 | 熱電材料 |
| 2021 | ポリマー設計のためのグラフニューラルネットワーク | 田村 亮 | NIMS | 4.2億円 | ポリマー |
| 2022 | 自律合成ロボットの統合 | 清水 研一 | 北海道大学 | 3.8億円 | ロボット合成 |
| 2023 | 日本の材料データのための基盤モデル | 石原 聡 | 東京工業大学 | 4.5億円 | LLM応用 |
2.3 JSTさきがけ：MIのための個人研究者支援
さきがけ（PRESTO：Precursory Research for Embryonic Science and Technology）は、キャリア初期段階の個人研究者を支援することでCRESTを補完し、次世代のMIリーダーを育成します。
2.3.1 プログラム概要
| 項目 | 詳細 |
|---|---|
| 資金提供機関 | 科学技術振興機構（JST） |
| プログラム種別 | 個人研究者への助成 |
| 実施期間 | 1プロジェクトあたり3〜3.5年 |
| 資金規模 | 1プロジェクトあたり3,000万〜5,000万円（約25万〜40万米ドル） |
| 対象 | キャリア初期の研究者（助教・准教授レベル） |
| ウェブサイト | https://www.jst.go.jp/kisoken/presto/en/ |
2.3.2 MI関連のさきがけ研究領域
先端的MIプラットフォームの確立：
- 材料のための機械学習アルゴリズムの開発
- 自律実験の方法論
- データ基盤と標準化
- マルチスケールモデリングの統合
2.3.3 キャリア開発への注力
さきがけは、将来のMI研究リーダーを育成する上で重要な役割を果たしています。
- メンターシップ：各研究者は研究総括から指導を受ける
- ネットワーキング：同僚研究者との年次シンポジウム・ワークショップ
- 自立性：独立した研究の方向性を確立する機会
- キャリアパス：さきがけ修了者の多くがCRESTチームを率いる
2.3.4 代表的なさきがけMIプロジェクト（2015〜2024年）
さきがけは、革新的なMI手法を開発する個人のキャリア初期研究者を支援しています。
| 年度 | プロジェクト名 | 研究代表者 | 所属機関 | 予算 | 重点領域 |
|---|---|---|---|---|---|
| 2015 | 機械学習によるスピン駆動熱電材料 | 内田 健一 | 東北大学 | 4,000万円 | 熱電材料 |
| 2016 | ナノカーボン材料の原子工学 | 丸山 茂夫 | 東京大学 | 4,500万円 | ナノ材料 |
| 2016 | 自律成長による新規機能性金属水素化物 | 尾崎 泰助 | NIMS | 3,800万円 | 水素貯蔵 |
| 2017 | リチウムイオン伝導体の探索手法 | 小山 幸典 | AIST | 4,200万円 | 固体電解質 |
| 2018 | 合金組成のためのベイズ最適化 | 藤岡 正弥 | 九州大学 | 4,000万円 | 合金設計 |
| 2019 | 酸化物のためのニューラルネットワークポテンシャル | 渡邉 聡 | 東京大学 | 4,500万円 | 原子間ポテンシャル |
| 2020 | 有機半導体のための生成モデル | 山田 寛尚 | 京都大学 | 4,200万円 | 有機エレクトロニクス |
| 2021 | 高エントロピー合金のための能動学習 | 弓削 是貴 | 京都大学 | 4,800万円 | HEA設計 |
| 2022 | 状態図のための物理情報付き機械学習 | 三宅 隆 | AIST | 4,500万円 | 相平衡 |
| 2023 | LLM支援による材料文献マイニング | 高橋 亮 | 大阪大学 | 5,000万円 | 材料のためのNLP |
2.4 SIPマテリアルズインテグレーション
府省連携による戦略的イノベーション創造プログラム（SIP：Cross-ministerial Strategic Innovation Promotion Program）は、材料科学における基礎研究と産業応用を橋渡しする、日本で最も意欲的な取り組みです。
2.4.1 プログラム構造
| 項目 | 詳細 |
|---|---|
| 資金提供機関 | CSTI（総合科学技術・イノベーション会議、内閣府） |
| 開始 | 2018年度（第2期） |
| 実施期間 | 5年間 |
| 総予算 | 年間約25億円（年間約2,000万米ドル） |
| 主要成果 | CoSMICコンソーシアム |
2.4.2 CoSMICコンソーシアム
2022年5月に発足したマテリアルズインテグレーションコンソーシアム（CoSMIC：Consortium for Materials Integration）は、SIPマテリアルズインテグレーションの取り組みの集大成です。
CoSMICの概要
- 会員：25社以上の日本の主要企業
- 発足日：2022年5月
- アプローチ：産学官連携
- 重点：産業材料開発のための実践的なMI実装
CoSMIC会員企業（一部）
- 自動車：トヨタ、ホンダ、日産、デンソー
- エレクトロニクス：ソニー、パナソニック、東芝、日立
- 素材：日本製鉄、JFEスチール、住友化学
- エネルギー：ENEOS、東京ガス、中部電力
2.4.3 統合フレームワーク
flowchart LR
A[材料データ
統合プラットフォーム] --> B[プロセスデータ] A --> C[特性データ] A --> D[構造データ] B --> E[AI/ML
解析エンジン] C --> E D --> E E --> F[予測
モデル] E --> G[最適化
アルゴリズム] E --> H[検証
ツール] F --> I[産業
応用] G --> I H --> I I --> J[自動車
材料] I --> K[電子
材料] I --> L[構造
材料] style A fill:#667eea,color:#fff style E fill:#764ba2,color:#fff style I fill:#4caf50,color:#fff
統合プラットフォーム] --> B[プロセスデータ] A --> C[特性データ] A --> D[構造データ] B --> E[AI/ML
解析エンジン] C --> E D --> E E --> F[予測
モデル] E --> G[最適化
アルゴリズム] E --> H[検証
ツール] F --> I[産業
応用] G --> I H --> I I --> J[自動車
材料] I --> K[電子
材料] I --> L[構造
材料] style A fill:#667eea,color:#fff style E fill:#764ba2,color:#fff style I fill:#4caf50,color:#fff
2.4.4 主要な成果
- マテリアルズインテグレーションプラットフォーム：25社以上を結ぶ統一データ管理システム
- 共有MLモデル：一般的な産業材料向けの事前学習済みモデル
- 標準化されたデータ形式：材料データ交換のための共通スキーマ
- 人材育成：産業界のMI実務者向けトレーニングプログラム
2.4.5 SIPマテリアルズインテグレーション第2期の成果物（2018〜2023年）
SIPマテリアルズインテグレーションプログラムは、具体的な産業成果物を生み出してきました。
| 成果物 | 説明 | 主要パートナー | 応用先 |
|---|---|---|---|
| 鍛造シミュレータ（1,500t） | 金属鍛造プロセスのための高精度シミュレーションシステム | 日本製鉄、トヨタ | 自動車部品 |
| 複合材料向けMIシステム | CFRP特性のための統合予測プラットフォーム | 東レ、JAXA | 航空宇宙構造 |
| 耐熱合金プラットフォーム | 3D粉末プロセス最適化システム | IHI、三菱重工 | ジェットエンジン部品 |
| CMC設計システム | セラミックス基複合材料の特性予測 | 日本ガイシ、京セラ | 高温部品 |
| セラミックコーティング技術 | 遮熱コーティングの最適化 | トーカロ、NIMS | タービンブレード |
| マテリアルズインテグレーションプラットフォーム | 25社以上を結ぶ統一データ管理 | CoSMICコンソーシアム | 業界横断 |
| 標準化データスキーマ | 材料データ交換のための共通形式 | NIMS、JST | データ基盤 |
| MIトレーニングプログラム | 産業実務者向けの人材育成カリキュラム | 大学、産業界 | 人材 |
SIP第2期のインパクト指標
- 開発時間の短縮：材料認定を30〜50%高速化
- コスト削減：実験コストの削減で推定100億円以上
- 産業界での導入：25社以上の主要企業がMIシステムを実際に活用
- 育成人材：500名以上のエンジニアがMIトレーニングプログラムを修了
2.5 元素戦略イニシアティブ
元素戦略イニシアティブは、希少元素の供給における日本の戦略的脆弱性に対処するもので、MIのアプローチを用いて重要元素への依存を低減または排除する材料を設計します。
2.5.1 プログラム概要
| 項目 | 詳細 |
|---|---|
| 資金提供機関 | 文部科学省（MEXT） |
| 開始 | 2012年度 |
| 主な重点 | 希少元素への依存低減 |
| 中核拠点 | NIMSのESICMM（磁性材料） |
2.5.2 ESICMM：磁性材料のための元素戦略拠点
NIMSに設置されたESICMMは、希土類フリー永久磁石の開発において世界最大規模の研究の取り組みです。
研究アプローチ：
- 磁気特性の第一原理計算
- ハイスループット実験スクリーニング
- 機械学習に導かれた組成最適化
- プロセス-構造-特性の関係モデリング
ターゲット応用先：
- 電気自動車のモーター
- 風力タービンの発電機
- 産業用モーターとアクチュエータ
2.5.3 成果と影響
- 新規Fe系磁性化合物の発見
- NdFeB磁石におけるNd含有量の20%削減
- Smフリーの高保磁力材料の開発
- 複数の産業パートナーへの技術移転
2.6 NIMS-大阪大学 MIラボ
2021年10月に設立されたNIMS-大阪大学 マテリアルズ・インフォマティクス連携研究室は、MIの大学院教育における新しいモデルを体現しています。
2.6.1 プログラム構造
| 項目 | 詳細 |
|---|---|
| 設立 | 2021年10月 |
| パートナー | NIMS＋大阪大学大学院 |
| 重点 | マテリアルズ・インフォマティクスの大学院教育 |
| 提供学位 | 修士課程・博士課程 |
| 所在地 | NIMSつくばキャンパス |
2.6.2 カリキュラムの特徴
本プログラムは、以下の分野で包括的な訓練を提供します。
- 基礎科目：材料科学、統計学、プログラミング
- MIコア科目：機械学習、データサイエンス、計算材料科学
- 実践訓練：NIMSのデータベースと計算リソースへのアクセス
- 産業界との接点：パートナー企業でのインターンシップ
2.6.3 研究の機会
学生は、NIMSの研究者と大阪大学の教員による共同指導のもとで研究を行い、以下にアクセスできます。
- NIMSの世界水準の実験施設
- 高性能計算リソース
- 産業連携の機会
- 国際的な研究ネットワーク
2.7 日本のMI発展の年表
timeline
title 日本のMIイニシアティブ年表
2011 : MGI発表（米国）
: 日本がMIの計画を開始
2012 : 元素戦略イニシアティブ開始
: NIMSにESICMM設立
2015 : MI2Iプログラム開始
: CMI2センター設立
2018 : SIP第2期マテリアルズインテグレーション開始
: 産業界の参加が拡大
2020 : MI2Iプログラム終了
: レガシープラットフォームを確立
2021 : NIMS-大阪大学 MIラボ開設
: 大学院教育に注力
2022 : CoSMICコンソーシアム発足
: 25社以上が参加
2.8 日本のMIプログラムの比較
| プログラム | 重点 | 実施期間 | 資金 | 主要成果 |
|---|---|---|---|---|
| MI2I | 基盤研究 | 2015〜2020年 | 総額約36億円 | 記述子ライブラリ |
| JST CREST | チーム研究 | 1プロジェクト5.5年 | 1チーム1.5億〜5億円 | 論文、手法 |
| JSTさきがけ | 個人研究 | 3〜3.5年 | 1プロジェクト3,000万〜5,000万円 | 新規研究者 |
| SIPマテリアルズ | 産業統合 | 2018年度〜継続中 | 年間約25億円 | CoSMICコンソーシアム |
| 元素戦略 | 希少元素の低減 | 2012年度〜継続中 | 可変 | 新規磁性材料 |
| NIMS-大阪ラボ | 教育 | 2021年〜継続中 | 機関資金 | MI修了者 |
2.9 日本のMIエコシステム：組織構造
graph TB
subgraph Government[政府]
A[内閣府
CSTI] B[文部科学省] C[経済産業省] end subgraph Funding_Agencies[資金提供機関] D[JST] E[NEDO] F[JSPS] end subgraph Research_Institutes[研究機関] G[NIMS] H[理化学研究所] I[産業技術総合研究所] end subgraph Universities[大学] J[東北大学] K[大阪大学] L[東京大学] M[京都大学] end subgraph Industry[産業界] N[CoSMIC
25社以上] end A --> D B --> D B --> F C --> E D --> G D --> J D --> K G --> N J --> N K --> N style A fill:#667eea,color:#fff style D fill:#764ba2,color:#fff style G fill:#4caf50,color:#fff style N fill:#ff9800,color:#fff
CSTI] B[文部科学省] C[経済産業省] end subgraph Funding_Agencies[資金提供機関] D[JST] E[NEDO] F[JSPS] end subgraph Research_Institutes[研究機関] G[NIMS] H[理化学研究所] I[産業技術総合研究所] end subgraph Universities[大学] J[東北大学] K[大阪大学] L[東京大学] M[京都大学] end subgraph Industry[産業界] N[CoSMIC
25社以上] end A --> D B --> D B --> F C --> E D --> G D --> J D --> K G --> N J --> N K --> N style A fill:#667eea,color:#fff style D fill:#764ba2,color:#fff style G fill:#4caf50,color:#fff style N fill:#ff9800,color:#fff
2.10 章のまとめ
日本は、協調的な政府の取り組み、学術研究プログラム、産業連携を通じて、世界で最も包括的なマテリアルズ・インフォマティクスのエコシステムの一つを確立してきました。
重要なポイント
- MI2I（2015〜2020年）：世界最大級の記述子ライブラリを含む基盤インフラを確立。そのレガシーはNIMSのデータベースとプラットフォームを通じて継続している
- JST CREST/さきがけ：チーム型と個人型の双方のMI研究に持続的な資金を提供し、イノベーションを促進するとともに将来のリーダーを育成する
- SIPマテリアルズインテグレーション：CoSMICコンソーシアムを通じて学術界と産業界を橋渡しし、2022年5月以降25社以上の主要企業が参加
- 元素戦略イニシアティブ：MI駆動の希土類フリー材料開発を通じて戦略的な資源の課題に対処
- 教育イノベーション：NIMS-大阪大学 MIラボ（2021年）は大学院MI教育の新しいモデルを体現
日本のMIの強み
- 協調：政府・学術界・産業界の強固な連携
- インフラ：世界水準のデータベースと計算リソース
- 産業界の関与：主要企業の深い参画
- 長期的ビジョン：数十年にわたる持続的な投資
- 教育：MI人材育成のための専用プログラム
演習問題
演習1：プログラム比較 易
問題： MI2IとSIPマテリアルズインテグレーションを、主な目的、対象者、主要成果の観点で比較してください。これら2つのプログラムの相補的な側面は何でしょうか。
演習2：キャリア計画 中
問題： あなたは日本でMI研究に取り組みたいと考えるキャリア初期の研究者です。本章で説明したさまざまな資金プログラムを活用した5年間のキャリア開発計画を設計してください。さきがけとCRESTの両方の経路を考慮すること。
演習3：国際比較 難
問題： 日本のMIエコシステムを、米国のマテリアルズ・ゲノム・イニシアティブ（MGI）およびEUのNOMADプロジェクトと比較してください。日本のアプローチにおける独自の強み3点と、改善が見込まれる領域3点を特定してください。
参考文献
- Tanaka, I., Rajan, K., Wolverton, C. (2018). Data-centric science for materials innovation. MRS Bulletin, 43(9), 659-663.
- Seko, A., et al. (2017). Representation of compounds for machine-learning prediction of physical properties. Physical Review B, 95(14), 144110.
- Materials Research by Information Integration Initiative (MI2I). Final Report, JST, 2020.
- Council for Science, Technology and Innovation. SIP Materials Integration Progress Report, Cabinet Office, 2022.
- National Institute for Materials Science (NIMS). MatNavi Platform Documentation, 2023.
- CoSMIC Consortium. Establishment Announcement and Charter, May 2022.
- Japan Science and Technology Agency. CREST/PRESTO Program Guidelines, 2024.