ヤノデータバンク（YDB） > レポート一覧・検索 > 2026年版 AI・データ駆動型材料開発（MI）の市場と技術動向
2026年版 AI・データ駆動型材料開発（MI）の市場と技術動向
世界AI・データ駆動型材料開発（MI）の市場の開発動向、将来予測を網羅した市場調査資料です。 2030年における世界のAI・データ駆動型材料開発全体の市場規模は7兆2千億円から2050年には74兆5千億円規模まで拡大すると予測しています。 材料科学が静かに、しかし根本から変わり始めている。新素材の開発はかつて、研究者の経験と膨大な試行錯誤に委ねられてきました。有望な候補を一つ見つけるだけで数年、実用化まで数十年を要することも珍しくありません。しかし今、AIと機械学習の導入が、その時間軸を劇的に圧縮しつつあります。触媒・二次電池・半導体といった分野では、AIによる材料スクリーニングがすでに実用段階に入っており、開発サイクルは場合によっては数カ月単位へと短縮されています。 この潮流を体系的に読み解くことを目的とし、機械学習による探索加速から自律的な研究開発プロセス、エネルギー材料への応用、量子AIによる未知物性の解明、説明可能AIの課題、そして知的マテリアルが切り拓く未来像まで、順を追って分析しています。
| 発刊日 | 2026年07月27日 | 体裁 | 192頁 |
|---|---|---|---|
| 資料コード | C68106900 | PDFサイズ | 18.7MB |
| カテゴリ | マテリアル / 情報通信 / 海外情報掲載 | ||
| 調査資料価格 | 220,000円（税込）～ 価格表を開く | ||
| 書 籍 | 定価 220,000円 （ 本体 200,000円 消費税 20,000円 ） |
|---|---|
| PDFレギュラー | 定価 220,000円 （ 本体 200,000円 消費税 20,000円 ） |
|
セット (書籍とPDFレギュラー) |
定価 253,000円 （ 本体 230,000円 消費税 23,000円 ） |
|
PDFコーポレート (法人内共同利用版) |
定価 440,000円 （ 本体 400,000円 消費税 40,000円 ） |
|
セット (書籍とPDFコーポレート) |
定価 473,000円 （ 本体 430,000円 消費税 43,000円 ） |
|
PDFグローバルコーポレート (法人内共同利用版) |
定価 660,000円 （ 本体 600,000円 消費税 60,000円 ） |
※セット価格は、同一購入者の方が書籍とPDFの両方を同時にご購入いただく場合の特別価格です。
調査資料をご購入される際は、YDB会員（または無料で登録可能なYRI Webメンバー)ログインをお願い致します。
※書籍のみのご購入はFAXまたはメールにてご注文いただけます。
| 資料閲覧開始 | 閲覧室： 2026/09/27～ |
コピーサービス 開始日と料金 (片面1頁/税込) |
閲覧室： 2026/09/27～ 990円 |
|---|---|---|---|
|
YDB eLibrary 閲覧不可資料です。 |
電話・ウェブサイト： 2026/09/27～ 1,650円 2026/10/27～ 990円 |
- この資料は 2026年09月27日 より閲覧・コピーサービスがご利用できます。（YDB会員対象）
リサーチ内容
第1章 総論
AIやデータ駆動型手法の導入で材料科学に「知性」の概念が浸透
これは新たな設計論の萌芽ともいえる
1．材料科学を変えるAIの現在地
AIはもはや研究者の補助役を超え、
新たな設計指針そのものを提示する存在に
2．AI・データ駆動型材料開発の全体の市場規模と動向
今後、AIと材料科学の融合はさらに加速し、
2030年、世界AI・データ駆動型材料開発の市場規模は7兆2千億円へ
【図・表．AI・データ駆動型材料開発全体の国内およびWW市場規模予測
（金額：2030-2050年予測）】
【図・表．AI・データ駆動型材料開発全体の分野別 国内市場規模予測
（金額：2030-2050年予測）】
【図・表．AI・データ駆動型材料開発全体の分野別 WW市場規模予測
（金額：2030-2050年予測）】
3．材料の未来像
情報科学・構造工学・認知科学の融合で「知性を持つ物質」の構想が進行中
材料市場は、データとAIの慧眼を通じて、
体系的かつ精緻にデザインされる「知識駆動型」の世界へと昇華中
第2章 材料開発におけるAIの活用状況
1．機械学習によるナノ材料探索の高度化
ナノ粒子や二次元物質などの材料設計・製造において、
設計・探索のスピードを格段に高めている機械学習活用の最前線
1-1．膨大な候補空間に挑む材料探索の壁
機械学習のデータ駆動型手法は、探索空間の壁を突破し、
未知の材料を効率的に発見する新しいアプローチを提供
1-2．機械学習が切り拓く新しい探索手法
1-3．加速する発見サイクルと研究現場の変化
1-4．機械学習によるナノ材料探索の市場規模と動向
2050年、機械学習によるナノ材料探索の世界市場規模は7兆5千億円規模へ
現状では、ナノスケールの現象を正確に反映するデータの不足が深刻
【図・表．機械学習によるナノ材料探索の国内およびWW市場規模予測
（金額：2030-2050年予測）】
図・表．国内 機械学習によるナノ材料探索の分野別 市場規模予測
（金額：2030-2050年予測）】
【図・表．WW 機械学習によるナノ材料探索の分野別 市場規模予測
（金額：2030-2050年予測）】
2．自律進化する知的マテリアル技術
自己修復や環境適応を可能にする「知的マテリアル」の研究が進展、
潮流とAI設計との融合から自律進化する物質像を描く
2-1．環境と対話する材料の時代
近年、環境との相互作用を通じて自律的に特性を変化させる
「知的マテリアル」への関心が急速に高まる
2-2．知的マテリアルが描く未来の応用領域
2-3．自律進化する知的マテリアル技術の市場規模と動向
2030年、世界の知的マテリア技術の市場規模は3兆円超
将来的に、マテリアルは「静的な物質」から「自律的に振る舞う存在」へと進化
【図・表．自律進化する知的マテリアル技術の国内およびWW市場規模予測
（金額：2030-2050年予測）】
【図・表．国内 自律進化する知的マテリアル技術の分野別 市場規模予測
（金額：2030-2050年予測）】
【図・表．WW 自律進化する知的マテリアル技術の分野別 市場規模予測
（金額：2030-2050年予測）】
3．エネルギー材料分野へのAI応用
脱炭素社会を支える触媒や電池材料の設計に、
AIによる原子・分子レベルの界面予測や構造制御が活用
3-1．エネルギー課題と材料開発の限界
3-2．AIが挑む高効率エネルギー材料設計
AIは、単に候補材料を効率良く選別する補助ツールにとどまらず、
材料探索そのもののアプローチを根底から変える
3-2-1．触媒分野
3-2-2．電池分野
3-2-3．水素エネルギー分野
3-2-4．太陽電池・光電変換材料
3-2-5．熱電材料・蓄熱材料
3-2-6．CO₂捕集・利用・貯留
3-2-7．腐食・耐久設計
3-3．社会実装に向けたブレークスルーの萌芽
3-4．エネルギー材料分野へのAI応用の市場規模と動向
【図・表．エネルギー材料分野へのAI応用の国内およびWW市場規模予測
（金額：2030-2050年予測）
【図・表．国内 エネルギー材料分野へのAI応用の分野別 市場規模予測
（金額：2030-2050年予測）
【図・表．WW エネルギー材料分野へのAI応用の分野別 市場規模予測
（金額：2030-2050年予測）】
AIモデルの解釈性と信頼性や、合成、スケールアップの制約が課題
AIの予測モデルの解釈性向上により、研究者は設計プロセスの根拠を理解
4．量子AIによる未知物性へのアプローチ状況
古典計算の限界という壁を打ち破る電子構造や相転移の解析が
飛躍的に進展。分子・固体の新材料設計にも応用が拡大
4-1．量子とAIの交差点に広がる新しい地平
4-2．量子AIによる物性理解の深化
従来は見過ごされていた新奇量子相や臨界現象のメカニズムが、
かつてない解像度で解明される
4-2-1．電子構造の高精度解析：相関の壁を越える
4-2-2．相転移現象の理解：見えないゆらぎの可視化
4-2-3．シミュレーションと実験の橋渡し：現実とのギャップを埋める
4-3．基礎研究から産業応用へのインパクト
4-3-1．新材料設計：エジソン的アプローチからの脱却
4-3-2．製薬・化学産業：動的プロセスの完全掌握
4-3-3．情報通信・量子デバイス：量子で量子を創る時代へ
4-3-4．量子AIによる予測型材料科学の完成
4-4．量子AIと物性研究に関する市場規模と動向
量子ビット数の限界や誤差率の問題により、
大規模かつ高精度な物性シミュレーションは現状の技術では困難
【図・表．量子AIと物性研究に関する国内およびWW市場規模予測
（金額：2030-2050年予測）】
【図・表．国内 量子AIと物性研究に関する 分野別市場規模予測
（金額：2030-2050年予測）】
【図・表．WW 量子AIと物性研究に関する 分野別市場規模予測
（金額：2030-2050年予測）】
5．材料設計におけるAIの導入状況
ブラックボックスとされてきたAIに「説明可能性」が導入されることで、
材料設計の信頼性を高めつつ、新たな発見に結びつくか
5-1．AIのブラックボックス問題と材料科学のリスク
透明性と解釈性を備えた「説明可能AI」の導入が
世界の研究最前線で最重要テーマの一つに
5-2．「説明可能」なAIがもたらす信頼性の確立
5-3．透明性と創造性を両立する次世代設計
5-4．AI材料設計と説明可能性に関する市場規模と動向
XAIにより、若手研究者や異分野の研究者が高度な材料設計プロセスを理解しやすくなる
【図・表．AI材料設計と説明可能性の国内およびWW市場規模予測
（金額：2030-2050年予測）】
【図・表．国内AI材料設計と説明可能性に関する 分野別市場規模予測
（金額：2030-2050年予測）】
【図・表．WW AI材料設計と説明可能性に関する 分野別市場規模予測
（金額：2030-2050年予測）】
第3章 主要企業の開発動向
株式会社Quemix（キューミックス）
「確率的虚時間発展法（PITE®）」を開発・特許取得し、
日本におけるFTQCアルゴリズム研究をリード
(1)NISQからFTQCへ
(2)HPC-QCハイブリッド計算
(3)適用事例
【図．古典-量子ハイブリッドコンピュータを用いた量子化学計算の概念図】
【図．今回の成果が応用できそうなCAE計算の例】
【図．量子コンピュータによるGT技術を用いた画像処理問題への適用シミュレーション】
(4)量子コンピュータ国際会議「Q2B 2026 Tokyo」開催決定
学校法人慶應義塾大学（量子コンピューター）
量子計算技術と既存のスーパーコンピュータなどの高性能計算基盤を融合させ、
エネルギー消費を抑えつつ高い計算性能を実現する持続可能なAIの創出
(1)量子コンピューティング技術の性能を引き出すアルゴリズム開発
(2)量子コンピューティング技術と機械学習の融合によるブラックボックス最適化
【図．FMQAによるメタマテリアルの設計事例】
学校法人第一薬科大学
物質の性質や反応性を根源的に決定づける「電子状態」そのものに着目し、
情報科学の手法を融合させることで、物質探索と設計にまったく新しい道筋を示す
(1)「電子状態インフォマティクス」とは何か
(2)従来アプローチの限界を超えて
(3)創薬・材料探索への応用
【図．電子状態計算による材料機能解析(左)から電子状態インフォマティクスによる材料探索(右)へ】
(4)人間とAIが対話する未来の物質開発
(5)研究の展望
NTT株式会社
半導体物性の知識をBOに統合した新手法「PI-BO（Physics-Informed BO）」を開発
(1)背景と課題：光通信を支える見えない材料開発に迫る壁
(2)従来のアプローチ 物理制約を持たないベイズ最適化の限界
(3)NTTの革新：物理知識を組み込んだベイズ最適化（PI-BO）
【図．化合物半導体薄膜の成膜条件を自動提案するためのフロー】
(4)実証結果と効果：わずか6点のデータから1回で正解を導き出す
【図．従来BO(a)とPI-BO(b)の予測比較】
(5)展望と社会的意義：試行錯誤の時代から材料開発DXの未来像へ
(6)まとめ：物理を理解するAIが切り拓く新しい材料探索のスタンダード
国立大学法人東京大学（ナノ物質設計）
データ科学を積極的に導入し、
物質探索や機能予測を加速する研究基盤の構築を進める
(1)第4のパラダイムとしてのマテリアルズ・インフォマティクス
【図．予測モデルを構築しデータから目的物性・物質・構造に辿り着く
一般的な順問題に関するMI手法の概念】
(2)機械学習と第一原理計算を融合した新手法[1]
(3)データ駆動型層間化合物探索[2]
【図．層間化合物と電池材料への応用】
【図．データ駆動型モデルで層間化合物を探索した結果得られたHSAB則による線形回帰モデル】
(4)生成AIを活用した「逆設計」への展開[3, 4]
【図．LLMを活用した解釈可能なエージェント型AI：MatAgentの概念図】
(5)今後の展望
学校法人東京理科大学（電子物性材料）
材料工学と情報科学（AI）をデザイン思考で統合し、人類未踏の材料創成に挑む
(1)研究コンセプト:拡張型自由エネルギーによる構造-メカニズム-機能の接続 [1]
【図．拡張型自由エネルギーによる構造-メカニズム-機能の接続】
(2)応用事例
【図．拡張型自由エネルギーモデルの設計：情報空間上で描画した
エネルギー地形(左)と磁化曲線(右)の比較】
【図．拡張型自由エネルギー地形(左)とエネルギー損失因子(右)の可視化】
【図．全エネルギーを構造特徴量PC1で微分したエネルギー勾配の解析結果】
(3)まとめ～計測インフォマティクスの将来像～
国立大学法人東北大学
AIを用いた機械学習を駆使して、
実験データと理論計算データを統合した新しい「材料マップ」を構築
(1)開発現場のジレンマを解消する「データ融合」
(2) AIが描く特性と構造を同時に可視化した「材料マップ」
【図．材料構造のグラフ表現と深層学習を組み合わせて材料マップを作成するプロセス】
【図．得られた材料マップと対応する材料の構造】
(3)生成AIと連携し材料開発の「設計」から「製造」までを加速する
国立研究開発法人物質・材料研究機構（NIMS）（材料設計）
マテリアルズ・インフォマティクス（MI）を駆使して、材料開発の自律化を目指す
(1)組み合わせ爆発をAIが突破する
【図．一般的な材料探索サイクル(左)と自律材料探索AI(右)の比較】
(2)超高次化合金の発見と合成
(3)AIを「研究者のコンパス」として活用
国立大学法人大阪大学（化学物質）
走査プローブ顕微鏡を駆使して単一分子レベルでの分子認識反応や電子移動反応を研究
(1)分子ネットワークによる新たな情報処理システム
(2)導電性高分子における神経型機能の発現
(3)実証例：一滴の分子で音声認識を実現
【図．導電性高分子ネットワークを用いた音声認識システムの概念図】
(4)国際連携と「マテリアル知能」研究の展開
国立大学法人九州工業大学
「環境調和」をコンセプトとして、二酸化炭素や廃棄硫黄の利用、
植物由来原料など入手容易で豊富な資源を原料とする高分子材料の開発
(1)ポリジチオウレタン（PDTU）
(2) PDTUの特長
【図．PDTUが自己修復する模式図】
【図．PDTUのリサイクルプロセスの模式図】
(3)応用の広がり：保護フィルムから光学接着剤まで
【図．PDTUの光学接着剤としての展開】
(4)まとめ&展望：持続可能な社会を支える材料へ
国立大学法人東京科学大学
医療に貢献できる高分子材料を創製するとともに、
機能性バイオマテリアルの設計指針の構築を目指す
(1)なぜデンドリマーに注目するのか
【図．デンドリマーの典型的な構造】
(2)デンドリマーによるDDS
【図．DDSのための薬物運搬体の大きさ比較】
(3)デンドリマーによるリンパ節・T細胞内へのデリバリー
【図. カルボキシ末端Phe修飾デンドリマーのリンパ節・T細胞への移行挙動】
(4)ポリエチレングリコール（PEG）の免疫応答の克服と水和状態・生体適合性との相関
【図．九州大学 田中賢教授の「中間水理論」をDDSの材料設計に活かす】
国立大学法人東京大学（生産技術）
高分子科学を通じた持続可能な循環型社会の実現を、材料科学の側面から強力に推進
(1)動的結合で実現する自己修復：設計思想と制御パラメータ
【図．動的結合を利用した高分子材料の機能化】
(2)自己修復発現の具体的方法
【図．ポリエステル材料の加熱修復後の応力-ひずみ曲線】
【図．バイオベース修復材料の模式図】
【図．ビシナルジオール含有ポリブタジエン】
(3)応用展開と産業界へのインパクト
(4)まとめ：循環型社会を支える材料プラットフォームへ
国立研究開発法人物質・材料研究機構（NIMS）（ニューロモルフィッくデバイス）
「たった数個の有機分子」で構成される世界最小クラスのデバイスによる血糖値予測
計算負荷を100分の1に低減するAIデバイス研究
(1)研究Ⅰ：思考する分子～わずか数個の有機分子で実現するAI＞
【図．少数の有機分子の分子振動を用いた物理リザバーコンピューティングの概念図】
(2)研究Ⅱ：イオンゲルとグラフェンの超広帯域AIデバイス
【図．イオン型物理リザバー(左)、
および典型的ベンチマーク試験で達成した計算負荷の低減（右）】
(3)2つの研究の統合的意義と応用展望
(4)結論
学校法人東京理科大学（応用化学）
実用化されているLIBやキャパシタの高性能化、
さらにSIBやカリウムイオン二次電池など次世代電池の実用化を目指す
(1)機械学習を用いたナトリウムイオン二次電池の性能予測
【図1．機械学習に用いたO3型遷移金属層状酸化物のデータセット】
【図2．機械学習モデルが予測した最適放電容量、平均放電電圧、容量維持率】
【図3．合成した電池材料の測定結果】
(2)負極材料：ハードカーボン
国立研究開発法人物質・材料研究機構（NIMS）（磁性・スピントロ二クス材料）
従来比30倍の高速実験で新しい磁気センサ材料を発見
～AI解析と高速実験を統合した超効率的材料探索手法を構築～
(1)磁気センサ応用が期待される現象「異常ホール効果」
(2)高速実験 × AI解析が生む常識破りの探索速度
【図． 磁性薄膜試料の異常ホール効果に関する従来の評価プロセス(上)と
今回開発したハイスループット評価プロセス(下)】
(3) 2元 → 3元 → 多元材料へ、AIが探索空間を大幅に拡張
【図．Fe₈₀IrzPt₂₀–z合金発見に至るAI予測プロセス】
(4)まとめ：材料探索が計画的に進む時代へ
【図．コンビナトリアル成膜とハイスループット異常ホール効果計測、
およびNIMO実装による自律材料探索システムの模式図】
国立大学法人宮崎大学
「Solar-to-Fuel」変換プロセスの高効率化を目指し、半導体光電極材料の開発、
その界面の精密制御、そして光電気化学デバイスの構築に幅広く取り組む
(1)タンデム型光電気化学セルの高性能化
【図．タンデム型光電気化学セルの概念図】
【図．ナノロッド状Ta3N5の構造(左)とタンデム型セルの概略図(右)】
(2)金属酸化物薄膜の導入による水分解セルの長寿命化
【図．NiFeOx薄膜コーティングによる助触媒機能の発現を示した模式図】
(3)ナノサイズ助触媒による選択的水素生成の促進
【図．CrOx/RhNP助触媒電極におけるCrOx層の役割を示したモデル】
(4)今後の展望
学校法人立命館大学
カーボンニュートラル社会や宇宙探査への貢献を目的に
高機能エネルギー変換デバイスの創出を目指す
(1)研究背景と目的
(2)材料機能発現とマテリアルDX
【図．原子スケール電極設計。Ni/YSZ電極デル(左)、Ni/GDC電極モデル(右)】
(3) Ni酸化耐性を有する電極開発
【図．X線回折結果。電解モードにおいてNiOのピークの抑制を確認】
(4)エネルギーダイアグラムに基づく酸化抑制機構の解明
【図．第一原理計算を用いたエネルギーダイアグラム評価】
(5) CO₂電気分解における炭素析出の課題
(6)まとめ
OptQC（オプトキューシー）株式会社
「空間」ではなく「時間」をリソースとして利用
光ファイバーという「通信路」に、計算単位となる光パルス（波束）を並べて次々と流していく
(1)コンピューティングの限界と「光」という解
【図．Global data centre electricity consumption by sensitivity case, 2020-2035】
(2)「光」が実現する計算革命
【図．時間領域多重の概念図】
(3)ロードマップとエコシステム
【図．OptQCの開発ロードマップ】
(4)AI開発の未来と光量子
(5)結び：持続可能な未来へ
株式会社Quanmatic（クオンマティック）
量子計算技術をAIに応用する技術分野「量子AI」を駆使し、
最適解を提供することを目指す
(1)量子計算の現在地
(2) AI予測と量子アニーリングマシン最適化探索の統合
(3)量子計算の実装事例
【図．素材探索において、機械学習（ベイズ最適化）のみで得られた結果(左)と、
その後、量子計算技術（FMQA）を用いた結果(右)の比較】
(4)大学連携によって進む基盤技術研究：LHS-FMQAという新たな手法
(5)量子AIが変える産業の未来
学校法人慶應義塾大学（サステナブル量子）
量子機械学習の研究など、量子技術分野における
社会課題解決を目指した研究に積極的に取り組む
(1)産業を変革する量子技術の幕開け
(2)「良品」の記憶で異常を察知：少量データで稼働する高精度検査
【図．LEDライトを照射して画像データを取得するプロセス】
(3)「耳」を澄ませば工場全体の健康状態がわかる：非接触・遠距離での異常同時検知
【図．量子カーネル(左)と従来のRBFカーネル(右)の距離別性能比較】
【図．チャンネル3における二次元特徴空間での異常パターン分類】
(4)未来への展望：スマートファクトリー実現へのロードマップ
(5)まとめ：量子技術がもたらすものづくりの進化
国立大学法人電気通信大学
先端AI技術を基盤に、「不確実性に満ちた実世界で、
自律的に考え、学び、行動できる知能」の構築を目指す
(1)量子回路学習の表現力を理論的に解明：世界初のVC次元の確立と
「量子は過学習しにくい」という性質の発見
(2)量子強化学習の基盤構築：探索の本質に量子を導入するという新しい視点
(3)ランダムテンソルネットワークを用いた量子インスパイアード・リザバーコンピューティング：
学習可能性が相転移するという発見
(4)透明型太陽電池のAI逆設計：TD-DFT×機械学習×強化学習で材料探索を加速
【図．予測モデルの構築】
【図．深層強化学習と予測モデルを用いた光物性逆設計
株式会社日立製作所
磁性体の性質を記述する「イジングモデル」を用いて、
組み合わせ最適化問題を高速に解くことに特化
(1)はじめに：材料開発とAIの現在地
(2)従来の決定木が抱える根本的課題
【図．従来の決定木(左) vs QUBO決定木(右)の比較】
(3)突破口となった量子インスパイアード技術「CMOSアニーリング」
(4) QUBO決定木：複雑な現実をそのまま学習するAI
図．CMOSアニーリングによる探索プロセスの概念図】
(5)材料開発における具体的な価値：組み合わせ記述子の発見
【図．分子記述子から組み合わせ記述子を生成する流れ図】
(6)実証された効果と産業界へのインパクト
【図．予測精度向上の実証結果】
(7)おわりに：解釈可能なAIがひらく協創の未来
国立研究開発法人物質・材料研究機構（NIMS）(材料設計)
従来の経験と直感に頼る手法から脱却し、
AI技術を駆使することで、新材料の探索と開発を劇的に加速させる
(1)お酒のニオイからアルコール度数の推定に成功：機械学習が「香りの定量化」を実現
【図．様々な種類のアルコールの応答パターン】
(2)呼気から肺がんを識別するAI嗅覚センサ：非侵襲・高精度の新しい診断技術へ
【図．呼気サンプルのデータ学習・識別モデルと検証結果】
(3) AIがニオイを「理解」する時代へ：識別プロセスの可視化が示す次の一歩
【図．XAIによるニオイ分子データ解析の流れ】
学校法人立教大学
「WIK」は、AIの説明可能性に対するパラダイムシフトを提案する
(1)研究の背景と課題：ブラックボックス化するAIと「説明可能性」への要請
(2)研究の核心：発想の転換「学習経験」に基づく説明
(3)実証実験：衛星画像分類タスクでの有効性確認
【図．実証実験結果の概念図】
(4)研究の意義と今後の展開
(5)まとめ
国立大学法人大阪大学（ソフトナノマテリアル）
分子設計により光・電気・界面を自在に制御するという家教授の研究理念を具現化し、
次世代ソフトマテリアル技術の創出に繋がっていく
(1)耐宇宙環境表面改質材料
【図．耐宇宙環境保護用フィルムPOSS材料】
(2) PFASを使わない撥水・撥油材料
【図．非フッ素系の撥水・撥油材料】
(3)分子ワイヤ材料
【図．一定間隔でねじれを導入した数ナノメートルスケールの完全被覆型分子導線】
(4)有機半導体
【図．小さな励起子束縛エネルギーの有機半導体材料】
【図．農業用ハウスに向けた有機太陽電池】
【図．近赤外波長選択的な有機半導体材料(左)と吸収特性(右)】
(5)まとめ
国立大学法人奈良先端科学大学院大学（NAIST）
データをただ集める時代から、データを知に変換し価値を創出する時代へ移行する
(1)研究手法の変革を促す「リサーチトランスフォーメーション（RX）」
【図．RXサイクルの模式図】
(2)データ駆動型研究の中核をなす「計測インフォマティクス」
(3)マルチモーダル解析による「計測限界」の突破
【図．非剛体レジストレーションを用いた
3DAP-STEMトモグラフィーマルチモーダル解析の概念図】
(4)電子ラボノートとの連携による「知のバリューチェーン」
【図．深層学習による画像解析と電子ラボノート連携自動化の概念図】
(5)データを「蓄積する」から「知に変える」へ
国立大学法人北海道大学
無機ナノ材料を基盤とした高機能フレキシブルデバイスの開発と、
その先の集積デバイスシステムや新規応用の創出を目指す
(1)多様な情報を皮膚から取得可能なマルチモーダルセンサシステム
(2)機械学習を導入したRCによる瞬時解析脳システム
【図． (a)エッジAIシステムのフロー。(b)フレキシブルセンサパッチ。
(c)データ計測から解析までの概略図。(d)データ解析概略図】
【図． (a)RC搭載電子ブラシ。(b)データ解析アルゴリズムイメージ。
(c)一筆書き用電子ブラシデバイス。
(d)電子ブラシの圧力センサの抵抗変化結果とその2次元分布】
【図． (a)水と20wt%IPAをセンサに滴下した際の挙動。
(b)各液体滴下時のセンサ（Ch1からCh3）の抵抗の時系列変化。
(c)表面張力と粘度の予測結果。未学習データの液体を滴下した場合の
表面張力と粘度の予測結果。(d)ESN有無における正規化平均二乗誤差の比較】
(3)今後の展望
国立大学法人山形大学
これまでにない機能と構造を融合する新しい材料設計に基づく
世界初の「スマートマテリアル」の創成に挑戦
(1)従来の制振材料の課題
【図1．従来材料の制振特性】
【図2．従来材料の強度特性と制振特性の関係】
(2)鈴構造材料を用いた新技術の特徴
【図．典型的なマイクロ鈴構造材料】
(3)鈴構造材料の作製方法
【図．鈴構造材料の作製方法の一例】
(4)制振特性とその評価
【図．鈴構造材料の組織(左)および制振特性(右)】
(5)鈴構造材料が制振特性を示すメカニズム
【図．鈴構造材料が振動を吸収するメカニズム】
(6)鈴構造材料の用途
(7)今後の展望～スマートマテリアル研究の深化と社会実装へ～
