バイオ・インフォマティクスによって医薬品の開発期間が大幅に短縮されたように、材料開発でもまさに同じような流れが起きつつあります。マテリアル・インフォマティクス（MI）と呼ばれる開発手法です。

材料には、実験→シミュレーション→AI（機械学習／MI）という3つの研究スタイルがあります。そのうちMIについて取材をしていくと、折に触れて耳にしたのが、トヨタの全固体電池の材料（固体電解質）について、同じような新材料をMITとサムスンが実験をすることなくコンピュータシミュレーションだけで発見した、という事例。

果たしてどんな魔法を使ったのか。そして、MIで世界の先をゆくMITは今、何をしようとしているのか。これまでこの世界の外では全く理解が追いつかなかったその内容について、徹底的に噛み砕き、スライド図解でお届けします。その内容が分かればこそ、過度に悲観することなく、正しい危機感が得られるはずです。

ちょっとそれますが、これが上手に出来るのは、欧米一流大学でPhDをとって、これらの会社に就職した多くの人材の層の厚さによるところが大きいと思っています　中国もおなじですねぇ

「韓国サムスンやLGが世界中の「頭脳」にアンテナを張り、先んじて投資をしている他の事例はこちら。」

追記
あ、普通のコトバ使いでは、MIとAI、特に記事最後の方にあるネットを介した学習用データの公開収集とは別ですねぇ　例えば、同様のデータ公開収集は、ロボットのgraspデータでもやられてます↓　AI絡みでこういうの近年流行りですが、protein databankなどは随分前からありますねぇ

https://newspicks.com/news/2352172

あ、あと課題03は、データのみのアプローチでは（ほぼ）そのとおりですが、正にこれを補うために各種のシミュレーションモデルが研究されているのですねぇ　なので今後もずっと大きな課題かどうかは疑問ですねぇ

また、レシピの発見とその量産は全く別のハナシですねぇ

ご参考
https://newspicks.com/news/3680757

面白かったです。以下の部分がよく表していますが、AIがやれる事は既存のものへの似た素材を使ったキャッチアップ。だからこそ特許がものすごく大事になってくると言う事でもありますね。


トヨタが胸をなでおろしたのは、トヨタのはるか先をいく全固体電池の材料を、MITとサムスンが今すぐに作れるかというと、それはまた違う話だ、と理解したからに違いない。

こんなことがあったとは…そして興味深い。課題01が、先日の下記の相田先生の記事と併せて読むと考えさせられる。
そこでもコメントしたが白川博士の導電性プラスチックなど、専門家でさえも思いもしないところから発見が出てくる。一方、DLが人間の考え方に似ている部分はあっても、完全に同じわけではない。人間はよりバイアスが強い＝大局観と思っている（だから効率的ともいえる）が、例えば将棋や囲碁などでは人間の定石とは違う手がコンピュータが考えて、後でそれが強かったことなどが分かることもある。
物性のどこまでをシミュレーションできる・できないかは分からないが、物質の挙動は人間の感情を伴う領域ではないので、機械が人間を抜きやすい領域ではあるかもしれない。
https://newspicks.com/news/3676483

研究開発の世界にもITによって恐ろしいほどの革新が起きている。終身雇用で井の中の蛙的な環境では負けることは分かっているのだから、大胆にそれを変える必要がある。そもそも研究者の評価体系と報酬（インセンティブ）を根本から変えなければ未来はない。

「【新】自動車、5G、医療まで。僕らの進化は「素材」が決める」
https://newspicks.com/news/3676475?ref=user_2112738
で，10日前に確信を持ってたまたまコメントしたところでした．
すでに，電池分野（例えば，全個体電池）の研究に日本の優位性はないと見たほうが良い．

材料関連は日本の科学技術・産業の最後の砦といっても良いほど、競争力を持つ分野。ただ、記事にもあるように、長年の経験とノウハウに頼ってきた部分は否めません。今後、マテリアルズインフォマティクスの発展で素材産業のパワーバランスのちゃぶ台返しはあり得るのかどうか。ただ、救いは課題とされた部分。実験の失敗情報はそもそも論文発表されないので、システムにフィードバックされにくい。とはいえ、個別データが他の使用者に漏れないような工夫を施した上で、こういったシステムをたくさんの研究室にクラウド経由で使ってもらい、失敗情報も含めて実験データをことごとく集めれば、どんどん賢くなっていくのかもしれませんが。

面白い！失敗データも提供させるインセンティブ作りは仕組み次第で色々できそうですね。きっとMITでも色々やってるんだろうな。

筋の良さそうな構造の方向性がある程度把握できていて、計算に必要な鉱物の結晶構造データベースがある程度揃っている、という条件での成果ではありますが、それでも明確な結果が出たのは凄いと思います。

マテリアルズインフォマティクスと一口に言っても、計算できる人以外にも、理論に詳しい人、、実際に候補化合物を合成できる人、などなど、複数の専門家が揃って同じ方向を向いていないと、こうは進みません。短時間で成果が出せるチームを作れた連携の上手さが何より脅威...というか見習わないといけないと感じました。