マテリアルズインフォマティクスの概要
はい、では本日、皆さんご参加いただきまして、ありがとうございます。
academistの安部と申します。
今日ですね、研究者雑談ということで、いま、マテリアルズインフォマティクスが熱いというタイトルで、
山田博文さんにお話をいろいろ伺えればと思っています。
山田さん、ぜひ自己紹介をお願いします。
よろしくお願いします。改めまして、名前、山田博文と申します。
現在、奈良先端科学技術大学院大学の博士の後期課程に在籍しています。
専門は、いまご紹介にいただきますマテリアルズインフォマティクスで、
AI を使った材料設計だったり、プロセス設計を行う分野になります。
これは、研究本部の対象として、どの条件を設定するのかというのを、
AI 情報の開発を行っています。
よろしくお願いします。ありがとうございます。
このマテリアルズインフォマティクスって、いまご説明いただいたんですけど、
まだ今のお話だと、なかなかイメージしづらい方もいらっしゃるんじゃないかなと思うんですけど、
もうちょっと具体的に、一体このマテリアルズインフォマティクスという領域は、
どんなことをやっているのかというのを伺ってもいいですか?
分かりました。まず、このマテリアルズインフォマティクスの説明の前に、
今まで行われてきた従来の材料開発について、最初に述べさせてもらいます。
従来であれば、目標とする物性を実現するための材料の選定だったり、
実験条件の設定っていうのを、研究者、人間がこれまでの経験則だったり、
知識に基づいて判断していたという実情があります。
この方法であれば、デメリットとしては、やっぱり経験則に基づいているので、
そこに依存してしまう知識の俗人化っていうのが存在しているので、
研究者によって材料開発のスピードに偏りが生じるといった懸念点があります。
一方で、Materials Informaticsと呼ばれるAIを使った材料設計だったり、プロセス設計になると、
AIが過去の実験データを基に中身で数理モデルを組み立てて、
定量的な値として、この実験点がいいよだったり、こういう材料がいいよっていうのをアウトプットしてくれるので、
そのAIさえ使えれば、誰でも同じような性能で材料開発を進めることができるといった分野になります。
研究の歴史と現状
なるほど。ありがとうございます。
これまで材料の分野って職人的な要素が多かったっていうようなイメージですかね。
おっしゃるとおりです。
今、Materials Informaticsっていうのは、そういったデータを基にして予測して、最適な材料だったりっていうのを提案してもらうっていうようなことですかね。
このMaterials Informatics、AIを使うメリットのもとは、やっぱり化学反応っていろんな要素が複雑に絡み合っているので、
例えば実験条件一つとっても、反応温度を何度にするかとか、仕込む材料の溶液との濃度をどのくらいにするかとか、
反応時間は何時間にするかとか、いろんな要素が絡み合っているので、やっぱり3次元世界に私たち人間って生きているので、
3つ以上のことを考えるとだんだん頭の中が複雑になって、認知能力の限界が来てしまうので、
その辺をAIが多次元の要素を集約してくれる、まとめてくれるっていう辺で、一つ利点なのかなというふうに思っています。
今お話を伺った限りだと、まさにかなりAIの活用がすごく進みでいきそうな分野だなというふうに思ったんですけど、
いつ頃からこの分野、Materials Informaticsっていう分野ができたのかっていうところとか、
あと今どういうような状況なのかっていうのって伺ってもいいですか?
はい、本当にもともとのスタートは2011年だったかな。
アメリカの方のオバマ政権の時の話にまで遡っていて、
当時、Materials Informaticsを進めていきましょうっていう話から今日までこの研究分野が盛んに行われてきたんですけど、
最近だと大手のGoogleだったり、その辺の大きな企業ですね。
材料ではない情報関連の大きな企業もこの分野に参入してきているといった状況になります。
なんでそのAIが自律的に材料を設計して、さらにそのAIとロボットだったり、
実験機器と接続させてあげることで、人間が介在せずに自律的にループを回していくといった研究も今盛んに行われているという状況です。
そういったデータとか活用っていうのは、いろんなところで共有されているものなんですか?
それとも企業ごととかで持っているような話になってくるんですか?
そうですね、どちらもあると思っていて、データベースという状態でネットに公開されているものもありますし、
それぞれの企業が独自に持つ材料のデータという場合もありますし、自分たちで文献から情報を持ってくるといったことも考えられます。
2011年とかでは早い段階からAIが活用されてきた分野っていうことなんですかね?
はい、そうですね。このマッチャルズインフォマティクスの前はバイオインフォマティクス、そのバイオの分野ではもうちょっと早い段階でAIが活用されていたみたいなんですけど、材料に応じては約10年ぐらいの歴史になります。
山田さん自身がこのマッチャルズインフォマティクスに関心を持った時期とかきっかけとかってどういったところだったんですか?
グリーン要売への転換
そうですね、時期で言いますと大学1年生の秋頃ですね。
実際なぜ興味を持ったのかと言いますと、やっぱり目新しさっていうのが一番大きいですね。
AIを使って科学をするってどういうことなんだろうっていうのが最初の興味のおったんで、そこからいろんな実際にマッチャルズインフォマティクスを研究されている先生にお話を聞きに行ったり、自分で調べたりして、どんどん興味を持っていたという感じですね。
実際それで研究を始めてみてどうですか?
面白いです本当に。
元々実験科学の研究室に所属していたんで、そことの違い。
やっぱり周りにいる人たちも実験科学の方に対して、こういうAIを使った方法あるんだよっていう説明をしたときには、やっぱりあくまで予測値だからあんま信用ならんじゃないのとか、そういうお話も聞いたりするんですけど、
そこに対してはやっぱり、確かにAIって芯ではないんで、確実に正しいとは言い切れないんですが、参考にはなるんですね。
AIを使って新しい材料を見つけるとか、AIだけかじゃなくて、人間も一緒にAIと共に新しい材料を見つけるという方向に進んでいくことができれば、もっと材料の効率化も図れると思いますし、いい共同アイディアになるかなというふうに思ってますね。
確かにこのAIの予測だけでこれだっていう一つに決まるとかそういうことではなくて、その結果を基にして、ある程度絞った状態で実際に実験をするとか、そういうようなイメージですかね。
AIがあると、やっぱりスクリーニングが結構簡単になるので、何千何万というデータに対して人間が一個一個データを見ていくと、何年あっても足りないということですけど、AIであれば数日数時間でできるので、そういった面でも活用されていってほしいなと思いますね。
なるほど。ありがとうございます。
今後、リアルゼインフォマティクスって分野って、3年後とか5年後とかでだいぶ変わってくる状況が変わってくるのかなと思うんですけど、山田さんの理想としては、この先3年後、5年後ってリアルゼインフォマティクス分野がどうなっていってほしい。
そもそもリアルゼインフォマティクスという言葉が大きく頻度が逆に減っていくんじゃないかなというふうに思ってますね。
っていうのも、スタンダードな技術になってくるにつれて、それが当たり前になってくるんで、みんながあえてリアルゼインフォマティクスって言わずにも、みんなが使っているものなので、その話がベースになるんですか。あえてそこの話題に名前を出さない、そういう状況が望ましいのかなと思います。
なるほど、もう別になんかその材料化学やる上で普通だよねっていう状況になっている状態って感じですかね。
はい、そうです。
なんかそうなりそうなんですか、それって今。
なると個人的には思ってます。
まあって言っても、すべてがAIに変わるわけではないので、やっぱり人間には人間の強みもあって、AIとは分業していくべきだと思っていて、AIに私たちの仕事が取られるっていうなんか悲観的な印象は持たないでほしいなと思いますね。
本当にありがとうございます。確かになんかそれによって、新しい材料が生み出せたりとか、なんか改良が進んでいけば、なんか新しい産業にもつながっていきそうですね。
はい、そういうことです。
じゃあ今度は山田さんの個人の研究の話を伺いたいんですけど、
リアルインフォマティックという分野で今山田さんが具体的に行っている研究っていうのはどんなことなんですかね。
ありがとうございます。
主に対象としている材料は高分子と呼ばれる、身近な例でいきますとプラスチックとかそのあたりになります。
この高分子材料をどう設計するかっていうのをAIが考えて提案してくれる、この手法開発を行っています。
今回のクラウドファンディングの方では、その中でも特にグリーン要売の転換を目的としたAI、要はそのグリーン要売を使用する際の最適な実験条件を提案するAIの開発を目指したテーマ。
取り組ませていただいております。
これはやっぱりそのグリーン要売に転換するための障壁みたいなところの一つを、このリアルインフォマティックによって解決できるんじゃないかということなんですかね。
はい、そうです。
転換における障壁、いくつかあると思いますけど、その一つとしては、要売効果と言われるものかなとは思っています。
要売効果が何かと言いますと、要売が変わることで起こる変化。
ざっくり説明すると、それが要売効果になります。
今までの有機要売であれば、できていた材料が別の要売に変えることによってできないということが当たり前のように起きてくるというのが化学反応になってくるので、
その要売効果というのをAIが学習して、要売効果も考慮した上で実験条件を提案できたらいいなというふうに思っています。
結構確かに、要売を置き換えるって企業によっては、なかなか大変な決断だったりすると思うんですけど、
そこを置き換えることのパードルを下げるっていう。
そうですね、そこにつながると思います。
今、例えば国とか世界全体として、グリーン要売への転換ってどれくらい進んでいるものですか?
そうですね、ちょっと数値として今お答えすることができないんですけど、定性的な意見になるとあまり進んでいないという状況だと認識しています。
それは、やっぱり既存のものから置き換えるっていうところのコストがかかるっていうことなのか、それともそもそもグリーン要売そのもの自体のコストみたいな、そういうところでいうとどういう課題があるんですか?
環境への配慮と研究の課題
そうですね、どちらもあって、そもそもグリーン要売っていうものがコストが高い。バイオベースだったり、いろいろコストが重むので、もともとのコストが高いっていうのもありますし、置き換えた際に結果が変わってしまうっていうのも一つ原因としてあって、本当にいろんな要素が絡み合っているので、そのうちの一つでも自分の研究で解決できたらなというふうに思っています。
なるほど、ありがとうございます。今後、山田さんの研究と、その他に例えばグリーン要売に置き換わっていくっていう社会を作るには、どういう人たち、研究者なり、企業の人なり、政府の人なりとかいろいろあると思うんですけど、どういう人たちと協力していく必要がありそうですかね?
そこはちょっと難しいなと思ってるんですけど、正直なところ、実際の企業の方に対してのヒアリングっていうのはまだ十分に行えていないので、その辺の課題も明確にできたらなとは、今回のクラウドファンディングの活動として思っているところではありますね。
なるほど、そういった産業の課題というか、実際に今、工場を動かしてものを作っているようなところの方々の意見をもっと広く、まずはヒアリングをしていきたいっていうような、そういう。
そういう課題とか問題意識みたいのを、山田さん自身が、なかなか普通に生活していると、そういった課題って持ちにくいんじゃないかなと思うんですけど、どういうきっかけでこの間。
これも学部時代の研究の経験に遡るんですけど、やっぱり自分が実際に合成実験をしていて、そのときに扱う溶媒っていうのが発願性のあるものだとか、明らかに匂い的に危なそうだなっていうのを日常的に多く使用していた。
その使用した溶媒が毎月毎月タンクの中に保っていくっていうのを見て、これは危ないなっていう。
元々は便利なものを作りたい、便利な材料を作りたいっていう気持ちで、合成系の研究生を選んだんですけど、やっぱりいくら優れた材料を開発していても、その製造過程で環境だったり人々の健康を害していては、本当の意味では世の中の役に立っているとは言えないのかなっていうふうには思って、その課題感から今回の研究テーマつながったっていうストーリーですね。
そういった実際、確かに日常で自分が扱ってるものが発願性のあるものとかがタンクに溜まっていくって、確かにちょっとゾッとしてしまうなっていうふうにも思ったんですけど、その課題をこのAI使った、とりあえずインフォマティクスだったら解決に貢献できるんじゃないかっていうところが、
興味と問題意識がガチッと一致したみたいな。
そうです。知られております。
山田さん自身は、今博士課程にいらっしゃると思うんですけど、今後いろいろと多分これから考え方も変わっていくと思うんですが、今後どういうふうな道を進んで、この研究を続けていきたいとかっていうのは今思うところはありますか。
今のところは企業の研究者として働きたいなと思って、やっぱりその実際に開発のフェーズに行くところを経験してみたいなっていうのが一番にありますね。今のところはですけど、はい。
なるほど。大学の中での技術に留めるのではなくて、山田さん自身の手で実装までつなげていきたいっていうような。なんか山田さん自身が今この聞いている方々に、この話は聞いておいてもらいたいみたいなことを考えておりますか。
そうですね。でも日常的にAI使っていて、やっぱり思うのは、またチャットGPTとかこういう大規模言語モデルを日常的に使う方も多くいらっしゃると思うんですけど、やっぱり考える時間が減っているなっていうのはすごく自分でも感じていて、一旦チャットGPTに聞こうかなっていうのが多いかなと思っています。
やりますね。
はい。これがそうですね、実際科学の研究、どんな研究でもそうだと思うんですけど、新しい発見をするときの、何だろう、障壁とまでは言いませんけど、新しい発見が少なくなるっていうのはなんかすごく悲しいことなんで、やっぱり自分、これ自分への戒めでもあるんですけど、
よく物を考えるっていう習慣をより意識したいなと思ったんですね。
それすごく今刺さりました。
そうですね。このAIによって、やっぱなんか職が奪われるとか、そういう話をよく近年では耳にしますけど、やっぱりAIによって働き方が変わるっていうのは当然というか、過去の歴史から見ても、新しい技術とか発明が出てくると、その職業の在り方が変わるっていうのは何度も起こってきたことだなというふうには思っていて、
例えば、産業革命によって織物が機械化されたことによって手織りの仕事が減った、だけど代わりにその機械を操作する人だったり設計する仕事が生まれたとか、そういうAIが新しい技術が生まれてきても、新しい仕事が出てくるので、
時代に順応するじゃないですけど、そのAIの時代において改めて人間の罪は何なのかっていうのを考えるっていうことはすごく大事なのかなというふうに日頃思っています。
研究と教育の現状
私も仕事だとついつい考える時間をなるべく少なくして効率的にっていうふうに思うんですけど、確かにその分熟考する時間っていうのがなくなってるなと思って。
休みの日とかにそういうことを意識的に私もやるようにはしているんですけど、ちょっとなんか皆さんそのあたりどうしてるのかって聞いていきたい。
そういう時代になりますね。確かにそのAIによって効率性は上がってるけど、その考える時間が減るっていうトレードオフの関係だと思うんですけど、そこのバランスどう取るのかっていうのは難しいなとは個人的に思います。
確かに。考えること自体が楽しいというか、そのプロセス自体に喜びを感じたりも私はするタイプなので、そこはバランスとって確かにやっていきたいなと思います。
そうですね。確かに何だろう、最近だと言葉の単語の定義というか、本当その何だろう、例えば最近だと何だったっけな、観察と解釈の違いは何だろうみたいなのを考えるときがあって、
なんとなく頭の中にはあるけど、それを実際言語化しようとすると難しいなとは感じていて、そういう日頃文章を書くときだったり、ディスカッションするときとかに考えるんですけど、そういう小さなことでも考えるっていうのは面白いことでもありますし、大事なことだなっていうのは感じますね。
あー、なんかもうすぐパッとチャットGPT聞くんじゃなくて。
そうですね、多分聞きがちになっちゃうんですけど。
確かにすぐ聞いちゃう、そういうの。
はい、そうですね。
確かに、なんかそれで言語化できてるつもりになっているだけで、ちゃんと自分の中で言語にしていくプロセスっていうのが失われていますね。
多分、今聞いてくださっている方々、研究者の方もいらっしゃるんですけど、なんかちょっと山田さんに質問とかもしあったら、挙手をいただければですね、ちょっと私の方でスピーカーに招待しようと思うんですが、いかがでしょうか。
どうしよう、当てちゃってもいいかな。
小見永さんとかって今喋れますか?もし喋れたら。
難しいかな。
もし喋れる人いたら、なんかちょっと声かけてください。
ちょっとじゃあ、時間がもう30分になってしまう。
ちょっと山田さんの、今実際に研究のクラウドファンディングを実施していると思うので、ちょっとその紹介を。
小見永さんが喋れますか?
聞こえますか?
聞こえます。
すいません、全然。
お疲れ様です。
お疲れ様です。楽しく聞かせていただいております。
ありがとうございます。
なんかちょっといかがですか?今日のお話を聞いて、何か気になったこととか感想とか質問あれば、急に振っちゃったんですけど。
いいですか。私、農業の分野の研究をしているので、AIのシミュレーションっていうのはすごく農業分野遅れてるなって思いながら聞いてたんですけど、
シミュレーションっていうのは、今回はマテリアルのシミュレーションなんですけど、
例えば私が今やっている物質Xとかの、農業系でやるのはその開花まで何日気温が、何度の気温がどのくらい遭遇したら開花するだろうかっていう、そういう程度のシミュレーションはあるんですけど、
例えばこういう物質Xを処理したら、どのくらいの濃度でどのくらいの時期にどういう条件があって、いろんなデータを組み合わせてシミュレーションみたいなことってできるのかなと思いながらAIで聞いてたんですが、そのあたりへの応用の可能性っていうのはいかがでしょうか。
今の話を聞く感じだとできると思います。ただ、やっぱり学習データが大事にはなってくるので、どれだけの量をAIに学習できるか、その数はやっぱり重要になってくるなとは思いますね。
大きれば多いほどいいんですけど、もう一度何を予測させて、どういうテーマでしたっけ。
例えば物質Xっていうものを、いろんな植物があるんですけども、それを一個一個もちろん処理をして、実データを取っていくんですが、例えば植物が100種類ぐらいあります。濃度とか処理の時期とか、とてもじゃないけど、人力で全部やるのは物理的に不可能なので、シミュレーションをして、
この濃度だったらこの時期が一番この植物については効果があるんじゃないかみたいな、それをいろんな文献のデータとか実際の実データを踏まえて、シミュレーションできるといいなと、AIでできるといいなと思ったんですけど。
なるほど、そうですね。結構そのいろんな物質があって、その物質に対してのデータ、それぞれの物質に対してのデータは少ないっていう表現。
物質は一つで、植物がいっぱいみたい。
なるほど、そうですね。今の患者とデータの数が一番の課題になってきそうだなと思いますね。その数さえ乗り越えれば全然可能な話だと思いますね。
すみません、私若干失礼をしてしまって。例えば遺伝子の発現データとか、そういうものであると網羅的に数万の遺伝子の発現とか一気に取れたりして、それをいろんなタイムスケールでデータは取れるんですけど、
そういういろんなたくさんのデータっていうのはたぶん遺伝子レベルが一番たくさん農業系では取れるなと思っていて、そういうデータ数がたくさん踏まえられると逆にシミュレーションとしてはビッグデータとして解析できるのかなとかも思います。
確かにそれは可能かもしれないですね。僕の研究も実験データ、実データの数が少ないんで、量子化計算とかそういったデータをいっぱい量が取れるデータをAIに学習させて現実世界に適応させるっていう方法を使っているので、そういった観点からも発想としては近くなるのかなとは思いましたね。
確かに。
ありがとうございます。
勉強になりました。
ありがとうございます。
ありがとうございます。
ありがとうございます。
またちょっとこの話はきっと長い時間をかけてのお話をちょっと伺いたいなというふうに思ったんですが、これからもそういった材料科学でやっていることを、
農業の話とかいろんな分野にも応用して考えていけそうだなというのを今お話を伺ってて思いました。
ありがとうございます。
ありがとうございます。
質問をいただいています。
現役研究者の皆さんに質問です。
個人的な体感で恐縮ですが、頭に入りやすい情報のタイプ、脳内処理がしやすい学習スタイル、アウトプットのしやすい形、それぞれ異なると自分は実感しています。
学習方法とその重要性
皆さんは学習記憶を補強するためにおのおので意識して取り入れている習慣はありますか?というですね、コメントでご質問いただいたんですが、山田さんこちらの学習記憶を補強するために意識していることって何かありますか?
口に出してですね。
結構僕トイレとかお風呂とか一人ですごくリラックスできるときに口でブツブツ言ってるんですけど、それ結構何だろう、記憶には定着してるなと思って、
耳からもですし、耳からも入るし、口に出すことで動作としても行動できてるので、なんかこれですかね。
なるほど。確かに口に出すと定着しやすいとかって言いますもんね。小見川さんって今喋れますか?
私の意見もいいですか?
はい、ぜひ。
私は物覚えがすごく悪いので、忘れた後にもう一回そのことを上書きすると徐々に覚えていくタイプだなとは思っています。
なので英語とか英語の学習とかも一回勉強してもすぐ忘れちゃうんですけど、なんか忘れた後にもう一回繰り返し復習するタイプで覚えていくタイプだなと自分では思っております。
そのスパンってだいたいどのくらい間隔を空けるんですか?
興味によって違うなと思っていて、私は興味ないことは本当に覚えきれないのですぐ忘れるんですけど、興味があることに関しては長い間しばらくほっておいても覚えているので、
できるだけ興味がないこともスパンを短くして、大事なことはですね、反復するようにはしています。
興味ないことを何度も覚えると結構大変な作業だなって思っちゃったんです。
必要がなければ全くしないんですけど、本当にそういうことは英語とか、論文のいろんなバックグラウンド、他の論文のデータの話とか、興味があることはそこまで忘れないんですけど、
英語でもどうしてもあまり興味がない分野の話とか、そういうところは意識的に反復して覚えるようにはしてます。
なるほど。ありがとうございます。
かしこさんいかがでしたでしょうか。他の今参加している研究者の方も、もしよろしければコメントとかでも残していただけると嬉しいです。
クラウドファンディングの取り組み
お時間をすみません。結構過ぎてしまっているんですが、最後は山田さんからまた改めてクラウドファンディングの説明とか意気込みとかあればお願いします。
ありがとうございます。本日はありがとうございました。私がクラウドファンディングで今実施しているテーマですが、ビジョンとしてはグリーン要売の利用を加速させることで、
化学産業における環境負荷と健康被害を削減し、持続可能な社会を実現することです。
現在の化学産業では、さまざまな製品の製造において有機要売という要売が重要な役割を果たしています。
一方で深刻な環境汚染とか健康被害を引き起こしていることもまた事実で、例えば高価格スモックだったりゴゾン層の破壊、地球温暖化につながるといったことが事実としてあります。
この負の影響を次の世代へと引き継ぐのではなくて、どこかで止めるということが、現代を生きる私たち化学者にとっての重要な課題だというふうに考えています。
この課題に対して、私の研究ではグリーン要売を使用して、この課題を解決を目指します。
そのグリーン要売の転換には、先ほど少し説明させていただいた要売効果というものが関わってきて、なかなかそこが転換の障壁になってくるので、AIを使ってこの問題を解決して自分のビジョンを達成できるように頑張っていきたいと思っています。どうぞよろしくお願いします。
はい、ありがとうございます。今ちょうどクラウドファンディング支援募集期間、残り半分というところなんですが、達成率が72%で今65名の方支援いただいているんですが、もっともっとですね、まずはこの山田さんのプロジェクト、いろんな人に知ってもらいたいなと思いますので、
ぜひ皆さんまずは山田さんのアカウントのトップにページ飛べるところがあるので、アカデミストのポストからもページ飛べるので、ぜひぜひまずはページをご覧ください。
そして、もしちょっと共感いただけたら支援いただけると大変嬉しいです。ではではそんなところで、本日は山田さんどうもありがとうございました。
ありがとうございました。
富永さんも今日聞いていただいた皆さんも最後までありがとうございました。
ではではおやすみなさい。
おはようございます。
アカデミストトークスをお聞きいただきありがとうございます。
アカデミストではクラウドファンディングにチャレンジする研究者を募集しています。
アウトリーチ活動をしながらご自分の研究に共感するサポーターを集めることに関心のある皆さん、ぜひお気軽にお問い合わせください。
それではまた次回アカデミストトークスでお会いしましょう。
