【第1編:総論】

第1章　マテリアルズ・インフォマティクスの現状と将来展望
1　はじめに
2　材料データ
　2.1　高品質材料データの要件
　2.2　材料データの現状
　2.3　マテリアルズ・インフォマティクスに必要なデータ
3　MIの研究事例
　3.1　知見の獲得
　3.2　特性予測
　3.3　材料設計
4　大規模言語モデルの応用
5　まとめ

第2章　研究DXを加速する実験プラットフォーム構築への取り組み
1　はじめに
2　フロー合成装置のデータフローとベイズ最適化
　2.1　フロー合成の利点とプロセス最適化の必要性
　2.2　RXサイクルを基盤としたシステムインテグレーション
　2.3　マテリアルズ・インフォマティクス(MI)による予測・最適化
3　光触媒実験の自動化と電子ラボノート
　3.1　研究DXにおける電子ラボノートの役割とFAIR原則
　3.2　ELNのテンプレート設計と機械可読性の実現
　3.3　活用事例: 光触媒実験の自動化プラットフォーム
4　ELNの全学的展開とアウトリーチ活動
5　おわりに

第3章　マテリアルズ・インフォマティクスの基礎と実務への応用
1　MIの現在位置
　1.1　 MI黎明期から現在のMI活用期に至るまでの変遷
　1.2　MIの取組みの多様化
　1.3　MI活用期における悩みの声
　1.4　MIの実践活用を進めるにあたっての落とし穴
2　MIの実践活用に向けて ―基礎から実務への応用まで―
　2.1　課題解決に資する共通的なデータ分析のフロー
　2.2　場面に応じた実験データの整形
　2.3　場面に応じた定石・型の理解と会得
3　生成AIとそれ以外のAIの使い分け
4　MIの実践活用に向けた組織内風土醸成と普及

第4章 分析データのMIにおける位置づけとそのPythonでの取り扱い
1　はじめに
2　事例1:1H-NMR 1Dスペクトルのデータ処理自動化
　2.1　1H-NMR処理の自動化
3　事例2:特許記載の化合物とLC/MSデータの照合
　3.1　特許文書からの化合物表現の抽出
4　事例3:ロボットアームを活用した実験自動化
　4.1　システム全体像
　4.2　NIR測定の自動化
　4.3　NIRスペクトルの主成分分析
5　事例4:データスワンプ内NMRデータの次元削減
　5.1　一次加工データの読み込みと基礎的なカウント値の取得
　5.2　1H-NMRデータの次元削減
　5.3　分析データの完全性
6　おわりに

第5章　材料技術者向けMI普及活動の試行錯誤と課題検討
1　はじめに
2　本取り組みの特徴
3　MI技術ワークショップの内容
4　MI技術の普及に向けた課題と対策
　4.1　MI普及における課題と現在の方針
　4.2　材料系エンジニア側から見たMI導入の課題と対策
5　MI普及の今後について


【第2編:記述子の設計開発】

第6章　高分子のMIにおける高次構造記述子-物性相関
1　はじめに
2　複雑ネットワーク科学によるゴム弾性の記述
3　結晶性高分子の高次構造記述子と説明可能AI(XAI)
　3.1　X線散乱・回折像とXAI
　3.2　高次構造記述子の抽出とXAI
　3.3 シンボリック回帰の適用
4　高次構造記述子を代理目的変数としたベイズ最適化
5　おわりに

第7章　カーネル平均埋め込みによる材料の表現
1　はじめに
2　材料の記述子化
3　カーネル平均埋め込みによる材料の記述子化
　3.1　概要
　3.2　問題設定の定式化
　3.3　従来のベクトル型記述子:要約統計量記述子
　3.4　カーネル平均埋め込み
　3.5　カーネル平均記述子
　3.6　カーネル平均記述子の逆写像の一意性
　3.7　カーネル平均記述子のハイパーパラメータ設定
　3.8　カーネル平均記述子の材料データにおける数値実験例
4　カーネル平均記述子を用いた逆材料探索


【第3編:MIの要素技術】

〈機械学習〉

第8章　機械学習とハイスループット第一原理計算による半導体・誘電体材料探索システムの開発
1　はじめに
2　ハイスループット第一原理計算・データベース
3　機械学習を用いた物性予測モデル
　3.1　結晶構造記述子
　3.2　誘電率モデルの構築
4　ブラックボックス最適化と自律的材料探索システム
　4.1　ブラックボックス最適化
　4.2　自律的材料探索システム

第9章　能動学習による実験条件の効率的探索
1　材料開発でのデータ取得
2　能動学習のスコアリング方針
　2.1　不確実性サンプリング(Uncertainty sampling)
　2.2　多様性サンプリング(Diversity sampling)
　2.3　推奨スコアの再設計
3　活用事例
　3.1　引張強度の予測精度向上
　3.2　剥離強度の最大化
　3.3　多目的最適化

第10章　マテリアルズ・インフォマティクスによる材料強度特性の予測
1　はじめに
2　蒸気タービン長翼の最適熱処理条件の予測技術
3　火力発電プラント用高温蒸気配管のクリープ特性の予測技術
4　小括

第11章　機械学習を用いた高分子複合材料における疲労限の予測
1　はじめに
　1.1　背景
　1.2　疲労試験
　1.3　マテリアルズ・インフォマティクス
　1.4　目的
2　モデル化手法
　2.1　解析に用いる樹脂材料のデータ
　2.2　前処理
　2.3　非線形回帰(Random Forest,XGBoost,Light GBM)
　2.4　モデル化の手順
　2.5　モデルの評価指標
3　非線形解析結果と考察
　3.1　ハイパーパラメータのチューニングおよび予測モデルの妥当性確認
　3.2　予測モデルの汎化性能検証
　3.3　新規データを用いた予測モデルの汎化性能確認
4　まとめ

第12章　汎用的な機械学習原子間ポテンシャルの開発と材料開発への応用
1　汎用原子レベルシミュレータ: Matlantis
　1.1　技術的背景
　1.2　Matlantisの特長
　1.3　Matlantisのコア技術: Preferred Potential(PFP)
　1.4　機械学習原子間ポテンシャル(MLIP)の選定
2　活用事例
　2.1　触媒事例での活用(精度検証・材料探索)
　2.2　潤滑油事例での適用(原理解明・材料探索)
　2.3　構造推定での活用(手法検証・課題適用)
3　Matlantisがもたらした変化
　3.1　後追いから並走へ(タイムラグのない現場課題解決)
　3.2　計算科学者の研究スタイルの革新
4　課題と今後の展望
5　まとめ

〈シミュレーション〉

第13章　マルチモーダルAIによる複雑な材料データからの多様な機能の予測技術
1　はじめに
2　材料化学分野のデータ活用
3　材料化学分野に適用可能なマルチモーダルAIの概念
4　高分子複合材料をモデル系にしたマルチモーダルAI
5　マルチモーダルAIの多様な系への広がり
6　おわりに

第14章　非平衡理論によるイオン導電率計算の高速高精度化
1　はじめに
2　イオン輸送に関する理論計算の最新動向
　2.1　静的な計算から分子動力学法へ
　2.2　イオンの輸送係数計算の現状・課題
3　非平衡分子動力学法によるイオン導電率計算
　3.1　定場カラー伝導非平衡分子動力学法
　3.2　定流カラー伝導非平衡分子動力学法
　3.3　カラー伝導NEMDによるイオン導電率計算
4　おわりに

第15章 機能性合成ゴム材料におけるインフォマティクス研究
1　はじめに
2　モデル化の前提とパラメータ化
　2.1　仮定①:フィラー分散の扱い
　2.2　仮定②:フィラー分配比(偏在)の導入
　2.3　材料定数:実効充填量→単体系近似による写像
3　規則構造セットとFEM妥当性
　3.1　規則構造の設定
　3.2　FEMによるシミュレーションと実験比較
4　3D構造解析と特徴量設計
　4.1　特徴量設計の基本方針
　4.2　抽出した構造特徴量
　4.3　特徴量の意義と期待される効果
5　データ拡張(不規則構造)と学習設定・予測精度
　5.1　不規則構造導入の背景
　5.2　不規則構造の生成とシミュレーション
　5.3　データ分布の拡張効果
　5.4　学習設定と予測精度
6　モデル解釈(SHAP)—効く構造因子の抽出
　6.1　SHAP解析の導入
　6.2　SHAPサマリーによる重要因子の抽出
　6.3　個別プロットによる因子の解釈
7　モルフォロジーへの落とし込み:構造-物性相関図
　7.1　構造群への分類
　7.2　相関図の作成
　7.3　設計指針としての読み方
　7.4　まとめ
8　今後の展望

第16章　合金触媒の簡易スクリーニングと樹脂の劣化解析
1　はじめに
2　合成触媒の簡易スクリーニング
　2.1　状態密度と触媒活性
　2.2　計算条件
　2.3　計算モデル
　2.4　計算結果
3　樹脂の劣化解析
　3.1　背景
　3.2　計算方法
　3.3　結果および考察

第17章　バイオ由来材料の最先端AI分析技術による開発
1　はじめに
2　Chemicals Informatics(CI)
3　材料探索AI技術
　3.1　NLPを活用した化合物データベースの構築
　3.2　新規化合物の生成
　3.3　有望化合物の探索
4　CIによるポリ乳酸用の有望添加剤の探索
　4.1　カーボンニュートラル実現に向けた材料開発
　4.2　ポリ乳酸の強度と分解性を両立する有望添加剤の探索
5　CIの有効性の実証
　5.1　材料
　5.2　分子シミュレーションによる有効性の実証
　5.3　実験による有効性の実証
6　材料開発におけるCI適用の効果
7　結論

第18章　GNNベース汎用ポテンシャルとAIエージェントによる触媒材料探索
1　はじめに
2　ニューラルネットワークポテンシャルによる汎用ポテンシャル性能評価
　2.1　比較条件および概要
　2.2　比較結果
　2.3　汎用ポテンシャルの有用性
3　グラフニューラルネットワークによる物性予測と触媒設計
　3.1　HEA触媒の計算モデルと解析条件
4　計算データと機械学習を合わせた物性予測とスクリーニング高速化
　4.1　機械学習による5元系合金の予測
　4.2　機械学習による6元系・7元系合金の予測
5　生成AIとエージェント化による研究プロセスの高度化
6　結果と考察

【第4編:MIの実際の導入・実用事例】

第19章　分子計算とMIアプローチを融合した新規化合物の探索と材料設計
1　はじめに
　1.1　分子計算とMIの融合による革新的事例
　1.2　有機材料開発における分子計算とMI融合の課題と解決策
2　材料開発・化合物探索事例
　2.1　マテリアルズ・リポジショニングの概念と実践
　2.2　MI予測モデルによるOLED材料探索
　2.3　分子シミュレーションを用いた大規模計算による化合物記述子のデータベース化とそのMI活用
3　まとめ

第20章　シミュレーションとMIを活用した高分子材料設計の取り組み
1　はじめに
2　戦略①:分子シミュレーションと物理モデルの融合
3　戦略②:マルチスケールシミュレーション
4　戦略③:スパースな少数データの有効活用
5　戦略④:Semi-Structured データ形式を利用したデータ統合解析
6　おわりに

第21章　データ駆動が拓くカーボン材料研究の新潮流:マテリアルズインフォマティクスの実践
1　はじめに
2　AIエージェントによる研究課題設定
　2.1　情報爆発時代における課題設定の重要性
　2.2　データ駆動型研究課題探索システムの構想
　2.3　Embeddingとクラスタリングによる知識構造の抽出
　2.4　AIによるクラスタ解析と課題提案
　2.5　カーボン材料研究への展開
3　カーボン材料へのMIの応用
　3.1　回帰分析
　3.2　構造モデリング
　3.3　画像解析
4　マルチモーダル解析～画像情報と数値データの融合～
5　まとめと今後の展望

第22章　ATHASデータバンクによる高分子インフォマティクス
1　はじめに
2　高分子のデータベース
3　機械学習による定量的構造物性相関
4　回帰モデルによる比較
5 ATHAS DB未登録高分子への適用
6　おわりに

第23章　第一原理計算と機械学習の融合に基づく結晶構造予測
1　はじめに
2　仮想構造の生成方法
　2.1　元素置換法
　2.2　対称性予測法
3　転移学習によるエネルギー予測
4　構造予測の精度評価・考察
5　まとめ