カテゴリ

  • 近日発売の新刊情報
  • CMCeBOOK

マテリアルズインフォマティクス・量子コンピュータおよび自然言語処理と自律型実験システムを活用した次世代材料開発

★マテリアルズインフォマティクスと量子コンピュータによる材料開発の最新の動向、導入と活用における具体的なポイントや各企業における材料開発事例を解説・紹介!
★生成AI、特に自然言語処理および自動化・仮想化による材料探索の手法とは!?
★環境配慮素材、有機-無機ハイブリッド材料、誘電体材料などマテリアルズインフォマティクスを活用した各種材料開発の具体例を紹介!
★カーボンニュートラルを踏まえたマテリアルズインフォマティクスによる材料開発と将来展望とは!?

商品コード:
P1452
発行元:
㈱AndTech
監修:
向田志保
発行日:
2024年2月16日
体裁:
B5判・378頁
ISBNコード:
978-4-9091118-68-4
価格(税込):
71,500
ポイント: 650 Pt
関連カテゴリ:
新材料・新素材
新材料・新素材 > 製造・加工プロセス

Review

この商品に対するご感想をぜひお寄せください。

著者一覧

向田 志保  三井化学株式会社/信州大学/大阪大学/博士(工学)
知京 豊裕  国立研究開発法人物質・材料研究機構
       マテリアル基盤研究センター 特命研究員/工学博士
岩崎 富生  株式会社日立製作所 主管研究員/群馬大学 客員教授(兼任)/理学博士
佐川 正悟  コニカミノルタ株式会社 技術開発本部
       データサイエンスセンター アシスタントマネジャー
松井 孝太  名古屋大学大学院医学系研究科生物統計学分野 講師/博士(情報科学)
森下 敏治  アステラス製薬株式会社 T&M CMCディベロップメント
       原薬研究所 プロセスエンジニアリング研究室 主任研究員
徳山 健斗  中外製薬株式会社 デジタルトランスフォーメーションユニット
       デジタル戦略推進部 / 博士 (情報科学)
稲津  佑  名古屋工業大学 工学部情報工学科 助教/博士(理学)
桐淵 大貴  株式会社東芝 研究開発センター 知能化システム研究所
       システムAIラボラトリー 研究主務
廣瀬 修一  長瀬産業株式会社 ナガセバイオイノベーションセンター
       基盤研究開発課 課統括/工学博士
小野寺 拓  ENEOS株式会社 中央技術研究所 デジタル研究所
       MI技術グループ 上級研究員/博士(工学)
尾野 秀樹  ENEOS株式会社 中央技術研究所 デジタル研究所
       MI技術グループ グループマネージャー
工藤 孝夫  ENEOS株式会社 中央技術研究所 デジタル研究所
       MI技術グループ 上級研究員
小島 隆嗣  ENEOS株式会社 中央技術研究所 デジタル研究所
       MI技術グループ シニアスタッフ/博士(工学)
後藤 正直  ENEOS株式会社 中央技術研究所 デジタル研究所
       MI技術グループ 上級研究員/博士(工学)
矢山 由洋  ENEOS株式会社 中央技術研究所 デジタル研究所
       MI技術グループ 上級研究員
高本  聡  株式会社Preferred Networks リサーチャー/博士(工学)
庄司 哲也  トヨタ自動車株式会社 先進技術開発カンパニー
       先進データサイエンス統括部
       WAVEBASEプロジェクト プロジェクト長/工学博士
Christopher L Farrow Enthought, G.K, Vice President,
       Materials Science Solutions, Ph.D. Physics, M.Sc. Mathematics
Alexandre Chabot-Leclerc Enthought, G.K., Vice President,
       Digital Transformation Solutions, Ph.D. Electrical Engineering
緒明 佑哉  慶應義塾大学 教授/博士(工学)
五十嵐 康彦 筑波大学 准教授/博士(科学)
兼子  祐  株式会社ダイセル
       生産本部生産技術センター シミュレーションGr 上席技師/博士(理学)
大野  充  株式会社ダイセル 事業創出本部 事業創出センター フェロー/博士(工学)
Daniel Packwood  京都大学 高等研究院 准教授/博士(理学)
吉田  亮  情報・システム研究機構 統計数理研究所 データ科学研究系 教授、
       ものづくりデータ科学研究センター長/博士(学術)
林  慶浩  情報・システム研究機構 統計数理研究所 データ科学研究系 助教/博士(工学)
横山 智康  パナソニック ホールディングス株式会社 主任研究員/博士(工学)
服部 祐介  株式会社TBM 経営管理部 MI推進チーム
森分 博紀  非営利・一般財団法人ファインセラミックスセンター
       ナノ構造研究所 グループ長/(東京工業大学
       元素戦略MDX研究センター 特定教授を兼任)/博士(工学)
清水 亮太  東京大学大学院理学系研究科 准教授/博士(理学)
岩﨑 悠真  国立研究開発法人物質・材料研究機構
       マテリアル基盤研究センター 主任研究員/工学博士
竹邊 日和  京都大学 工学研究科/日本学術振興会特別研究員DC1
松原 誠二郎 京都大学 工学研究科 教授/博士(工学)
坂本 佳史  日本アイ・ビー・エム株式会社
       IBM Distinguished Engineer and CTO of Edge computing
       in IBM Japan./工学博士
青田 健太郎 日本アイ・ビー・エム株式会社 Associate Partner
野本 拓実  三井化学株式会社 DX推進本部DX企画管理部
向田 志保  三井化学株式会社/信州大学/大阪大学/博士(工学)
吉武 道子  国立研究開発法人物質・材料研究機構
       特別研究員(オムロンサイニックエックス株式会社
       役付非常勤嘱託、お茶の水女子大学 客員教授、
       鈴鹿高専 客員教授、東京家政学院大学 客員教授、
       MatQ-lab 代表 を兼任、物質・材料研究機構 名誉研究員)/博士(工学)
福馬 智生  株式会社TDAI Lab 代表取締役社長/博士(工学)
石原 菜々子 大阪大学 大学院 基礎工学研究科
中西 周次  大阪大学 大学院
       基礎工学研究科附属太陽エネルギー化学研究センター 教授/
       博士(理学)
向田 志保  三井化学株式会社/信州大学/大阪大学/博士(工学)
畠山  歓  東京工業大学 助教/博士(工学)
柏川 貴弘  富士通株式会社 量子研究所 研究員
木村 浩一  富士通株式会社 量子研究所 シニアマネージャー
田中  宗  慶應義塾大学 理工学部物理情報工学科 准教授
       (慶應義塾大学ヒト生物学-微生物叢-量子計算研究センター
       副拠点長、早稲田大学グリーン・コンピューティング・システム
       研究機構 客員准教授、東京工業大学国際先駆研究機構
       特定准教授、Quanmatic Chief Technical Officerを兼任)/博士(理学)
関  優也  慶應義塾大学 学院理工学研究科 特任講師/博士(理学)
田村  亮  国立研究開発法人物質・材料研究機構
       マテリアル基盤研究センター チームリーダー
       (東京大学 講師を兼任)/博士(理学)
湊 雄一郎  blueqat株式会社 代表取締役
大西 裕也  JSR株式会社 RDテクノロジー・デジタル変革センター
       マテリアルズ・インフォマティクス推進室 次長/博士(工学)
佐久間 怜  JSR株式会社 RDテクノロジー・デジタル変革センター
       マテリアルズ・インフォマティクス推進室 主任研究員/博士(理学)
實宝 秀幸  富士通株式会社 マネージャー/理学博士
千嶋  博  日本電気株式会社 量子コンピューティング統括部
       シニアプロフェッショナル
平井 宏俊  株式会社豊田中央研究所 量子コンピューティング研究領域
       リーディングリサーチャー/理学博士
門脇 正史  株式会社デンソー 担当次長/
       国立研究開発法人産業技術研究所 (クロスアポイントメント)
       特定フェロー/博士(理学)
平坂 雅男  株式会社AndTech 顧問/工学博士

目次 +   クリックで目次を表示

序章
第1 節 マテリアルズ・インフォマティクスを用いた材料開発が注目されている背景
三井化学株式会社/信州大学/大阪大学 向田 志保
はじめに
1. MIを取り巻く状況
2. MI活用の背景
 2.1 従来型実験手法とMIの意義
 2.2 MIの活用の進展
 2.3 MIを活用した自動実験化
3. 生成AIの登場
 3.1 生成モデルの材料分野への活用
 3.2 生成AIを活用したMIの進展
4. シミュレーションの活用
 4.1 量子コンピュータ
 4.2 シミュレーションソフトウェアの開発
5. 今後の展望
 5.1 マルチモーダルAIによる材料開発
 5.2 自然言語処理の重要性の高まり
 5.3 統合型クラウドラボ
おわりに

第2 節 マテリアルズインフォマティクスによる量子マテリアル開発の展開
国立研究開発法人物質・材料研究機構 マテリアル基盤研究センター
知京 豊裕
はじめに
1. マテリアルインフォマテックスの登場
2. マテリアルズインフォマティクスの発展
 2.1 アメリカにおけるデータベースの構築と展開
 2.2 欧州におけるデータ駆動型材料開発研究
 2.3 アジアにおけるデータ駆動型材料開発
 2.4 日本におけるデータ駆動型材料開発
3. 自律型材料開発への展開とプラットフォームの形成
4. 今後のマテリアルインフォマテックス
おわりに

第1 章 マテリアルズインフォマティクスによる材料開発
第1 節 マテリアルズインフォマティクスを活用した材料設計技術の現状・課題と今後の展望
株式会社日立製作所 岩崎 富生
はじめに
1. DNAとの接着性に優れたセラミックス材料を設計する解析モデル
2. 接着性(密着強度)の高い材料の設計方法
 2.1 分子動力学による密着強度(接着性)解析手法
 2.2 直交表による支配パラメータ選定方法
 2.3 応答曲面法による最適材料設計方法
3. 最適設計の結果および考察
 3.1 接着性(密着強度)の支配パラメータの選定結果
 3.2 最適設計の指針および結果の考察
4. 課題と今後の展望
おわりに

第2 節 マテリアルズインフォマティクスの基礎とコニカミノルタでの実践例
コニカミノルタ株式会社 佐川 正悟
はじめに
1. マテリアルズインフォマティクスの基礎と具体例
 1.1 MIの基礎
 1.2 MIの具体例
2. 効率的なデータ収集
 2.1 データベースの活用
 2.2 シミュレーションの活用
3. コニカミノルタでの実践例
 3.1 複合材料の機械特性
 3.2 有機化合物の分光特性
おわりに

第2 章 ベイズ最適化
第1 節 機械学習による適応的実験計画:ベイズ最適化の基礎と応用
名古屋大学 松井 孝太
はじめに
1. 機械学習による適応的実験計画
 1.1 機械学習によるデータ駆動型アプローチ
 1.2 ガウス過程によるブラックボックス関数の統計モデル
 1.3 ガウス過程回帰に基づく適応的実験計画
 1.4 まとめ
2. ベイズ最適化
 2.1 ベイズ最適化のアルゴリズム
 2.2 獲得関数の設計
  2.2.1 下側信頼限界に基づく探索
  2.2.2 改善確率に基づく探索
  2.2.3 期待改善度に基づく探索
 2.3 まとめ
3. 応用事例:シリコンエピタキシャル膜の成長とプロセス条件の最適化
おわりに

第2 節 原薬のプロセス開発におけるベイズ最適化の活用
アステラス製薬株式会社 森下 敏治
はじめに
1. 原薬研究所における取り組み
2. 適応的実験計画法(ガウス過程回帰(GPR)とベイズ最適化(BO))
3. 合成原薬の製造プロセス開発への適用における課題
4. 最適条件探索システム開発
5. 適用事例
おわりに

第3 節 ベイズ最適化活用時のコツと事例解説
中外製薬株式会社 徳山 健斗
はじめに
1. 実問題へのベイズ最適化の適用
 1.1 高次元パラメータの最適化:多くのパラメータを探索したい
 1.2 バッチベイズ最適化:複数の評価点を選択したい
 1.3 多目的ベイズ最適化:複数の目的変数を同時に最適化したい
 1.4 ベイズ最適化のPythonライブラリ
2. 応用事例
 2.1 計算機上でのベイズ最適化の応用
 2.2 実験科学におけるベイズ最適化の応用
おわりに

第4 節 ロバスト尺度に対するベイズ最適化
名古屋工業大学 稲津 佑
はじめに
1. ブラックボックス関数最適化
 1.1 最適変数探索問題
 1.2 既知関数およびブラックボックス関数
 1.3 ベイズ最適化
2. ベイズ予測モデルの構成方法
 2.1 ベイズ線形モデル
 2.2 ガウス過程回帰モデル
3. ガウス過程に基づくベイズ最適化
4. ロバスト尺度に対するベイズ最適化
 4.1 代表的なリスク尺度およびリスク尺度に対するベイズ最適化
 4.2 リスク尺度に対するベイズ最適化の発展的話題
おわりに

第5 節 ロバスト性や制約を考慮したベイズ最適化によるモノづくりにおける
    試行回数削減の取組み
株式会社東芝 桐淵 大貴
はじめに
1. ベイズ最適化の概要と課題
2. 適用範囲拡大のための拡張手法
3. ロバストベイズ最適化
4. 制約付きベイズ最適化
5. ロバスト制約付きベイズ最適化
おわりに

第3 章 企業によるマテリアルズインフォマティクスの活用事例
第1 節 データ駆動型の材料開発における文書データの利用
長瀬産業株式会社 廣瀬 修一
はじめに
1. データを情報へ、情報を知識へ変換する
 1.1 構造化データの作成
 1.2 ナレッジグラフ
2. 解析事例
 2.1 プロセス条件探索
 2.2 標的探索(創薬分野)
 2.3 生物模倣のアイデア発想支援
 2.4 担当者やテーマの探索
おわりに

第2 節 汎用原子レベルシミュレータ「MATLANTIS」の開発と材料設計への活用
ENEOS株式会社 小野寺 拓 ・ 尾野 秀樹 ・ 工藤 孝夫
小島 隆嗣 ・ 後藤 正直 ・ 矢山 由洋
株式会社Preferred Networks 高本 聡
はじめに
1. MATLANTISのコア技術:プリファードポテンシャル(PFP)
 1.1 アーキテクチャ
 1.2 データセット
 1.3 材料開発におけるPFPの優位性
2. MATLANTISによるMI研究:触媒開発の事例
 2.1 アンモニア合成触媒の活性マップ
 2.2 アンモニア合成触媒のバーチャルスクリーニング
3. MATLANTISによるMI研究:潤滑油開発の事例
 3.1 吸着シミュレーションの拡張
 3.2 バーチャルスクリーニングへの展開
おわりに

第3 節 MI・DX プラットフォームWAVEBASE の開発と材料開発への活用
トヨタ自動車株式会社 庄司 哲也
はじめに
1. AIが読取る材料計測データの本質
2. AIが気付いた特徴と材料の特性の関係
 事例1 省Nd磁石のコアシェル化処理における性能とXRDデータの特徴量の相関
 事例2 市販アルミ合金の力学特性とXRDデータの特徴量の相関
 事例3 組織画像の特徴による分類
 事例4 マテリアルマップ
3. 材料技術のR&Dのルーティーンの変革
おわりに

第4 節 Artificial intelligence for curation of information
    and knowledge acquisition
Christopher L Farrow, PhD and Alexandre Chabot-Leclerc, PhD
Enthought, G.K.
Introduction
1. Technology-Assisted Curation
 1.1 Curation as Search
  1.1.1 NLP-enhanced search
  1.1.2 Image Search
  1.1.3 Table Search and Domain-Specific Search
  1.1.4 Extracting Data from Graphs
 1.2 Limitations of Search
2. Generative AI for Curation
 2.1 Everything Can Become Text
 2.2 Text Can Become Data
 2.3 Beyond Text Search: Multi-Modal Embeddings
3. Generative AI for Knowledge Acquisition
 3.1 Retrieval-Augmented Generation for Answering Questions
 3.2 Agents for Doing Work
 3.3 Embeddings for Making Connections
Conclusion

第4 章 マテリアルズインフォマティクスによる各種材料開発
第1 節 実験研究者の扱う小規模データに対するマテリアルズインフォマティクス適用事例
慶應義塾大学 緒明 佑哉 ・ 筑波大学 五十嵐 康彦
はじめに
1. 小規模データに対するMIの必要性
2. 小規模データに対するMIの手順
3. プロセス最適化の事例~ナノシート材料の収率・サイズ・サイズ分布制御
4. 物質探索の事例~リチウムイオン二次電池有機電極活物質の探索
おわりに

第2 節 マテリアルズインフォマティクスを活用した有機化合物設計
株式会社ダイセル 兼子 祐 ・ 大野 充
京都大学 Daniel Packwood
統計数理研究所 吉田 亮 ・ 林 慶浩
はじめに
1. 有機半導体における材料探索
 1.1 有機結晶固有の特徴量の構築
 1.2 逆解析による分子構造探索と評価
 1.3 今後の展開
2. 高分子のリピーティングユニット構造発生研究
 2.1 SMiPolyの開発
 2.2 SMiPolyから得らえた高分子構造ライブラリの評価
 2.3 今後の展開
おわりに

第3 節 有機-無機ハイブリッド材料開発のデジタライゼーション
パナソニック ホールディングス株式会社 横山 智康
はじめに
1. 構造予測
 1.1 従来技術の課題
 1.2 アプローチ
 1.3 結果
  1.3.1 MAPbI3の構造予測
  1.3.2 有機分子や元素を変えた際の構造予測
  1.3.3 組成を変えた際の構造予測
  1.3.4 状態図予測
  1.3.5 バンドギャップ予測
2. 物性予測
 2.1 従来技術の課題
 2.2 アプローチ
 2.3 結果
  2.3.1 電子状態およびフォノン状態の予測
  2.3.2 固溶体の物性予測
  2.3.3 熱物性予測
  2.3.4 計算コストの評価
おわりに

第4 節 環境配慮素材へのMI の活用について
株式会社TBM 服部 祐介
はじめに
1. 環境配慮素材としてのLIMEX、CirculeXの重要性
 1.1 LIMEXとは?
 1.2 CirculeXとは?
 1.3 なぜLIMEX、CirculeXが必要とされているのか?
 1.4 開発ロードマップ
2. LIMEXへのMI活用
 2.1 印刷メディアとしての紙代替となるLIMEXの開発
 2.2 LIMEXのモルフォロジー制御へのMIの活用
3. CirculeXへのMI活用
 3.1 ポストコンシューマ材のリサイクルについて
 3.2 リサイクル材の品質向上へのMIの活用
おわりに 

第5 節 マテリアルズ・インフォマティクスによる新規強誘電体材料探索
非営利・一般財団法人ファインセラミックスセンター 森分 博紀
はじめに
1. マテリアルズ・インフォマティクス適用対象の選択
2. 新規強誘電体材料マテリアルズ・インフォマティクス
おわりに

第5 章 自動化・仮想化
第1 節 自律型実験システムにおけるベイズ最適化を用いた
    プロセスインフォマティクス
東京大学大学院理学系研究科 清水 亮太
はじめに
1. 無機固体薄膜の自律合成システムの紹介
2. Ti0.99Nb0.01O2薄膜の自律合成の結果と考察
3. プロセスパラメータとリアルタイムモニタリングの重要性
おわりに

第2 節 自律材料探索とハイスループット実験による新材料合成
国立研究開発法人物質・材料研究機構 岩﨑 悠真
はじめに
1. 高飽和磁化合金
2. シミュレーション型の自律材料探索
3. ハイスループット実験
4. ハイスループット第一原理計算による考察
おわりに

第3 節 有機分子設計のための逆合成自動化の手法
京都大学 竹邊 日和 ・ 松原 誠二郎
はじめに
1. 標的分子の合成経路を決定する-逆合成-
2. SYNTHIATMの出現-自動逆合成の一般化-
3. 自動合成にむけて
おわりに

第4 節 デジタルツイン
日本アイ・ビー・エム株式会社 坂本 佳史 ・ 青田 健太郎
はじめに
1. デジタルツインとは
 1.1 デジタルツインへの期待
  1.1.1 データの視覚化
  1.1.2 大規模シミュレーション
  1.1.3 高度な予測
2. デジタルツインの技術的背景
 2.1 エッジコンピューティング
 2.2 エッジコンピューティングのデザイン・パターン
3. デジタルツインと人間拡張
 3.1 人間拡張
おわりに

第6 章 自然言語処理
第1 節 生成 AI を活用した材料探索の技術展望と大規模言語モデルの活用
三井化学株式会社 野本 拓実 ・ 向田 志保
はじめに
1. 大規模言語モデルの概要
2. ChatGPTの登場
 2.1 GPT-4モデルの登場
3. 大規模言語モデルの活用
 3.1 環境の導入
 3.2 活用のポイント
 3.3 注意すべきポイント
4. 化学における大規模言語モデルの活用
 4.1 GPT-4が苦手とする化学分野のタスク
  4.1.1 化学分野の基本的な知識
  4.1.2 名称の予測
  4.1.3 反応の予測
 4.2 GPT-4が得意とする化学分野のタスク
  4.2.1 物性予測
  4.2.2 テキストベースの分子設計
5. 化学分野に特化した大規模言語モデルの活用事例
 5.1 ChatExtract
  5.1.1 ChatExtractの特徴
 5.2 ChemCrow
  5.2.1 ChemCrowの特徴
  5.2.2 ChemCrowの機能
6. 創薬分野とChatGPT
 6.1 ChatDrugの構成
7. 生成AIの進化と材料探索の展望
 7.1 大規模言語モデルの活用
 7.2 特化型の大規模言語モデル
 7.3 マルチモーダルモデル
おわりに

第2 節 材料科学分野における言語処理:マテリアルズインフォマティクスの一部として
物質・材料研究機構/MatQ-lab 吉武 道子
はじめに
1. 材料科学情報
 1.1 マテリアルズインフォマティクス/自動・自律の実験・シミュレーション
 1.2 対象とする文書の種類と特徴
 1.3 言語処理の目的
2. 各種言語モデルと材料特化型モデル
 2.1 ChatGPT:ベースとなるGPTモデルとAPI
 2.2 統計処理ベースのモデル
  2.2.1 出現頻度に基づくモデル
  2.2.2 単語や文書のベクトル化(数値化)
  2.2.3 深層学習系
 2.3 文法ベースのモデル
3. 物質・材料研究機構での活用事例
 3.1 超電導データベース作成
 3.2 高分子データベース作成
 3.3 マテリアルキュレーション®支援システム:知識データベース
4. 新しい動き
 4.1 大規模言語モデル・単語のbox embedding
 4.2 マルチモーダル化
おわりに

第3 節 大規模言語モデルを活用した専門分野におけるQA システムの開発と
    ファクトチェックの仕組み
株式会社TDAI Lab 福馬 智生
はじめに
1. 背景知識
 1.1 どうやって言葉を覚えた?
 1.2 さらにAIは進化する
2. 専門知識・最新知識への対応
 2.1 知識の外挿
  2.1.1 コンテキストを用いた応答の例
3. コンテキスト長さの限界
 3.1 再帰的要約(Recursive Summarization)
 3.2 検索との組み合わせ
 3.3 ツールの紹介
4. ファクトチェック
 4.1 Hallucination
 4.2 ファクトチェックの仕組み
おわりに

第4 節 機能性材料開発における大規模言語モデルの活用とプロンプトエンジニアリング
大阪大学 石原 菜々子 ・ 中西 周次 ・ 向田 志保
はじめに
1. 材料開発におけるプロンプトエンジニアリングの活用
 1.1 初歩的技法 
 1.2 発展的技法
2. プロンプト実例集
 2.1 特徴量選択
 2.2 因果関係の推定
 2.3 性能予測
 2.4 科学コミュニケーション
3. PEが抱える課題
 3.1 トークン数の制限
 3.2 従量課金制によるコスト
 3.3 回答の創造性
おわりに

第7 章 量子コンピュータによる材料開発
第1 節 量子ゲート型コンピュータを用いた機械学習と有機機能材料の物性予測
東京工業大学 畠山 歓
富士通株式会社 柏川 貴弘 ・ 木村 浩一
はじめに
1. 量子ゲートコンピュータの概要
 1.1 量子ゲートコンピュータの基礎概念
 1.2 量子ゲートコンピュータの平易な理論
  1.2.1 1量子ビット系
  1.2.2 量子ゲート
  1.2.3 観測
 1.3 多量子ビット系
  1.3.1 テンソル積
  1.3.2 CNOTゲート
2. 量子回路学習(QCL)
 2.1 量子コンピュータの計算制約
 2.2 QCLの基本動作
 2.3 QCLの回路構成
3. QCLの回帰性能の評価
 3.1 シミュレータと実機の比較
 3.2 QCLと古典コンピュータのアルゴリズムの比較
 3.3 有機化合物の物性予測
 3.4 QCLの回帰性能に関する特徴と課題
おわりに

第2 節 量子アニーリング等イジングマシンの研究開発動向と今後の展望
慶應義塾大学 田中 宗 ・ 関 優也
はじめに
1. 組合せ最適化問題
2. イジングマシン
3. イジングマシンのソフトウェアの研究開発
 3.1 イジングマシンのボトルネックを克服あるいは緩和するソフトウェアの研究開発
 3.2 イジングマシンをより使いやすくするためのソフトウェアの研究開発
4. イジングマシンを用いたアプリケーション研究開発
 4.1 イジングマシンと機械学習の融合アルゴリズムの適用
 4.2 物理モデルシミュレーション
おわりに

第3 節 イジングマシンを用いたマテリアルズ・インフォマティクスと
    ブラックボックス最適化手法
国立研究開発法人物質・材料研究機構/東京大学 田村 亮
はじめに
1. 従来のブラックボックス最適化:ベイズ最適化
2. イジングマシンを利用したブラックボックス最適化手法:FMQA
3. 連続値ブラックボックス最適化手法 CONBQA
4. オートエンコーダとの組み合わせによるブラックボックス最適化 bVAE-IM
5. 多目的最適化手法 MOQA
おわりに

第4 節 量子コンピュータを用いた材料開発の現状、課題、今後の展望
Blueqat株式会社 湊 雄一郎
はじめに
1. 材料開発の現状
 1.1 シミュレーション
 1.2 組合せ最適化
 1.3 AI・機械学習
2. 課題
3. 今後の展望
おわりに

第8 章 企業による量子コンピュータの活用事例
第1 節 量子コンピュータのための量子化学計算アルゴリズムの開発と応用
JSR株式会社 大西 裕也 佐久間 怜
はじめに
1. 量子回路分割手法を用いた半導体材料の量子化学計算
 1.1 背景
 1.2 理論
  1.2.1 量子回路分割手法 Entanglement Forgingについて
  1.2.2 IBMQ実機を用いた計算
 1.3 結果と展望
2. 静的分極率のための量子化学計算アルゴリズム
 2.1 背景
 2.2 理論
 2.3 結果と展望
おわりに

第2 節 量子インスパイアード技術デジタルアニーラの材料開発応用
富士通株式会社 實宝 秀幸
はじめに
1. デジタルアニーラとは
 1.1 概要
 1.2 開発状況
2. 材料開発への応用
 2.1 混合冷媒探索
 2.2 分子・結晶構造の類似性評価
 2.3 計測スペクトルと材料特性の関係性抽出
3. 設計業務への応用(トポロジ最適化)
おわりに

第3 節 NEC の量子コンピューティング技術Vector Annealing を用いた材料開発
日本電気株式会社 千嶋 博
はじめに
1. 量子コンピューティング技術の発展
 1.1 NECの疑似量子マシン Vector Annealing の特長
2. VAを用いた材料開発支援技術
 2.1 VAを用いた新材料レシピ提案(直接解法)
 2.2 VAを用いた新材料レシピ提案(ブラックボックス最適化手法)
おわりに

第4 節 材料開発におけるQuantum Benefit
株式会社豊田中央研究所  平井 宏俊
概要
1. はじめに
2. 材料シミュレーションにおけるQuantum Benefit
3. マテリアルズ・インフォマティクスにおけるのQuantum Benefit
おわりに

第5 節 Quantum CAE:量子コンピュータと機械学習による科学の自動化
株式会社デンソー/国立研究開発法人産業技術研究所 門脇 正史
はじめに
1. Quantum CAEを活用したモノづくり
2. ブラックボックス最適化における量子コンピューティングの活用
 2.1 基板設計における締結点の最適化
 2.2 ノイズフィルター回路設計
おわりに

第9 章 カーボンニュートラルを踏まえたMI による材料開発と将来展望
株式会社AndTech 顧問 平坂 雅男
はじめに
1. グリーン水素
2. 再生可能エネルギー
3. 蓄電池
おわりに(将来展望)