実験ノートをAIが自動解析するシステムを構築

科学研究の記録は実験ノートや学術論文、特許などの媒体で蓄積されていますが、公知文献からは実験時の細かな条件、あるいは失敗の結果などは省かれており、実験結果にかかわる因子が十分に網羅されていません。




そこで、実験者が日常的に行っている複雑な研究を正確にデジタル記録して、データ科学に展開するための手段の確立が研究室のデジタルトランスフォーメーションやオープンサイエンスの促進の鍵だという。

早稲田大学などの研究グループは、日々の材料実験の様子をグラフ構造と呼ばれるデータ形式で記録して、AIで自動解析するシステムを構築しました。

グラフ構造とは、情報間の関係性を点と線でつないだデータ形式で、AIにとっては文章や画像よりも処理が容易です。

グラフ構造は実験操作や結果に加えて実施日や気温、装置や試料の状態などの情報も記録できるため、AIと研究者それぞれに適したデータ構造です。

研究グループは、Fingerprintと呼ばれる手法によって分析しました。Fingerprintは特定の実験操作の有無を判定するアルゴリズムで、分子構造と物性の相関解析などで活用されています。

開発したシステムは、高分子固体電解質の実験で有効性を評価しました。

500回以上の実験データをグラフ構造として記録し、AIシステムを使って実験結果を解析したところ、新材料の性能を規定しうる重要な構造・実験因子を抽出することができました。

例えば、特定の複合条件では電解質内に加えた塩が高分子との相互作用を経て乱雑な構造に変化して、電気伝導度が大幅に向上する機構が示されました。

研究グループは、今回の研究に関する一連の実験記録をweb上に公開しています。

構築した電子実験ノートはさまざまな材料研究への展開が可能で、実験研究のDXを促進する足掛かりとなります。このように、世界中の研究者やAIが生の実験ノートにアクセスできるようになることで、データ科学を介したオープンサイエンスの流れが強まることを期待しているとしています。

NEW POST