分散した材料研究データをクラウドに集約、AI解析基盤を築いた国立研究機関の設計

これまでの研究現場では実験装置もデータも分散し、長期にわたる非効率なワークフローを個々の研究者が繰り返さなければ成果にたどり着けない状態が続いていました。新しい材料が市場に出るまでには長い歳月がかかり、航空機材料のように軽量化や耐熱温度の向上、コスト削減、リサイクル性が同時に問われる分野では、要求基準が年々厳しくなるにつれ開発と認証がさらに長期化しています。集めるべきデータは大量にあるものの、小さな塊であちこちに散っている、という状況でした。

編集部の見立てでは、この困りごとの本質は保管場所が分かれていたことそのものではなく、データが生まれた文脈——どんな条件で、何を重要な因子とみなして測ったのか——が個々の研究者の経験の中に留まり、他人が再利用できる形になっていなかった点にあります。文部科学省がデータを独占する傾向を改め、広範な共有ネットワークの構築を推進しているという文脈も、これが計算資源やAIの不足ではなく、共有の作法をどう設計するかという問題であることを示しているのではないでしょうか。

誰もが簡単に使えるものを目指さない、と最初に決めた設計方針が効いています。利用にあたっては材料工学や物理学の専門知識を前提とし、便利ツールではなく、使う人がどれだけ頭を動かし深く考えられるかを促す仕組みと構成が選ばれました。想定利用者を論文という成果を求められる研究者に絞り込んだからこそ、画面の分かりやすさより、扱えるデータの粒度や解析の自由度に設計の力を注ぐという優先順位が成り立ちます。

研究者の経験や勘で行われてきた作業を数値に置き換えて標準化する工程を、基盤づくりの中心に据えた点も重要です。感覚的な判断をコンピュータに扱わせるには明確な定義と定量化が要り、同じ言葉でも分野や地域で解釈が割れる以上、統一した基準を先に置かなければ集めたデータは後から使えません。データの背景や文脈を読み解いたうえで基準を決めるという順序が、単なるデータの寄せ集めと蓄積を分けたと考えられます。

発注側とSIerが材料工学を共通言語にして議論する体制も、この規模の基盤では効きやすい形です。CTC側はシステムがどれだけ安定して動くか（ロバスト性）、どれほどの負担がかかるか（オーバーヘッド）といった観点を事前提案として持ち込み、NIMS側は材料の挙動にどの因子が効くのかという見立てを持ち込む。どのデータが重要でどれがそうでないかを両者が同じ言葉で判断できなければ、セキュリティレベルを引き上げるか否かも決められないため、この共通言語は保護の設計にも直結します。

オンプレミス環境からMicrosoft Azureによるクラウド環境への移行が行われ、研究データを効率的に管理・共有するためのプラットフォームが構築されました。あわせて、高いセキュリティを担保した材料データベースや計算結果を収集・統合する基盤、そしてAI解析基盤が開発されています。削減率のような定量的な数値は公開されていませんが、今後はRDEとpinaxを連携させ、実験データに基づいてAIが材料特性を予測し最適な材料設計を支援する形へ、各システムの機能強化と相互連携を進める構想が示されています。