1. はじめに ― AI for Scienceと実験研究の変化

近年、科学研究にAIを活用する「AI for Science」が世界的に注目されています。従来、AIや機械学習は、研究者が取得した実験データを解析・分類するためのツールとして利用されることが一般的でした。しかし近年ではその適用範囲が広がり、材料候補や実験条件の提案、シミュレーション、実験、計測、データ解析、さらに次の実験条件の決定まで、一連の研究プロセスにAIを活用する研究が進められています。
日本においてもAI for Scienceは重要な研究政策の一つとして位置付けられています。文部科学省では2026年に「AI for Scienceの推進に向けた基本的な戦略方針」を策定するとともに、AI for Science萌芽的挑戦研究創出事業（SPReAD）などを通じて、AIを活用した科学研究を支援しています。 特に材料研究では、AIや機械学習を利用して、材料・実験条件の選定 → サンプル作製 → 計測 → データ解析 → 次の実験条件の提案というサイクルを高速化することで、従来よりも効率的に新しい材料や最適な実験条件を探索することが期待されています。しかし、ここで重要になるのが「実験データをどのように取得するか」です。

2. AI for Scienceを支える「実験データ」

AIや機械学習を研究に活用するためには、その学習や判断の基礎となる実験データが必要です。例えば固体電解質材料の探索では、「材料・組成」「製造・プロセス条件」「測定・環境条件」「材料特性・評価結果」といった異なる種類のデータを関連付けて蓄積することが重要です。

• 材料・組成
  材料組成 ｜ 元素比 ｜ 添加剤・ドーパント ｜ 原料粒径
• 製造・プロセス条件
  混合・混練条件 ｜ 粉砕条件 ｜ 成形条件 ｜ プレス圧力 ｜ 焼成温度・時間
• 測定・環境条件
  測定温度 ｜ ガス雰囲気 ｜ 湿度 ｜ 加圧条件 ｜ 電極材料
• 材料特性・評価結果
  イオン伝導度 ｜ 活性化エネルギー ｜ バルク抵抗 ｜ 粒界抵抗 ｜ 界面抵抗

AIや機械学習を活用した材料探索では、これらのデータを個別に扱うのではなく、「どのような材料を、どのような条件で作製・測定した結果、どのような特性が得られたのか」を一連のデータとして蓄積することが重要です。こうしたデータを蓄積することで、材料特性に影響を与える因子の探索や、新しい材料組成・実験条件の予測につなげることができます。

一方で、材料組成や作製条件、測定条件を変えながらデータを蓄積しようとすると、評価するサンプルや測定条件の組み合わせは増えていきます。そのため、AIを活用した研究では、解析技術だけでなく、その入力となる実験データを効率的かつ再現性よく取得する仕組みも重要になります。

従来のように研究者が一つずつサンプルをセットし、配線 → 測定 → データ保存 → サンプル交換という作業を繰り返す方法では、サンプル数の増加とともに研究者の作業負担も大きくなります。また、サンプルごとに測定環境や電極との接触状態などが変化すると、測定データのばらつきにつながる可能性もあります。そこで、多数のサンプルや条件から、効率的かつ一定の条件で実験データを取得する手段として重要になるのが、ハイスループット計測です。

3. 多数のサンプルを効率よく評価するハイスループット電気化学計測例

東陽テクニカでは、多数のサンプルを効率よく測定するための電気化学計測システムを構築しています。その一例が、剣山プローブ電気化学測定システムです。本システムでは、多数のプローブを備えた専用治具をサンプルへ一括してコンタクトさせることで、複数の測定点に対する電気化学測定を効率的に行います。本システム例では89個のセルに対応したプローブを備え、電気化学インピーダンス測定に加え、DC測定や充放電測定にも対応しています。例えば、4インチウエハ上に多数の全固体電解質を塗布したサンプルにプローブを接触させ、各サンプルの電気化学インピーダンス特性を取得することができます。

4. 「多数測る」だけではない ― 測定環境も重要

材料特性の中には、測定環境を適切に制御することで初めて評価できるものがあります。例えば固体電解質では、温度を変化させながらイオン伝導度を測定することで、その温度依存性から活性化エネルギーを算出することができます。

このように、材料の特性を多面的に評価するためには、サンプル数を増やすだけでなく、温度や雰囲気などの測定環境を制御しながらデータを取得することが重要です。そのため、ハイスループット測定では、単に「多数のサンプルを連続して測定できること」に加えて、測定環境を制御し、複数の条件下で効率的にデータを取得できる仕組みも重要となります。

剣山プローブ電気化学測定システムでは、サンプルを設置するホットチャックを室温～300℃まで温度制御することができ、温度を変化させながら各サンプルの電気化学特性を評価できます。さらに、グローブボックス内への設置にも対応しているため、大気中での取り扱いが難しい材料についても測定系を構築できます。

5. サンプルに合わせて「計測システム」を設計する

ここまでウエハ上に形成したサンプルを例にご紹介しましたが、材料研究で使用されるサンプル形状や測定方法は研究テーマによって大きく異なります。例えば、以下に示すとおり、研究対象によって必要となるセル構造やコンタクト方法は異なります。

• ●ペレット状の固体電解質
• ●薄膜・フィルム状材料
• ●ウエハ上に形成された多数の材料・セル
• ●液体電解質を使用する電気化学セル

そこで東陽テクニカでは、測定器だけでなく、お客様のサンプルに合わせたサンプルホルダ・プローブ・測定治具を含む計測システムをご提案できます。さらに必要に応じて、温度制御やガス雰囲気制御など、サンプル周辺の環境条件を組み合わせたシステムについても検討できます。
つまり、既存の測定装置にサンプルを合わせるのではなく、「研究したいサンプル・条件に合わせて、最適な計測環境を構築する」ことが、当社のカスタム計測ソリューションの特長です。

5. AI for Scienceに向けた計測プラットフォームへ

AI for Scienceの進展により、今後の材料研究では単に「高精度に測る」だけでなく、

1. ●多数のサンプルを測る
2. ●条件を変えながら測る
3. ●同じ条件・手順で測る
4. ●データを蓄積する
5. ●AI・機械学習によって解析する

という一連の研究プロセスがより重要になると考えられます。

特に実験研究では、AIそのものだけではデータを生み出すことはできません。そのため、AIによる解析・予測技術とともに、実験データを効率的かつ再現性よく生み出す「計測技術」がAI for Scienceを支える重要な要素になります。
東陽テクニカでは、ポテンショ/ガルバノスタットなどの電気化学測定システムに加え、サンプルホルダ、プローブ、温度制御、雰囲気制御などを組み合わせ、お客様の研究対象に合わせた電気化学計測システムをご提案します。

「多数の材料を効率よく評価したい」
「特殊な形状のサンプルを自動で測定したい」
「温度や雰囲気を変えながらデータを取得したい」
「AI・機械学習に利用するための実験データを効率的に蓄積したい」
といったご要望がございましたら、ぜひお問い合わせください。

記事一覧に戻る