材料信息学和过程信息学将会发生什么变化？

材料信息学和过程信息学将会发生什么变化？

2022/04/20

材料信息学 (MI) 和过程信息学 (PI) 已开始被世界各地的材料制造商引入。我们周围的产品所使用的材料是通过结合地球上存在的原材料而制成的。为了研究、开发和商业化单一材料，需要多次重复实验和物理性能评估。 MI 缩短并简化了工作，PI 开发了用于大规模生产的高效制造流程。目前，以材料制造商为中心的MI和PI开发竞赛已经开始。我们采访了材料和化学研究计划办公室主任 Aritomo Yamaguchi，他正在致力于加速 MI 和 PI 的实际应用，这对于日本在材料开发方面继续保持竞争力是必要的。

发展日本制造业

什么是材料信息学和过程信息学？现在已经发展到什么程度了？

　日本在半导体产业方面曾一度领先世界，但日本的大本营半导体存储器生产已被台湾和韩国超越，随着这些海外厂商开始生产各种半导体，竞争变得更加激烈。然而，日本制造商仍然拥有大量半导体生产必需的原​​材料气体、溶剂、抗蚀剂和许多其他化学材料的份额。日本材料制造商通过材料开发能力保持了市场份额。

　我不能对自己目前的处境感到自满。海外材料制造商也计划通过加快开发来增加市场份额。日本材料制造商需要进一步加快发展才能参与竞争。利用数字技术对于日本制造业的持续发展至关重要，材料制造商已经来到这里开始研究MI/PI，并将开发成果实际应用到他们的业务中。 MI/PI的引入是全球范围内的大趋势，我们不能落后。

为什么我们需要 MI

　MI也可以翻译为“数据驱动的材料开发”。

　一般来说，材料开发涉及从几乎无限的元素和反应条件组合中寻找具有适合用途的功能的材料。过去，研究人员依靠经验和直觉，有些材料是偶然开发出来的。需要利用公司内部积累的经验和专业知识在短时间内开发出多种具有竞争力的材料。然而，在当今世界，许多材料已经开发出来并投入实际使用，但现实情况是，开发具有更高性能并符合所需特性的材料变得更加昂贵和耗时。

　MI是一种利用人工智能技术等的数字技术，其目的是“加快需要大量时间的材料开发并降低成本”。企业和研究机构积累的实验数据将作为加快这一进程的重要数据。

MI的挑战和困难

　为了让人工智能给出合适的答案，需要提高输入数据的质量并增加输入数据的数量。已经开发了一种收集已发表的论文数据、专利信息等并将其用于学习的方法。最近，不仅积累和使用现有的公共数据，而且还积累和使用通过公司内部的实验和模拟获得的数据的方法变得流行。通过利用信息科学，可以缩短从性能预测到材料原型制作的时间，我们可以期待发现新物质并显着缩短开发周期的效果。

　为此，您需要小心您使用的数据类型。当然，使用高质量的数据很重要。这里所说的高质量数据并不一定仅仅指成功案例的数据。仅输入成功案例的数据并不能提高AI性能；还必须利用故障数据。通过分析成功和失败的案例，人工智能将得出适当的答案。

利用 PI 提高制造流程效率

　通过MI成为候选物质的材料除非能够实际量产，否则无法成为产品。 PI的作用是寻找制造过程中反应所需的最佳反应温度、压力和时间。如果说MI是“一种利用数据加速新材料开发的技术，从性能预测到原型制作”，那么PI就是“一种利用数据加速新材料开发的技术，从材料原型制作到工业上可用的制造方法，并加强各公司拥有的专有技术。”两者都是新材料商业化的重要技术。

 

AIST 的 MI/PI 计划

与公司合作开发 MI

　产业技术研究所从2016年到2021年期间一直在实施“超先进材料超高速开发基础技术项目（Super-Super PJ）”。该项目是产业技术研究所和18家公司共同参与的项目，旨在利用计算科学和MI来加速有机功能材料的材料开发。与传统材料开发相比，我们的目标是将原型数量和开发周期缩短至1/20。

　在柔性透明薄膜的开发中，我们通过让AI学习结构、成分和功能的数据，缩短了开发周期，并且与仅依赖研究人员知识的传统研发相比，我们能够将实验数量减少到1/25以下。我们还成功开发了一种薄膜，可以改善三个相互矛盾的特性：透光率、断裂应力和伸长率。

构建会员公司可以使用的数据平台

　预计上述项目将通过在半导体材料、高性能介电材料、高性能高分子材料、功能化学品、纳米碳材料等领域的数据应用来发展并加速发展。从 2022 年 4 月开始，AIST 将开始运营一个联盟，该联盟将允许成员公司使用还收集外围数据的数据平台 (数据驱动联盟）。我们将拥有五个与光功能粒子、催化剂等相关的专用数据平台，并创建一个允许在联盟活动中共享数据的系统。

　然而，数据量不会仅仅因为项目结果而增加。还需要一种让公司提供数据的机制。为了收集更多高质量的数据，企业的参与至关重要，但实际上也存在一些障碍需要克服。例如，如果A公司和B公司正在开发不同性能的材料，如果共享数据，他们将能够看到彼此的数据，从而有可能加速双方的发展。另一方面，如果 A 公司和 B 公司正在开发材料以实现相似的性能，该怎么办？在这种情况下，A公司和B公司都无法提供数据。因此，我们通过数据匿名化技术，打造了一个让您安心使用我们数据平台的系统。

 

在PI方面，我们将在AIST内部设立先进催化剂中心（筑波中心）、陶瓷合金中心（中部中心）、有机生物材料中心（中国中心）三个中心，以日本具有较高国际竞争力的材料为目标，推进各个领域的开发。 (材料工艺创新平台) 每个基地根据目标领域配备分析设备、工艺设备等，除了应对中小企业和风险投资公司面临的制造工艺问题外，我们还通过数据驱动的研发开发作为制造工艺核心的模型。

人力资源开发是未来的重要问题

　在MI和PI的发展和实际应用中，人力资源开发是一个极其重要的问题。化学和材料领域的专业知识是必要的，但同时也需要利用人工智能、深度学习等进行分析和评估的专业知识。培养具有这两种技能的人力资源对于 MI/PI 的未来推广和实际应用极为重要。

　近年来，随着DX的推进，各产业领域纷纷积极寻求数字化人力资源。由于材料化学是一个需要高水平专业知识的领域，因此培养材料和化学研究人员成为数字人才可能比从外部寻找数字人才更快。 MI和PI对于提高材料行业的国际竞争力、提高研究和制造效率不可或缺。材料开发行业现在需要技术和人力资源方面的持续增长。