株式会社CrowdChem

池端 久貴氏

材料開発分野における研究開発では、材料組成やプロセス条件、評価指標の多様化により、実験データを体系的に活用することが研究効率を大きく左右します。マテリアルインフォマティクス（MI）は、既存の実験データから物性や性能を予測し、次に行うべき実験設計を支援する有効な手法ですが、実験プロセスそのものを適切にデータ化できていない点が実用上の課題となっていました。
CrowdChemは、化学・材料実験をフローチャートとして記述し、グラフ構造データとして管理・解析する独自のMI基盤を構築しています。実験フロー、材料情報、プロセス条件を階層的なグラフとして表現し、グラフニューラルネットワーク（GNN）に直接入力することで、組成–プロセス–物性の関係を統合的に学習可能です。本セミナーでは、実験データ表現とAIモデルの技術的背景を中心に解説し、あわせてLabDXによる簡単なデモをご紹介します。