## 背景・目的

有機溶剤を用いた従来の抽出工程では、CO₂排出や溶剤残渣といった環境負荷が課題となっていました。このような背景から、環境負荷低減と高い抽出性能を両立できる技術として、超臨界CO₂抽出の適用が進められています。本検討では、超臨界CO₂抽出プロセスにおいて、運転中に抽出効率の良否を判断できる指標を構築することを目的としました。

![](img/日東電工-超臨界co2抽出技術_背景目的.jpg)

## 課題

超臨界CO₂抽出では、抽出効率の評価が運転後の事後評価に依存しており、条件検討に時間を要していました。また、抽出槽内で生じている状態変化を定量的に評価する手段がなく、観察窓による目視確認に留まっていました。そのため、槽内状態と抽出効率との関係が明確になっていないことが課題でした。

## 計測

抽出槽には観察窓が設けられており、運転中の槽内を動画撮影しました。本検討では、この動画からクリップした画像データを計測データとして活用し、抽出槽内の状態を定量的に評価することを試みました。

![](img/日東電工-超臨界co2抽出技術_材料計測.jpg)

## 計測データの特徴量化

画像データをWAVEBASEで解析し、画像特徴量を整理しました。主成分の時間変化を評価した結果、槽内状態の変化をよく捉える特徴量を抽出することができました。

![](img/日東電工-超臨界co2抽出技術_計測データの特徴量化.jpg)

## 回帰分析・解釈・考察

異なるプロセス条件で得られたデータを比較したところ、抽出効率が高い条件では抽出した特徴量の時間変動が小さく、抽出効率が低い条件では変動が大きい傾向が確認されました。この結果から、抽出した特徴量の変動は槽内におけるCO₂の流れの安定性を反映しており、槽内状態が安定しているほど抽出効率が高くなることが示唆されました。

![](img/日東電工-超臨界co2抽出技術_回帰分析解釈考察.jpg)
## まとめ
観察窓から取得した動画を画像解析することで、抽出槽内の状態を定量化することができました。本手法により、超臨界CO₂抽出プロセスにおいて運転中評価が可能となり、条件検討期間の短縮や抽出効率の設計指針の明確化につながりました。

日東電工 超臨界CO2抽出技術

### ― 科学者の思考を加速するマテリアルズインフォマティクスとは ―

  国立研究開発法人物質・材料研究機構（NIMS）では、データ駆動型研究という新たな視点を取り入れた材料研究が進展している。磁性材料研究の最前線で活躍する2名の研究者が、トヨタ発のマテリアルズインフォマティクス（MI）プラットフォーム「WAVEBASE」を活用した研究の変革について語った。

## 【前編】高橋有紀子氏 - 新たな手法への挑戦と継続性の課題

  磁性スピントロニクス材料研究センター センター長の高橋有紀子氏(以下、高橋氏)は、長年の経験と勘に頼ってきた研究の世界に、データ駆動型研究を取り入れることで大きな成果を上げている。

### 研究現場の葛藤

  高橋氏は、自身の研究プロセスを根本から見つめ直し、機械学習の活用を模索していた。研究現場で機械学習を日常的に活用していくためには、研究者自身がより主体的にツールを理解し、継続的に運用できる体制が必要だと考えていた。

  「文科省のDXMagプロジェクトが始まったので機械学習をやってみようと思ったのですが、当時は全く経験がなく、どんなものか分からない状況でした」と高橋氏は振り返る。

  「センター内のデータサイエンティストに協力いただき、専門的な解析を進めていただいたのですが、研究を継続的に発展させていくためには、研究者自身がその仕組みやプロセスをより深く理解する必要があると感じていました。」

  特に重要だったのは、継続的な活用への課題だった。「プロジェクトベースでの協力体制では、どうしても一つの成果がまとまった段階で区切りがついてしまいます。しかし、私たちはプロセス実験において機械学習を日常的に、継続的に活用したいという想いがありました。そのためには、研究者自身がツールの本質を理解し、自律的に活用できる体制を築く必要がある」と考えるようになったのである。

### WAVEBASEとの出会い

  そうした状況の中、WAVEBASEの担当者からのサポートを受け、ツールの利用を開始した。丁寧な指導と対話を重ねることで、機械学習がどのような仕組みで動いているのかを理解し、自らトライアンドエラーを繰り返せるようになった。

  「データがあるんだったら、ちょっと使ってみませんかと、お声がけいただいたのがきっかけです。本当に親身にオンラインミーティングや現地でのミーティング直接行っていただき、そこから少しずつやれるようになってきました。」

  このサポートにより、機械学習の本質を理解できるようになったと高橋氏は語る。「自分でトライ&エラーできるようになると、機械学習を使うということがどういうことなのかも分かってきたんです。TOYOTAさんが実際に私たちのデータを見て、『こういうふうにやると、こういうのができますよ』というのもちゃんと教えていただいた。非常に恵まれた環境で使わせていただいたと思います。」

![](img/nims3.jpg)

  (国立研究開発法人物質・材料研究機構 磁性スピントロニクス材料研究センター センター長の高橋有紀子氏)

### 「人間には不可能」な最適解の発見

  WAVEBASEの予測機能を活用することで、高橋氏はこれまでの経験や知識だけでは辿り着けなかった最適な成膜条件を見つけ出すことに成功した。この成果は現在、論文としてまとめられている。

  「何回かやっているうちに、当初の目標、ゴールにたどり着きました。」と高橋氏は説明する。「WAVEBASEで2回目か3回目の予測をして出てきた条件なんですが、これを見て、『これは自分じゃできない』と思いました。人間がやってもかなりいいところまでは行っていたんですけど、あの条件はやっぱり出てこないかなと。」

  特に印象的だったのは、研究者のバイアスを排除する効果だった。「データサイエンスで分かることって、実はもう分かっていることが多いんです。分かってはいるけど、ちゃんと指摘してくれる。特に重要なのは、バイアスがなくなることです。例えば、鉄白金BN系では温度が高いところがいいのですが、今まで私たちは密度を上げようとして、温度が高いところを一切見てなかったんです。機械学習を使うとそのバイアスがなくなるので、非常に助かりました。」

  機械学習による因果関係の可視化も重要な価値を提供している。「窒素が特性にクリティカルに効くとか、そういったところから、なんでだろうっていうところの考察をしていくことができます。」

  高橋氏はさらにこう付け加える。「人間が最初にパラメーターを決めて実験するんですけど、大体いいところまで人間で持っていけるんです。でも、あるゴールを設定したら、そのゴールを超えるところまでは、やっぱり人間では持っていけない。WAVEBASEや機械学習を使ったら、それを超えていけると同時に、系の限界を示してくれる。『何回やってもダメだね、もうここを超えないね』というところが出てくるので、無駄な実験をしなくていいというのはあります。」

### データ駆動文化の創造に向けた課題

  「データを継続的に蓄積することが最も困難な課題」と高橋氏は率直に語る。

  「短期間でプロジェクトに参加する学生や研究者の方々にとって、データ蓄積の長期的な価値を実感していただくことは容易ではありません。私のように長年研究を続けてきて、振り返った時にデータの蓄積が限られていることに気づいて初めて、継続的なデータ収集の重要性を痛感するのですが、限られた期間で成果を求められる研究者の方々には、そうした長期的視点での価値を共有することが難しいのが現状です。」

  この課題に対し、技術的な解決策を模索していると高橋氏は語る。「製膜装置を自動化して、自動的にデータが出てくるようにしないと実際には継続してもらうのは難しいかもしれません。入れようと意識しなくてもデータが貯まっていく状況にしていくのが次の課題だと思います。」

## 【後編】佐々木泰佑氏 - 実践的活用と継続的改善

  構造材料研究センター 材料評価分野 微細組織解析グループ グループリーダーの佐々木泰佑氏は（以下、佐々木氏）、2022年からWAVEBASEを継続的に利用し、磁性材料の微細組織解析において具体的な成果を上げている。

### 従来手法の限界とMI導入の背景

  佐々木氏が取り組んだ磁性材料研究では、材料の特性と微細組織の関係を明らかにすることが重要な課題となっている。しかし、従来の研究手法では、複雑な材料の特性を体系的に理解することに限界があった。

  「私が扱っている実験材料は、いろいろな変数のある材料なんです。多くの材料のデータを比較したときに、『これが効いているんじゃないか』というのは、なんとなく感覚的に分かるところがありました。しかし、それを確信に変えるという点で課題がありました。」と佐々木氏は当時の状況を振り返る。

  従来の手法では、装置を立ち上げて材料作成条件を最適化し、実際にデータを蓄積していくプロセスに2〜3年程度の期間が必要だった。特に、一つの材料について電子顕微鏡データだけで100枚程度のファイルが生成されるため、データ管理と解析が研究者にとって大きな負担となっていた。

  佐々木氏のWAVEBASE活用は、2022年4月のTOYOTA東富士研修所での集中的な研修により、ツールの基本的な使い方から実践的な活用方法まで幅広く習得している。

![](img/nims2.jpg)

  国立研究開発法人物質・材料研究機構 構造材料研究センター 材料評価分野 微細組織解析グループ グループリーダー 佐々木泰佑氏

### 使いやすさによる研究現場での効果

  WAVEBASEの最大の特徴として、佐々木氏は「使いやすさ」を強調する。研究者として機械学習の専門知識が限られている中でも、直感的にツールを活用できる点を高く評価している。

  「他の機械学習ソフトに触れる機会もありますが、WAVEBASEが優れているのは使いやすいということです。データをアップロードしたり蓄積したりするところ、データ管理の部分は極めて使いやすいと感じています。実際に機械学習に持っていくところも、すごく分かりやすい筋道で使えます。」

  特にデータ管理機能については具体的な効果を実感している。「電子顕微鏡のデータとして、一つの材料で100枚ぐらいあるデータを、WAVEBASEでパッパッとワンクリックするだけで紐づけることができます。これは非常に助かります。従来は手作業でファイルを整理し、関連付けを行う必要がありましたが、WAVEBASEにより大幅な時間短縮が実現できています。」

### データ品質の重要性と実践的知見

  実際の活用を通じて、佐々木氏はデータ品質の重要性についても深い洞察を得ている。機械学習の成功には、量だけでなく質の高いデータが不可欠であることを実体験を通じて学んだ。

  「すべてのデータを入れてうまくいくということはなかなかありません。正しく実験をして出せたデータかどうかというところが重要で、正しく実験をして正しく出せていないデータは、機械学習の精度を低くしてしまいます」

  実際の運用では、データの異常値検出と除外作業も重要なプロセスとなっている。「WAVEBASEで見れたデータから、特異なものやおかしいと思われるものを見つけて、実際にそのデータに戻って確認し、明らかにおかしいものを省くと、機械学習として使えるレベルまで来ています。」

### 複雑な材料解析における価値

  佐々木氏がMIを推進する背景には、扱う材料の複雑さがある。単純な材料であれば従来手法でも十分だが、実際の工業材料は多くの変数を含んでおり、それらの相互作用を理解するにはMIが不可欠である。

  「単純な材料だったとすると、別に必要無いのかもしれません。しかし実際の材料はそんなにきれいな材料ではなく、材料そのものも汚いし、中に入っている成分もいろいろです。そういう変数が多い状況では、機械学習は非常に役に立ちます」

  従来の経験則の検証という観点でも大きな価値を感じている。「機械学習を使って出てくる結果は、われわれが何年もかけてやってきた実験をわずかな時間で言い当てているものです。これまで曖昧な実験結果から受け継いだ部分が間違っていなかったということが分かり、非常に自信になりました。」

  このように、MIは従来の研究手法を否定するのではなく、研究者の直感や経験を科学的に裏付け、次の研究段階への確実な道筋を示すツールとしての価値を発揮している。

## 材料研究の新たなスタンダードに向けて

  高橋氏と佐々木氏の体験は、データ駆動型研究が単なる効率化ツールではなく、研究者の思考そのものを拡張する可能性を示している。「経験と勘」に加えて、客観的なデータ解析の力を得ることで、これまで見えなかった因果関係や最適解が明らかになる――これがマテリアルズインフォマティクスの真価である。

  継続利用の中で明らかになった課題として、データ追加時の機械学習再実行プロセスの改善や、研究発表用グラフの出力機能向上などの実用的な要望も出されている。これらの改善により、さらなる研究効率の向上が期待される。

  「機械学習を使わない手は無い」という佐々木氏の言葉が示すように、複雑な材料研究においてMIは必要不可欠なツールとなりつつある。特に、WAVEBASEのような使いやすいプラットフォームの存在が、材料研究者にとってのMI活用への障壁を大幅に下げていることは注目に値する。

  今後は、生成AIとの連携や他の研究プラットフォームとの統合により、さらなる研究効率の向上が期待されている。NIMSにおける2名の研究者の継続的な取り組みは、日本の材料研究におけるDX推進の先駆的事例として、多くの研究者に示唆を与え続けることになるだろう。

![](img/nims4.jpg)

― 科学者の思考を加速するマテリアルズインフォマティクスとは ―
国立研究開発法人物質・材料研究機構（NIMS）では、データ駆動型研究という新たな視点を取り入れた材料研究が進展している。磁性材料研究の最前線で活躍する2名の研究者が、トヨタ発のマテリアルズインフォマティクス（MI）プラットフォーム「WAVEBASE」を活用した研究の変革について語った。

国立研究開発法人物質・材料研究機構 WAVEBASE導入事例 「経験と勘」を超えて、材料研究に因果関係の光を当てる

（新研究所共同実験室にて　左から福士英一氏、松本優規氏、足立湧綺氏）

### 長年の仮説を一瞬で証明 ― 導入のきっかけ

WAVEBASEとの出会いは偶然の訪問から始まった。ある日、トヨタ自動車からの紹介でデモを体験する機会があり、機能性皮膜設計第二センターのセンター長である福士英一氏（以下、福士氏）は驚きを隠せなかった。

福士氏は当時を振り返る。「私は以前から『処理液組成が、ある皮膜形態を介し、要求される性能に効いているはずだ』という仮説を持っていました。ところが、従来のデータ解析では、それを裏付けるのに長い年月が必要だったのです。実際に、この仮説を立ててから確信を得るまでに数年を要していました。ところが、WAVEBASEにデータを入力したところ、翌日には同じ因子が重要だと提示されました。『自分の何年もの試行錯誤は何だったのか』と驚かされました。」

![](img/article-parker-2511-2.jpg)

（総合技術研究所コア技術研究部機能性皮膜設計第二センター センター長　福士英一氏）

このデモの結果は、単なる偶然ではなかった。システムは統計学的根拠に基づいて、福士氏が長年の経験から導き出した仮説と同じ結論を瞬時に提示したのである。

この体験をきっかけに、「研究員の勘や経験に依存しない、新しい研究開発体制を築けるのではないか」という期待が社内に広がり、試験導入を経て正式導入へと進んだ。

### 社内説得の流れと導入の決め手

新しい仕組みを導入するには、当然ながら社内の理解を得る必要がある。特に研究員の多くは「実験こそ全て」という意識を持っており、ITツールの検証に時間を割くことへの抵抗感もあった。また、MIやAIといった新しい技術に対する認知度も十分ではなく、「本当に研究に役立つのか」という懐疑的な声も少なくなかった。

福士氏は当時の状況をこう説明する。「最初は『本当に役に立つのか』という懐疑的な声もありました。研究員は自分の経験や直感を大切にする傾向があり、データ解析ツールに対しては慎重な姿勢を示していました。そこで、画像解析による結果を社内で共有しました。数値や画像として『ここが性能に効いている』と直感的に示すことができたのは大きかったです。理解が一気に進みました。」

特に効果的だったのは、実際の実験データを用いたデモンストレーションだった。WAVEBASEが画像から抽出した特徴量（特徴量：機械学習のモデルに入力するデータのことで、学習する対象のデータの特徴や属性を数値として表す。）と、実際の性能データとの相関関係を視覚的に示すことで、研究員たちはシステムの有効性を実感することができた。

導入を後押ししたのは、ノーコードで扱える直感的な操作性と、手厚いサポート体制だった。研究員自身がプログラミングをする必要がなく、導入直後からすぐに解析を始めることができる。さらに「欲しい機能があれば迅速に検討・実装してくれる」というベンダーの姿勢が安心感をもたらした。

### 実験サイクルを加速する活用方法

では、実際に研究の現場でWAVEBASEはどのように活用されているのか。機能性皮膜設計第二センターの足立湧綺氏（以下、足立氏）は具体的な運用についてこう説明する。

「私たちの研究は、水準を考案し、評価物を作製し、性能を評価し、その結果を考察して次の水準を決める、という開発におけるPDCAサイクルの繰り返しです。WAVEBASEでは、性能評価の際に得られた画像から特徴量を抽出し、回帰分析を用いて『どの部分が性能に寄与しているか』を明らかにします。さらに、データセットを読み込んで相関関係や予測モデルの精度を確認し、次の実験条件を決める際の参考にしています。」

![](img/article-parker-2511-3.jpg)

（総合技術研究所コア技術研究部機能性皮膜設計第二センター足立湧綺氏）

具体的には、表面処理後の皮膜の顕微鏡画像をWAVEBASEに入力すると、システムが自動的に特徴量を抽出する。これらの特徴量と実際の性能データとの相関関係を解析することで、どのような皮膜構造が優れた性能を発揮するかを定量的に把握できるようになった。

従来の手法では、研究員が目視で画像を観察し、経験に基づいて判断していたが、WAVEBASEを活用することで、人間では気づかない微細な特徴も数値化して評価できるようになった。

こうした一連の流れにより、研究の効率は大幅に向上。人の勘や経験に頼る部分が減り、データに基づいた判断が可能になった。

### データがもたらす"セレンディピティ"

WAVEBASE導入によって得られた効果の一つが、研究開発における新しい発見の促進だ。機能性皮膜設計第二センターの松本優規氏（以下、松本氏）はこう語る。

「従来は、作業者の思い込みや経験に基づく解釈が議論の中心でした。『この条件だと性能が良くなるはず』という予想のもとで実験計画を立てることが多く、議論も感覚的なものになりがちでした。WAVEBASEでは統計学的な解析結果に基づいて議論できるので、より深く、より建設的な議論が可能になりました。」

![](img/article-parker-2511-4.jpg)

（総合技術研究所コア技術研究部機能性皮膜設計第二センター松本優規氏）

さらに福士氏は、システムがもたらす"思いがけない発見"についてこう語る。「我々はよく『セレンディピティ』という言葉を使います。思いもよらない因子や水準が提示され、それを試してみると性能が大きく向上することがあるのです。従来なら絶対に思いつかなかった条件が、新しい研究の突破口になる。これは研究者にとって非常に大きな価値があります。」

実際に、WAVEBASEが提案した実験条件を試したところ、従来の性能を上回る結果が得られた事例もあった。このような発見は、研究員の固定観念を打破し、新たな可能性を示してくれる貴重な体験となっている。

こうした発見は単に効率化にとどまらず、イノベーションの源泉となっている。

### 使いやすさと改善点

実際に利用してみて「すぐに解析を始められる」「直感的に操作できる」といった使いやすさが高く評価されている。特に規定フォーマットを備えたCSVをダウンロードできるため、初心者でも迷わず分析データを入力できる点が好評だ。

足立氏は使いやすさについてこう評価する。「ノーコードツールであるため、プログラミングの知識がなくても解析を始められます。データセットの入力フォーマットも明確で、サンプルファイルをダウンロードできるので、初めて使う人でも迷うことはありません。」

また、サポート体制の手厚さも高く評価されている。エラーが発生した際の対応が迅速で、新機能の要望に対しても早期に検討・実装してもらえることが、継続的な利用の決め手となっている。

一方で改善点も挙げられた。足立氏は指摘する。「プロジェクト一覧画面に更新日が表示され、過去の解析結果をスムーズに探せると良いです。」また、解析途中にエラーが発生した際に原因が分かりづらい場合もあり、「解析手順書」にエラーのトラブルシューティングがあると今後さらに使いやすくなると期待している。

### 他部署への展開と社内浸透の取り組み

現在、機能性皮膜設計第二センターでの成功事例をもとに、他部署への展開も進められている。福士氏はこの取り組みについてこう語る。

「我々三人がパイロットケースとして活用方法を確立し、その成果を社内に紹介しています。『こういうことができるのです』『こんな発見がありました』と具体的な事例を示すことで、他の研究員にも関心を持ってもらえるようになりました。」

ただし、部署によって研究の特色や課題が異なるため、単純に同じ手法を横展開するのではなく、それぞれの部署の特性に合わせたカスタマイズが必要だと考えている。

### 今後への期待 ― 未知の材料探索へ

WAVEBASEの活用はまだ始まったばかりだ。松本氏は今後の期待についてこう語る。

「材料データベースとの連携によって、社内に知見のない『全く新しい材料』を提案してもらえるようになれば、研究開発はさらに進化すると考えています。既存の枠にとらわれない新しい発見ができるはずです。」

現在検討されているのは、外部の材料データベースとWAVEBASEを連携させ、目標性能を達成するために有効な材料候補を自動的に提案するシステムだ。これが実現すれば、研究員が思いつかないような新規材料の探索が可能になり、イノベーションのスピードがさらに加速すると期待されている。

現在は機能性皮膜設計第二センターが中心となって運用しているが、今後は他部署へも展開し、全社的に研究開発の基盤として浸透させていく構想だ。

### 導入を検討する企業へのメッセージ

最後に、これからWAVEBASEの導入を検討する企業に向けて、松本氏はこうメッセージを送る。

「研究開発の生産性向上は、多くのメーカーに共通する課題です。WAVEBASEは多機能でありながら、単なる効率化にとどまらず、新たな観点での実験設計を後押しするツールだと思います。導入や社内推進には時間がかかるかもしれませんが、粘り強く取り組むことで必ず成果につながります。同じユーザーとして、このシステムを盛り上げていきたいですね。」

福士氏も付け加える。「MIの導入には社内の理解と協力が不可欠です。最初は小さな成功事例を積み重ねることから始めて、徐々に社内に浸透させていくことが重要だと思います。」

### データが切り拓く新たな研究開発

日本パーカライジングが掲げる「変革への挑戦」は、WAVEBASEを活用したMI導入を通じて確実に前進している。経験や勘に頼らず、統計学とデータ解析を武器にした研究開発は、これからの材料科学における新しいスタンダードになり得るだろう。

同社では2025年に新しい総合技術研究所を開所し、「変革への挑戦」を会社方針として掲げている。WAVEBASEを活用したMI導入は、まさにこの方針を体現する取り組みとして位置づけられている。

その挑戦は、単なる効率化にとどまらず、"セレンディピティ"という偶然の発見をもたらし、新しい技術と価値を社会に届ける原動力となっている。研究員の能力を超えた新たな発見の可能性を秘めたWAVEBASEは、日本パーカライジングの未来を切り拓く重要なツールとして、その価値を発揮し続けている。

![](img/article-parker-2511-5.jpg)

（2025年7月開所 日本パーカライジング株式会社 新総合技術研究所）

## 日本パーカライジングが挑むDXとWAVEBASE導入の舞台裏

### 表面処理のリーディングカンパニーが直面した課題

金属の表面に様々な機能を付与する表面処理薬剤を開発してきた日本パーカライジング株式会社。同社の総合技術研究所の一部門、コア技術研究部機能性皮膜設計第二センター（以後、機能性皮膜設計第二センター）は、アルミニウムをはじめとする非鉄金属材料に、親水性や防錆性といった機能を付与する表面処理技術の中核を担う部門だ。

「地球上に限りある資源の有効活用を図り、あらゆる素材の表面改質を通じて、資源の新しい価値を創造し、地球環境の保全と豊かな社会づくりに貢献します」という企業理念のもと、研究員たちは日々新たな機能を持つ皮膜の開発に取り組んでいる。

しかし、研究開発における課題は大きかった。これまでの材料開発は、研究員一人ひとりの経験や勘に依存する部分が大きく、重要因子を突き止めるには膨大な時間を要していた。実際、ある特定の成分が性能に与える影響を解明するために、何年もの歳月を費やすことも珍しくなかった。

加えて、DXやIT活用の重要性が社内で叫ばれながらも、研究開発の現場では「どのように具体的に取り入れるのか」という構想段階で停滞していたのである。研究員の多くは処理や評価などの実験に集中したいという思いが強く、新しいITツールの導入には消極的な姿勢を示していた。

この状況を打破すべく、同センターが導入したのがマテリアルズインフォマティクス（MI）を活用するシステム「WAVEBASE」だった。

日本パーカライジング株式会社 WAVEBASE導入事例　研究開発を加速する"セレンディピティ"

（左上から時計回りで松田氏、片山氏、前田氏、末岡氏、伊藤氏）

## 経験と勘の限界：画像・波形データ活用への挑戦

「以前は、測定値や実測値など数値データを扱っていました。しかし、実際の研究では画像や波形データなど、より重要な非構造化データが数多く存在している。これらを解析し活用するためには、どのようなサービスがあるのかを調査しました。」

そう語るのは、本プロジェクトを牽引してきた研究開発本部主幹研究員の前田和久博士（以下、前田氏）。R&Dで取得される画像・波形データを効果的に解析し、誰が見ても同じ判断ができる「再現性のある現場」をつくりたいという思いが出発点でした。

同社が直面していたもう一つの課題は、マテリアルズインフォマティクス人材の不足です。2018年当時、社内のデータ活用に精通したメンバーは数名程度。

![](img/article-nitto-2509-image3.jpg)

（基幹技術研究センター データサイエンス領域 主幹研究員　前田 和久博士）

「現場の研究者は材料のエキスパートですが、マテリアルズインフォマティクスの専門知識を持つとは限りません。しかし、彼らこそが素材の本質を理解している。その知見とAI技術を組み合わせれば、大きなブレークスルーが生まれると確信していました」

2017年頃から当時のセンター長がAI分野に興味を持って情報を集めていたこともあり、創成期から前田氏を先頭に現場から意見を上げて導入の後押しをするきっかけとなりました。

## なぜWAVEBASEだったのか：トヨタ発の信頼性と使いやすさ

約1年間の検討期間を経て、数あるMIツールの中からWAVEBASEを選択した理由は複数の要素が組み合わさった結果でした。

研究開発本部基幹技術研究センター主任研究員の伊藤孝彦氏（以下、伊藤氏）は次のように語ります。「トライアル期間中に最も驚いたのは、画像データをアップロードするだけで、即座に説明変数へ自動変換できる点でした。また説明変数が従来の材料の特徴も定量化できるのか検証が必要なため、トライアル初期から製品開発者と説明変数の解釈をすすめました。通常、画像データの解析には専門知識と工数が必要ですが、専門知識を多く持たない現場の研究者でもすぐに扱える。この直感的な使いやすさが、最重要ポイントになりました。」

![](img/article-nitto-2509-image2.jpg)

(基幹技術研究センター データサイエンス第2グループ 主任研究員　伊藤 孝彦氏）

新しいシステムを導入する際に、値段に見合う価値が本当にあるのかと検討をしていたところ現在のセンター長が、実際にWAVEBASEを使用している伊藤氏の後ろで「これなら俺でも使える」と言ったというエピソードも。

## 現場に寄り添う設計と充実サポート

実際の導入では、データサイエンス専門知識を持たないユーザーでも即座に操作が可能になりました。

WAVEBASEが導入されてから配属された研究開発本部基幹技術研究センター主任研究員の末岡芽衣氏（以下、末岡氏）は、先輩研究員からレクチャーを受け実際に使用した感想を次のように語ります。「以前データ解析は少しだけ取り扱ってはいましたが、専門ではありませんでした。ですが、マニュアルを読み込まなくても操作ができる設計のため、現場で困ることがほとんどありませんでした。気になった事があったら？マークを押せば解説してくれて、『痒いところに手が届く』インターフェイスで使いやすいです。」

![](img/article-nitto-2509-image5.jpg)

（基幹技術研究センター データサイエンス第2グループ 主任研究員　末岡 芽衣氏）

全社展開の一環として導入し、属人化を防ぐ運用体制を構築。「解析者間での解析条件の共有化が容易なところが良い。担当者が1〜2ヶ月などで研究を切り替えると、解析で得た知見が組織として共有化が難しくなりますが、解析フローがわかりやすいWAVEBASEですと、解析履歴やパターンを共有できるようになりました。」とトライアル時から関わっている伊藤氏の率直な声だ

WAVEBASEのコンサルティングサービスとして、月次相談会も特徴的です。これまで製造業の最前線で材料開発に取り組んできたTOYOTAが、自社課題解決のために開発したツールであるため、TOYOTA WAVEBASE開発チームとの相談会では技術から運用まで、これまでのノウハウを活かし幅広くサポートしています。

導入から月日が経過し、現場の研究開発担当者たちは画像解析を通じて本質的な気づきを得られるようになりました。

定量的効果以上に重要な成果として、研究者間での「共通言語」の確立があります。前田氏は「以前は『この波形は良い感じ』といった属人的判断でしたが、WAVEBASEにより『このデータパターンはこういう意味』という客観的で再現性のある判断基準を共有できるようになりました」と語ります。

## MI人材をどう育て、拡散していくか

データ解析のツールが使いやすくなっても、それを使いこなす人が増えなければ意味がありません。NittoではWAVEBASE導入と並行して、MI人材の育成と裾野拡大に力を注いできました。

組織面では、マテリアルズインフォマティクスを扱うグループが2018年に発足し、その後規模は大きく成長しています。新卒採用に加え、インターンシップの取り組みも活発です。「社外に向けて発信しないと、誰も来てくれない」と前田氏は語ります。

特に力を入れている学生向けインターンシップでは、実際のデータを題材に、打合せからデータ解析まで一連の流れを体験できるプログラムを構築。会議室の場所を毎回変えたり、現役社員との座談会を用意したりするなど、座学だけではない「リアルな現場感」を感じてもらう工夫をしています。

実際に解析を体験して『面白い』と思ってもらえた学生が、そのまま入社を志望してくれることが増えMIが単なるスキルではなく、「ものづくりを進化させる手段」として若手に伝わり始めています。

また、滋賀大学など学術機関との連携や、TOYOTAのWAVEBASEサイトでの発信も、人材獲得の好循環を生んでいます。記事や大学の公式サイトなどで紹介されることで、NittoのMI活動が楽しいと感じてもらえる仕掛けです。

「人材は外から来るだけではありません。社内の誰もが解析を自分事として扱い、日々の業務の中で使いこなしてくれる文化をどう作るかが大事だと思っています」と前田氏は語ります。

データ解析によって、現場で生まれた小さな成功体験を横展開していく。そんな「ボトムアップ型の育成サイクル」が、WAVEBASEを軸に少しずつ形になりつつあります。

## WAVEBASEの差別化要因：「思考支援」ツールという位置づけ

WAVEBASEが他のAI解析ツールと根本的に異なるのは、完全自動化ではなく「人間の思考プロセス支援」という設計思想です。

前田氏は「研究者にとって重要なのは、すぐに結論に達することではありません。仮説を立て、『なぜそうなるのか』を検証するプロセスが価値の源泉。WAVEBASEは、まさにその思考プロセスを支援する『思考ツール』として機能しています」と語ります。

なぜその結果が導出されたかの可視化により、研究開発者が納得感を持って結果解釈できる点も重要です。

## Nittoらしさを支える「ニッチトップ」と挑戦の風土

WAVEBASEの導入と社内展開が短期間で進んだ背景には、Nittoならではの企業文化が大きく関わっています。

「Nittoには、独自の差別化戦略であるニッチトップ戦略が根付いています。広く何でも手をつけるのではなく、成長するマーケットを見極め、圧倒的な強みを磨く。」と前田氏は語ります。

加えて、社内には「まずはやってみよう」と背中を押すボトムアップの提案が尊重される風土があります。（ データサイエンス第2グループ長　中村 伸博士）

「やりたいことを現場から提案しても、会社にストップされることはなかった。実際にトライアルを小さく始めて、価値を示してから広げられたのは、挑戦を許容する空気があったからだと思います」と中村氏。

現場の声を拾い、小さな実証を繰り返しながら経営層を巻き込む。この柔軟さが、属人化しがちなデータ解析を"共通言語"に変え、再現性のある現場をつくりあげていく原動力となっています。

失敗を恐れず、勝てる分野を徹底して磨き続ける。Nittoらしさを支えるこの文化こそが、WAVEBASE活用を支える大きな力になっています。

## 「エクセルを使うようにAIを使う」未来への展望

「WAVEBASEがさらに手軽に、誰にとっても使いやすい存在になれば、社内での活用も一気に広がるはず。エクセルを使うようにAIを使う——その実現に向けて、次の一歩を踏み出していきたいですね」

前田氏のこの言葉が示すように、日東電工のWAVEBASE導入事例は、R&DにおけるAI活用の理想的な姿を具現化したものと言えるでしょう。技術的な高度さと現場での使いやすさを両立し、段階的な価値実証を通じて組織全体の変革を実現した同社の取り組みは、多くの企業にとって貴重な示唆を提供しています。

2018年に抱いた「エクセルを使うようにAIを使う」という構想が、今、まさに現場という最前線で確かに実現しつつあります。Nittoの挑戦は、日本の研究開発全体におけるデジタルトランスフォーメーションの新たなモデルケースとして、今後も注目され続けることでしょう。

![](img/article-nitto-2509-image4.jpg)

画像解析AIや波形データといった非構造化データの利活用が研究開発で加速する中、日東電工株式会社(以下、Nitto)は「誰でも使える」AI解析の実現に向けて、トヨタ発のマテリアルズインフォマティクス（MI）プラットフォーム「WAVEBASE」の導入を決断しました。

粘着剤や多孔技術などの基幹技術を核として、エレクトロニクス、モビリティ、ライフサイエンスなど多様な分野で高機能材料を展開する同社。これまで経験と勘に頼っていた研究開発現場から脱却し、再現性のあるデータ駆動型を根づかせた変革プロセスとは？

「エクセルを使うようにAIを使う」というスローガンのもと進められた「現場発」のDX推進。R&DにおけるAI画像解析導入の成功事例として注目されるリアルな軌跡を伺いました。

日東電工株式会社 WAVEBASE導入事例：「エクセルを使うようにAIを使う」現場発のデータ活用革命

## 登場人物

Ａ：若手研究者（材料開発２年目）

Ｂ：ベテラン研究者 （材料開発歴20年、データサイエンス知識も豊富）

Ｃ：マネージャー

## 材料の分析データ

Ａ：最近DXとか、MIとかよく聞くけど、結局何が出来るのか、よくわからないなぁ。\
　　　そういえば、Bさん、「WAVEなんちゃら」とか使ってましたよね？あれって、何が分かるんですか？

Ｂ：「WAVEBASE」ね。材料分析データを入れると、人が気が付かない特徴量も抽出してくれたり、\
　　　材料組成や配合データ、プロセスデータと性能との相関を解析したり、色々つかえるよ。

Ａ：材料分析データって、例えばどんなのですか？

Ｂ：XRDやIR、SEM/ TEMの顕微鏡画像とかかな。\
　　　試しに、そこのチョコレート、IRで測定して、WAVEBASEに入れてみたら？\
　　　何かみえてくるかもしれないよ？

A ：Ｃさんのお土産ですけど。。。いただきます！\
　　　どれで試してみようかなー。\
　　　カカオの割合違いで４種類あるんですねー。(´～｀)ﾓｸﾞﾓｸﾞ

Ｂ：n=3で夫々３サンプルずつ 4種類、計１２のサンプルでやってみたら？\
　　　種類間の違いやサンプル間の違いが見えたら面白いね。

Ａ：同じ種類なら同じ結果が出るんじゃないんですか？

Ｂ：どうだろうね～？



## FT-IR測定～WAVEBASEへ

Ａ：n=3／種類で、４種類、計１２個のサンプルのFT－IR測定しました。\
　　　csvファイルのまま WAVEBASEに入れられるんですか？

Ｂ：入れられるよ。ファイルごといれてもOKだよ。

![](img/日東電工1.png)

Ａ：はいりました。\
　　　データ入れると自動で分析開始されるんですね。

![](img/日東電工2.png)

## WAVEBASE解析

Ａ：次は入れたデータを使って解析ですか？

Ｂ：そうそう。さっき入れたデータを選択して、解析してごらん。

Ｂ：どんな結果が得られた？

Ａ：主成分分析の結果で、こんな結果が出てきました。カカオの割合で色を塗り分けてみました♪\
　　　試しに PC1とPC2の軸を見てみると、同じ種類のサンプルは比較的近くにプロットされてるような・・・\
　　　ＰＣ２の軸（縦軸）で、４種類がきれいに分かれている気がします。

![](img/日東電工3.png)

Ｂ：そうだね。ＰＣ２の軸（縦軸）は、カカオの割合と相関がありそうだね。\
　　　ＰＣ２は何を表してるの？

Ａ：え？

Ｂ：ＰＣ２の影響を解釈ツールで見てみた？

Ａ：解釈ツール？それは何ですか？

## PCA解釈ツール

Ｂ：PCA解釈ツールは、WAVEBASEが抽出した各特徴量（PC1-PC10）を正負方向に変化させたときに、\
　　　スペクトルがどう変化するかを視覚的に確認することができるツールなんだよ。メカニズムの理解に役立つよ。

Ａ：へぇ～。そんなのがあるんですか。やってみます！\
　　　・・・・

Ａ：Bさん。\
　　　PC2が一番小さいサンプルを選んでPCA解釈ツール で見てみました。

![](img/日東電工4.png)

Ａ：PC2のスライドバーを変化させてみると、800~1150cm-1において元のスペクトルが\
　　　変化することが分かりました。PC2を正の方へ変化させると800~1150cm-1のピークが大きくなって、\
　　　PC2を負の方へ変化させると800~1150cm-1のピークが小さくなります。

Ｂ：うん。そうだね。で？

## 解釈

Ａ：・・・800~1150cm-1って何由来のピークでしたっけ？

Ｂ：聞く前にまずは自分で調べなさいよ。\
　　　・・・スクロース（ショ糖）だね。

Ａ：すみません ＆ ありがとうございます。スクロースですか！！\
　　　なるほど。だからカカオ割合と相関があったんですね！\
　　　「スクロース濃度が高ければ甘味が強く、カカオ割合は低い。\
　　　スクロース濃度が低ければ甘味は弱く、カカオ割合は高い。」\
　　　ということがデータから見えるんですね。

Ｂ：そうだね。チョコレートの重要な成分を、ＩＲデータから特徴量抽出して、解釈できるということだね。\
　　　そういえば、最初のプロットを見ると、同じ種類のサンプルでも少しバラツキがあったね。\
　　　カカオ割合が同じチョコレートでも、我々人には分からない違いが何かがあるのかな？\
　　　興味深いね。時間あったらちょっと調べといてくれる？

Ａ：は・・・はい！

こちらの事例は、日東分析センター様よりご提供いただいたデータに基き作成しております。
技術分野によらず、皆様に広くご理解いただける内容と思います。ぜひご一読ください。

事例紹介　chocolat

## 背景・目的

タイヤ用のゴム材料開発のためには、材料内部の構造と性能の関係を示すこと、そして性能を発現するメカニズムを解明することが求められます。そのために、材料の種類や様々な環境によって変化する材料内部の構造を定量化する必要があります。

## 課題

タイヤ用ゴム材料の性能発現メカニズム解明のため、ゴム材料に動的な変形を与え、その時々の材料内部の構造を様々な手法で分析します。この時、時間とともに取得されるデータ数が膨大となり、データ解析の時間がメカニズム解明や材料開発のボトルネックになっていました。そのような状況から、取得データのごく一部のみを使った解析しかできず、ほとんどの取得済データが有効に活用されていないという問題がありました。

![](img/sumitomo-rubber1.png)

## 検討内容

### 材料計測

ゴム材料を試験片として切り出し、試料に引っ張りを加えながらX線小角散乱(SAXS)パターンを取得し、WAVEBASEで解析しました。\
データ数 およそ1500 (SAXS画像数 約50枚 × 材料種 約30)

## 計測データの特徴量化

全SAXSパターンから取り出した特徴量を俯瞰すると、時系列に変化する様子が見られ、機械特性毎に異なる挙動が見られました。

![](img/sumitomo-rubber2.png)

## 回帰分析・解釈・考察

取り出した特徴量を使って材料の機械特性を回帰するモデルを作成することができました。これより、材料の機械特性は材料内部の構造情報を含むSAXSから取り出した特徴量で記述できることがわかりました。今後、特性に影響度の高い主成分の解釈、材料作製の条件とSAXS特徴量との相関調査を進めることで、材料開発の指針が得られることも期待されています。

![](img/sumitomo-rubber3.png)

タイヤ用のゴム材料開発のためには、材料内部の構造と性能の関係を示すこと、そして性能を発現するメカニズムを解明することが求められます。そのために、材料の種類や様々な環境によって変化する材料内部の構造を定量化する必要があります。

タイヤ用ゴム材料開発の実績

電動車向けの高出力モーターに使用されているネオジム(Nd)磁石は、レアアース資源の需給バランスへの柔軟に対応することが求められています。

トヨタ自動車では、インフォマティクスに基づいた手法を活用して、性能を向上させるための、新たな因子を見出しました。

## 磁石材料における電子顕微鏡像活用の限界

トヨタ自動車では、これまでの研究開発において、Nd磁石のNdをLaとCeに置き換えても、磁力・耐熱性の低下を抑制できる新技術を見出しました

> Coercivity enhancement in Ce-Fe-B based magnets by core-shell grain structuring

一方で、このNd使用量を減らした省Nd磁石の実用化するためには、キー技術である『コアシェルニ層構造』の最適化による、特性の向上が課題の一つとして残されていました。

『コアシェルニ層構造』の最適化のためには、磁石全体にわたってコアシェル組織の状態を定量的に把握する必要があります。しかし、一般的には電子顕微鏡からは非常に狭い領域の情報を得ることしか出来ず、このNd使用量を減らした省Nd磁石材料全体にわたって定量情報を得ることはほぼ不可能でした。

![](img/画像1.png)

## XRDを活用した材料組織状態の把握への挑戦

そこで、より広い領域の情報を平均的に取得できるXRD(X-RAY Diffraction)に着目しました。

XRDスペクトルデータには、一般的に着目する

* 結晶相
* 格子定数
* 結晶子径

などの情報以外にも、多くの情報が含まれていることが知られています。

しかし、多くの場合は特定の情報のみに着目し、ほとんどの情報が未活用でした。この状況に対して、インフォマティクスを用いて、XRDスペクトルデータの使い切りに挑戦致しました。

![](img/画像2.png)

## WAVEBASEシステムを活用したXRDデータからの情報抽出

XRDスペクトルデータより、情報を抽出するにあたり、

* ヒトの目による判断を排除して機械的に取り出す
* 性能や材料作成時のプロセスデータとの相関確認が容易

との理由より、PCA（主成分分析）を手法として選定致しました。

PCAを応用することで、１つのスペクトルデータを構成するいくつかの要素（主成分：PC0、PC1、PC2・・・）に分解することが出来ます。今回のケースでは、これらの要素が性能とどのように相関しているか、を丁寧に確認することで、特に性能と相関のある要素、すなわち『コアシェルニ層構造』を表す可能性のある情報(PC0、PC1)を見つけることが出来ました。

![](img/画像3.png)

## 主成分の解釈による開発への応用

ここで、PC0とXRDの関係を確認します。『コアシェルニ層構造』を作り出すための処理を行った前後のXRDとPC0を比較すると、主相に由来するピークの処理前後の差分と、PC0の形状が非常に近いことが分かる。

ここから、PC0は、ピークの低角度側へのシフトを表していることが分かります。

『コアシェルニ層構造』は、Ndをシェル部に濃化させることで実現されるため、格子定数が増大（すなわちXRDピークが低角度側へシフト）することに対応しています。

トヨタ自動車では、今回得られた結果を開発に取り入れ、更なる検討を進めています。

![](img/画像4.png)

> （引用）[Coercivity enhancement in Ce-Fe-B based magnets by core-shell grain structuring](https://jlc.jst.go.jp/DN/JLC/72036497062?type=list&lang=ja&from=J-STAGE&dispptn=1) "M. Ito, M. Yano, N. Sakuma, H. Kishimoto, A. Manabe, T. Shoji, A.Kato, N. M. Dempsey, D.Givord and G. T. Zimanyi: AIP Advances, 6(2016),056029."

電動車向けの高出力モーターに使用されているネオジム(Nd)磁石は、レアアース資源の需給バランスへの柔軟に対応することが求められています。

導入事例

導入企業