2024年12月3日(火)から5日(木)の3日間にわたり 米国ボストンのHynes Convention CenterとSheraton Boston Hotelにおいて開催された、Materials Research Society (MRS) Fall Meeting & Exhibitに株式会社エイゾスは出展いたしました。
MRS Fall Meeting & Exhibitにおいて、12月4日に弊社はMulti-Sigma—An Easy-to-Use AI Analysis Platform for Prediction and Optimizationと題したプレゼンテーションとMulti-Sigma–An Integrated AI Platform for Simultaneous Prediction and Optimization of Multiple Target Objectivesと題したワークショップを開催いたしました。これらのプレゼンテーションやワークショップの場で弊社のAI解析プラットフォームMulti-Sigmaに興味を持っていただいた研究者・開発者の皆様が、その後弊社の展示ブースにも立ち寄られました。また、12月3日から5日にかけて、弊社のブースには130名以上の方に立ち寄っていただき、Multi-Sigmaの機能や事例紹介、データ分析に関する意見交換など、様々な論点に渡り私たちと議論させていただきました。
半導体の実験に従事されている研究者の皆様からは、実験条件を変えながら実験を繰り返して観測した半導体の特性に関するデータを用いてAIモデルを構築できないか、とご相談を受けました。また、どの程度の実験件数を必要とするのかといったご質問もいただきました。私たちからは、弊社のMulti-Sigmaを活用すればそのような実験データからニューラルネットワークに基づく高精度なAIモデルを構築することが可能であることをご説明しました。さらに、Multi-Sigmaに搭載されている特許技術であるニューラルネットワークのハイパーパラメータの自動チューニング機能（オートチューニング機能）をご利用いただければ、AIモデルを構築するために必要な実験データの数をわずか数十件に抑えることが可能であることをご説明しました。
分子動力学法（Molecular Dynamics法：MD法）や密度汎関数理論（Density FunctionalTheory：DFT）によるシミュレーションを活用している研究者・開発者の皆様からは、シミュレーションに要する計算時間が非常に長いため、AIを活用して効率化できないかというご相談をいただきました。これに対し、私たちはシミュレーションと機械学習を組み合わせたサロゲートモデル（代理モデル）またはエミュレータを構築した事例を紹介しました。サロゲートモデルでは、シミュレーションの入力データと出力データをAIモデルに学習させることで、未知の入力に対するシミュレーション結果をAIで予測・代替することが可能です。また、弊社のMulti-Sigmaを活用して構築したサロゲートモデルの具体的な事例をご紹介し、弊社の展示ブースにお越しいただいた皆様の研究にどのように応用できるかについて議論を行いました。
本展示会では、Multi-Sigmaを用いたケーススタディとして「薬剤活性と血管障害リスクの多目的最適化」「分子設計における水和自由エネルギー予測」「MOF開発における目標密度制御と性能最大化の両立」の解析結果を準備して、弊社ブースにご訪問いただいた方にご説明いたしました。これらの解析事例では、Multi-SigmaのAI連鎖解析や要因分析、多目的最適化機能を用いてデータ分析を行なっています。ケーススタディのリーフレットは具体的なイメージを掴みやすく、研究開発での応用のイメージを想像しやすかったと好評を頂いています。本展示会で配布いたしましたリーフレット以外のものも含め、各種リーフレットにつきましてはこちらのページからダウンロードいただけます。弊社製品やコンサルティングサービスについてご不明点などございましたら、下記お問い合わせ先からご質問いただけますようお願いいたします。