
株式会社エイゾスは、2026年1月28日(水)から30日(金)の3日間にわたり、東京ビッグサイトにて開催されたnano tech 2026 国際ナノテクノロジー 総合展・技術会議に出展いたしました。本イベントは、「研究開発の重要な共通基盤技術であるナノテクノロジーを軸に未来技術の社会実装を探求する場として、革新的な材料や次世代デバイスが集結、研究開発の事業化とイノベーション共創を実現」するため、産官学の研究者・技術者が集結する大規模な技術会議です。また、研究開発DXゾーンセミナー(西3ホール)において、株式会社エイゾスの担当者が登壇し、Multi-Sigma®をご紹介するセミナーを実施いたしました。

nano tech 2026の企業展示期間中、弊社のブースには170名を超える来場者の方々にお越しいただきました。展示ブースでは、複数のスタッフがAIプラットフォームMulti-Sigma®の機能や活用事例についてご説明いたしました。弊社のウェブサイトやSNSをご覧になり、興味を持って展示ブースにお越しいただいた方々からは、弊社のAIモデルの特徴の一つである「少ないデータで高精度なAIモデルを構築する方法」についてご質問をいただきました。この点については、弊社の独自アルゴリズムを用いて過学習を避けつつ精度を向上させることができるオートチューニング機能をご説明いたしました。また、弊社独自の機能である、複数プロセスに対してプロセスごとにAIモデルを構築し、それらAIモデルを連結させて分析する機能である「AI連鎖解析」に関しても多数のご質問が寄せられました。Multi-Sigma®でのみ利用できる本機能については、多くの来場者様が高い関心を寄せられました。また、展示会場で初めて弊社を知っていただいた方々には、弊社スタッフからMulti-Sigma®の基本機能である「高精度予測」「要因分析」「多目的最適化」「AI連鎖解析」についてご紹介いたしました。ニューラルネットワークを基盤とする機械学習モデルにより、高精度な予測を実現できるだけでなく、プログラミング不要で要因分析や最適化機能を簡単に実行できる点が、多くの方々に好評でした。特に、研究開発に携わる方々からは、目的変数に対する各説明変数の寄与度を数値化することでそれらの関係性の理解に役立つ要因分析機能を高く評価していただきました。

展示ブースでは、マテリアルズインフォマティクス分野におけるMulti-Sigma®の利用方法について、多数のご質問をいただきました。弊社スタッフからは、分子構造を文字列で表現するSMILES表記を用いて分子構造情報を取得し、その情報を分子記述子に変換することで数値化し、ニューラルネットワークの入力データ(説明変数)として取り扱えることをご説明しました。これにより、分子構造に対しても高精度なAIモデルを利用した解析が可能となります。分子記述子を用いてAI分析を行なったケーススタディとして、水和自由エネルギーの解析や医薬品開発の事例をご紹介いたしました。また、シミュレーションを用いて研究開発に携わっている方々からは、サロゲートモデル(エミュレーター)構築時における課題についてご相談をいただきました。Multi-Sigma®を利用すれば、プログラミング不要でサロゲートモデルを構築可能なだけでなく、弊社の特許技術を用いてニューラルネットワークのハイパーパラメータを調整することで、高精度予測が可能となることをご説明いたしました。

また、本展示会では、 28日の午後15時30分から16時00分前で、Multi-Sigma®を利用したデータ解析事例をご紹介するセミナーを実施いたしました。具体的な適用事例として、(1) MOF開発における目標密度制御と性能最大化、(2) 分子設計における水和自由エネルギー分析、(3)アルミ合金の性能予測と最適な組成比・処理条件の探索、の3つの事例をご紹介いたしました。今回のセミナーでは、初めて機械学習を用いたデータ解析に触れられる方もご参加いただきましたので、機械学習モデルを用いてどのようなデータ解析ができるのか、そのために必要なデータは何か、といった入門的なポイントも時間を割いてご説明いたしました。
本展示会では、Multi-Sigma®を用いたケーススタディとして多数の事例をご紹介いたしました。リーフレットとしてご用意していたものは、下記のものになります。これら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。
弊社製品だけでなく、共同研究やコンサルティングサービスについてご不明点がございましたら、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。
