AI for ScienceといえばMulti-Sigma
研究者がSPReAD採択・6ヶ月間で研究成果を出すためにMulti-Sigma®を選ぶ理由

コーディング不要・少量データでも使える研究開発AI解析プラットフォーム

研究にAIを本格導入するなら、今がそのタイミングです

文部科学省が「SPReAD（AI for Science萌芽的挑戦研究創出事業）」として、AIを活用した研究に最大500万円／課題を支援する制度を開始しました。年間約1,000課題を採択するという規模は、これまでの日本の研究支援にはなかった水準です。

「AIは気になっているけれど、自分の研究にどう使えるかまだ見えない」――そう感じている研究者にこそ、この制度は用意されています。高度なプログラミングや機械学習の専門知識は、応募の前提条件ではありません。第1回公募の締め切りは2026年5月18日で、第2回公募は6月上旬に予定されています。交付決定後の研究期間は実質約6ヶ月です。

「6ヶ月」という制約が、研究の進め方を変える

6ヶ月は短い。従来の試行錯誤型の実験では、求める結果にたどり着く前に期間が終わる可能性があります。だからこそSPReADでは、実験回数を戦略的に絞り込み、確実に成果へ近づくアプローチが問われています。

Multi-Sigma®を使った研究の進め方の一例です。

フェーズ	期間（目安）	Multi-Sigma®の役割
研究デザイン・初期データ収集	1〜2ヶ月目	研究の目的に応じた実験計画の作成。実験データの取得。
モデル構築・精度検証・要因分析・最適化	3ヶ月目	手元のデータで予測モデルを構築し、精度検証を行う。要因分析等で原理の解明を行うともに最適解を探索。
最適条件の検証・追加データの収集・再解析	4〜5ヶ月目	最適解を検証するとともに、追加データの収集・再解析を実施。
成果まとめ・ノウハウ整理	6ヶ月目	論文投稿・AI共有機能によりSPReAD報告要件にも対応

「自分の研究に合うかどうか」――まずこの問いに答えます

Multi-Sigma®を使い始める前、多くの研究者が同じ疑問を持ちます。それぞれに具体的にお答えします。

研究者の疑問	Multi-Sigma®の回答
手元のデータが20点しかない。予測モデルは作れるか？	作れます。ガウス過程回帰と深層学習により、少量データから大規模データまで対応します。20点程度から有効な予測モデルを構築できます
次にどの実験条件を試すべきか、AIはどう判断するか？	ベイズ最適化により、「次に試すべき条件」をAIが具体的に提案します
収率・コスト・安定性を同時に最適化できるか？	多目的最適化により、競合する目標を同時に扱いパレート最適解を導出します
前処理→合成→評価の多段階プロセスを一本で解析できるか？	連鎖解析（国際特許出願済み・国内移行済み）で統合モデル化できます。ノーコード商用プラットフォームとして世界初の実装です
操作にプログラミングの知識は要るか？	不要です。Chrome等のブラウザ上で完結します。コードは一行も書きません

計算環境を整えることは大事な第一歩ですが、「自分の研究に合ったAI手法が何かが分からない」という段階でつまずく研究者も多くいます。Multi-Sigma®は、そのつまずきを一緒に解決するためのツールです。

このツールは、実験研究者が自分自身の問題から作りました

株式会社エイゾス（茨城県つくば市）の創業者・河尻耕太郎は、産業技術総合研究所（産総研）で18年間研究に従事した実験研究者です。博士課程では大型プラズマ装置を用いた二酸化チタン光触媒ナノ微粒子の製造プロセスを研究。7つのパラメータが1,000万通りを超える条件空間を持ち、複数の目的特性がトレードオフ関係にある——まさにMulti-Sigma®が解こうとしている問いを、自身の研究で抱えていたのです。

「自分と同じ課題で苦しんでいる研究者が、世界中にいるはずだ。」その実感から開発したのがMulti-Sigma®の原型です。机上で設計されたツールではなく、実験室で生まれた必要性から作られたツールです。

Multi-Sigma®は、2021年のリリースから早5年が経ちますが、おかげさまでノーコードの研究開発向けのAI解析プラットフォームとして累計380を超える企業・大学の方々にご利用頂き、日本全国の大学生協、また多数の販売代理店の方々にもお取り扱い頂くなど、研究開発向けのAI解析プラットフォームとして確固たるポジションを築いて参りました。特に、材料や創薬、機械、農業、医療、社会科学など、分野を問わずご利用頂いていることと、企業やアカデミアの両方にご利用頂いており、最近では分野横断的なチームにご利用頂いたり、企業とアカデミアの連携チームにご利用頂くなど、分野融合、組織間連携を促進するツールとしてもご活用頂くなど、まさにツールが駆動する分野融合、組織間連携が進みつつあります。

Multi-Sigma®の機能一覧

機能	研究者にとっての意味
予測モデル構築（ガウス過程回帰・NN）	少量データでも予測・最適化が可能。不確かさの定量化で「どこを実験すべきか」の根拠になる
ベイズ最適化	「次に試すべき条件」をAIが提案。6ヶ月の研究期間に合わせた実験回数の最小化が可能
多目的最適化	収率と純度、強度とコストなど競合する目標を同時に扱い、パレート最適解を導出
要因分析	どの変数が結果に影響しているかを可視化。論文の考察・次の仮説設計の 根拠に
連鎖解析（国際特許出願済 み・国内移行済み）	前処理→合成→評価など多段階プロセスを一本の解析軸でモデル化。逆解析で最適条件を特定。ノーコード商用プラットフォームとして世界初の実 装
実験計画作成	効率的な実験順序の設計を支援。限られた実験回数で最大の情報を引き出 す
制約条件付き最適化	試薬量・装置範囲・安全基準などの制約を加味した現実的な最適化が可能
AI共有機能	学習済みモデルをMulti-Sigma®上で公開・共有でき、他のユーザーがそのモデルを直接利用できます

分野を問わず活用できます

Multi-Sigma®は、「データから予測・学習したい」「要因を分析したい」「条件を最適化したい」など、研究におけるAI活用のニーズに幅広く対応します。実験計画を含む全機能を使う必要はなく、目的に合った機能だけを選んで使えます。分野も問いません。

研究分野	活用例	期待できる効果
材料・化学	焼結温度・圧力・添加量などの合成条件をベイズ最適化で絞り込む	試作回数を削減しながら目標特性に到達
医薬・創薬	製剤処方（添加剤種類・配合比）を多目的最適化。溶解性と安定性を同時に改善	競合する特性要件を満たす処方を効率的に特定
農業・植物科学	温度・湿度・肥料濃度など栽培条件を実験計画で設計し、少ない試験回数で最適化	収量・品質の目標達成に必要な試験回数を最小化
環境・エネルギー	触媒組成・反応温度・流量の条件探索に予測モデル＋ベイズ最適化	変換効率の最大化に必要な実験回数を大幅削減
バイオ・医工学	細胞培養条件（培地組成・温度・CO₂濃度）を要因分析で重要変数を特定してから最適化	効率的な培養条件確立と再現性の向上
製造・プロセス工学	複数工程（前処理→成形→熱処理）を連鎖解析で一体モデル化し逆解析	最終品質から逆算した最適プロセス条件を特定
社会科学	アンケートや統計データを解析し、人間や社会の動向について要因分析で原因を解明	人間や社会の動向を高精度に予測するとともに、それらの動向を決定づける因子を解明

各分野の専門家が皆様の研究テーマに伴走支援し、AI活用ノウハウを提供します。

　アプリ自体は誰でも使えるとはいえ、やはり新しくAIに取り組まれる方には、色々不安もあるかと思います。そこで株式会社エイゾスでは、AIの導入レベルの方から熟練者まで、研究テーマをスムーズに進めるために、研究者の方のAI活用レベルに応じて、各分野の専門家・研究者による伴走支援サービスを提供します。

　株式会社エイゾスの最大の強みの一つは、過去において数百を超える、様々な分野の事例・課題に対応してきた、各研究分野における国内トップレベルの研究人材の専門的な知見とノウハウがあります。研究のデザインから論文の執筆まで、各研究テーマの始まりから終わりまで、手厚くサポートが出来ます。また、「AI実験計画法」という、まさにAIのポテンシャルを最大限引き出すための研究開発方法論も合わせて提供させて頂きます。

　皆様の研究ニーズに応じて、Multi-Sigmaと伴走支援のパッケージを複数ご用意しております。この機会に、皆様のAIを活用した研究開発スキルを身につけられれば、以降の研究活動の生産性を飛躍的に向上させることが出来ます。

SPReAD申請書の核心――「AIノウハウの共有」で差がつきます

SPReADの申請書には、他の研究費にはない問いがあります。「AI利活用のノウハウ抽出・共有の実現計画」です。この設問こそが、SPReADが単なる研究助成ではなく「AI for Scienceのコミュニティ形成」を目的とした事業であることを示しています。採択されるためには、研究成果だけでなく、得られたAI活用の知見をどう社会に還元するかを具体的に示す必要があります。

Multi-Sigma®は、この要件に直接応えられる設計になっています。

• 連鎖解析：多段階プロセスの解析結果が、他分野でも参照できる形で自然に整理されます。「どの工程のどの変数が最終結果に影響したか」が可視化され、知見の体系化が研究プロセスの延長として行われます
• ファインチューニング：分野固有のAI活用知見として体系化・言語化が可能です
• AI共有機能：学習済みモデルをMulti-Sigma®上で公開・共有でき、他の研究者がそのモデルを直接利用できます。「コミュニティへの還元」を具体的な仕組みとして示せます

SPReAD申請書への記載例

審査員が納得する申請書には「なぜAIが必要か」「どのAIをどう使うか」「何が得られるか」の3点が必要です。

なぜAIが必要か	何をどう使うか	何が得られるか
実験1回に費用と時間がかかり、パラメータ空間の網羅的探索が不可能	Multi-Sigma®のベイズ最適化で次実験条件を提案させ、実験回数を絞り込む	限られた期間での最適条件到達と、実験根拠の明文化
収率・コスト・安定性が競合し、単一指標の最適化では研究目標を達成できない	Multi-Sigma®の多目的最適化でパレート解を導出し、設計の選択肢を可視化	複数要求を満たすプロセス条件の特定と、選択根拠の記録
前処理→合成→評価の多段階が独立最適化では全体改善に至らない	Multi-Sigma®の連鎖解析で工程を統合モデル化し、最終特性から逆算	最終品質から遡った最適プロセス条件と、工程間因果関係の可視化
AIノウハウの整理・共有計画を申請書に記載する必要がある	連鎖解析結果・学習済みモデルをAI共有機能でコミュニティに公開。他分野への応用可能性を報告書に整理	研究成果とAI知見の両立。審査員が評価する共有計画を具体的に記述できる

【無料ウェビナー】5月1日（金）12:00——SPReAD申請を突破するためのAI活用法

SPReAD公募締め切りまで3週間を切ったタイミングで、申請を検討している研究者・研究支援担当者向けにウェビナーを開催します。Multi-Sigma®を用いた研究事例を通じて、AIを研究にどう活かすかをわかりやすく解説します。理工系分野に限らず、人文科学を含む多様な研究領域での活用アイデアを紹介します。

項目	内容
日時	2026年5月1日（金）、8日（金）、19日（火）、25日（月） 12:00〜13:00
形式	オンライン（Teamsウェビナー）
参加費	無料（事前申込制）
講師	株式会社エイゾス創業者・代表取締役 河尻耕太郎（工学博士）
対象	「AI for Science による科学研究革新プログラム」への応募検討中の研究者・研究支援担当者

【当日の内容】

• なぜMulti-Sigma®がAI for Scienceに最適なのか？
• Multi-Sigma®の基本機能
• AI実験計画法
• AIによる研究開発の未来
• SPReAD申請書記載のポイント解説

お申し込み：https://aizoth.com/2026/04/webinar2026_0501/

SPReAD応募者特設ページ：https://aizoth.com/service/ai-for-science/

今後の展開：2026年6月、分子・材料科学統合AIプラットフォームを追加予定

Multi-Sigma®と連携する分子・材料科学向け統合AIプラットフォームのリリースを2026年6月に予定しています。SMILES・組成式入力による物性予測、数百万規模の分子データベース検索、目標物性値を満たす分子の最適化アルゴリズムなどを提供予定です。

締め切りまで残りわずかです。まず無料相談から始めてください

第1回公募の締め切りは2026年5月18日。「自分の研究にMulti-Sigma®が使えるか分からない」という段階でも構いません。どのようなデータがあるか、どんな実験条件を探索したいか、それだけ話していただければ、具体的な活用イメージをお伝えします。

• 申請書への記載方法・予算への組み込み方の案内
• 研究テーマに合わせたMulti-Sigma®活用プランの個別相談（オンライン・無料）
• 採択後の導入・運用サポート

お問い合わせ・無料相談：https://aizoth.com/contact/

Multi-Sigma®公式：https://aizoth.com/service/multi-sigma/