材料データプラットフォームの構築：材料計測データの

高効率収集と自動可読化

統合型材料開発・情報基盤部門（MaDIS）

材料データプラットフォームセンター

吉川 英樹

1

機能から物質を探索 材料の実用化を加速

データを作り、貯め、活用する

Materials Research Bank (MRB)「物質・材料データプラットフォームの構築」

2014年10月〜2015年7月〜

2017年4月〜

内閣府SIP「革新的構造材料」マテリアルズインテグレーション

JSTイノベーションハブ構築事業情報統合型物質・材料開発

イニシアティブ

統合型材料開発システムの

実現

2

物質・材料研究機構におけるマテリアルズ・インフォマティクスへの展開

Materials Research Bank (MRB)– 材料データプラットフォームセンターのミッション–

3

データ駆動型リポジトリからデータパブリッシュ

データ収集と高付加価値化

文献からのAIを使ったデータマイニング機械学習手法を取り入れた先進的データベース

高機能物質・材料データベース

解析サーバ

連携・共同研究

民間利用Physical model of micro-

structure

Visualization of materials information

Selection of candidate materials

先進データベース

実験装置からのデータの高効率収集, IoT計測機器メーカーと連携したデータの可読化

日本の大型研究施設からメタ情報とトレーサビリティ

SIP-MI 統合システムによる利用技術の活用

学術利用

材料情報統合データプラットフォーム ツールや

アプリケーション

4

日本の主要企業の6割が人工知能（AI）運用に欠かせないデータ活用

で課題を抱えていることが分かった。製品やサービスの開発、事業開拓などAIの用途は新たな分野に広がりつつある。だが必要なデータが不足していたり、データ形式が不ぞろいで使えなかったりと、AIの導入に戸惑う事例も多い。欧米を中心に企業のAI活用が急拡大するなか、「動かないAI」が増え続ければ世界競争に出遅れかねない。

AI、データ不足6割 「動かない頭脳」続出の恐れ大手113社の活用状況、日経と「xTECH」が調査

2018年9月30日 日本経済新聞 電子版

引用：https://www.nikkei.com/article/DGKKZO3593221030092018MM8000/

6

（１）計測データとそのメタデータを，他者が理解したり，他者が使う（計測装置に付属する専用ソフトウェア以外の）AIを含む多様なソフトウェアで処理＆解析できるように整理して登録するのに手間をかけられない

（２）データ整理に必須のメタデータをどのように記述すれば良いか？ で悩むメタデータを記述するひな形（テンプレート）をどうするか？メタデータを記述する専門用語（語彙）として何を使うべきか？

（３）計測者個人にとって，他者のために計測データを整理して登録するインセンティブが無い

R&D部門において計測データを共通プラットフォーム上に登録する際の研究者側の事情と悩み

7

（１）組織内の計測データの（AIも使った）有効活用を目的として，日々生成されるデータをどのように共有資産化すれば良いか？ で悩む

（２）（１）の実現方法が多様で，かつデータの共用資産化がもたらす事業メリットの予測が難しいため，（１）の取り組みに予算と人材をあまり投入できない

（３）組織内の計測データが蓄積されたとしても，AIも駆使したデータの有効活用ができる人材が組織内に乏しい

R&D部門において計測データを共通プラットフォーム上に登録する際の管理者側の事情と悩み

8

R&D部門において計測データを共通プラットフォーム上に登録する際の悩みに対する対応策

悩みに対する対応策は . . . （１）データの収集と可読化の効率化

◆ 計測データの収集，可読化（用語の整理，メタデータの記述），登録の自動化◆ その自動可読化を実現するツールの開発

（２）計測者自らがデータの高付加価値化を効率的に行う仕組みを作る◆ 計測データにAI技術を適用するための専門家（数理統計研究者，DB技術者，

プログラマー，キュレーター等）チームの存在◆ それら専門家チームの技術のツール化と一般計測者への普及

上記の対応策を低コストで実現するためには . . . ◆「各種ツール」と「各種ツールに組み込む材料データシート」を広く共用するプラット

フォームが必要◆ツールの製作は，１機関の努力だけでは困難で，計測装置メーカーを含む多機関

の連携が必要

9実験装置実験装置メーカー 実験者 キュレーター

実験装置 実験者 キュレーター

データ整理・登録

データ整理・登録

データ／メタデータ

データ／メタデータ

データ／メタデータ

データ／メタデータ

実験装置が出力するデータファイルの書式と語彙の情報を教えて頂く

各機関内に閉じた従来の一般的なデータ登録のフロー

（装置メーカーを含む）多機関連携

に基づく新しいデータ登録のフロー データ整理の作業をできるだけ研究者の手から離し，作業を自動化する

登録が面倒ミスの混入あり

登録の手間なし，ミスなし整理済みのデータを見る

データ翻訳

情報提供の協力

10

機械可読性を高める計測データのメタ情報抽出ツールの公開プラットフォーム

・機械固有のバイナリーデータから人間可読かつ相互運用・再利用可能なデータへ・計測データのスペクトルなどによる可視化

変換 ～Convert～

抽出 ～Extract～

出力～XML Output～

AIや機械学習で利用しやすい計測データの創出・蓄積・共有をより効率的に，より簡便に

・メタ情報を付与した主要パラメータのXML形式の出力

・再現測定などに必須となる最小限度の計測条件を「主要パラメータ」として抽出・計測装置独自の用語を一般的な用語に共通化した主要パラメータの再定義

https://www.nims.go.jp/MaDIS/about/M-DaC.htmlダウンロードサイト

11

がカバーする計測データの可読化と高付加価値化のフロー

12

実験装置が出力するデータの可読化と高付加価値化のXPSでの実例

バイナリの生データ

テキストファイル

計測装置メーカーからご提供頂いたテキスト変換プログラム

フォーマット変換後の数値行列データ（人による可読性に優れる）

フォーマット変換後の数値行列データを解読してグラフ化するPythonプログラム（パーサ）

グラフ

NIMSで自作した可読化のための用語（語彙）及びフォーマットの変換プログラム

用語（語彙）が可読化された後にXML形式で記録されたメタデータ

可読化されたデータNi3p

ユーザーによるフォーマットのカスタマイズが可能な

Schema on Read型のデータ登録

自動でスパース化されたデータ

２種類のデータベースの構造（スキーマ）

Schema-on-Read型 Schema-on-Write型

コンセプトデータを無加工または最低限の加工を経て記録データを読み出す時までに個別のスキーマおよびパーサを与える

データを保存する際にデータベースとして統一された共通スキーマに合うようにデータを加工して記録

データ蓄積工程 平易（個別スキーマの決定や修正は容易）

難（共通スキーマの確立や修正に時間を要する）

スキーマのメンテナンス 平易 非常に重要

データの種別 非構造化データ（画像/音声/動画等のデータも保存可能） 構造化データ

データベースの管理 NoSQL（非リレーショナル） SQL（リレーショナルデータベース）拡張性 平易 可

定型的な活用 定型的な活用には処理が必要 定形的な活用に適しているデータ提供者の負荷 軽い 重い

13

X線光電子分光法（XPS）とX線回折法（XRD）の2種の計測法

● XPS アルバック・ファイ社 Quantera SXM シリーズ

● XRD リガク社 SmartLab シリーズ

今後もご協力頂ける計測メーカーを広げるとともに， XRDやXPSに限定せず，対応する装置

や対象とする計測技術分野の拡大を図っていく予定

14

が対応する計測手法と装置（2019年1月30日現在）

謝辞：アルバック・ファイ社，リガク社に深く感謝いたします