旭化成のMI戦略｜IFX-Hub・人材育成・スマートラボと事業貢献

化学・素材メーカーのMI活用を、技術と推進の仕組みから読み解く企業別シリーズ。第3回は、日本の化学・素材メーカーのMI活用事例11選の売上高順に従い、旭化成を取り上げます。

この記事で学べること

IFX-Hubが研究者のMI活用を支える役割と、スマートラボとの違い
全社の専門組織と事業現場を結ぶ組織づくり
実務型のMI教育と社内コミュニティを組み合わせた人材育成
NECとの秘密計算基盤、NIMSとの共同研究の位置付け
プラノバS20Nの高性能化を、製品への事業貢献として読み解く方法

旭化成のMIの特徴は、研究者が使う環境・実務で学ぶ教育・相談できるコミュニティを組み合わせ、製品開発へつなげていることです。 IFX-Hubだけでなく、組織と人材の仕組みを合わせて見ると、専門部署の技術を現場へ広げる考え方が見えてきます。

本記事は2026年10月25日までに確認した公開資料に基づきます。2022年・2023年の説明資料は当時の施策・実績として扱い、2026年の統合報告書で示された方向性と区別します。旭化成株式会社と、製品事業を担う旭化成ライフサイエンス株式会社などの発表主体も明記し、企業公表の事実と編集部の考察を分けています。

1．旭化成のMIは、研究者の日常と事業成果をどう結ぶのか

旭化成は、2017年度からMIを推進していると説明しています。公式の研究開発DX紹介では、IFX-Hubなどを通じて、DX専門部隊に加え、現場研究者がMIを使える体制を整えていることが示されています。［1］［5］

この取り組みで考えたいのは、解析技術があることと、研究者が必要な場面で使えることの間にある距離です。データの整え方を知り、目的に合う手法を選び、結果を実験へ戻せる。その流れを仕事の中に組み込むことが、利用を広げるための課題になります。

旭化成のMIを読む5つの観点（編集部整理）
観点	中心となる取り組み	深掘りする問い
技術	IFX-Hub、スマートラボ	データ解析と実験の往復をどう支えるか
組織づくり	デジタル共創本部と事業側の協働	共通基盤と現場の知識をどう組み合わせるか
人材育成	MI教育、実務課題、コミュニティ	学んだ手法を自分のテーマでどう使うか
外部連携	NECの秘密計算、NIMSとの水平連携	企業間の情報と共通の基盤技術をどう活用するか
事業への貢献	プラノバS20Nの製品性能改善	MIが製品開発のどの判断に寄与したか

2．技術｜研究者の解析環境から、実験をつなぐ基盤へ

2-1．IFX-Hubは、MIを試し実務へ使うための環境

2022年のDX戦略説明資料では、IFX-Hubを社内クラウド上のMIプラットフォームとして紹介しています。データクレンジング、可視化、分析、最適化、実験計画法を扱い、材料特性の予測や材料探索、実験・製造条件の提案へつなぐ設計です。［2］

材料研究者にとって、最初の解析だけでなく、次のデータを追加して同じ手順を使えることも重要です。単位や測定条件をそろえて可視化し、予測と実測を比較する。結果に応じて次の候補を変える。この繰り返しを行える環境があれば、解析を日常の仮説検証へ組み込みやすくなります。

例えば、膜の作製条件と透過性能のデータがあれば、まず条件ごとの分布を調べ、その後に性能予測や候補条件の選定を検討できます。これは編集部の一般例です。IFX-Hubの画面や内部実装、特定のモデルを再現する説明ではありません。MIの基本は、マテリアルズ・インフォマティクスとはを参照してください。

2-2．スマートラボは、実験結果を次の条件へ戻す仕組み

旭化成のスマートラボは、MI、シミュレーション、実験自動化を統合する研究基盤として紹介されています。材料の設計から合成・評価へ至る流れをつなぎ、複数の事業部で活用を進めていると説明されています。［1］

IFX-Hubは主にMIを学び実践する環境として、スマートラボは実験の実行や評価まで含む仕組みとして捉えると、役割の違いが分かります。両者がどのシステムでどう直接接続されているかは、今回の公開資料では確認できません。名前から一つのシステムと決め付けず、支える仕事で整理します。

実験装置を自動で動かすだけでなく、結果を記録し、次の条件を選ぶ流れがつながると、研究者は候補を選ぶ基準や、実験で確かめる仮説の設計に時間を使えます。そのためには正常な結果に加え、試料作製や測定が成立しなかった記録も区別して残す必要があります。これは閉ループの研究開発を設計する際の一般的な論点です。

2-3．2026年に示された電子材料のスマートラボ

『旭化成レポート2026』は、電子材料のスマートラボについて、実験・分析・評価の自動化と、AIによる次の条件の考案を説明しています。完全無人・24時間稼働の構想の実現に向け準備を進めるとも記しており、本記事では構築・展開の取り組みとして扱います。月1万回という実験能力の説明を、全拠点で達成済みの稼働実績へ読み替えません。［10］

実験回数を増やすことが開発価値につながるかは、得たデータで何を判断できるかによります。測定条件がそろっているか、試料の履歴を追えるか、次の候補の選び方が改善したか。能力の大きさと、意思決定に使えるデータの蓄積を合わせて評価する視点が役立ちます。

3．組織づくり｜専門組織と事業現場が共に進める

3-1．ITと研究・生産のDX機能を全社でつなぐ

旭化成は2021年の発表で、全社横断のデジタル共創本部を設立し、ITに加えて研究開発や生産技術のDX部門を統合したと説明しています。2023年のDX戦略説明会でも、全員参加、現場主導、共創を重視する進め方が示されました。［3］［4］

MI推進の観点では、共通環境を作る仕事と、材料課題を解く仕事を接続する設計といえます。現場は必要な性能や制約を知り、専門家はデータ処理・検証・基盤の再利用を支える。どちらかに仕事を集中させるより、双方が次の実験や開発判断を共有することが重要になります。これは公開された方針を踏まえた編集部の考察です。

3-2．事業内のコミュニティで利用を広げる

2022年の資料には、MI人材を核に各事業本部でコミュニティを設立し、中級・上級人材の育成を組織内で進める取り組みが掲載されています。共通環境と教育を用意し、事業側でも知識を共有する仕組みです。［2］

コミュニティが機能する場面は、手法を初めて使うときだけではありません。似た測定データの扱い方、モデルの誤差の読み方、実験へ進める候補の説明など、材料に近い相談を継続できます。同じ事業の研究者同士なら、測定条件や製造上の制約も共有しやすくなります。

組織設計では、専門家へ相談すべき解析と、現場で繰り返し使える解析の境界を見直すことが大切です。利用が広がるほど、新しいデータが既存モデルの範囲に入るか、いつ更新が必要かを確認する支援も重要になります。

3-3．事業内の成功を、全社へ広げる課題

2026年の統合報告書では、事業ごとのデジタル化を積み上げた一方、組織の壁が効果の拡大を妨げる面もあると説明しています。データ利用の権限・ガバナンスと共通基盤の設計を整え、事業を超えた知識の再利用へ進む方向です。［10］

ここは、MIが普及した後の課題として参考になります。ある材料で使えたモデルを別の材料へそのまま移すことは難しくても、データ整備、評価、入力の確認、実験条件の記録といった仕事は再利用できます。何を共通化し、何を材料ごとに作り直すかを切り分けることが、横展開の実務になります。

4．人材育成｜利用環境・実務課題・相談を組み合わせる

4-1．2019年からのMI教育と、段階別の育成

2022年の説明資料によると、化学・材料研究者を対象としたMI教育を2019年から展開しています。2022年11月時点の人数は、初級1,344名、中級298名、上級20名と掲載されています。これは当時の区分別の公表値であり、現在の人数や、区分間の重複を除いた総人数とは扱いません。［2］

この数字は、教育を段階別に進めていたことを示します。一方、受講者数だけで研究成果を評価することはできません。自分のデータで適切に解析できるか、予測の限界を説明できるか、実験の意思決定へ使えたかという行動も合わせて見る必要があります。

4-2．実際の業務課題を演習に使う

同資料は、R&D業務に即したプログラム、実際の業務課題を題材にした演習、手厚いサポート、コミュニティでの情報共有を特徴として挙げています。IFX-Hubと教材・支援体制を組み合わせる設計です。［2］

実務課題を使うと、解析の操作と同時に、測定条件の欠落やデータの偏りにも向き合います。こうした点を専門家と確認できれば、手法の使いどころを学びやすくなります。研修の成果物をコードや修了証だけでなく、「次の実験をどう変えるか」という提案まで含める方法が考えられます。これは編集部の提案です。

MI教育の成果を実務の行動で考える例（編集部整理）
段階	確認したい行動	相談・支援の例
データを理解する	単位・条件・欠損を説明し、可視化できる	入力例、データ点検の手順
モデルを評価する	検証方法を選び、誤差と適用範囲を説明できる	分割方法やモデル評価の相談
実験へ使う	制約を踏まえ、試す候補と理由を提案できる	材料担当者と解析専門家のレビュー
他者へ渡す	使える条件と更新方法を記録し、説明できる	コミュニティでの共有と再利用

4-3．全社のデジタル教育とMI専門教育を分けて読む

2021年のDX説明会では、広い職域でのデータ活用人材の育成や、独自のオープンバッジプログラムも紹介しています。これは研究者向けのMI教育を含む、より広いDX推進の取り組みです。全社のデジタル人材目標を、そのままMI専門家の人数と読むことはできません。［4］

企業事例から人材育成を学ぶ際は、対象者、到達目標、実務へ使う機会をそろえて比較すると有益です。共通リテラシーを広げる教育と、難しい材料課題を解く専門家の育成では、必要な時間も評価方法も変わります。

5．外部連携｜企業間データと共通基盤技術を活用する

5-1．NECと、データを秘匿して分析する基盤を構築

旭化成とNECは2023年3月、秘密計算技術を用いた企業間データ分析基盤の構築を発表しました。蓄エネルギー領域の研究開発で活用を開始し、材料の原料情報・加工条件・評価情報などを連携する取り組みです。［5］

方式は、ハードウェアの保護領域を利用するTEE（Trusted Execution Environment）です。既存のPython分析アプリケーションを基本的にそのまま動かせる特徴が説明されています。「秘密計算」という総称だけで、全てを暗号演算だけで処理する方式と理解せず、公表された実装方式を確認する必要があります。［5］

材料開発の企業間連携では、各社が持つデータの意味や粒度をそろえる作業も必要です。原料の性質、加工条件、最終製品の評価を結び付けられれば、自社だけでは見えなかった関係を検討できます。ただし、今回の発表は基盤構築と研究開発での活用開始を示すもので、特定製品の量産採用までを報告したものではありません。

5-2．NIMSとの水平連携で、材料予測の方法を開発する

2017年、NIMSと旭化成、三菱ケミカル、三井化学、住友化学はMaterials Open Platformの運用に関する覚書へ調印しました。高分子材料などに共通する中長期課題を対象とし、データの集積やMI手法の適用・評価に取り組む枠組みです。［8］

2021年には、材料構造の情報を使い、少ない実験で予測誤差を小さくするAI技術を共同発表しています。組成や加工条件に加え、作製後の構造に関する測定情報をどう活用するかが論点です。これはNIMSと化学4社の共同成果として扱います。［9］

NECとの取り組みが企業間のデータ利用を支える一方、NIMSとの連携は複数企業に共通する方法論を対象としています。自社で連携先を考える際も、欲しいのがデータを扱う基盤か、予測手法の研究か、具体的な製品開発かを分けると、役割を決めやすくなります。

6．事業への貢献｜プラノバS20Nの高性能化を読み解く

6-1．処理量とウイルス除去性能の両立を目指す

2023年のDX戦略説明会では、ウイルス除去フィルター「プラノバS20N」の開発にMIを活用した事例が紹介されています。膜の孔を大きくして流れやすくすると、ウイルスを捕捉する機能との両立が課題になるため、製造条件の組み合わせを検討した内容です。［3］

ここでの材料設計は、組成だけを選ぶ仕事ではありません。どの条件で膜を作り、その結果としてどの構造と性能が得られるかを考えます。工程条件を入力として最終的な特性を検討する点で、材料とプロセスの知識を組み合わせる必要があります。

公式資料は、現場に蓄積した実験データへMIを適用して有望な製造条件を見いだし、従来品の2倍以上の処理量を実現したと説明しています。2024年の公式発表でも、S20Nの高性能化におけるMIの役割を紹介しています。2倍以上という値は企業資料に示された比較条件での性能報告として扱います。［3］［6］

6-2．計算上の候補から、販売される製品へ

この事例の意義は、MIの活用先を製品名とともに確認できることです。探索の速度やモデルの精度に加え、顧客が使う製品の性能改善へ結び付いた取り組みとして読み解けます。材料研究の経験、実験データ、解析がそれぞれ役割を持っている点も重要です。

2025年の旭化成ライフサイエンスの発表では、S20Nを製品ラインアップの一つとして紹介し、同製品を含むプラノバの将来需要に対応する新紡糸工場の建設計画を示しています。発表時の操業開始予定は2030年です。これは製品の供給体制に関する情報であり、投資全体をMIだけの成果へ帰属させるものではありません。［7］

6-3．性能改善から収益効果へ、評価の段階を分ける

処理性能が上がれば、顧客の工程設計や処理時間に価値を生む可能性があります。ただし、実際の効果は原液や運転条件などにも依存します。企業公表の性能比較、顧客の使用条件での評価、製品の販売・利益への寄与を分ければ、MIの貢献を過大にも過小にも扱わず説明できます。

主な成果と、確認できる到達点
取り組み	公開情報で確認できること	次に確かめたい情報
IFX-Hubと教育	共通環境、MI教育、コミュニティの整備［1］［2］	継続利用、実務成果、他テーマへの再利用
スマートラボ	複数事業での活用と電子材料での構築・高度化［1］［10］	対象設備の稼働実績、データ品質、開発への効果
NECとの企業間分析基盤	基盤構築と蓄エネルギー研究開発での活用開始［5］	協業案件ごとの検証・製品開発の進捗
プラノバS20N	MIの寄与が説明された製品性能改善［3］［6］	MI単独の売上・利益への定量的寄与

今回の参照資料から、MIだけによる利益増加額は特定できません。全社DXの効果や目標を、MIの実績として置き換えないことが重要です。評価の考え方は、MIの事業貢献を扱う記事でも整理しています。

7．自社のMI推進に取り入れる3つの着眼点

以下は公開事例を踏まえた編集部の考察です。旭化成の仕組みをそのまま導入するより、自社で繰り返す開発判断へ置き換えると、着手点を選びやすくなります。

7-1．利用環境と、最初に解く課題を一緒に用意する

ツールの導入時に、最初の材料テーマとデータを決めます。例えば、既存材料の性能ばらつきを整理し、条件の違いを可視化してから、次の試作条件を選ぶ。こうした小さな往復を経験すれば、研究者は入出力と結果の意味を結び付けて学べます。

7-2．相談の場に、材料の制約を持ち込む

相談はモデルの選び方だけでなく、作製可能な条件、測定の再現性、品質上の必須条件まで含めます。解析担当者と研究者が同じデータを見て、結果が予測と違う理由を議論する。その記録が残れば、次に同じ課題へ向き合う人の手掛かりになります。

7-3．自動化の能力を、判断の改善と結び付ける

実験回数、候補の選定時間、必要性能への到達率など、目的に合う指標をそろえます。実験が速くなった後に評価や解釈が詰まるなら、その工程を見直す。必要な測定条件と試料履歴が残るようにしてから自動化を広げれば、得たデータを次の探索へ使いやすくなります。

8．よくある質問

IFX-Hubは社外から利用できるサービスですか？

本記事で参照した資料では、社内クラウド上のMI利用・教育環境として紹介されています。一般向けの外販条件や公開利用手順は確認できません。共通環境と教育・支援を一緒に整える設計が、他社の導入検討でも参考になります。

初級・中級・上級の人数を合計すれば、現在のMI人材数になりますか？

掲載した値は2022年11月時点です。区分間の重複や、その後の増減を確認せず合計して現在の人数とすることはできません。企業間で比較する場合も、認定条件や集計時点をそろえる必要があります。

プラノバS20Nの成果は、材料開発とプロセス開発のどちらですか？

膜の構造・性能を得るために製造条件を探索した事例であり、材料設計とプロセス設計の接点にあります。データと現場知識を使い、製品に必要な性能を実現する取り組みとして理解できます。

スマートラボなら、研究者が実験条件を考えなくてもよいのでしょうか？

研究者は、探索する範囲、評価方法、候補の採否基準、結果の解釈を設計します。自動で条件を提案する仕組みでも、どの問いを解き、どの結果を有効なデータとするかを判断する役割が必要です。

9．研究者が使う仕組みを、製品開発の価値へつなげる

旭化成のMIからは、共通の解析環境、実務型の教育、コミュニティ、専門組織との協働を組み合わせる進め方が見えてきます。プラノバS20Nでは、現場の蓄積とMIを組み合わせた製品性能改善が紹介され、スマートラボでは実験と評価をつなぐ取り組みが進んでいます。

自社で始めるなら、次の実験を選ぶ判断を一つ定め、データ、利用環境、相談相手、検証方法をそろえます。その結果が製品の性能や開発工程をどう変えたかまで追うことで、MIを継続して使う理由を現場と事業側で共有できます。

前回は三菱ケミカルグループのMI戦略を紹介しました。全体一覧は化学・素材メーカー11社のMI活用事例をご覧ください。売上高順の次回対象は東レです。

参考文献・公式資料

資料確認日：2026年10月25日。組織・制度・数値・事例は各資料の発表時点の情報を含みます。本記事は公開資料に基づく編集部の分析であり、各社の公式見解を代弁するものではありません。