この記事で学べること
- 日本の化学・素材メーカー6社が、どのように実験自動化へ取り組んでいるか
- ロボットによる操作、MIによる条件選択、研究基盤の整備がどう関係するか
- 企業発表・論文から確認できる成果と、自社導入の判断に必要な情報
化学メーカーの実験自動化は、どこまで進んでいるのでしょうか。材料の組成をAIで考える、ロボットで合成する、評価結果を次の実験へ返す。似た言葉で紹介される取り組みでも、接続している工程や、人が判断する範囲には違いがあります。
本記事は、旭化成、JSR、住友化学、東ソー、三井化学、三菱ケミカルの公開事例を中心に、その違いを整理します。対象は化学・素材の研究開発における合成、試作、評価と条件探索です。各社の取り組みと技術的な意味を紹介し、「自社で参考にするなら」では、公開事例から考えられる実務への応用を編集部が提案します。
情報確認日：2026年10月24日。各社の公開資料と論文を基に、研究実証、設備導入、研究基盤づくりの動きを紹介します。過去の取り組みも発表年を添えて取り上げます。
執筆：R&D Compass編集部
日本の化学メーカーの実験自動化を読む三つの視点
まず、実験の「操作」「条件選択」「基盤整備」を分けると、企業ごとの取り組みを理解しやすくなります。本記事では、自動実験を指定条件に従う操作の実行、MIを材料データからの予測・探索、自律実験を実験結果が次の実行条件へ戻る仕組みとして整理します。
| 視点 | 確認する仕事 | 読むときの問い |
|---|---|---|
| 操作の自動化 | 投入、送液、混合、加熱、試料採取、測定 | どの操作が装置化され、準備や後処理は誰が担うか |
| 条件選択の高度化 | 予測モデル、候補選択、結果からのモデル更新 | 提案条件を誰が確認し、どこまで自動実行するか |
| 研究基盤の整備 | 設備、データ、人材、産学連携、複数拠点の接続 | 一つの実証を、別の研究課題へ展開できるか |
例えば、MIで次の条件を選び、人が実験して結果を返す場合にもデータ駆動の探索は成立します。全工程の無人化とは範囲が違いますが、先に条件選択の価値を確かめられる利点があります。基本的な仕組みは自律実験・Self-driving Labの解説で詳しく扱っています。
日本の化学・素材メーカー6社の公開事例
各社について「公開された内容」「技術的な意味」「他社が参考にする際の確認事項」の順に読み進めます。情報量に差があるため、研究内容が確認できる事例は詳しく、方針や設備導入までの事例はその範囲で扱います。
1．旭化成：MI・シミュレーション・実験をつなぐスマートラボ
公開された内容：旭化成の公式サイトは、スマートラボを、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しています。材料設計から合成・評価までをつなぐ取り組みで、複数の事業部で活用が進むと説明されています。MIについては、専門部署に加えて現場研究者が使える環境の整備も紹介されています。［1］
技術的な意味：予測から合成・評価までをつなぐと、実験結果を次の材料設計に生かせます。例えば、試料の作り方と評価条件をそろえて測定すれば、組成による性能の違いを比較しやすくなり、モデルの更新に役立つデータを蓄積できます。
編集部の見方では、こうした接続の価値は、候補を探す計算と、候補を比較する測定の両方を改善できることにあります。測定結果が整理された形で戻れば、モデルの予測が外れた理由も検討しやすくなります。探索の途中で現れた有望領域を、追加実験で確かめる流れにもつながります。
自社で参考にするなら：まず一つの材料系について、条件を指定してから評価値が戻るまでの時間を測ります。合成・測定・データ整理のうち、時間のかかる工程を把握すると、自動化する対象や設備投資の優先順位を決めやすくなります。
2．JSR：高分子合成の操作と、次に試す条件の選択をそれぞれ高度化する
JSRが関わる研究には、化学実験の操作をロボットへ移す研究と、フロー重合の条件をデータから選ぶ研究があります。両者を分けることで、自動化の課題とMIの役割が具体的に見えてきます。
操作を教える研究：Sasakiらは、ロボットの動作と実験治具の操作を、化学者が一緒に教示する方式を報告しています。治具、教示インターフェース、移動型マニピュレーターを組み合わせ、高分子合成に関係するピペッティングや希釈の操作で検証しました。JSR研究者が共著者となる大学との共同研究で、雑誌掲載版は2025年8月28日公開、巻号は2026年です。［2］
この研究が扱う問題は、実験条件を変更するたびに、ロボットの動きと治具の動作を調整しなければならないことです。研究では試薬、容器、順序が変わります。編集部は、操作を高速化することと同様に、研究者が変更を加えやすいことを重視すべき事例と捉えます。固定条件を繰り返す設備とは、評価すべき使いやすさが異なります。
フロー重合と条件探索の研究：Takasukaらの研究は、スチレンとメタクリル酸メチルの共重合を対象に、フロー合成とベイズ最適化を組み合わせています。雑誌掲載は2024年で、JSRの公式論文一覧でも確認できます。［3］詳細を確認した2024年4月の公開プレプリントでは、目的の共重合体組成に近づけるため、温度、反応時間、原料比などを探索しています。［4］
ベイズ最適化は、既存データから条件と結果の関係を推定し、良い結果が期待できる条件や、追加情報を得やすい条件を選ぶ方法です。単に実験回数を増やすのではなく、次の実験に意味を持たせます。仕組みと実装はベイズ最適化による材料探索を参照してください。
実験工程の組み立て方：公開プレプリントでは、フロー合成とUHPLC分析を別工程で行っています。条件変更については、流量で調整しやすい変数と、溶液の調製や温度安定化に時間を要する変数を区別しています。［4］この整理は、実行しやすさを考慮した条件探索の設計に参考になります。
ここから得られる示唆は、探索アルゴリズムに装置側の変更コストを反映することです。同じ数の候補でも、溶液を毎回作り直す組合せと、流量を変えて実行できる組合せでは所要時間が違います。自社の実験でも、モデルが選べる変数を列挙するだけでなく、実際に変更する作業まで整理すると導入案が具体化します。
3．住友化学：AIシミュレーションと自動試作・評価を組み合わせる
公開された内容：住友化学は2024年3月12日のDX戦略説明資料で、AIシミュレーションによる候補素材のスクリーニングと、高速に試作・評価する実験の自動化を組み合わせる取り組みを紹介しています。資料19ページでは、ケミカルリサイクルに関係する新規触媒開発を例に挙げています。［5］
技術的な意味：計算は有望な候補を絞り込み、自動試作・評価は実際の反応や物性を確かめる役割を担います。この二つをつなぐことで、多数の候補の中から、実験で詳しく調べる対象を選びやすくなります。
編集部が注目するのは、AIの計算能力と、検証用のデータを作る設備を一緒に考える点です。計算で有望とされた候補にも、合成しにくい、試料が不均一、評価条件が異なるといった問題は起こり得ます。実験側の準備が整っていれば、予測の妥当性を確かめ、次の候補選択に使う情報を蓄積しやすくなります。
成果を測る視点：資料中の計算高速化は、候補選択を支える計算処理の成果です。［5］導入効果を評価するときは、計算時間、試作・測定時間、目標性能までの総所要時間を分けて測ると、どの改善が研究全体の短縮に効いたかを把握できます。
自社で参考にするなら：計算で絞った候補について、合成・評価の到達状況と、予測値と測定値の差を記録します。試作で生じた課題も併せて残すと、材料の実行可能性を踏まえて次の候補を選べます。
4．東ソー：MIと自動合成設備を研究基盤に組み込む
公開された内容：東ソーの公式会社案内は、研究基盤強化の項目として、知見共有のシステム化、MIの推進、自動合成装置の導入を挙げています。MIセンターを含む研究開発体制も示されています。［6］また、2026年の第75回高分子学会年次大会の公式プログラムには、東ソーによるMIと実験自動化の取り組みに関する講演が掲載されています。［7］
技術的な意味：この事例は、個別のアルゴリズムの成果より、データを扱う機能と実験設備を研究基盤として整える動きとして読むのが適切です。装置を導入しても、条件名や試料の識別方法が研究者ごとに違えば、結果を比較する段階に作業が残ります。組織の機能と設備の両方に目を向けることは、導入後の活用を考えるうえで参考になります。
編集部の見方では、自動合成設備をどの研究課題へ割り当てるかという運用設計も重要です。共通化する操作と、材料ごとに変更する操作を整理すると、設備を研究者が利用する際の準備を明確にできます。MI担当者と実験担当者が、データの受け渡しをどこで行うかも検討できます。
自社で参考にするなら：一つのテーマで試薬投入から評価結果の登録までを図にし、担当部署、入力情報、完了の判定を書き込みます。共通設備として運用するなら、予約、清掃、測定条件の変更、故障時の連絡までを利用条件として整えます。
5．三井化学：産学連携で自律合成の研究基盤を構築する
公開された内容：三井化学と京都大学は2022年11月22日、データ科学とフロー合成などを統合する自律的な自動合成実験システムの構築、および高機能材料開発を目的に、共同ラボの設置を発表しました。発表では2023年4月の活動開始を予定し、期間を2028年3月までとしています。大学の自動実験・反応化学・データ科学と、企業の合成・製品化技術を組み合わせる計画です。［8］
技術的な意味：材料開発には、装置を動かす能力に加え、どの分子や反応を扱うかという化学の判断が必要です。共同ラボという形は、反応、装置、データ解析の専門性を、一つの研究課題に合わせて組み合わせる取り組みとして理解できます。
編集部が着目するのは、企業の研究目的と評価指標を共同研究の設計に組み込む点です。収率に加え、原料費や不純物管理も評価すれば、事業で使いやすい条件を選びやすくなります。実験系の構築と、企業で使う判断基準の設定を並行して進めることが、成果の活用に役立ちます。
自社で参考にするなら：共同研究を検討するときは、探索する化学領域、取得するデータ、装置・ソフトの変更権限、成果物の引き継ぎ方法を明確にします。研究が終わった後に誰が装置を保守し、モデルを更新するかも、早い段階で議論すべき項目です。
6．三菱ケミカル：国際共同研究に見る分散型の閉ループ探索
公開された内容：2024年5月17日公開のStrieth-KalthoffらのScience論文は、クラウド上のAIによる実験計画と、複数拠点の合成・評価を非同期でつなぐ方式を報告しています。対象は有機固体レーザー向けの発光材料で、五つの研究室を接続した研究です。［9］書誌・所属情報では、三菱ケミカル所属の共著者を確認できます。［9］
技術的な意味：非同期とは、すべての拠点が同時に一段階ずつ進む必要がない進め方です。合成、分析、物性評価を別の設備が担当する場合、作業時間はそろいません。完了した結果から次の判断に進める設計は、専門性が異なる設備を一つの研究課題へ結び付ける手段になります。
編集部は、この研究を、実験自動化の範囲を自社の一室に限定せずに考える参考例と捉えます。自社が持たない評価技術を大学や外部施設と組み合わせる場合にも、どの条件の試料を、どの方法で測り、どの結果が戻ったかを対応付けることが重要になります。
企業の参画の位置付け：この事例では、三菱ケミカル所属の研究者が国際共同研究の共著者として参画しています。本記事では、その研究参画と、公開抄録が示す分散型の探索方式に焦点を当てます。企業ごとの設備や運用状況を確認する際の項目は、後掲の比較表にまとめています。
自社で参考にするなら：外部へ測定を依頼する場面で、試料ID、実験条件、評価方法、データ形式、結果が戻るタイミングをそろえるところから始められます。装置の直接接続より先に、研究情報の受け渡しを整えるだけでも、共同研究の待ち時間や照合作業を把握しやすくなります。
6社の比較から見える、実験自動化の進め方
各社の力点を、「中心テーマ」「根拠の種類」「導入検討で追加確認したい点」の三つで比較します。
| 企業 | 確認できた中心テーマ | 根拠の種類 | 追加で知りたい点 |
|---|---|---|---|
| 旭化成 | MI・計算・実験を統合するスマートラボ | 公式の活用紹介［1］ | 材料別の構成、運用範囲、効果の比較条件 |
| JSR | ロボット教示、フロー重合の条件探索 | 共同研究論文・公開原稿［2］〜［4］ | 研究から社内運用への展開、全工程の接続 |
| 住友化学 | 計算による候補選択と自動試作・評価 | 公式の事例紹介［5］ | 実験構成、処理能力、結果からの条件更新 |
| 東ソー | MIの推進と自動合成装置の導入 | 会社案内・講演プログラム［6］［7］ | 対象反応、条件選択、効果の数値 |
| 三井化学 | 産学連携による自律合成基盤の計画 | 共同ラボ設置発表［8］ | 現在の稼働状況、研究成果、事業への接続 |
| 三菱ケミカル | 分散型閉ループ探索の共同研究への参画 | 論文抄録・著者所属［9］ | 企業の具体的貢献、社内への適用範囲 |
編集部の考察：共通して参考になるのは、AIの計算と物理的な実験を接続する際、操作、条件選択、データ管理を一緒に設計する必要があることです。新しいアルゴリズムを試す研究と、実験を安定して繰り返す設備の整備は、相互に補う関係にあります。
資料を活用する際の確認事項：本記事は、公開情報を確認できた6社の事例集です。各社で資料の詳しさや対象工程が異なるため、導入を検討する際は、比較表の「追加で知りたい点」を確認してください。参照した原稿の版や全文の確認範囲は、末尾の参考文献に記載しています。
自社の検討では、まず「何を自動化すれば研究上の判断が早くなるか」を定めます。合成が律速なら投入・反応操作、評価が律速なら測定と品質確認、候補選択が律速ならMIが出発点になります。これを一律の導入順にせず、研究課題ごとに選びます。
自社で参考にするためのチェックリスト
- 研究目的：探索範囲の拡大、作業時間の削減、再現性向上のどれを優先するか
- 対象工程：試薬準備、合成、後処理、評価、データ登録のどこまでを接続するか
- 変更の負担：試薬・温度・容器・材料系が変わると、何の再設定が必要か
- データ品質：試料ID、単位、測定条件、校正状態、失敗理由を追跡できるか
- 成果の比較：準備・洗浄・保守も含む人の作業時間と、有効な結果までの総時間を測れるか
- 安全と責任：許可条件、温度・圧力等の制限、異常停止、人への引き継ぎ担当を決めたか
- 独立した確認：探索で良かった候補を、別試料や反復測定で確かめる予算があるか
例えば、配合試料を多く作れても、有効な物性測定が少なければ、研究の判断材料は増えません。実験回数に加え「比較に使える結果の件数」を確認すると、設備速度と研究成果を結び付けやすくなります。データの整え方は材料データの品質を高める方法で扱っています。
安全限界と緊急停止は、探索モデルとは別に検証します。材料・工程の安全性、装置の保護機能、量産へのスケールアップは、それぞれの担当者が評価し、許可された条件範囲と停止・引き継ぎ手順を整えます。
FAQ：化学メーカーの実験自動化でよくある疑問
MIを使っていれば、自律実験を導入したことになりますか？
MIが提案した条件を人が実験する場合と、結果が次の装置実行へ自動的に戻る場合では、接続範囲が違います。どちらも有用です。導入の説明では、条件提案、実行、評価、更新を誰が担当するかを示すと明確になります。
最初からロボットアームを導入する必要がありますか？
対象操作に応じて選びます。送液や温調などを既存装置で扱い、人が試料を移す構成から始めることもできます。重要なのは、目的に合う評価結果が安定して得られ、次の判断へ渡せることです。
公開事例と同じシステムなら、同じ効果が得られますか？
試料の性状、操作の変更頻度、評価時間、設備保守などで効果は変わります。自社の一工程で実行可能性と測定品質を確かめ、準備を含む総時間で比較します。導入の全体像は実験自動化の導入手順と評価方法も参考になります。
まとめ
日本の化学メーカーの公開情報には、スマートラボ、ロボット教示、フロー重合と条件探索、計算と試作・評価の連携、研究設備の整備、産学・国際共同研究など、異なる取り組みが見られます。
自社へ取り入れる際は、企業名や「自律」という言葉より、対象工程、データによる判断、人の関与、根拠の範囲を確認してください。自社で時間がかかっている工程を特定し、比較可能な結果を得る仕組みから整えることが、実験自動化とデータサイエンスを研究価値へつなぐ第一歩になります。
参考文献・確認資料
以下はいずれも2026年10月24日確認。発表・刊行年と確認日を区別しています。企業公式資料には通常DOIがないため、該当する論文・公開原稿のみ記載します。
- ［1］旭化成「ソリューション・事例：MI／スマートラボ」。発表年表示は未確認。公式ページ。
- ［2］Sasaki, H. et al. “Robotic system for chemical experiment automation with dual demonstration of end-effector and jig operations.” International Journal of Intelligent Robotics and Applications, 10, 84–106 (2026). オンライン公開2025年8月28日。DOI: 10.1007/s41315-025-00492-w。掲載ページの抄録・書誌情報を確認。技術詳細の参照用に著者公開原稿も利用可能。
- ［3］JSR “Published Papers”。Takasukaらの2024年論文 “Bayesian optimization of radical polymerization reactions in a flow synthesis system”, Science and Technology of Advanced Materials: Methods, 4(1), DOI: 10.1080/27660400.2024.2425178 の掲載を確認。企業公式論文一覧。雑誌掲載版の全文は未確認。
- ［4］Takasuka, S. et al. “Bayesian optimization of radical polymerization reactions in a flow synthesis system.” ChemRxiv, v2 (2024年4月5日)。DOI: 10.26434/chemrxiv-2024-9n229-v2。公開原稿PDF。本稿の分析装置の接続範囲・条件変更の説明はこの未査読版を参照。［3］の掲載版との全文差分は未照合。
- ［5］住友化学「DX戦略説明会」2024年3月12日、19ページ（PDFの19枚目）。公式説明資料PDF。
- ［6］東ソー「会社案内」、研究開発、冊子6〜7ページ（PDFの4枚目）。発行年表示は未確認。公式会社案内PDF。
- ［7］高分子学会「第75回高分子学会年次大会・招待講演等プログラム」2026年5月12日、東ソーのMI・実験自動化に関する講演掲載。公式プログラム。講演本文・成果数値は未確認。
- ［8］三井化学・京都大学「三井化学、京都大学と『三井化学･京大デジタルケミカルラボ』を設置」2022年11月22日。公式発表。
- ［9］Strieth-Kalthoff, F. et al. “Delocalized, asynchronous, closed-loop discovery of organic laser emitters.” Science, 384(6697), eadk9227 (2024年5月17日)。DOI: 10.1126/science.adk9227。九州大学の研究成果ページに掲載された公開抄録・書誌情報を確認。出版社の全文・補足資料は未確認。著者所属はPubMed（PMID: 38753786）の書誌・所属情報でも確認。
