レゾナックのマテリアルズ・インフォマティクス(MI)を特徴づけるのは、予測モデルを作る技術に加え、実験データを使い続ける基盤、実験と計算の両方を活用する人材、企業間でデータを扱う仕組みを整えている点です。材料開発の現場でデータをどう集め、どう判断へ結びつけるかという課題に、複数の方向から取り組んでいます。
本記事は、日本の化学・素材メーカーのMI活用事例を売上高順に深掘りする連載の第8回です。レゾナック・ホールディングスを含むグループの公開事例を、技術・組織づくり・人材育成・外部連携・事業への貢献の5つの観点から整理します。掲載順は連載の基準に従うもので、MIの優劣を示すものではありません。
この記事で学べること
- 電子実験ノート・データベース・MIアプリをつなぐデータ基盤の特徴
- 計算情報科学研究センターが、解析・基盤・人材育成を担う意味
- 実験の専門性と計算・情報科学を組み合わせる「両利き人材」の考え方
- 外部パートナーと計算ツールや秘密計算基盤を開発する進め方
- 実験期間の短縮、計算工数削減、予測誤差低減を区別した成果の読み方
資料確認日:2026年10月29日。会社・協業先・大学による一次資料を中心に構成しています。2022年の事例は当時の昭和電工の発表です。2023年のレゾナック発足前後を区別し、当時の利用範囲を現在のグループ全体へ拡張して解釈しないようにしています。考察は本記事の解釈です。
1.レゾナックのMIは「研究者が使える仕組み」に焦点がある
材料開発でMIを継続して使うには、予測精度だけでなく、データを増やす仕組み、結果を検証する手段、利用する人の能力が必要です。実験データが更新されなければ、新たな配合や材料を検討するたびにモデルの作り直しが必要になることもあります。予測に疑問が生じたとき、元の実験条件へ戻れることも重要です。
レゾナックの公開事例には、こうした課題への対応が見られます。旧昭和電工の電子実験ノートとMIの接続、実験化学者が計算を扱うツールの共同実証、サプライヤーと機密データを開示せずに解析する基盤です。[1][6][7]
本記事では、この3つを、社内のデータを使う、人が計算を使う、社外のデータと組み合わせるという観点で読み解きます。それぞれの到達段階や適用範囲は異なるため、一つの完成済みシステムとして扱うものではありません。MIの基本は、マテリアルズ・インフォマティクスとはも参照してください。
2.技術:データの追跡から、計算・企業間解析へ
2-1.電子実験ノートからMIアプリへつなぐ
旧昭和電工は2022年、電子実験ノート、実験データベース管理システム、MIアプリを接続するデータパイプラインを発表しました。構築は2021年12月で、MIアプリから元の実験データへアクセスでき、入力データを整形してモデルへ取り込む機能も備えるとしています。[1]
技術的な要点は、解析用に加工した表だけでなく、実験の文脈を確認できることです。例えば、数値が同じでも、測定条件や試料の状態が違えば意味が変わります。予測の外れを見つけたときに、データの誤りなのか、モデルの限界なのか、材料の新しい挙動なのかを調べる手掛かりになります。
本記事の考察として、データ基盤を評価するときは、「何件ためたか」とともに、予測から元の実験記録まで戻れるかを確認するとよいでしょう。また、自動で新しいデータを取り込めることと、常に精度が高く保たれることは別です。継続利用には、対象材料や測定方法の変化を確認する仕組みも必要になります。
2-2.量子化学計算のワークフローを自動化する
旧昭和電工とQSimulateは2022年、分子の安定構造を探索する計算ワークフローの共同開発を発表しました。100原子以上を含む25化合物で手動の解析手法と比較し、工数を0.45倍に減らしたとしています。これは計算業務の比較結果であり、製品開発全体の期間を示す数字ではありません。[2]
この事例では、AIによる物性予測とは異なる、計算科学の作業そのものを改善しています。研究者が候補構造を作り、計算を準備して結果を確認する工程を見直すことで、専門家がより多くの仮説を検討できる余地が生まれます。
MI推進への学びは、モデルの計算速度と、研究者の作業時間を分けて考えることです。計算が速くても準備や結果整理に時間がかかれば、研究の進行は改善しません。どこで時間を使っているかを調べ、計算手法と業務手順の双方を改善する視点が必要です。
2-3.実験化学者が、自分で計算を試せる環境へ
2026年9月、Matlantisはレゾナックとの共同実証で開発した「Matlantis Case Studio」を発表しました。既存の計算事例を選び、AIとの対話で条件を変更して実行し、結果の要約や履歴の比較を行う構想です。発表時点ではα版の提供予定であり、全社への本格導入完了を示すものではありません。[6]
レゾナック側の説明も、実験化学者が自分の仮説を計算で検証できる環境を目指すとしています。[9]本記事の考察として、操作の負担が小さくなるほど、研究者は早い段階で計算を試せます。一方、計算条件の妥当性や、実験と比較できる範囲の判断は引き続き必要です。使いやすい画面と、結果を判断する知識を一緒に整えることが重要になります。
2-4.秘密計算で、サプライヤーのデータと組み合わせる
2026年10月26日、ZenmuTechは、レゾナックが秘密計算ライブラリ「QueryAhead」を用いたMI基盤を構築し、化学メーカーA社と実証したと発表しました。相手の機密データを開示せず、材料物性と配合条件・評価結果を組み合わせて解析する取り組みです。[7]
同発表では、主成分分析や線形回帰を秘密計算環境上で実施し、通常環境の解析結果を再現したとしています。企業間のデータを用いたモデルでは、流動性に関する物性の予測誤差が、レゾナックのデータのみの場合に比べ約78%減少しました。[7]
この結果は、秘密計算それ自体が予測精度を高めるという意味ではありません。従来は組み合わせにくかったデータを利用できたことが重要です。また、78%は当該テーマでの比較であり、全材料に共通する改善率や、開発期間・利益の改善率へ換算することはできません。
| 技術・基盤 | 対象となる課題 | 研究判断への接点 |
|---|---|---|
| 電子実験ノートとMIの接続 | データ整備と元記録の追跡 | 予測の根拠や入力の妥当性を確認する |
| 量子化学計算の自動化 | 構造探索の手作業 | 比較できる構造や仮説を増やす |
| 対話を使う計算環境 | 実験者が計算を始める際の負担 | 実験前に仮説を検討する |
| 秘密計算のMI基盤 | 企業間で開示できないデータ | 材料情報と配合・評価情報を合わせて解析する |
3.組織づくり:解析、基盤、人材育成をつなぐ専門組織
3-1.計算情報科学研究センターが全社の研究開発を支える
2026年の当事者対談では、計算情報科学研究センターの役割として、分子シミュレーション、構造・流体シミュレーション、AI・MIによる製品課題の解決、データ基盤、人材育成が説明されています。研究初期から設計指針を示し、研究開発を推進することが使命とされています。[8]
ここで注目したいのは、個別の解析と、それを使うための基盤づくりを同じ視野に置いている点です。解析者だけではデータの入力方法を変えにくく、基盤担当だけでは必要な実験条件を判断しにくい。材料の課題、データ、計算方法をつなぐ役割が重要になります。
3-2.現場の研究者を、ツール開発の過程へ入れる
Matlantisとの共同実証は、計算情報科学研究センターと伊勢崎事業所、Matlantis、Preferred Networksの開発チームが、2025年10月から進めたものです。計算科学者と実験化学者が試作品を使い、気づきを短い周期で機能へ反映したと説明されています。[6]
本記事の考察として、利用者が開発過程に入ることで、「入力できない条件」「結果の意味がわからない箇所」「次の実験に使えない出力」が具体化します。完成したツールを配布する段階だけでなく、試す段階から材料開発者を巻き込むことが、現場に合った機能を作る助けになります。
3-3.組織の規模と、担っている機能は分けて見る
2026年10月の対談には、計算情報科学研究センターのMI基盤開発グループが登場します。[8]ただし、今回確認した一次資料から、センター全体やMI専任者の最新人数、職種別構成、全グループの指揮命令系統までは特定できません。
企業のMI体制を比較する際は、人数とともに、何を担当しているかをそろえる必要があります。計算科学、MI解析、データ基盤、利用支援を含む組織と、モデル開発だけを担う組織では、人数の意味が異なるためです。
4.人材育成:実験の専門性を持った「両利き人材」を育てる
4-1.2030年の「100%」は、育成の目標
レゾナックは2026年6月の発表で、実験研究の高い専門性に、データ解析などの計算・情報科学のスキルを併せ持つ人材を「両利き人材」と定義しています。その100%化を2030年までの目標としています。これは達成済みの比率や、全従業員のデータサイエンティスト化を意味しません。[4]
この考え方の中心は、材料開発者の専門性を生かしながら、使える研究手段を増やすことです。本記事の解釈として、全員が同じ高度なモデルを実装することより、課題に応じて計算・データ解析を選び、必要に応じ専門家へ相談できる能力が重要になります。
4-2.教育、解析、ソフトウェア開発を組み合わせる
Enthoughtは2023年、レゾナックがMI推進プログラムを採用したと発表しました。既存の専門チームを強化し、データ管理・分析、アプリケーション展開、デジタル研究開発を担う人材育成を進める内容です。[3]
ここからの学びは、教育の修了と、現場で使えることの間をつなぐ設計です。講義で手法を知っても、自社データの整理、モデルの評価、利用者向けの画面づくりには別の課題があります。実務の成果物を作りながら学べれば、必要な能力や次に学ぶ内容が明確になります。
4-3.大学連携で、解析技術と教育の両方を強化する
レゾナックと滋賀大学は2026年5月28日、データサイエンス分野の技術力向上と人材育成を目的とする協定を締結しました。大学側の発表では、企業の現場データ・技術基盤と大学の知見・教育実績を組み合わせ、解析技術の構築などを目指すとしています。[5]
調査研究センターの設置も検討内容に含まれますが、協定の発表だけで設置済みと判断することはできません。また、育成済み人数や詳細なカリキュラム、認定基準は、今回の資料からは確認できませんでした。
| 取り組み | 狙い | 確認する際の注意点 |
|---|---|---|
| 両利き人材の育成 | 実験の専門性と計算・情報科学を組み合わせる | 2030年100%は目標 |
| EnthoughtとのMI推進 | 専門能力、アプリ展開、人材を強化する | 2023年の採用発表。現在の全社利用率ではない |
| 滋賀大学との協定 | 教育と解析技術を共に高める | 具体施策には検討段階の内容も含む |
| 実験化学者向け計算環境の実証 | 日常研究で計算を試しやすくする | 使いやすさと結果を判断する能力は別 |
5.外部連携:利用者の課題を、共同開発へ変える
レゾナックの事例では、外部製品を導入するだけでなく、材料開発で必要な機能をパートナーと作る活動が見られます。量子化学計算のワークフロー、実験者向けの計算操作、秘密計算上の解析手法など、汎用技術と材料開発の間にある課題を扱っています。
| 相手 | 公開された取り組み | 主な役割 |
|---|---|---|
| QSimulate | 安定構造探索のワークフロー共同開発 | 計算科学業務の自動化 |
| Enthought | MI推進プログラム | 能力強化、データ管理、アプリ展開、人材育成 |
| 滋賀大学 | データサイエンス分野の協定 | 教育と課題解決の解析技術 |
| Matlantis・Preferred Networks | 実験化学者向け新機能の実証 | 計算を使う際の負担を小さくする |
| ZenmuTech・化学メーカーA社 | 秘密計算基盤の構築と企業間実証 | 機密を保ちながらデータを組み合わせる |
ZenmuTechとの対談では、計算の不具合や時間の問題、行列演算の機能追加など、実装段階の課題が語られています。[8]本記事の考察として、先端技術を実務へ適用するには、「何を解析したいか」に加え、「どの結果が再現できれば使えるか」を具体化する力が必要です。利用者側の検証能力が、共同開発の進行にも関わります。
また、企業間の解析では、データを秘匿する技術に加え、対象試料や測定条件の対応、利用目的、受け取る結果を合わせる必要があります。秘密計算によって、データの意味や品質の違いまで自動で解決されるわけではありません。
6.事業への貢献:時間、工数、予測誤差を分けて評価する
6-1.粘着剤では、実験回数と実験期間の短縮を報告
2022年のデータパイプライン発表では、電子機器向け粘着剤で、粘着力と糊残りの両立を目指す事例が示されています。MIアプリで有望な配合に絞った結果、実験回数を従来の約3分の1とし、実験に要する期間を3カ月から1カ月へ短縮したと説明しています。[1]
ここで確認できるのは、当該事例の実験工程での効果です。顧客評価や量産移行まで含む全期間、売上や利益の増加を直接示す数字ではありません。一方、候補の絞り込みが実験の回数と期間の両方へ届いた具体例として参考になります。
6-2.計算の自動化は、専門家の工数を減らす
QSimulateとの事例では、対象化合物群で計算ワークフローの工数が従来の0.45倍になったと報告しています。[2]事業上の評価では、その後に扱えるテーマが増えたか、専門家が設計や考察に使える時間が増えたかまで追うと、改善の意味を具体化できます。
6-3.予測誤差の低減は、次の実験判断への貢献を確認する
秘密計算による約78%の予測誤差低減は、企業間でデータを組み合わせる価値を示す実証です。発表では、未評価サンプルの物性予測も確認したとしています。[7]ただし、今回の公開資料からは、比較に用いた全データや詳細な誤差指標、製品化への寄与までは評価できません。
実務での価値を追うなら、候補を絞れたか、不要な評価を減らせたか、設計の見通しが改善したかを確認するとよいでしょう。予測精度の改善を、そのまま開発速度や収益へ換算せず、判断と行動の変化を介して評価する考え方です。
| 公開された数字 | 対象 | 区別すること |
|---|---|---|
| 実験回数約1/3、3カ月→1カ月 | 2022年発表の粘着剤事例 | 個別の実験工程。全社平均ではない |
| 工数0.45倍 | 25化合物での計算ワークフロー比較 | 製品開発全体の期間とは異なる |
| 予測誤差約78%減少 | 2026年の企業間データ実証 | 流動性の物性予測。秘密計算そのものの精度向上効果ではない |
| 両利き人材100% | 2030年に向けた育成目標 | 達成済み比率や専門家数ではない |
今回の資料では、MI単独の寄与売上、利益額、投資回収期間までは確認できません。研究効率の改善から事業貢献を考える際は、実験の改善、開発判断、製品への適用、顧客への価値提供を段階的に追う必要があります。MIの事業価値を考える記事も参照してください。
7.自社のMI推進に取り入れたい3つの視点
以下は公開事例をもとにした本記事の考察です。レゾナックの未公開の制度や運営方法を示すものではありません。
① モデルの前後を含めて、データの流れを設計する
入力、整形、解析、結果の利用に加え、疑問が生じたときに元記録へ戻る流れも考えます。最初からすべてを自動化しなくても、試料と測定条件を追跡できるだけで、データ確認の負担を減らせる可能性があります。
② 育成と、日常的に使う環境を一緒に整える
研修で学ぶだけでなく、自分の材料・配合で試し、結果を専門家と確認する場を設けます。操作が簡単なツールも、何を計算しているかを考える学びと組み合わせると、研究手段として使いやすくなります。
③ 社外連携は、相手のデータがどの判断に必要かから始める
共有するデータ量を増やす前に、どの予測や判断を改善したいのかを定めます。自社の配合・評価だけでは足りない情報を具体化し、相手の材料情報とどう対応させるかを検討します。そのうえで、開示範囲や秘匿技術を含めた方法を選びます。
8.レゾナックのMIに関するよくある質問
Q1.旧昭和電工の成果もレゾナックの記事に含めていますか?
含めています。ただし、2022年の事例は当時の昭和電工による発表として明記し、現在のグループ全体で同じ運用・効果が確認されたものとは扱っていません。
Q2.両利き人材とは、全員がAI開発者になることですか?
公開発表の定義は、実験研究の専門性に、データ解析などの計算・情報科学スキルを併せ持つ人材です。AI開発の専門職と同義ではありません。100%化は2030年の目標です。[4]
Q3.秘密計算を使えば、予測精度が78%改善するのですか?
当該テーマで、自社データのみの場合と、相手企業のデータも用いた場合を比較した予測誤差の減少率です。秘密計算は、機密データを開示せずに組み合わせるための技術であり、あらゆるモデルに同じ精度改善を与えるものではありません。[7]
Q4.MIの専任人数は何人ですか?
今回確認した一次資料では、最新の全体人数やMI専任者数を特定できませんでした。センターの担当領域や個別グループの情報と、人数は分けて整理しています。
9.研究者の判断を支えるために、技術・基盤・人をそろえる
レゾナックの公開事例からは、データをためるだけでなく、元の実験へ戻り、研究者が計算を試し、企業をまたいで不足する情報を補う方向が見えてきます。計算情報科学研究センターは、個別課題への解析と、基盤・人材の整備をつなぐ役割を担っています。
自社へ取り入れるなら、最初に変えたい研究判断を定め、そのために必要なデータ、計算、利用者の能力を確認するとよいでしょう。成果は精度だけでなく、実験の選び方、検討にかかる時間、次の開発段階への移行がどう変わったかを追って評価します。
連載全体は化学・素材メーカーのMI活用事例一覧をご覧ください。次回は売上高順で積水化学工業を取り上げます。
参考資料
- 昭和電工「データの収集から整形、蓄積、AI解析まで、一気通貫して行えるデータパイプラインを構築」。2022年11月2日。発表主体は当時の昭和電工。企業配信のニュースリリース。
- 昭和電工・QSimulate「物質の特性解明のカギ握る『最安定構造』、熟練研究員の半分の時間で特定」。2022年9月6日。25化合物での量子化学計算ワークフローの比較検証。
- Enthought「レゾナック、Enthoughtのマテリアルズ・インフォマティクス推進プログラムを採用」。2023年2月11日付の発表。技術移転・アプリ展開・人材育成の取り組み。
- レゾナック「滋賀大学と株式会社レゾナック、データサイエンス分野に関する連携協定を締結」。2026年6月2日。協定締結は5月28日。両利き人材の定義と2030年目標。
- 滋賀大学「(株)レゾナックと連携協定を締結」。2026年6月3日。大学側による協定の目的・検討内容の説明。
- Matlantis「レゾナックとの共創により実験化学者向け新機能『Matlantis Case Studio』を実証」。2026年9月16日。2025年10月開始の共同実証と、発表時点でのα版提供予定。
- ZenmuTech「レゾナック、ZenmuTechとの共創により秘密計算を活用したMI基盤を構築」。2026年10月26日。企業間実証、秘密計算上の解析、流動性の予測誤差低減。
- ZenmuTech「テクノロジーで機密を守り、データで共創する レゾナック×秘密計算が拓く材料開発の新たなフロンティア」。2026年10月26日。計算情報科学研究センターの当事者対談。組織の役割と開発過程。
- Resonac Europe「Resonac Demonstrates New Feature “Matlantis Case Studio” for Experimental Chemists Through Co-Creation with Matlantis」。2026年9月16日。レゾナック側による共同実証と両利きの研究環境の説明。


