住友化学のMI戦略|仮想実験・人材育成・外部連携と事業貢献

住友化学のMI戦略:仮想実験と実験自動化

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5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、住友化学を取り上げます。

この記事で学べること

  • 半導体材料の仮想スクリーニングと、AIシミュレーション・実験自動化の役割
  • 2025年のDX推進体制の変更と、2026年の研究開発体制の再編
  • MIの基礎学習と実務での活用を結ぶ人材育成の考え方
  • NIMSとの水平連携とアクセンチュアとの協業が担う異なる役割
  • 「研究開発期間を1/10に短縮」という事例を事業貢献として読む際の確認点

住友化学のMIは、候補探索を速める技術と、それを事業部門へ広げる専門機能・教育・基盤を合わせて見ると、取り組みを理解しやすくなります。 半導体材料や触媒の開発事例に加え、研究と全社DXの体制を追うことで、技術を継続して使う仕組みが見えてきます。

本記事は2026年10月29日までに確認した公開資料に基づきます。2024年のDX戦略説明会は当時の事例・施策として、2025年の組織改組と2026年の研究開発再編はその後の変更として記載します。全社DXの人材数・目標をMIだけの実績とせず、企業公表の事実と編集部の考察を分けています。

1.住友化学はMIを、開発から量産へつなぐ仕事のどこに使うのか

2024年のDX戦略説明会では、製品企画、材料設計、試作・評価、製造プロセス設計、量産へ至る流れを「エンジニアリングチェーン」として示しています。MIによる材料探索は、その流れの中で開発を加速する取り組みとして紹介されています。[1]

材料の候補を多く評価できても、試作や測定、顧客評価が進まなければ開発全体は速くなりません。どの段階に時間がかかり、そこで何を判断するかを明確にすることで、予測やシミュレーションの役割が決まります。MIは、次に試す材料や条件を選ぶ判断と結び付けて考えると具体化できます。

住友化学の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
技術仮想スクリーニング、AIシミュレーション、実験自動化実際に試す候補をどう選び、検証するか
組織づくりDX推進室、全社共通の基盤研究材料課題と解析・ITの役割をどう接続するか
人材育成R&D向けの基礎教育と実務での活用材料知識を持つ人が何を学び、どこまで担うか
外部連携NIMSとの基盤研究、外部のデジタル知見共通課題の研究と業務実装をどう進めるか
事業への貢献半導体材料の目標性能への到達と期間短縮探索・試作の改善がどの段階まで確認できるか

2.技術|仮想実験と現実の実験を往復する

2-1.半導体材料の候補を計算機上で絞り込む

同説明会は、半導体材料の開発に仮想実験を活用し、MIの予測モデルで候補を提案して、実験による検証へつなぐ事例を示しています。バーチャルスクリーニングは、多くの候補を計算機上で評価し、実際に試す対象を絞る使い方です。[1]

例えば材料の組成を変える場合、変更できる成分と範囲、必須の性能、測定条件を定めてから候補を比較します。モデルが良いと判断する条件でも、原料が入手できない、試料が作れない、別の性能を満たさないことがあります。解析と材料知識の両方を使って、試作できる提案へ落とし込む必要があります。これは編集部による一般化です。

実験した結果は、その候補の合否を決めるだけでなく、予測を見直すための情報になります。条件をそろえて予測と実測を比べ、適用できる範囲を確かめる。この往復を続けることで、次に集めるデータや候補の選び方も改善できます。

2-2.AIシミュレーションと実験自動化をつなぐ

2024年の資料は、AIによる候補素材のスクリーニングと、候補を高速に試作・評価する実験自動化を組み合わせた、ケミカルリサイクル向け新規触媒の開発も紹介しています。計算の高速化と実験の実行を一緒に扱う事例です。[1]

ニューラルネットワークポテンシャルなどのAIシミュレーションは、原子の配置に対するエネルギーや力の評価を学習モデルで支えます。多くの構造や反応を比較する際、計算負荷を小さくできる可能性があります。ただし、対象元素、反応、構造によって妥当性は変わり、参照計算や実験との比較が必要です。

また、実験自動化は、実験を多く行う能力だけで評価しないことが重要です。試料作製や測定が成立したか、記録に必要な情報が残ったか、結果を次の候補選定に使えるかを合わせて見ます。自動化がどの作業まで及ぶかと、次の条件の決定がどこまで自動かも、分けて確認します。

2-3.MI・構造解析・計算科学を材料理解へ結び付ける

2026年4月に設立された先進基盤技術研究所の紹介では、MI、構造解析、計算科学を全社の材料開発を支える基盤技術として挙げています。設計・合成・加工などで蓄積した技術と、これらの基盤技術を深化・融合させる方向です。[3]

材料開発では、入力した組成や条件と、実際にできた構造の間に差が生じます。予測結果だけでなく、解析・測定で試料の状態を確かめることが、結果の解釈を支えます。データ科学、計算、評価分析をどう使い分けるかを、材料の問いから考える視点が有効です。

3.組織づくり|専門支援から全社DX・研究再編へ

3-1.2019年のデジタル革新部が担った仕事

2024年資料では、2019年4月に新設したデジタル革新部について、材料開発やプロセス最適化の支援、データベース・解析ツールの整備、人材育成などの役割を示しています。専門組織が個別案件と共通基盤の両方を支える設計として読めます。[1]

材料ごとの課題を支援するだけでは、案件が増えるたびに同じ準備を繰り返すことがあります。入力の点検、データの保存、モデル評価、結果の説明など、複数案件で使う部分を整えると、次の課題へ専門知識を再利用しやすくなります。

3-2.2025年にDX推進室へ改組

2025年6月の発表では、デジタル革新部とIT推進部を統合し、DX推進室(DxAO)へ改組したことを説明しています。同時に経営層による「DXエグゼクティブ会議」を新設し、戦略決定やレビューを後押しする体制を示しました。[2]

さらに、ミドルマネジメントの目標管理を通じ、職場・チーム単位のDXへの関与を強める方針も示されています。専門部署だけで完結させず、現場の業務変革と結び付ける取り組みです。これは全社DXの制度であり、MI案件だけの評価基準を公表したものではありません。[2]

編集部の考察として、MI導入でも管理職が関わるべき仕事があります。解析へ渡すデータを整える時間、実験で候補を検証する枠、モデル更新の担当を確保することです。専門家の提案を現場で実行できる条件を整えると、解析と開発の距離が縮まります。

3-3.2026年は基盤研究と事業研究の横断機能を強める

2026年の統合報告書では、全社研究戦略会議による戦略策定・運用と、全社共通の基盤研究・事業部門の研究をつなぐ体制を説明しています。先進基盤技術研究所は、先端材料開発、バイオサイエンス、生物環境科学の3研究所の統合により設立されました。[3][5]

この再編をMIに置き換えると、材料や事業を横断して使える方法と、個別事業の開発課題を接続する仕組みとして注目できます。一方、DX推進室と各研究所の現在の詳細な指揮系統、MI専任者数、案件ごとの採否権限までは、今回の資料から特定できません。

組織・制度の変化を時点別に読む
時点公開された内容本記事での読み方
2019年/2024年資料デジタル革新部の設置と専門支援の役割[1]当時の体制。現在の部署名と区別
2025年DX推進室への改組、経営層・管理職の関与[2]全社DXの推進制度
2026年全社研究戦略会議、基盤研究と事業研究の再編[5]R&D全体の資源配分・連携の枠組み
2026年先進基盤技術研究所でMI・解析・計算を推進[3]全社の材料開発を支える技術基盤

4.人材育成|材料知識を持つ人がデータを使って判断する

4-1.R&D向けに、基礎学習と実務活用を組み合わせる

2024年の資料は、R&D分野の人材育成として、MIの基礎を学ぶ段階と、AI・データを材料開発へ使う実践段階を示しています。中級のOff-JT、上級のOJTを位置付け、統計や仮説検証の考え方を共通の土台として紹介しています。[1]

Off-JTは、日常業務から離れて体系的に知識や手法を学ぶ機会です。OJTは、実際の仕事を通じて能力を育てます。MIでは、例題で理解した手法を自分の材料データへ適用したとき、測定条件や欠損、ばらつきといった課題が現れます。その場で専門家と検討できると、手法の使いどころを学びやすくなります。

4-2.約1,700人のデジタル人材は、MI専任者数ではない

2025年の発表は、前中期経営計画の期間に約1,700人のデジタル人材を育成したと説明しています。2026年の統合報告書にも、DXコア人材約1,700人という記載があります。対象には研究以外の業務も含まれ、MI専門者やデータサイエンティストだけの人数へは読み替えられません。[2][5]

2024年資料にある人数には、当時の年度末見込みが含まれます。企業の人材規模を比較する際は、目標・見込み・実績をそろえ、職種と集計期間も確認することが必要です。人数だけで技術力や事業成果を順位付けするより、どの仕事を自社で担えるかを見る方が、導入の参考になります。

4-3.育成の成果を、実験や開発判断の変化で見る

以下は編集部の提案です。MI教育では、操作を習得するだけでなく、予測をどこまで信頼し、何を実験で確認するかを説明できることを到達点にします。解析の専門家と材料研究者で同じ図やデータを見て、次の候補を選ぶ演習を組み込むと、知識と実務をつなげられます。

育成で確認したい行動の例(編集部整理)
段階確認する行動実務での成果物
データを理解する材料・条件・測定値の意味とばらつきを説明する条件が追えるデータと可視化
予測を評価する検証方法と誤差、使える範囲を説明する学習と検証を分けた評価結果
候補を提案する性能目標と製造上の制約を踏まえる次の試作条件と選定理由
結果を振り返る予測との差から仮説や手順を更新する再利用できる記録・解析手順

公開資料からは、育成の枠組みと全社規模を確認できます。一方、MI研修だけの修了人数、現場での継続利用率、教育による利益効果までは今回の参照資料では確認できません。自社の評価では、修了後に検証を伴う実務利用へ進んだかまで追うと有益です。

5.外部連携|共通課題の研究とデジタル実装を使い分ける

5-1.NIMS・化学4社で、基盤となる方法論を開発する

2017年、NIMSと住友化学、三菱ケミカル、旭化成、三井化学は、Materials Open Platformの運用に関する覚書へ調印しました。各社共通の中長期課題を対象に、高分子材料のデータ集積やMIの適用・評価へ取り組む枠組みです。[7]

2021年には、材料構造の測定情報を活用し、少ない実験で物性予測の誤差を小さくするAI技術を共同発表しました。組成や加工条件と、作製後に測定する構造情報の違いを扱う点が特徴です。これはNIMSと化学4社による共同成果として紹介します。[8]

事例から得られる一般的な論点は、どの時点で使えるデータかを整理することです。新しい材料を作る前には分からない測定値もあります。予測に使う情報と、それを得るための実験を同時に考えることが、実際の開発へ手法を導入する前提になります。

5-2.アクセンチュアとの協業は、より広いDX実装・育成の枠組み

住友化学は2021年、アクセンチュアとSUMIKA DX ACCENTを設立し、デジタル技術の検証や人材育成を進めると発表しました。当初の事業内容は主にサプライチェーン、営業・間接業務のデジタル化を対象としています。MIモデルの共同開発を直接報告したものとしては扱いません。[6]

NIMSとの基盤研究、外部のデジタル知見の導入、顧客と進める材料・プロセス開発は、それぞれ目的が異なります。自社でも、欲しいのが予測手法なのか、運用できるシステムなのか、事業上の要件を満たす材料なのかを定めると、外部へ依頼する範囲と自社が担う判断を分けられます。

5-3.顧客データと材料・プロセス情報を結び付ける

2024年資料には、顧客の製品特性と自社のプロセスデータを統合・解析し、条件のすり合わせを高度化する事例も示されています。単に試料を提出して合否を受け取るやり取りから、製品特性に関わる因子を共に検討する進め方です。[1]

データの連携では、項目名だけでなく、単位、測定条件、試料の対応、共有できる範囲を整えます。どの情報が候補選定に必要かを絞れば、機密や負担を考慮しつつ、定量的な議論へ進めます。なお、当該資料だけから暗号技術や秘密計算の利用を推定することはできません。

6.事業への貢献|「研究開発期間1/10」の意味を確かめる

6-1.半導体材料の事例は、目標性能へ到達する開発の報告

2024年の説明会資料p.20は、半導体材料の仮想実験を紹介し、「研究開発期間を1/10に短縮」と報告しています。予測と実験を繰り返して目標性能へ到達する流れが示され、開発上の効果を定量的に紹介した事例です。[1]

一方、同スライドでは材料名、比較期間の詳細、データ数、費用、顧客採用の状況までは明示されていません。そのため、この倍率は当該事例の企業公表値として扱います。「住友化学の全ての研究が10倍速い」「量産化までの全工程が1/10になった」とは広げません。

自社のMI投資の判断へ使うなら、比較の始点・終点と、同等の要求性能を達成したかを確認します。候補選定だけが速くなったのか、試作・評価も減ったのかを分けることで、どの工程を改善すべきかが見えてきます。

6-2.触媒開発では、計算と実験の役割を分ける

AIシミュレーションの高速化率は、対象とした計算の比較です。実験自動化で試せる候補数や、新しい触媒の性能、実際のプロセスへの採用は別の評価になります。発表された技術を自社で検討する際も、計算速度と開発全体の期間、製品・プロセスの経済性を分けて見ます。

触媒なら、活性や選択性に加えて、耐久性、原料の変動、成形、再生なども実用上の判断に関わります。有望候補を発見する価値と、製造プロセスで継続使用できることの価値は、つながりながらも確認事項が異なります。これは触媒開発における編集部の一般的な整理です。

6-3.全社DXの目標を、MI単独の実績と区別する

2026年の統合報告書は、AIを業務へ組み込む方針や、AI・IT・ロボティクスによる生産性向上などの目標を示しています。MIはその一部として位置付きますが、目標の数値を、全材料テーマで達成した実績やMIだけの収益効果とは扱いません。[4]

公開された成果・方針を段階別に読む
対象確認できる内容確認できないまま広げないこと
半導体材料の仮想実験当該事例で研究開発期間を1/10に短縮との報告[1]全研究・量産採用までの共通短縮率
AIシミュレーション・実験自動化触媒探索と試作・評価をつなぐ事例[1]計算高速化率と事業利益の同一視
組織・人材DX推進室への改組、約1,700人のデジタル人材育成[2]MI専任者数や研修単独の利益効果
2026年のDX方針全社横断のAI活用、変革・価値創出の方向[4]将来目標を達成済みとする評価

今回の参照資料から、MI単独の売上・利益への金額寄与は特定できません。目標性能への到達、実験の減少、開発期間、顧客評価への進捗を追い、その後の事業実績へつなげて評価することが適切です。詳しくは、MIの事業貢献を扱う記事を参照してください。

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。住友化学の体制をそのまま導入するより、自社の開発上の判断と責任分担へ置き換えると、着手点を選びやすくなります。

7-1.候補を提案した後の実験まで設計する

解析開始前に、何を試し、どの条件で評価し、どこまで改善すれば次の段階へ進むかを決めます。計算の出力を実験へ渡すため、候補だけでなく、選んだ理由、制約、予測の不確かさを整理します。実験で得た結果を次の判断へ戻す担当も定めます。

7-2.現場の育成と共通基盤を一緒に整える

教育で使った手順を、自分のデータでも繰り返せるようにします。入力例、データ点検、モデル評価、結果の保存を共通化し、材料固有の判断は研究者と専門家で議論する。この分担があれば、現場の自立と難しい案件への専門支援を両立させやすくなります。

7-3.管理職が、継続利用の条件を確保する

実務へ導入するには、実験枠、データ整備の時間、更新担当、相談の機会が必要です。管理職は案件の優先順位を付け、開発側と専門家側が合意した目標へ取り組める条件を整えます。解析件数だけでなく、検証した候補や採用判断がどう変わったかをレビューします。

8.よくある質問

住友化学のMI推進組織は、現在もデジタル革新部ですか?

2025年の発表では、デジタル革新部とIT推進部を統合してDX推進室へ改組しています。材料の基盤技術については、2026年設立の先進基盤技術研究所でもMI・解析・計算科学を推進すると紹介されています。役割と資料の時点を合わせて確認します。

約1,700人は、MIを専門とする研究者の人数ですか?

公表された数値は、研究に加えて生産やビジネスなども含むデジタル人材の育成規模です。MI専任者数やデータサイエンティスト数として使うことはできません。

仮想実験を増やせば、現実の実験を省略できますか?

予測で候補を絞ることはできますが、現実の材料の性能や製造可能性は検証が必要です。実験回数を減らすことと、判断に必要な検証を省くことは分けて考えます。

期間が1/10になった事例を、自社の計画値に使えますか?

開発課題、データの状態、比較条件が異なるため、そのまま適用するのは難しいと考えられます。まず小さなテーマで、同じ目標性能と対象工程をそろえて効果を測り、自社の見積もりへ反映する方法が適切です。

9.候補探索の技術を、現場で使い続ける仕組みへ

住友化学のMIからは、仮想スクリーニング、AIシミュレーション、実験自動化に加え、専門支援、基礎と実践の教育、全社DXと研究開発の再編が見えてきます。技術の高速化と、現場で実験・開発へ使う条件を合わせて整える点が、他社での導入にも参考になります。

自社では、どの材料の次の実験を選ぶかを一つ定め、必要なデータ、手法、役割、検証方法をそろえます。その結果が開発期間や要求性能への到達をどう変えたかを記録すれば、MIの価値を現場と事業側で共有しやすくなります。

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。親記事の売上高順に従い、次回対象は花王です。

参考文献・公式資料

資料確認日:2026年10月29日。組織・制度・数値・成果は各資料の発表時点の情報を含みます。資料[1]の見込み値や、資料[4]の目標は達成済み実績と区別しています。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。

  1. 住友化学「DX戦略説明会―事業の競争力強化と新たな価値創造」2024年3月12日、特に資料pp.7–10、19–21
  2. 住友化学「『AIネイティブカンパニー』の実現に向け、新たなDX推進体制をスタート」2025年6月16日
  3. 住友化学「先進基盤技術研究所」2026年4月設立の研究所紹介
  4. 住友化学『住友化学レポート2026』「DXによる競争力強化」
  5. 住友化学『住友化学レポート2026』「イノベーション戦略」
  6. 住友化学「アクセンチュアと合弁会社『SUMIKA DX ACCENT』を設立」2021年4月1日
  7. NIMS・化学4社「オープンイノベーションを推進する枠組みの構築」2017年6月19日(住友化学掲載)
  8. NIMS・化学4社「最少の実験回数で高い予測精度を与える汎用的AI技術を開発」2021年10月25日(住友化学掲載)

コメントする

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

CAPTCHA


上部へスクロール