あらゆる視点でインフォマティクスを活用した材料探索予測に取り組むことができる状況になってきた。本講演では自身で多成分あるいは多水準のライブラリーをハイスループットで作製、評価そして解析してデータセットを構築し、それをインフォマティクスへ活用することを目指しているケースについて現状と問題点を紹介する。 　

　これまでに講演者が推進してきたマテリアルズ・インフォマティクスに関する代表的な成果について解説する。機械学習ポテンシャルは従来の第一原理計算及び古典分子動力学ではアプローチが困難だった不規則構造に対する研究を推し進める強力なツールである。応用事例としてアモルファス中のイオン拡散や種々の物理量の高速計算について述べる。また、今後実験や計算のハイスループット化が進むにつれ「解析」のハイスループット化も避けられない。その１例としてスペクトルに関するハイスループット解析についても述べる。 　　　

　航空機や構造物などで利用される構造材料の開発を行うために、マテリアルズインテグレーションと呼ばれる材料のPSPP（Process-Structure-Property-Performance）の連関に基づく計算技術の活用の動きがある。加えて近年ではデータ科学の進展により予測モデル構築ための手法が多く開発されている。ところが材料工学においては実験的な手間の問題から、データの規模を大きくすることが困難な場合があるため、可能な限り多くのデータを活用する手段が必要になる。今回は鋼のCCT（連続冷却）線の予測を検討した例について述べる。（統合型材料開発・情報基盤部門 エンジニア 藤原 康裕よりガラスの解析事例も紹介予定）