リーガルテック株式会社（東京都港区、代表取締役：平井 智之）は、化学メーカーの材料開発部門でのAI IPGenius on IDXの導入事例を紹介します。この取り組みでは、過去の実験ログや性能評価データをAIが横断解析し、新規材料の発見を促進しています。

光学フィルムやディスプレイ材料の開発においては、屈折率や透過率、膜厚など多くの要因が性能に影響を及ぼします。従来の研究データは非構造データが多く、研究者が過去の知見を効果的に活用することが難しい状況でした。AI IPGenius on IDXは、これらの非構造データを解析し、性能向上のための重要な情報を整理します。

具体的には、実験ログや評価レポート、試作履歴をAIが解析することで、特定の膜厚条件での性能向上の可能性や粒子分散状態と光学特性の関連性、過去試作品との関連を明らかにしています。このプロセスにより、研究者は新たな材料開発の方向性を議論しやすくなり、業務の効率化に貢献します。

さらに、AIはMyTokkyo.Aiとの連携を通じて、類似材料の特許情報を瞬時に検索できる環境を整備し、技術研究の迅速化も実現しています。今後は、技術テーマ探索や実験ログの構造化モデルの強化を予定しており、R&D現場のさらなる効率化が期待されています。これらの施策は、光学フィルム・機能性フィルム分野における材料探索の進化を促すものといえます。

大規模言語モデルを用いた専門家のような材料空間探索 ～無機材料設計のためのAIエージェント「MatAgent」の開発～

研究グループは大規模言語モデル（LLM）を活用した自律的な材料探索・設計手法「MatAgent」を開発しました。このフレームワークは、専門家の思考プロセスを模倣し、材料の特性に応じた提案を行います。LLMは材料組成の提案に加え、3次元結晶構造の生成や材料特性の予測を統合して行い、反復的に有望な材料を提案することが可能です。

この手法により、エネルギー産業や半導体産業を支える新材料の開発が加速し、持続可能な社会の実現に寄与します。加えて、ユーザーは「有害な鉛やカドミウムを含まない材料の探索」という自然言語で制約を設定でき、探索理由の出力により従来のブラックボックス問題が解消されます。これにより、専門家は新たな知見を得ることが可能になります。

「MatAgent」は、材料開発を協働的なパートナーとし、技術革新を促進する重要なステップです。この成果は2025年12月17日に「Cell Reports Physical Science」に掲載され、科学技術振興機構（JST）による支援を受けて実施されました。

NIMSは筑波大学との共同研究を通じて、「自律自動AIネットワーク」技術を開発しました。この技術により、複数の自律AIシステムが連携し、新規材料を効率的に発見することが可能になります。具体的には、各AIシステムが自発的にデータを共有し合い、材料探索を行うことができるため、従来の独立したシステムによる限られた探索の枠を超えて、より結束力のあるデータ活用が実現できるのです。研究成果は、2025年12月9日にnpj Computational Materials誌に掲載されました。

本研究では、システム間でのナレッジの共有が重要であることを示しています。具体的には、異なるAIシステムが他のシステムの学びを活用し、最適化を促進するアルゴリズムを導入しました。その結果、3つのAIシステムが異なる物性値を最大化する際、互いにナレッジを交換することで探索のスピードを向上させました。これにより、自律自動AIネットワークによって探索効率が大幅に向上することが確認されました。

将来的には、AIとロボット、シミュレーションを組み合わせた自律AIシステムがさらに増え、多くの新材料の発見が期待されます。多くのシステムが連携することで、より大きな価値を生み出す可能性があり、世界中での材料探索に革新をもたらすでしょう。

NIMS, in collaboration with Tsukuba University, has developed a "self-organizing autonomous AI network" technology, enabling multiple autonomous AI systems to spontaneously connect and efficiently discover new materials. This capability was successfully demonstrated through simulations, showcasing the potential of this innovative approach.

Recent advancements in AI, robotics, and simulation have led to a surge in interest for autonomous AI systems globally. However, many existing systems operate independently without cooperation, exploring different material systems but lacking the ability to leverage each other's discoveries for enhanced exploration. The concept behind this research parallels human collaboration in research communities, where knowledge is shared to expedite investigation. By networking multiple autonomous AI systems to share extracted trends from data, more efficient material discovery can be achieved.

Inspired by human communication methods, the research team created algorithms that allow autonomous AI systems to share knowledge—rather than mere data—enabling collaborative exploration. During tests involving three autonomous systems focused on maximizing different material properties, the spontaneous exchange of knowledge among systems enhanced optimization speed significantly. This demonstrates that constructing an autonomous AI network improves the exploration efficiency of each system.

The research was conducted by Yuma Iwasaki, a principal researcher at NIMS Material Research Center, and Yasuhiko Igarashi, an associate professor at Tsukuba University. The findings were published online on December 9, 2025, in the journal “npj Computational Materials.” This work received support from JST's Strategic Creative Research Program CREST, focusing on new material creation through hierarchical autonomous exploration methods that augment scientists' capabilities.