計算科学を援用した材料開発や物理化学研究は、ハードウェアや方法論の進展によって急速に進展している。今後、機械学習や人工知能に代表されるデータサイエンス、計算科学・実験データらを高度に融合することで、さらなる発展が見込まれる。講演者は放射性廃棄物や電池部材の材料研究を行っており、実用上の課題解決に重きをおいた研究を行っている。発表では、実験と計算科学、データサイエンスを組み合わせて材料研究を行った研究事例を紹介する。

脳情報処理機構や脳疾患機序の解明に向け、生理学実験やシミュレーションが盛んに行われ、全脳規模の結合構造や神経活動の観測、脳シミュレーションが取り組まれている。データは多様になり、データ量や処理の計算量は指数関数的に増加しており、可能性は広がる一方で、その扱いの困難さは増加している。これに対して、人工知能は、神経科学と高性能計算を結び付け、脳データ解析や数理シミュレーションを加速・拡張する可能性がある。本講演では、富岳による脳シミュレーションの例を紹介し、次の時代の脳シミュレーションに向けた、AIの適用可能性の検討や取り組みについて紹介する。

ここ2,3年の大手テック企業によるAI天気予報モデルの開発には目をみはるものがありました。一方で、徐々に気象ドメイン側でもこれらのモデルの検証が進み、様々な問題点が指摘されるに至っています。本講演ではAI天気予報モデル研究をはじめとする気象・気候分野でのAI活用についてレビューしつつ、これから我々が進むべき道についても議論できればと思います。

近年のAI・機械学習技術の発展に伴い、様々な産業分野においてその活用が始まっています。コンピュータを利用した物理シミュレーションにおいても、シミュレーションの一部をサロゲートモデルに置き換える計算高速化や、サロゲートモデルを用いた効率的な最適化検討など、新たな可能性が広がっています。本講演では、サロゲートモデルを活用してエンジニアリングを加速させるための展望についてお話しします。

材料開発は、初期の研究段階から市場投入までに多大な時間とコストを要します。近年、HPCとAIを駆使した材料探索技術やシミュレーション技術が注目されており、これにより材料開発のサイクルを大幅に短縮することが期待されています。本発表では、弊社で開発を進めている、HPCとAIを活用した材料探索プラットフォームや、大規模・長時間の機械学習分子動力学計算を安定に実行する技術、データ間の因果関係を抽出する技術などについてご紹介します。