爲了實施「化學×AI」，就需要建立產業界也能使用的資料庫，並從大學本科開始修改教育課程——慶應義塾大學理工學部化學科的畑中美穗副教授在綜合科學技術創新會議（CSTI）的專家議員座談會上提出了該建議。很多CSTI議員對此都表示支援，並希望該建議能夠反映在先進研究政策中。
慶應義塾大學理工學部化學科的畑中美穗副教授
綜合科學技術創新會議的專家議員座談會
畑中副教授從實驗化學開始，在理論化學、計算化學、類比以及在化學中應用AI和量子電腦等，在化學反應和催化反應的理論研究方面取得了成果，在國際上也得到了高度評價。例如，畑中副教授透過開發能量轉換法以及使用機器學習，大幅削減了複雜的光功能性材料的設計成本。
隨着理論化學和計算化學以及計算技術的隊形變換，使基於相關機制的材料設計成爲可能，但複雜的催化反應、稀有金屬材料和生物分子模擬材料等要麼一開始就無法計算，要麼即使能計算也需要數十年的時間，因此整個領域一直停滯不前。在這種情況下，北海道大學的前田理教授（現爲化學反應創成研究基地（ICReDD）主任）開發了透過量子化學計算，系統地自動探索未知基本反應程序的理論技術，重新激活了該領域。利用反應途徑自動探索技術可以使複雜的化學反應程序自動實施視覺化，在化學反應類比技術方面日本處於領先地位。但即便如此，無法計算的材料和計算時間的問題依然沒有得到解決。
爲解決該問題，近年來受到關注的是AI（深度學習）預測。有大量輸入輸出資料集就可以構建預測系統。例如，如果有大量材料和工藝資料集，就可以利用AI構建材料性能預測系統。收集日本企業持有的資料集就可以構建系統，但由於各公司的資料都是對外保密的，所以無法在日本全國共用。
因此，畑中副教授提議構建共享資料庫。例如，設計使用觸媒的化工產品工藝時，利用反應途徑自動探索技術構建3000～4000個催化反應資料庫供企業使用。而企業分別構建將資料庫的催化反應作爲輸入，將公司内部的實驗數據作爲輸出的AI。透過對這些進行保密，各公司可以自主發掘合適的觸媒。
人才是促進各公司的開發及「AI×化學」不可或缺的因素。畑中副教授表示：「僅僅瞭解自己的領域和對方的領域，聯合研究並不能取得進展，只有一定程度掌握對方領域的專業知識，能和對方站在相同的角度，以相同的水平討論問題，研究才能取得進展。我先後學習了材料化學→類比理論→類比→AI，今後必須培養同時瞭解材料化學和AI的π型人才。即使做不到這個地步，也需要了解哪些實驗數據可用於AI。」
畑中副教授正在向實驗室的學生教授程式設計和機器學習等内容，但她表示一個人能做的事有限。作爲課程之外的舉措，慶應大學正在推進大一學生可選修其他學部和學科課程的做法。畑中副教授表示：「很多大學都需要按需發送其他學部和學科的講義，以及重新調整課程，導入雙主修制度」。另外，學生還必須在高中階段就對數學有紮實的理解。「只有懂數學才能理解物理可用能知識。高中畢業前認真學習數學非常重要」（畑中副教授）。
原文：《科學新聞》
翻譯編輯：JST客觀日本編輯部
