週刊MIニュース 2026年6月14日-6月20日

今回は、2026年6月14日から6月20日までに確認できたMI関連トピックをまとめます。企業の実装動向と、材料設計や自律実験に近い研究・論文が中心の週でした。

先週のニュースはこちら

週刊MIニュース 2026年6月7日-6月13日

2026年6月7日から6月13日までに確認できたMI関連の企業動向、研究・論文、ツール更新、業界トピック、学会情報をまとめます。

今週の要点
企業・研究機関の動向
研究・論文
現在受付中のセミナー・学会情報

今週の要点

スペースシードホールディングス

スペースシードホールディングスは、MI探索システムに関する特許3件を出願しました。AIが提案した候補を製造装置の制約で絞り込み、閉ループ学習と権利化支援まで含めて設計している点が特徴です。

ソースURL: https://prtimes.jp/main/html/rd/p/000000119.000140650.html

東北大学

東北大学などの研究グループは、物性予測AIの内部表現から材料設計指針を引き出す手法を発表しました。光吸収スペクトルを学習したAIから、支配的な元素や局所構造を抽出できることを示しています。

ソースURL: https://www.tohoku.ac.jp/japanese/2026/06/press20260615-web01-xai.html

NIMO

NIMS系の研究者らは、自律実験向けソフトウェア基盤 NIMO を arXiv で公開しました。複数のAI探索アルゴリズムと実験装置を疎結合でつなぐ構成で、材料探索の自動化基盤を扱う内容です。

ソースURL: https://arxiv.org/abs/2606.15522

企業・研究機関の動向

スペースシードホールディングスがMI探索システム関連の特許3件を出願

スペースシードホールディングスは、合金材料向けのMI探索システムについて、候補絞り込み、閉ループ学習、権利化支援に対応する特許3件を出願しました。AIが出した候補を「実際に作れるもの」に絞る入口を明示し、材料探索ワークフロー全体を対象にしています。

ソースURL: https://prtimes.jp/main/html/rd/p/000000119.000140650.html

レゾナックと関西大学がHSP新規分析手法の共同研究を本格化

レゾナックと関西大学は、ハンセン溶解度パラメータを用いた新しい分析手法の共同研究を本格化し、関西大学内に共同研究拠点を設置しました。相溶性や分散性の評価を高速化、自動化し、データ駆動型の材料設計へつなげる狙いです。

ソースURL: https://prtimes.jp/main/html/rd/p/000000192.000102176.html

RDサポートとHPCシステムズが研究開発DX支援で業務提携

RDサポートとHPCシステムズは、HPC・AI計算環境と研究開発人材支援を組み合わせた業務提携を始めました。MIやCAEを導入した後の運用体制まで含めて支援する枠組みを打ち出しています。

ソースURL: https://prtimes.jp/main/html/rd/p/000000017.000112398.html

研究・論文

東北大学などがAIの予測根拠から材料設計指針を抽出する手法を発表

東北大学、東京科学大学などの研究グループは、物性予測AIの内部特徴を解釈し、類似材料のグループ化を通じて設計指針を抽出する手法を発表しました。2,681種の無機結晶の光吸収スペクトルを対象に、支配的な元素種や配位環境を自動で特定できることを示しています。

ソースURL: https://www.tohoku.ac.jp/japanese/2026/06/press20260615-web01-xai.html

NIMO: A Software Platform for Closed-Loop Materials Exploration with Diverse AI Algorithms

NIMO は、自律実験系に向けて12種類のAIアルゴリズムを共通インターフェースで扱えるオープンソース基盤です。CSVベースでAIとロボットを疎結合にし、材料探索、合成、薄膜探索など複数の実験系で使える構成を示しています。

ソースURL: https://arxiv.org/abs/2606.15522

Framework for digital synthesis of battery electrode microstructure using inverse generative machine learning algorithm

Argonne National Laboratory などの研究グループは、電池性能指標から電極微細構造を逆生成する枠組みを npj Computational Materials に公開しました。物理ベースの電池モデル、時系列予測、画像生成モデルを組み合わせ、目標性能に合わせた微細構造設計を目指しています。

ソースURL: https://www.nature.com/articles/s41524-026-02125-7