为了实现“化学×AI”，就需要建立产业界也能使用的数据库，并从大学本科开始修改教育课程——庆应义塾大学理工学部化学科的畑中美穗副教授在综合科学技术创新会议（CSTI）的专家议员座谈会上提出了该建议。很多CSTI议员对此都表示支持，并希望该建议能够反映在先进研究政策中。
庆应义塾大学理工学部化学科的畑中美穗副教授
综合科学技术创新会议的专家议员座谈会
畑中副教授从实验化学开始，在理论化学、计算化学、模拟以及在化学中应用AI和量子计算机等，在化学反应和催化反应的理论研究方面取得了成果，在国际上也得到了高度评价。例如，畑中副教授通过开发能量转换法以及使用机器学习，大幅削减了复杂的光功能性材料的设计成本。
随着理论化学和计算化学以及计算技术的发展，使基于相关机理的材料设计成为可能，但复杂的催化反应、稀有金属材料和生物分子模拟材料等要么一开始就无法计算，要么即使能计算也需要数十年的时间，因此整个领域一直停滞不前。在这种情况下，北海道大学的前田理教授（现为化学反应创成研究基地（ICReDD）主任）开发了通过量子化学计算，系统地自动探索未知基本反应过程的理论技术，重新激活了该领域。利用反应途径自动探索技术可以使复杂的化学反应过程自动实现可视化，在化学反应模拟技术方面日本处于领先地位。但即便如此，无法计算的材料和计算时间的问题依然没有得到解决。
为解决该问题，近年来受到关注的是AI（深度学习）预测。有大量输入输出数据集就可以构建预测系统。例如，如果有大量材料和工艺数据集，就可以利用AI构建材料性能预测系统。收集日本企业持有的数据集就可以构建系统，但由于各公司的数据都是对外保密的，所以无法在日本全国共享。
因此，畑中副教授提议构建共享数据库。例如，设计使用催化剂的化工产品工艺时，利用反应途径自动探索技术构建3000～4000个催化反应数据库供企业使用。而企业分别构建将数据库的催化反应作为输入，将公司内部的实验数据作为输出的AI。通过对这些进行保密，各公司可以自主发掘合适的催化剂。
人才是促进各公司的开发及“AI×化学”不可或缺的因素。畑中副教授表示：“仅仅了解自己的领域和对方的领域，联合研究并不能取得进展，只有一定程度掌握对方领域的专业知识，能和对方站在相同的角度，以相同的水平讨论问题，研究才能取得进展。我先后学习了材料化学→模拟理论→模拟→AI，今后必须培养同时了解材料化学和AI的π型人才。即使做不到这个地步，也需要了解哪些实验数据可用于AI。”
畑中副教授正在向实验室的学生教授编程和机器学习等内容，但她表示一个人能做的事有限。作为课程之外的举措，庆应大学正在推进大一学生可选修其他学部和学科课程的做法。畑中副教授表示：“很多大学都需要按需发送其他学部和学科的讲义，以及重新调整课程，导入双主修制度”。另外，学生还必须在高中阶段就对数学有扎实的理解。“只有懂数学才能理解物理知识。高中毕业前认真学习数学非常重要”（畑中副教授）。
原文：《科学新闻》
翻译编辑：JST客观日本编辑部
