金沢大学とCrowdChem、連合学習でバイオ素材開発を加速へ

金沢大学とCrowdChemは、産学データ連携モデルの構築に向けた共同研究を開始しました。
リグノセルロース系バイオマス素材の開発や用途探索を、AI基盤と連合学習で支援します。
生データを直接共有せず、大学の研究知見と産業界のニーズを照合する仕組みを検証します。

記事の概要

植物由来のリグノセルロース系バイオマス素材は、サステナブル・GX素材として期待されています。
一方で、原料や化学修飾、加工プロセスの多様性が物性に影響し、素材設計には時間とコストがかかります。
共同研究では、金沢大学の実験変数や物性データを、CrowdChemのAIプラットフォーム「LabDX」で構造化します。
構造化したデータを材料開発に活用できる基盤として整備し、AIによる解釈を可能にします。
原料や反応・加工プロセスと最終物性の関係を解析し、目標物性から条件を導く逆解析にも取り組みます。
さらに、連合学習とGNNを組み合わせた予測モデルで、生データを共有しない産学連携の初期検証とPoCを実施します。
この予測モデルは、CrowdChemがNEDOの補助事業で開発している技術を活用します。
金沢大学との共同研究自体は、NEDO補助事業の対象ではなく、CrowdChemの自社事業として実施します。

記事のポイント

1. 実験データを構造化： 金沢大学が蓄積した実験変数や物性データを、LabDX上でAIが解釈できる形式に整備します。
2. 逆解析で条件を探索： 目標とする材料特性から、原料や配合、反応・加工条件を導く開発手法を検証します。
3. 生データを共有せず連携： 連合学習とGNN予測モデルを使い、大学と産業界の知見を安全に照合する仕組みを検証します。

このニュースがもたらす影響

• 導入検討企業： 生データを外部に出さずに研究知見と開発ニーズを照合できる可能性があり、素材開発企業はデータ共有の範囲や連携方法を見直す契機になりそうです。
• 素材メーカー： 目標物性から原料や加工条件を探る手法が検証されるため、素材メーカーは試行錯誤を減らせるか、既存の開発工程と接続できるかを見極める必要があります。
• 研究機関： 非構造化の実験知見をAIで扱える形に整える取り組みは、産業界との連携を広げる前提になり得ます。研究データの整理方法が問われそうです。

このニュースの背景

リグノセルロース系バイオマス素材は、原料や化学修飾、加工プロセスが多様で、それらが物性に影響するため、素材設計に時間とコストがかかっています。
大学の研究知見が非構造化データのまま残ることや、産学双方の生データを共有せずにAIで連携する難しさも課題になっています。
今回の共同研究は、実験変数や物性データの構造化と、連合学習・GNNによる予測モデルを組み合わせ、これらの課題を検証する位置づけです。

詳しい記事の内容はこちらから（引用元）

プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES

金沢大学と㈱CrowdChem、「産学データ連携モデル」の構築に向けた共同研究・検証を開始

株式会社CrowdChemのプレスリリース（2026年10月20日 10時00分）金沢大学と㈱CrowdChem、「産学…