【Live配信 or アーカイブ配信　1/13】材料実験AIエージェントは自分で作れる ― 実験データベースからのアプローチ

セミナーNo.７０１５１２

【Live配信 or アーカイブ配信】
材料実験AIエージェントは自分で作れる
― 実験データベースからのアプローチ

☆LLMに自社の実験知見をどう与えるか！
　　　　　　生成AIに現場データを理解させる方法とは！
☆実験データとの連携方法、精度・速度向上の工夫、つまずきポイントを解説！

----------------------------------------------------------------------------------

■講師

iASYS Technology Solutions(株)／(国研)物質・材料研究機構（NIMS） 桑田 武 氏

■聴講料

1名につき 49,500円（消費税込，資料付）
〔1社2名以上同時申込の場合のみ１名につき44,000円(税込)〕

大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください。

■Live配信セミナーの受講について
・下記リンクから視聴環境を確認の上、お申し込みください。
　→ https://zoom.us/test
・開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
・Zoomクライアントは最新版にアップデートして使用してください。
　Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。
・セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。
・当日は講師への質問することができます。可能な範囲で個別質問にも対応いたします。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。複数端末から同時に視聴することや複数人での視聴は禁止いたします。
・Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

プログラム                                                                                    

【講演趣旨】
生成AIを自社の研究開発にどう活かすかは、多くの企業が模索しているテーマである。しかし、自社の実験データとの連携となると、何から手をつければよいか分からないという現場は少なくない。一方で、AIやデジタル活用のスキルを全社員の基礎能力として等級化し、人事配置に反映させる企業も現れている。AIスキルはかつての英語のように、一部の専門家だけのものではなくなりつつある。加えて、少量のデータに生成AIを適用しても、その効果は限定的である。生成AIが本領を発揮するのは、人間が全容を把握しきれないほどの実験データが散在している状況であり、それらをデータベースとしてつなげることで、生成AIが必要な知見へのナビゲーターとなる。また、生成AIはコーディングにも優れており、バイブコーディングのように対話を通じてアプリケーションを構築する手法も普及しつつある。実験の知見を持つ現場の方が、自分たちのデータを使って自ら試し、形にできる領域は確実に広がっている。
　LLMは材料科学に関する広範な一般知識を備えているが、自社固有の装置・条件で得られた実験データについては知見を持たない。本セミナーで取り上げるのは、実験データベースをツールとしてLLMに接続し、このギャップを埋めることで「企業固有の知識源」を与えるAIエージェントである。このシステムは、データベースとMCPサーバーを手元のデスクトップPC上に立てるアプローチを採っており、クラウド環境や専用サーバーを用意することなく、生成AIのサブスクリプション費用のみで、データベースの構築からAIエージェントの開発まで実現している。
　本セミナーでは、Neo4jを自社の実験知見をLLMに提供するナレッジグラフとして活用し、材料実験のAIエージェントを構築する方法を実践的に解説する。個々のコードの詳細ではなく、生成AIを活用してどのように構築を進めたかというプロセスを中心に扱う。構築の大部分を生成AIとの対話で進めた際の具体的なやり取りや、つまずいた点も共有する。さらに、ラフな書き方の現場データを用意し、複数のLLMモデルで正しく読み取って登録できるかを検証した結果や、同じ問いをリレーショナルDBとグラフ型DBに対して複数のLLMモデルで解かせ、精度・トークン量・所要時間を比較した結果も紹介する。実験のバックグラウンドを持つ方が「自分たちにもできそうだ」と感じられる内容を目指している。

【講演項目】
1.なぜ今、現場が実験データ活用に取り組むべきか

　　　　　　　― バイブコーディングに見る「現場ができること」
2.生成AIのサブスクリプション費用のみで、ここまでできる

　　　　　　（デモ：実験データ × AIエージェント）
3.データベースとは ―使うために知っておくべきポイント
4.材料実験AIエージェントがやっている事の全体図
5.実験データAIエージェントの作り方

　　　　　　　― データモデル設計とNeo4jへのデータ登録（Claude Code）
6.Neo4jとClaude Desktopの接続、LLMの回答形式の編集
7.MCPの解説 ― 「AI界のUSB-C」、コンフィグを書き換えるだけでツールがつながる
8.現場データを生成AIは理解できるのか

　　　　　　　― 同義語・結合セル・和暦などを含む4人4様のExcelで検証
9.LLMモデル別の検証結果
10.グラフ型DBとリレーショナルDBの特徴と使い分け
11.RDBとグラフ型DBの比較検証

　　　　　　　― 39問×2エンジン×3 LLMモデルで精度・トークン量・所要時間を比較
12.追試 ― 系譜を深くして、差が出る条件を探す
13.簡単なRAGの解説― 仕組み、苦手なこと、実施方法
14.精度・速度向上の工夫とつまずきポイント
【質疑応答】

セミナーの詳細についてはお気軽にお問い合わせください。

２名以上同時にお申込される場合、２人目以降の方の情報は【弊社への連絡事項がございましたら、こちらにお書きください】欄にご入力をお願いいたします。