以下のようなお悩みありませんか？
- ヘルスケア材料の研究開発にシミュレーション技術を適用したいが方法が分からない
- データドリブン型の研究開発を取り入れたいがスキルやデータの不足で進まない
- DX技術をベースに同業あるいは他業種の製造業・研究機関との共同開発を加速したい
ヘルスケアに関わる材料開発DXを実現するための優れたソフトウェア群とサポート力
JSOLは、ヘルスケア関連材料の研究開発（R&D）におけるデジタルトランスフォーメーション（DX）を推進するために不可欠なシミュレーションおよびAI技術を包括的に提供しています。生体適合材料、センシング材料、医療機器用コーティング、ドラッグデリバリー材料、組織工学用スキャフォールドといった分野で必要とされる幅広い機能・手法を網羅しています。主な適用例としては、生体界面での分子間相互作用のシミュレーション、生理環境における機械的・化学的安定性の予測、医療機器内の流体力学のモデル化、センサ材料の性能最適化、さらに物性予測や設計最適化に向けたAIの活用などが挙げられます。
各ソフトウェアパッケージは使いやすさを重視して設計されており、豊富な実績に裏打ちされた当社の専門サポートによって、初めての方でも業務や研究に迅速に導入できます。
JSOLのソリューションは、世界中のメーカー、研究機関、ヘルスケアイノベーターから信頼を得ています。当社のネットワークとプラットフォームを活用し、JSOLのソフトウェア上でユーザー同士が直接交流・協働できる機会も提供しています。必要に応じて、企業・大学・その他のパートナーを結び付ける研究体制の構築をJSOLが調整・支援し、ヘルスケア材料開発における共同イノベーションを力強く後押しします。
マルチスケールシミュレーションとデータサイエンスの統合ソリューション
- 01. 多くの製造業・研究機関での導入実績
- 02.マルチスケールシミュレーションのためのソフトウェア群
- 03. 材料物性最適化に活用できるマテリアルズ・インフォマティクスのためのソフトウェア
ヘルスケア関連の研究開発においては、再生医療向けの生体適合材料やウェアラブルデバイス向けのセンシング材料など、多様な材料の物性を最適化することが不可欠です。これらの材料は、炭素系材料、無機ナノ材料、導電性ポリマー、バイオマテリアルといった幅広いカテゴリにまたがり、それぞれの固有特性を十分に理解する必要があります。
J-OCTAを用いることで、電子状態や分子構造といったナノメートルスケールの現象から、相分離形態などのマイクロメートルスケールの特徴に至るまで、各スケールに合わせたシミュレーションを実行でき、さらにそれらをスケール横断で統合することも可能です。
近年、AI創薬やマテリアルズ・インフォマティクス（MI）といった概念に後押しされ、AI技術を活用したデータ駆動型R&Dの需要が高まっています。J-OCTAのAI機能により、分子組成、ブレンド比、プロセス条件などを考慮した物性予測や、最適な処方・プロセスを特定するための逆解析が行えます。データ不足が課題となる場合には、大規模シミュレーションで合成データセットを生成することが可能です。また、シミュレーションと機械学習を組み合わせ、基礎的なメカニズムの解析を通じてモデル予測の妥当性を検証することもできます。
01多くの製造業・研究機関での導入実績
特に一部ソフトウェアではコミュニティも形成されていて、毎年開催されるJSOL CAEフォーラム（ユーザー会）でも活発な議論がなされていますので、JSOL以外からの情報を入手することもできます。
02マルチスケールシミュレーションのためのソフトウェア群
ヘルスケア領域の研究開発においては、再生医療に用いられる生体適合材や、ウェアラブルデバイスに用いるセンシング材など、多岐にわたる材料特性を理解する必要があります。
ひとつのシミュレーション技術（ソフトウェア）で広範囲のスケールや現象をカバーすることは不可能なため、JSOLでは複数のソフトウェアを組み合わせたソリューションをご提案しており、マルチスケールに対応したソフトウェア（J-OCTA、ASAP）などがあります。
これらのソフトウェアは、創薬・製剤分野の広範囲なマルチスケール特性解析に必要なシミュレーション技術をカバーします。また、設計段階で必要となる実験量は結果として膨大になるため、データ蓄積のためシミュレーション技術の活用も可能です。詳細は各ソフトウェアのWebサイトをご確認下さい。
03材料物性最適化に活用できるマテリアルズ・インフォマティクスのためのソフトウェア
ソフトウェア 「J-OCTA MI-Suite」 は、分子・結晶構造や各種条件を説明変数として、物性値などの目的変数を予測する機械学習機能を搭載しています。さらに、多様な分子記述子の計算、公的データベースへのアクセス、各説明変数の寄与度の解析など、周辺技術も幅広く備えています。
実験データが不足する場合はシミュレーション結果で補完できます。J-OCTA にはマルチスケールのシミュレーション手法が揃っており、大量計算を通じて物理量・物性のデータベース化を支援するツール（Python ベースのモデリング API 機能）も提供しています。
機械学習に用いるデータの選択や学習条件の設定はダイアログ操作で行え、プログラミングは不要です。加えて、複数の学習済み物性推算モデルを標準搭載しているため、初心者の方でもすぐにマテリアルズ・インフォマティクスに取り組めます。
解析・利用例
製品・サービス
ソリューション関連情報
セミナー・イベント
技術ブログ
～J-OCTAにおける材料設計のための機械学習の活用～
