まずはデータ作りからスタート
MIには課題も多い。例えば、現時点のMIとそこで用いるAI技術の多くが、所望の特性値を得られる可能性が高い組成を提案はするものの、実際に合成できるかどうかは分からない点。一般的に、材料の合成や精製には時間がかかり、それが開発期間短縮のボトルネックになるケースがある。
最大の課題は、データが圧倒的に足りないことだ。NEDOの超超プログラムでは当初、参加企業が十分なデータを持っていることを想定していたが、「適切なデータが当初の想定より大幅に少なく、そのままではMIの有効性が限られた。そのため、まずはデータを量産するための計算コード『マルチスケールシミュレーター』の開発から始めることになった」（NEDO 材料・ナノテクノロジー部 主任研究員でプロジェクトマネージャーの國谷昌浩氏）という。
NEDOに限らず、さまざまな手法を使ってデータを収集する取り組みが進められている（図9）。企業のMIでも、データを量産する実験装置や計算ツールが強みになっている例が多い。TDKは、これまで開発してきた磁性体材料の電子顕微鏡写真を「全層畳み込みネットワーク（FCN）†」というAIに見せることで材料の細部の特徴を分類し、写真をMIで利用可能なデータに変換中だという。
これには思わぬ副産物もあった。「これまで材料の写真の分析は研究者の経験と勘に頼ってきた。この技術を使えば写真を客観的なデータに変換でき、将来のMIのためだけでなく、現在の業務にも役立っている」（TDK 技術・知財本部 技術企画グループ 基盤技術支援部 アルゴリズム室 室長の橋本勉氏）という。
データを制するものが世界を制す
データ収集競争は世界的、かつリアルタイムに進行している（図10）。日本ではNIMSが「MatNavi」と呼ぶデータベースを構築しているが、世界ではさらに規模の大きなデータベースが多数ある。これらのデータを、セキュリティーを確保しながらどこまで共有し、活用していくかも大きな課題といえる。
