전통적인 과학 연구 기록은 일반적으로 실험 노트, 학술 논문, 특허 등으로 남아 있습니다.분석을 위한 데이터베이스 구축을 위해서는 연구자가 실험 노트를 읽어야 한다.또, 문헌에서는, 실험시의 기온, 습도 등의 섬세한 조건이나, 실패한 실험의 결과는 할애되는 경우가 많아, 실험 결과에 관련된 인자를 완전하게 망라하고 있다고는 말하기 어렵다.

　그래서 이러한 정보를 통합적으로 관리하기 위한 AI로서 본 연구에서는 일상적인 재료실험의 모습을 그래프 구조라 불리는 데이터 형식으로 기록하여 AI로 자동 해석하는 시스템을 구축했다.실험 조작이나 결과에 더해, 실시일이나 기온, 장치나 시료의 상태 등의 재료 특성에 영향을 줄 수 있는 다양한 정보를, 정보간의 관계성을 점과 선으로 연결한 데이터로 기록해, Fingerprint라고 불린다 알고리즘 기법으로 자동 해석을 실시한다.

　이 AI 시스템은 본 연구자들이 작업하고 있는 고분자 고체 전해질의 실험 연구에서 실제로 운용되었다.실패를 포함해 500회 이상의 실험 데이터를 디지털 기록해, AI 시스템으로 해석한 결과, 고분자 고체 전해질의 최적의 제법이나, 고성능의 열쇠가 되는 메카니즘을 찾아내는데 성공했다고 한다.

　이번에 구축한 '전자 실험 노트 시스템'이라고도 할 수 있는 AI 시스템은 다양한 재료 연구에 전개 가능하며 실험 연구의 디지털 트랜스포메이션(DX)을 촉진하는 발판이 될 것이다.또한 원시 실험 데이터를 공개하기 쉬워지면 데이터 과학을 통한 오픈 사이언스의 흐름이 강해질 것으로 기대할 수 있다.

논문 정보:【npj Computational Materials】Exploration of organic superionic glassy conductors by process and materials informatics with lossless graph database