定期刊行物
Yano E plus
エレクトロニクスを中心に、産業の川上から川下まで、すなわち素材・部材から部品・モジュール、機械・製造装置、アプリケーションに至るまで、成長製品、注目製品の最新市場動向、ならびに注目企業や参入企業の事業動向を多角的かつタイムリーにレポート。
発刊要領
- 資料体裁：B5判約100～130ページ
- 商品形態：冊子
- 発刊頻度：月1回発刊（年12回）
- 販売価格（1ヵ年）：106,857円(税込) 本体価格 97,142円
※消費税につきましては、法令の改正に則り、適正な税額を申し受けいたします。
年間購読をお申し込みの方へバックナンバー2冊無料プレゼント
年間購読をお申し込みいただきました方に、ご希望のバックナンバー(2008年4月号以降)を2ヶ月分サービスさせていただいております。なお、冊子（紙ベース）の在庫がなくなった場合、PDFでのサービスとさせて頂きます。ご希望がない場合、2008年4月号以降から2ヶ月分お送りさせて頂きます。
Yano E plus に対するご意見
『Yano E plus』へのご意見・ご要望をお聞かせ下さい。
「ご意見」欄に、ご関心のあるテーマ、『Yano E plus』に掲載して欲しいテーマ等、ご記入をお願いいたします。
例）半導体の製造装置（ステッパ市場）に興味がある、ナノインプリント市場がどの程度の市場規模があるのか知りたい、車載向けコネクタ市場の参入メーカを調べたい、等。
ご入力頂きました情報は、テーマ企画策定以外の目的には使用いたしません。
皆様の幅広いご意見・ご要望を頂戴し、誌面の充実に努めてまいります。
最新号
Yano E plus 2021年12月号(No.165)
内容目次
≪次世代市場トレンド≫
次世代量子技術シリーズ（8）～量子AI～ （3～41ページ）
～量子コンピューターとAIをうまく組み合わせ「量子AI」として
活用することで、新たな地平がみえてくる～
1．加速するAIの進歩
2．量子AIとは
3．量子AIの市場規模予測
【図・表1．量子AIの国内およびWW市場規模予測（金額：2025-2050年予測）】
4．量子AIに関連する企業・研究機関の取組動向
4-1．株式会社グルーヴノーツ
(1)量子コンピューターとAIを活用したクラウドプラットフォーム事業
【図1．「MAGELLAN BLOCKS」のコンセプト】
【図2．「MAGELLAN BLOCKS」量子コンピューターソリューションのアーキテクチャ】
【図3．「MAGELLAN BLOCKS」量子コンピューターソリューションに実装されているモデル例】
【図4．様々な業種の多岐にわたる問題を解決するために量子コンピューターとAIを駆使する】
(2)「MAGELLAN BLOCKS」の活用事例
①廃棄物収集ルートの最適化（三菱地所）
【図5．廃棄物収集ルートの最適化イメージ】
②工場の勤務シフトを高速自動計算（キユーピー）
【図6．人とロボットが共存して働くイメージ】
③鉄道の車両運用の最適化（JR九州）
【図7．車両運用計画で考慮すべき要件のイメージ】
4-2．大学共同利用機関法人 情報・システム研究機構 国立情報学研究所（NII）
(1)これまでの成果
(2)時間結晶が可能にする量子の世界の複雑なネットワーク構造を発見
【図8．周期的な制御が作り出す周期2をもつ離散的な時間結晶の模式図】
【図9．周期2の時間結晶がつくる量子状態上のネットワーク】
【図10．周期2の時間結晶が融け始めることによって出現したスケールフリー・ネットワークの一例】
4-3．国立研究開発法人産業技術総合研究所（産総研）
（1）材料開発および創薬分野における物性値の計算・予測の状況
（2）新たに開発したDL技術の手法
【図11．DLモデル＝NNの概念図】
【図12．DLモデルを用いて化合物から物性値を導くフロー】
（3）DL技術による計算結果と理論計算・シミュレーション結果との比較
【図13．今回のMLと理論計算で得られたエタンとベンゼンの化学結合の電子密度の比較】
【図14．物性値（エネルギー）の外挿予測精度】
（4）DL技術の発展形
【図15．今回開発したDLモデルの発展の可能性】
4-4．株式会社Jij（ジェイアイジェイ）
(1)ニーズが増している最適化問題
【図16．解決困難な問題を最適化計算で解く】
(2) Jijが展開するサービス
【図17．「JijZept」はアルゴリズムとハードウェア選定を結びつける】
【図18．Jijの3つの取組】
(3)最適化問題解決の社会実装事例
【図19．社会実装事例：交通信号の点滅パターン最適化問題】
(4)「JijZept」の意義
【図20．「JijZept」計算基盤】
【図21．「JijZept」における制約条件の調整】
4-5．国立大学法人 筑波大学
【図22．周回積分型固有値解法の適用による固有空間抽出】
【図23．行列トレースの周回積分を用いた固有値密度推定】
4-6．国立大学法人 東京大学
【図25．RC/QRCハイブリッド計算タスクの一例】
【図26．これからのQRCの方向性】
4-7．国立大学法人 三重大学
(1)量子超越性を示す意義
(2)先行研究
①Googleのチームによる研究
②Barakらの研究
③回路骨格
【図27．量子回路の例：1次元、深さ4、入出力6量子ビットの回路（2量子ビット素子からのみ構成）】
【図28．量子回路の例、黄色い部分は回路内にあるy4への影響範囲を示す】
④提案アルゴリズム
⑤線形XEB忠実度
(3)実験
①ランダム量子回路
②実験方法
【図29．深さ3における入力ビット数と忠実度の関係】
【図30．深さ4における入力ビット数と忠実度の関係】
【図31．入力ビット数と実行時間の関係】
(4)結論
5．量子コンピューターがもたらすAIと人類の未来
スマートセンシングシリーズ（11）
スマート農業用センサーの動向～屋外農場編②～ （42～61ページ）
～土壌水分センサーなどの圃場環境センサーのIoT化が進み、
生育センサーや収量センサーなどの農機搭載センサーも伸長する～
1．はじめに
1-1．スマート農業用センサーの市場規模推移
【図・表1．屋外スマート農業用センサーのWW市場規模予測（金額：2020-2025年予測）】
1-2．スマート農業用センサーの利用状況
（1）センサーの使用方法
【図・表2．スマート農業用センサーのWW市場の使用方法（金額：2020年）】
【図1．後付け用GNSSガイダンス（左・中）と自動操舵システムの事例】
【図2．精密農業専用ドローン、マルチスペクトルカメラとその利用例（右）】
（2）センサーの使用目的・用途
【図・表3．スマート農業用センサーのWW市場の使用目的（金額：2020年）】
2.スマート農業用センサーの用途の内訳
2-1．圃場環境モニタリング用
【図・表4．圃場環境計測用センサーWW市場の内訳（金額：2020年）】
（1）土壌水分センサー
【図3．土壌水分量センサー（左、中）とテンシオメーター（右）の事例】
（2）気象用センサー
【図4．スマート農業に利用可能な「ウェザーステーション」の製品例】
（3）圃場マッピング用センサー
2-2．農作物モニタリング用
【図・表5．農作物モニタリング用センサーWW市場の内訳（金額：2020年）】
（1）収量モニタリングと収量センサー
【図5．収量モニタリング関連機器（左）と質量流量センサーの構造（中・右）】
【図6．日系農機メーカーのコンバイン用収量センサーと食味センサーの事例】
（2）生育モニタリングと生育センサー
【図7．生育センサーの製品事例（左・中：農機取付け用、右：携帯型）】
【図8．可変施肥方式の概念図（左：マップベース、右：センサーベース）】
【図9．小麦への可変施肥（可変追肥）による生育ムラ解消の事例】
【図10．日系メーカーの可変施肥田植機とその効果（実証試験：右）】
2-3．搭載機器の動作制御用
【図11．トラクターの障害物検知センサー（左：レーザー式、右：超音波式）】
【図・表6．農機・ドローンの機能制御用センサーWW市場の内訳（金額：2020年）】
【図12．トラクターのPTOドライブシャフトの使用形態と構造例（右）】
【図13．農機用傾斜センサー/スイッチとそのアプリの事例】
日本の商用車コネクテッド(3) （62～73ページ）
～物流の課題解決の提言は様々だが、全体最適にはほど遠い？～
1．前号のまとめ
2．総合物流施策大綱
【表1-1．今後の物流施策の方向性とKPI】
【表1-2．今後の物流施策の方向性とKPI】
【表1-3．今後の物流施策の方向性とKPI】
3．トラック物流に関連した具体的な動き
【表2-1．物流に関連する新たなサービスITソリューションの事例（ラストワンマイル）】
【表2-2．物流に関連する新たなサービスITソリューションの事例（シェアリング）】
【表2-3．物流に関連する新たなサービスITソリューションの事例（共同物流）】
【表2-4．物流に関連する新たなサービスITソリューションの事例
（IoT/AI（AI画像認識活用システム）】
【表2-5．物流に関連する新たなサービスITソリューションの事例
（ECプラットフォーム／ラストワンマイル）】
【表2-6．物流に関連する新たなサービスITソリューションの事例（IoT/AI（自動運転）関連）】
【表2-7．物流に関連する新たなサービスITソリューションの事例（倉庫自動化関連）】
【表2-8．物流に関連する新たなサービスITソリューションの事例（自動化関連）】
《注目市場フォーカス》
マテリアルDXシリーズ(3)～データサイエンス～ （74～119ページ）
～機械学習、物性理論、シミュレーション、データベースなどを活用した
データサイエンスと材料科学が融合したマテリアルDXが加速～
1．マテリアルDXにおけるデータサイエンス
2．マテリアルDXにおけるデータサイエンスの方向性
2-1．新物質探索
2-2．ミクロな微細構造と材料物性との相関
2-3．結晶構造から材料組成までのマルチスケール統合
3．マテリアルDXにおけるデータサイエンスの手法
3-1．第一原理計算
3-2．ベイズ最適化
3-3．機械学習（ML）/ニューラルネットワーク（NN）/深層学習（DL）
4．テリアルDXにおけるデータ科学の市場規模予測
【図・表1．マテリアルDXにおけるデータ科学の国内およびWW市場規模予測
（金額：2025-2050年予測）】
5．マテリアルDXにおけるデータ科学に関連する企業・研究機関の取組動向
5-1．MI-6（エムアイシックス）株式会社
【図1．実施体制】
【図2．電解液組成の探索】
5-2．株式会社Elix（エリックス）
(1) Elixのビジネスモデル
【図3． (上)Elixが保有するモデル群「Elix Discovery™」、 (下) 「Elix Discovery™」の全体像】
【図4．プロジェクト遂行のイメージ】
(2)事例①：株式会社日本触媒
【図5．Elix×日本触媒：反応性希釈剤の開発事例、(上)アクリルモノマーの
分子構造、(下)生成モデルに用いたニューラルネットワークの模式図】
(3)事例②：アステラス製薬株式会社
【図6．Elix×アステラス製薬：活性予測・化合物構造生成・逆合成解析のためのアルゴリズム開発】
5-3．公益財団法人 計算科学振興財団（FOCUS）
(1)事業内容
【図7．FOCUSおよびFOCUSスパコンの役割】
【図8．FOCUSにおけるスーパーコンピューティング事業体系】
(2) MIについて
【図9．物質・材料研究開発におけるデータ駆動型アプローチ】
【図10．スモールデータ問題に対する物質科学側からのアプローチ】
(3)人材育成
【図11．キャリア開発のためのAI/機械学習研修(1)】
【図12．キャリア開発のためのAI/機械学習研修(2)】
5-4. 国立研究開発法人 産業技術総合研究所（産総研）
(1)触媒反応の収率をAIで予測
【図13．モデルとしたエポキシ化反応】
【図14．実験データについてMLを実施しAIを構築するフロー】
【図15．AIによる収率の予測】
(2)自律的に物質探索を進めるロボットシステムを開発
【図16．MIとマテリアルズ・ロボティクスとの融合】
(3)機械学習ポテンシャル（MLP）研究
【図17．a-Si中のLi拡散の網羅解析】
【図18．a-AlOxの密度と組成変化を記述できるポテンシャル】
(4)計測インフォマティクスを応用したスペクトルフィッティング
【図19．スペクトルのパラメータ推定】
【図20．EMアルゴリズムによるスペクトルフィッティング】
5-5．国立大学法人 東京大学/国立研究開発法人 物質・材料研究機構（NIMS）
(1)材料物性の実験データのデータベース化
①論文中のグラフからの実験データ抽出作業
②「Starrydata web」システムの開発
【図21．「Starrydata Web」システムによるデータシェア】
(2)熱電変換材料に関する大規模データの収集
【図22．「Starrydata web」システムのデータ収集の仕組】
【図23．PbTe熱電材料のJonker plot】
5-6．国立大学法人 名古屋工業大学
(1)固体電解質材料に関する計算機シミュレーション
【図24．原子間ポテンシャル構築の模式図】
(2)ポテンシャルパラメータの最適化法
(3)原子間ポテンシャルのハイスループット構築
5-7．学校法人 日本女子大学
(1)有機薄膜太陽電池材料
【図25．有機薄膜太陽電池における量子化学計算とML】
(2)ペロブスカイト型太陽電池材料
【図26．MLを用いたペロブスカイト型太陽電池材料の探索】
5-8．株式会社日立ハイテクソリューションズ
(1)材料探索における従来型とMIの違い
【図27．材料探索における従来型とMIの違い】
(2)「Chemicals Informatics」の構成と仕組み
【図28．「Chemicals Informatics」の構成】
【図29．「Chemicals Informatics」の仕組み】
(3)「Chemicals Informatics」の特長
①研究者の新発見を助ける掛け合わせ探索手法（探索AI）
【図30．「Chemicals Informatics」の特長①：探索AI】
【図31．「Chemicals Informatics」が探索する領域】
【図32．組合せ最適化CI vs. 配合比チューニングMI】
②新たなアイデアを生む膨大な化合物データベース（NLP AI/新規化合物生成AI）
【図33．NLP AIと新規化合物生成AI】
③研究開発の高効率化を実現する高い探索性能と予測精度
【図34．幅広な公開データを使用しているのに高い精度を実現できる「Chemicals Informatics」】
5-9．株式会社Preferred Computational Chemistry（PFCC）/
株式会社Preferred Networks（PFN）/ENEOS株式会社
(1) MIや超高速シミュレーターとして活用できる「Matlantis™」を、PFCCがクラウド
サービスとして提供開始（https://www.preferred.jp/ja/news/pr20210706/）
(2)「Matlantis™」を開発したPFNとは
(3)汎用原子シミュレーター「Matlantis™」の特長
【図35．MIにおける「Matlantis™」の位置づけ】
【図36．「Matlantis™」の仕組み】
【図37．「Matlantis™の性能】
【図38．「Matlantis™が対応している元素】
(4)「Matlantis™の適用事例
①再生可能エネルギーによって合成された燃料触媒の探索（ENEOS）
【図39． (左) H2とCOからの液体燃料の合成反応、 (中) Co+V触媒上でのC-O解離反応、
(右) Co触媒の一部元素置換による活性化エネルギー変化（Coのみの基準を1.0）】
②水素キャリア触媒の探索（ENEOS）
【図40． (左) MCH脱水素反応、(右) MCH脱水素反応の解析結果】
6．マテリアルDXにおけるデータサイエンスの課題
≪タイムリーコンパクトレポート≫
ワイドバンドギャップ半導体単結晶市場 （120～125ページ）
～各材料の研究開発が加速、搭載アプリケーション続々
『まだSi？』と言われる日がそこに～
1．市場概況
2．セグメント別動向
2-1．具体的な車載時期が明確になりつつあるSiC、スピード感が加速
2-2．キラーアプリケーションで一気にギアチェンジ可能なGaN
3．注目トピック
3-1．パンデミックで衛生観念が変わる、AlN（窒化アルミニウム）への要求は多様化
3-2．Ga2O3（酸化ガリウム）はコロナ禍でワークショップ延期されるも、デバイス開発進む
4．将来展望
【図1．ワイドバンドギャップ半導体単結晶世界市場規模推移・予測（金額：2020-2027年予測）】
【図2．材料別のワイドバンドギャップ半導体単結晶世界市場規模推移・予測
（金額：2020-2027年予測）】
関連マーケットレポート
- D63100812 Yano E plus 2021年12月号(No.165)