現代の材料開発では，多様なニーズを満たす新材料の開拓が求められる。この難題に対して，実験や理論計算により得られるデータを活用したマテリアルズインフォマティクスによるアプローチが注目されている。物質・材料の探索を加速できる可能性があるだけでなく，大規模なデータを解析することで，材料設計・探索の指針に関する新たな視点の発見や普遍的な学理の構築につながることも期待できる。とくに第一原理計算等により得られる理論計算データを活用する場合，信頼性の高い物性予測やハイスループットスクリーニングを行うためには，高精度と高速を両立させた手法や計算実行・結果解析の自動化が不可欠である。本稿では第一原理計算及び機械学習による無機材料特性の系統的な予測のための手法開発と新物質・新材料の設計・探索への応用に関する筆者らの取り組みを紹介する。

本稿では，データ科学が研究開発に不可欠となる中で，材料化学分野における新たなアプローチとして，マルチモーダルAIと自律自動実験を紹介する。マルチモーダルAIは，スペクトルや画像，組成，プロセス条件などの多様なデータを統合的に解析することで，単一データでは捉えきれない材料の構造や特性の理解を可能にする技術である。筆者らはこの概念を材料分野向けに再定義し，複数の材料系へ展開することで，その有効性を示してきた。一方，自律自動実験は，リアルタイムの計測データに基づいて意思決定を行い，実験条件を自律的に更新することで，効率的な探索と最適化を実現する枠組みである。特に，複雑かつ事前情報の乏しい材料プロセスにおいて有効性が示されている。これらの技術は，単なる自動化や汎用AIではなく，材料・プロセス・計測を横断的に理解した上で設計することが重要であり，その活用には専門家の知見が不可欠である。今後の研究開発においては，技術に加えて人材やコミュニティの整備を含めた総合的な取り組みが鍵となる。