据日经新闻（Nikkei）报道，日本物质与材料研究机构（NIMS）、东京大学等25所大学及研究机构计划在2025年9月前有偿公开约100万件实验数据，用于支持半导体和电池等材料的开发。这一数据公开规模堪称全球之最，旨在加速日本材料研发进程，提升汽车、化工等领域的产业竞争力。
此次公开的数据主要面向日本本土的企业与研究机构，内容包括图像、分析数据以及实验条件等，这些将成为AI驱动的研究型机器人的重要资源。使用费用等具体细节将在后续明确。公开实验数据的背景是材料信息学（Materials Informatics，MI）的兴起，这一领域借助AI等数字化工具探索新材料，极大提升了研发效率。
材料信息学的概念最早由美国在2010年代初期通过政府资金推动，欧洲和日本也相继开展类似研究。然而，过去的研究多依赖电脑模拟实验数据，对直接反映材料特性的实验数据应用进展缓慢。这主要是因为企业和大学通常将实验数据视为专属技术资产，倾向于保密而不公开。
为解决这一问题，日本文部科学省于2021年度启动了一项计划，汇集全日本25所大学和研究机构的先进实验设备数据。参与单位包括NIMS、产业技术综合研究所（AIST）、自然科学研究机构（NINS）、原子能研究开发机构（JAEA）、量子科学技术研究开发机构（QST）以及东京大学、京都大学等知名学府。这些机构提供电子显微镜、质谱仪等设备，供企业及其他研究机构有偿使用。
截至2025年2月上旬，已从约4000名用户中收集到约100万笔数据档案。这些数据涵盖了显微镜和分析仪器生成的日期、温度、压力等信息，并采用标准化格式以便AI更好地学习和处理。在实际应用中，AI能够通过分析实验条件之间的关系，例如半导体切换电流效能和加工温度，大幅缩短开发高效能半导体的时间。此外，AI还可以通过分析显微图像推测锂电池电极的劣化状态，从而助力开发寿命更长的电池。
材料信息学的快速发展得益于AI技术的进步，不仅摆脱了对研究人员直觉和经验的依赖，还缓解了研究人员减少的问题。例如，美国微软（MicroSoft）与美国能源部下属的太平洋西北国家实验室（PNNL）在2025年1月共同发表了一项研究，利用学习了量子力学的AI进行模拟实验，从3200万种无机材料中筛选出18种适合作为全固态电池固态电解质的新材料。结合高性能计算机提升运算精度，研究周期从原本的2年缩短至仅需2周。