■ 本次发布的重点 针对 SPReAD 申请者的 AI 活用支持 Aazos 为研究人员提供从申请书撰写到采纳后 AI 环境建构的一贯支持。 配合研究期间的活用与申请要求对应 配合约 6 个月的研究计划，阶段性地支持 AI 活用，特别是针对「AI 技术细节（Know-how）的提取与共享」这一申请要求提供机制与撰写支持。 Aazos 株式会社（茨城县筑波市，代表取缔役社长 河尻耕太郎）针对考虑申请文部科学省「通过 AI for Science 实现科学研究革新计划：AI for Science 萌芽式挑战研究创出事业（SPReAD）」（第一回公募截止：2026年5月18日，第二回公募预计于 6 月上旬）的研究人员，开始提供活用少量数据、无代码研发 AI 分析平台「Multi-Sigma®」的个别支持。从采纳后所需的 AI 分析环境建构，到申请书的特征记载项目「AI 技术细节提取与共享的实现计划」，提供全方位支持。 ■ 背景：单靠计算环境无法推动研究 SPReAD 是一项每项课题最高 500 万日圆、每年约 1,000 件规模的研究支持制度，研究期间为采纳后至 2027 年 1 月 6 日止的约 6 个月。该计划广泛针对所有领域的实验研究者，也为首次正式将 AI 应用于研究的研究者敞开大门。 确保云计算资源是重要的第一步，但要真正推动研究，需要直接介入研究过程，例如「选择符合主题的 AI 方法」、「从少量数据进行预测」、「提议下一次应尝试的实验条件」。Aazos 通过提供 Multi-Sigma® 的活用支持来弥补这一差距。 ■ Multi-Sigma®：由实验研究者为实验研究者开发的 AI 分析平台 Multi-Sigma® 是一个在云端提供预测、贝叶斯优化、多目标优化、要因分析、连锁分析及实验设计的无代码研发 AI 分析平台。创办人河尻耕太郎在产总研经历了 18 年的实验研究，基于在博士课程中使用等离子设备进行纳米微粒子制造研究（7 个参数、1,000 万种条件空间、多目标权衡）时面临的挑战，开发了 Multi-Sigma® 的雏形。 主要功能： 少量数据对应：通过高斯过程回归与神经网络，在实验数据有限的阶段即可进行预测与优化。 无须程序开发：研究人员本人在采纳当天即可开始操作。 贝叶斯优化：AI 提议「下一次应尝试的实验条件」，提高探索效率。 多目标优化：同时解决相互竞争的设计要求（如强度与轻量化、产率与纯度）。 连锁分析（国际专利申请中）：全球首个实现跨多个实验过程因果结构分析的无代码商用平台。 AI 共享功能：在平台上公开与共享训练好的模型，其他用户可直接利用该模型。 实验设计功能：从有限的实验次数中提取最大信息。 自 2021 年发布以来，Multi-Sigma® 已被超过 380 家企业与大学采用，在材料、医药、机械、农业、医疗及社会科学等领域创建了稳固地位，促进了跨领域与组织间的协作。 ■ 如何利用 Multi-Sigma® 运行 6 个月的研究计划 阶段 1（第 1-2 个月）：研究设计与初期数据收集 根据研究目的创建实验设计，获取实验数据。 阶段 2（第 3 个月）：模型建构、精度验证与优化 使用现有数据建构预测模型，进行精度验证，并通过要因分析探索最佳解。 阶段 3（第 4-5 个月）：最佳条件验证与追加数据收集 验证最佳解，并进行追加数据的收集与再分析。 阶段 4（第 6 个月）：成果总结与技术细节整理 撰写论文并整理技术见解以便共享。