🌐 This site is also available in English Visit English Site →
🌐 English
MENU
| 技術情報発信（素材技術を未来へ）
  1. ホーム
  2. 高スループット実験とロボット合成 技術解説

高スループット実験とロボット合成 技術解説

← マテリアルインフォマティクスの解説一覧へ戻る

TECHNOLOGY EXPLAINER

高スループット実験とロボット合成
― 多数の試料を並列に作り、測る

材料の組成や条件の組合せは、数え切れないほどあります。1つずつ作って測っていては、一生かかっても終わりません。そこで、多数の試料を、並列に、小さく、自動で作り、測る方法が発達しました。これが高スループット実験です。この記事では、その3つの方式（組成が連続的に変わる薄膜、液体を並べるプレート、粉体を扱うロボット）、液体と粉体の扱いの違い、速さを決めるもの、そして現場でつまずく点を、図と小さな計算で説明します。「ロボットを入れれば何でも速くなる」ではなく、何が速くなり、何は速くならないかを、論文で確認できた範囲で整理します。

構成：Xiang ら（Science 1995）、Koinuma と Takeuchi、Potyrailo ら、Ludwig、Shevlin、Buitrago Santanilla ら、Szymanski ら、Volk と Abolhasani の論文、SLAS・SiLA・OPC Foundation・ISO の公式ページを使用／数値例は本稿で計算／確認日 2026年10月22日

一枚の基板上で条件の異なる領域を作り、場所と測定値を対応させます。薄膜で得た性質を、そのまま大型部材の値にしないことも重要です。
図1　概念画像（ImageGen生成）。一枚の基板上で条件の異なる領域を作り、場所と測定値を対応させます。薄膜で得た性質を、そのまま大型部材の値にしないことも重要です。実在の製品・施設・測定結果ではありません。拡大模型、線・矢印・色は説明用です。
この記事の構成
  1. 3行でわかる／読む前に／シリーズの中での位置
  2. 高スループット実験とは ― なぜ「並列」が要るのか
  3. 3つの方式 ― 薄膜・プレート・ロボット
  4. コンビナトリアル薄膜 ― 組成の「地図」を一度に描く
  5. 液体と粉体の扱い ― 自動化のしやすさの違い
  6. 速さを決めるもの ― 理論値と実証値
  7. 実験の流れと、人が入る場所
  8. 見つけた条件を実用に近づける ― 薄膜からバルク、部品へ
  9. 素材技術者から見て
  10. 限界と、確認できなかったこと／まとめ
  11. 評価・標準の読み方
  12. 用語集
  13. 参考資料（一次情報）
  14. 主張と出典の対応表（監査）
本記事の表記ルール

事実＝公表資料に記載のある内容（出典リンクあり）
本稿の計算＝明示した前提をもとに本記事が算出した値
未確定／将来＝計画・目標・草案・改訂中など、確定していない事項
このほか、素材技術者向けの読み取りは「解説」として区別しています。推測は太字で示します。研究グループや企業・機関の主張は「主張」と明記します。

この記事の数字の読み方

「1日に○○回の実験」「1,500を超える実験」などの数は、その論文の対象・装置・条件での値です。1回の実験の中身（液体を混ぜるだけか、4時間加熱するか）が違えば、数の大小は装置の優劣を表しません。理論上の最大の速さと、実際に実証された速さも、別の値です。

1. 3行でわかる／読む前に／シリーズの中での位置

  • 高スループット実験は、多数の試料を「並列・小型・自動」で作り、測る方法です。組成が連続的に変わる薄膜、プレートに並べた液体、粉体を扱うロボットなどの方式があり、1回の実験で数千の組成を調べられる例があります事実［参考資料2］
  • 液体の自動化は進んでいますが、固体・粉体は難しい、と報告されています。Shevlin は、固体の分注には一般的な自動の解決策がまだない、と述べます。Buitrago Santanilla らは、自動化に合わせて反応そのものを変えて、1日未満に1,500を超える実験をしました事実［参考資料6・7］
  • いちばん大事な1点：速さは、「長い工程」と「測定」で決まり、理論上の速さと実証した速さは違います。また、薄膜で見つけた性質が、バルクの材料でそのまま現れるとは限りません事実［参考資料11・4］
この記事を読む前に知っておくこと

材料探索を「広大な地図の中から、宝のありかを探す」作業にたとえると、計算は「安く速く候補を出す」、実験は「本当にそうか確かめる」、AI は「探す場所を絞る」役です。高スループット実験は、実験の側を速く・大量にする道具で、探す場所を絞る方法（本シリーズ「ベイズ最適化と能動学習」編、「クローズドループ最適化」編）と組み合わせて使います。この記事は単独でも読めるよう、用語は初出で説明します。

シリーズの中での位置

計算で多数の候補を調べる話は「高スループット計算」編、実験を機械が回して次を決める話は「自律実験室」編です。この記事は、そのハードウェアの側、つまり多数の試料をどう並べ、どう作り、どう測るかを扱います。測定データの解析は「スペクトル・画像データのAI解析」編、データの管理は「材料データベースとFAIR原則」編にあります。

2. 高スループット実験とは ― なぜ「並列」が要るのか

宝探しにたとえます。地図のあちこちを、1か所ずつ大きく掘るのと、小さな穴を一度に何百も掘るのとでは、同じ時間で見える範囲が違います。高スループット実験は後者です。1つ1つの穴（試料）は小さく、条件を網羅して、有望な場所を見つけるのが役目です。たとえの限界：穴が小さいので、見つかるのは「ここが怪しい」という手がかりで、本当に掘り当てたかは、大きく掘り直して確かめます。

なぜ並列が要るのか。次の図の計算を見てください。10個の変数（組成、温度、時間など）を、それぞれ3水準で振るだけで、全組合せは3¹⁰＝59,049通りです。1回1時間なら、昼夜休まず約6.7年かかります本稿の計算。

なぜ「並列」が要るのか：組合せの数は、すぐに数百万になる（本稿の計算）10個の変数を、それぞれ L 水準で振った全組合せの数（対数目盛り）1変数あたり 2 水準1,0242¹⁰1変数あたり 3 水準59,0493¹⁰1変数あたり 5 水準9,765,6255¹⁰例：実験1回が1時間なら、59,049通りは約6.7年（24時間連続）（59,049 ÷ 24 ÷ 365 ≒ 6.7）3成分の組成を10%刻みで並べた格子（66点）ABC刻みを細かくすると、点の数は増える（A＋B＋C＝100%）：10% 刻み：66 点、(10+1)(10+2) ÷ 25% 刻み：231 点、(20+1)(20+2) ÷ 21% 刻み：5,151 点、(100+1)(100+2) ÷ 24成分では、10%刻みで286点、5%刻みで1,771点。成分と刻みが増えるほど、1つずつ作る方法は現実的でなくなる。※ 計算です。L水準×10変数の全組合せは L¹⁰。3成分で刻み 1/m の格子点の数は (m+1)(m+2)÷2、4成分では (m+1)(m+2)(m+3)÷6。実験の数の目安であり、実在の研究の数ではありません。
図2　本稿の計算を含む作図（ベクター作図）。全組合せを試すことが現実的でないので、並列化と、探す場所を絞る手法（本シリーズ「ベイズ最適化と能動学習」編）の両方が要る。

右の三角形は、3つの成分A・B・Cの混合の割合を表します。10%刻みで66点、5%刻みで231点、1%刻みで5,151点です本稿の計算。この「組成の地図」を埋めるのが、コンビナトリアル（組合せ）という考え方です。組合せの方法は製薬業界で先に発達し、材料科学に応用された、と Koinuma と Takeuchi は述べます事実［参考資料2］。また、材料が複雑になると、知識だけで設計する「合理的な設計」には限界があり、組合せと高スループットの実験が、新しい知識を生む方法として認められてきた、とレビューは述べます事実［参考資料3］。

つまずきやすいところ：「並列」と「高速」は違う

並列は、同時にたくさん作ることです。1回が4時間かかる加熱でも、炉に100個入れて同時に加熱すれば、1個あたりは速くなります。高速は、1回そのものが短いことです。高スループット実験は、おもに前者で速さを稼ぎます（たとえば A-Lab は、4つの炉で加熱する事実［参考資料8］）。ただし、並列にすると、試料どうしの条件がそろわないという新しい問題が出ます（第5章・第7章）。

3. 3つの方式 ― 薄膜・プレート・ロボット

高スループット実験は、何を並べるかで、おおまかに3つに分けられます。

①薄膜上で条件を変える、②液体を並列に扱う、③粉末を調合して反応させる例です。材料の状態で装置と難しさが変わります。
図3　概念画像（ImageGen生成）。①薄膜上で条件を変える、②液体を並列に扱う、③粉末を調合して反応させる例です。材料の状態で装置と難しさが変わります。実在の製品・施設・測定結果ではありません。拡大模型、線・矢印・色は説明用です。
元のSVG・数値・出典を確認する
高スループット実験の3つの方式：何を並べて、何が得意か① コンビナトリアル（薄膜ライブラリー）並べるもの：1枚の基板に、組成が連続的に変わる薄膜をつくり、場所ごとに測る例：Xiang ら（1995）は、200 µm角の試料を、1平方インチに1万か所つくった得意：組成の「地図」（相図）を一度に描く苦手：薄膜にならない材料。薄膜とバルクで性質が違う② プレート・バイアル型（液体の並列合成）並べるもの：96ウェルなどのプレートに、液体の原料を分注して並列に反応させる例：Merck の報告では、1日未満に1,500を超える実験を、1反応あたり最小0.02 mg で行った得意：触媒・溶媒・配位子など、条件の網羅苦手：固体、揮発性の溶媒、混ざらない液体③ ロボット合成（粉体・多段の工程）並べるもの：秤量・混合・加熱・測定を、ロボットアームがつなぐ例：A-Lab は、17日間に353実験（固体粉末の合成）得意：固体粉末や多段の工程を、止めずに回す苦手：1回が長い（加熱4時間）。装置が大がかり。粉体の扱い※ 概念図です。3つは排他的ではなく、組み合わせて使われます。例の数値は各論文の記載で、方式の優劣を表しません。

元SVGの説明：概念図（ベクター作図）。例は、Xiang ら（Science 1995）、Buitrago Santanilla ら（Science 2015）、Shevlin（ACS Med. Chem. Lett. 2017）、Szymanski ら（Nature 2023）による。

  • Xiang ら（1995）は、薄膜の成膜とマスクを組み合わせて、固体材料の「空間的に番地を付けた」ライブラリーを並列につくりました。200 µm×200 µm の小さな試料を、1平方インチあたり1万か所つくり、焼結して、BiSrCaCuO と YBaCuO の超伝導膜を見つけた、と報告しています事実［参考資料1］。1万か所/平方インチは、間隔が約0.25 mm（1インチ＝25.4 mm を100で割る）に相当します本稿の計算。
  • Buitrago Santanilla ら（2015）は、パラジウム触媒のカップリング反応で、1日未満に1,500を超える実験を、1反応あたり最小0.02 mgで行いました事実［参考資料7］。Shevlin（2017）は、100 µL の反応を96ウェルのプレートで行う標準的な規模を示しています（基質は1ウェル10 µmol）事実［参考資料6］
  • A-Lab（2023）は、固体粉末の合成を、ロボットが秤量・混合・加熱・X線回折まで回し、17日間に353実験を行いました事実［参考資料8］（本シリーズ「自律実験室」編で詳しく扱います）

4. コンビナトリアル薄膜 ― 組成の「地図」を一度に描く

薄膜のライブラリーは、1枚の基板に、組成が連続的に変わる膜をつくります。Ludwig（2019）によれば、多くは、複数の源から同時に成膜するか、厚さが傾斜した多層を重ねて、組成の傾斜（くさび型）をつくります。厚さは、測定を信頼できるものにし、ナノスケールの効果を避けるため、数百 nm が目安です事実［参考資料4］。

コンビナトリアル薄膜：組成が連続的に変わる膜を、場所ごとに測る① 成膜（複数の源を同時に当てる）A が多いB が多い基板の上で、組成が連続的に変わる源A源B② 場所ごとに測るX線回折（微小な点で測る）、電気抵抗、磁気、光学など色の濃い領域＝性能が高い組成（説明用の例）論文で確認できた点・Ludwig（2019）：薄膜ライブラリーは、複数の源からの同時成膜や、厚さが傾斜した多層で、組成の傾斜をつくる。厚さは数百 nm が目安。・高スループットの X線回折は、微小焦点の線源と面検出器で、1 mm 未満の点を測れる。・Xiang ら（1995）は、マスクを使う薄膜の方法で、BiSrCaCuO と YBaCuO の超伝導膜を見つけた。※ 概念図です。色・格子の数は説明用で、実在の試料ではありません。
図4　概念図（ベクター作図）。成膜の方法は、共蒸着・マスク・傾斜多層など複数ある。図は共蒸着で組成が傾斜する場合の簡略図。
  • 測定も並列・自動です：X線回折は、微小焦点の線源と面検出器で、1 mm 未満の点を測れます。電気抵抗、磁気などの測定も、場所ごとに行います事実［参考資料4］。実験と解析のデータは、メタデータとともにデータベースへ移すのが望ましい、と述べられています事実［参考資料4］
  • 発見の例：Co–Ti–W の系で、高スループットの X線回折と抵抗の測定から、三元系のμ相が見つかり、バルクの試料の電子顕微鏡観察と DFT 計算で確かめられた事実［参考資料4］
  • 計算との連携：計算で数千の候補を調べ、有望な組成の周りに、10〜100ほどの組成傾斜ライブラリーをつくる、という進め方が述べられている事実［参考資料4］（本シリーズ「高スループット計算」編）
よくある誤解：「薄膜ライブラリーで見つけた良い組成は、バルクでもそのまま良い」

そのまま、とは限りません。Ludwig は、薄膜のライブラリーは固有の性質（組成や結晶構造など）を効率よく調べられる一方、外的な性質（微細組織に依存する性質）は、同じ材料でも薄膜とバルクで異なる、と述べます事実［参考資料4］。正しい説明は、「薄膜は候補を絞る道具で、バルクや部品の形で確かめ直す必要がある」です（第8章）。

5. 液体と粉体の扱い ― 自動化のしやすさの違い

同じ「ロボットで分注する」でも、液体と固体では難しさが大きく違います。Shevlin（2017）は、製薬企業 Merck での経験として、次のように述べます事実［参考資料6］。

自動化のしやすさ：液体は得意、固体は不得意（Shevlin らの記述にもとづく整理）分注・取り扱いの対象扱いやすさ（棒の長さ）論文の記述の要約均一な溶液（原液）速く、正確に分注できる。原液にして分注すると準備が速い。均一な懸濁液・スラリー速く、正確に分注できる、と報告。混ざらない液体どうしうまく移せない。揮発性の有機溶媒蒸発による溶媒の損失と、材料の適合性が課題。小型化も難しい。固体の試薬・粉末大量の並列では扱いが難しい。固体の分注の技術は固体の種類ごとに得意不得意があり、一般的な自動の解決策は存在しない、と報告。A-Lab が粉体に対して行った工夫（論文の記述）・固体の粉は、密度・流動性・粒径・硬さ・圧縮性が違うため、液体の自動化より扱いが難しい。・自動の天びんで量り、エタノールとジルコニア球で混合し、るつぼへ。前駆体の粉は50〜100 g のボトルで、運転の前に人が装填する。※ 概念図です。棒の長さは目安で、数値ではありません。Shevlin の記述は有機化学の並列実験（Merck）の経験にもとづき、無機粉体にそのまま当てはまるとは限りません。
図5　概念図（ベクター作図）。Shevlin（2017）、Buitrago Santanilla ら（2015）、Szymanski ら（2023）の記述にもとづく。
  • 液体は速く正確：純粋な液体、溶液、均一な懸濁液やスラリーは、速く正確に分注できる。原液にして分注すると、準備が速い
  • 固体は難しい：固体の取り扱いは、大きな並列では難しく、固体の種類ごとに得意な分注技術が違うため、一般的な自動の解決策は存在しない
  • 混ぜることも難しい：96ウェルのプレートでは、磁気の攪拌は磁場が足りず、うまくいかない。24ウェルの小さなプレートなら、ふつうの攪拌台でよい。プレートを転がす攪拌や渦の攪拌が代わりに使われる
  • 設備と訓練：液体ハンドリングのロボットは、大きな設備投資と、使いこなすための訓練が要る

Buitrago Santanilla ら（2015）は、固体や揮発性の有機溶媒がある中での自動化・小型化は難しく、合成の「道具箱」の大部分は、そのままでは小型化できない、と述べます。そこで、自動化に向く反応（ジメチルスルホキシド中、室温）を開発して、1,500を超える実験を1日未満で行いました事実［参考資料7］。つまり、ロボットに合わせて、実験の条件のほうを変えているのです（解説）。

粉体の合成では、A-Lab の論文が、固体の粉は密度・流動性・粒径・硬さ・圧縮性が違い、反応性を確保するために粉砕・混合が要ることなど、液体の自動化とは別の難しさがある、と述べます事実［参考資料8］。A-Lab は、自動の天びんで量り、エタノールとジルコニア球で混合して、るつぼへ移します。前駆体の粉末（ボトルに50〜100 g）は、運転の前に人が装填します事実［参考資料8］。

よくある誤解：「ロボットを入れれば、どんな実験も自動化できる」

正しくありません。液体の分注は自動化が進んでいますが、固体の分注には一般的な解決策がまだないと報告されています事実［参考資料6］。自動化できるかは、材料の形（液体か、粉か、粘い物か）と、1回の工程の長さに左右されます。正しい確認は、自社の材料と工程を、液体化できないか、小型でも測れるか、という目で見直すことです（本記事による解説）。

6. 速さを決めるもの ― 理論値と実証値

スループットは、装置の速さだけでは決まりません。Volk と Abolhasani（2024）は、実験を速く行えても、反応時間が長く、並列でなければスループットは大きく抑えられ、逆に反応が速くても、測定が遅ければ、反応の初期の変化を捉えられず、条件空間の一部が見落とされる、と述べます事実［参考資料11］。また、非破壊の測定なら、1つの試料から複数の測定ができ、データが増えます。

速さを決めるのは、実験より「長い工程」と「測定」：理論値と実証値の差A：反応が長く、並列でない準備反応（長い）測定準備や測定が速くても、全体は反応の長さで決まる（スループットが抑えられる）。B：反応が速く、測定が遅い準備反応測定（遅い）測定が遅いと、反応の初期の変化を捉えられず、条件空間の一部が見落とされる。C：並列にして、非破壊で測る準備反応（並列）測定×複数非破壊の測定なら、1つの試料から複数の測定ができ、データが増える。実例：理論上と実証のスループット理論上（最大）1,200 回／時実証（長い反応時間の実験）100 回／時比：1,200 ÷ 100 ＝ 12倍（本稿の計算）。理論上の値だけでは、実際の速さは分からない。※ A〜C は概念図（長さは説明用）。右の数値は Volk と Abolhasani が自分たちの微小流体の分光システムについて報告した値で、他の装置と比べるものではありません。
図6　本稿の計算を含む作図（ベクター作図）。スループットは、理論上の値と実証した値の両方を報告するのがよい、というのが Volk と Abolhasani（2024）の提案。

著者らは、スループットを「理論上の最大」と「実証した値」の両方で報告することを勧めます。自分たちの微小流体の分光システムでは、理論上は1時間に1,200回以上の測定ができるが、長い反応時間の実験での実証は約100回／時間で、12倍の差があった、という例を挙げています事実［参考資料11］本稿の計算（1,200÷100＝12）。

つまずきやすいところ：材料の使用量も「ものさし」

速さだけでなく、1回に使う材料の量も大切な指標です。Volk と Abolhasani は、危険な物質の量が少ないほど、重大な失敗を抑え込みやすく、費用や環境への影響も小さい、と述べます事実［参考資料11］。Merck の例では、1反応あたり最小0.02 mg です事実［参考資料7］。ただし、小さくするほど、試料の不均一さや、測定のばらつきが結果に効きやすくなります（解説）。

7. 実験の流れと、人が入る場所

高スループット実験の1回の取り組み（キャンペーン）を、7つの段階に分けます。Stein と Gregoire（2019）は、材料実験のライフサイクルを図式化し、自動化がどこまで進んでいるかを整理する枠組みを提案しています事実［参考資料5］。本稿の7段階は、それを参考にした簡略な整理です。

高スループット実験の流れと、人が入る場所（本稿の整理）① 目的と範囲何を良しとし、どの変数をどの範囲で振るかを決める。② 実験の設計条件の表をつくる。対照と繰り返しを、プレート内の複数の位置に置く。③ 試料の準備分注・秤量・成膜。液体は速く、固体は難しい。④ 反応・処理加熱・攪拌・焼成など。ここが長いと全体が遅くなる。⑤ 測定速く測れる量を選ぶ（代用の指標も）。非破壊なら繰り返せる。⑥ データと解析条件・ロット・測定の設定を、一緒に記録する。⑦ 判断と確認候補を、実際の用途に近い形で確かめる（第7章）。人が入る場所①②⑦と、補給・清掃・異常の対応。※ 概念図です。段階の数・名前は説明用です。Stein と Gregoire（2019）は、材料実験のライフサイクルを図式化し、自動化の水準を整理する枠組みを提案しています。
図7　概念図（ベクター作図）。実験のライフサイクルを、本稿が7つに整理した。人が入る場所は、実例（A-Lab など）の記述にもとづく。
  • 人が入る場所は、実例で確認できます：A-Lab は、前駆体と消耗品の装填、X線回折の試料ホルダーの清掃、装置の例外の処理を人が行います事実［参考資料8］。Dai らの移動ロボットは、4日近い連続運転で、人の介入は補給と消耗品の交換だけでした事実［参考資料9］
  • 装置を人と共有する方法もあります：Dai らは、移動ロボットが合成装置（Chemspeed）、液体クロマトグラフィー質量分析計、卓上NMR をつなぎ、既存の装置を、人と共有でき、大がかりな再設計が要らない構成を示しました事実［参考資料9］
  • 薄膜の高スループット実験の例：MacLeod らの Ada は、薄膜の作製から電気測定までをロボットが行い、35サンプルのキャンペーンを30時間未満（補給の時間を含む）で行いました。1サンプルが失敗しており、これは「この装置では典型的な失敗率」と述べられています事実［参考資料10］

8. 見つけた条件を実用に近づける ― 薄膜からバルク、部品へ

高スループット実験の出力は、有望な候補と、その条件つきの測定結果です。実用に近づけるには、段階を踏んで確かめ直します。Ludwig の例を使って、整理します。

見つけた条件を、実用に近づける階段：薄膜から部品まで（Ludwig の記述にもとづく）ライブラリー（薄膜）組成を連続的に変えた薄膜を、場所ごとに測る。固有の性質（組成・結晶構造など）が分かる。個別の薄膜見つけた組成を、薄膜でつくり直して確かめる。バルク（塊）例：見つけた組成をアーク溶解でバルクにする。外的な性質（微細組織に依存）は、薄膜とバルクで異なる。部品・製品の形実際の形状・工程で、要求（強度、寿命、コスト）を確かめる。Ludwig（2019）が挙げる例・Ti–Ni–Cu–Pd の形状記憶合金：貴金属を含むためバルクの実験は費用が高く、薄膜の組成傾斜ライブラリーで、予測された「熱ヒステリシスが小さい組成」を確かめた。結果はバルクにも移せた。・Ti–Ni–Cu の薄膜：見つけた合金は、バルクでは脆いため、薄膜の形でのみ使える。※ 概念図です。段階は説明用で、すべての研究がこの順に進むわけではありません。
図8　概念図（ベクター作図）。薄膜で効率よく調べられるのは固有の性質で、外的な性質（微細組織に依存）は薄膜とバルクで違う、というのが Ludwig の整理。
  • Ti–Ni–Cu–Pd の形状記憶合金では、貴金属を含むためバルクの実験は費用が高く、薄膜の組成傾斜で、予測された組成を1回の実験で確かめ、結果はバルクにも移せました事実［参考資料4］
  • Ti–Ni–Cu の薄膜では、見つけた合金は、バルクでは脆いため、薄膜の形でのみ使えます事実［参考資料4］。薄膜でうまくいくことと、バルクや部品でうまくいくことは、別の問いです（解説）。
  • また、同じライブラリーを、異なる研究所・異なる方法で測り直して、データの質を確かめる提案があります事実［参考資料4］。

9. 素材技術者から見て

素材技術者の視点①：自社の評価が「長い・壊す・大きい」なら、二段構えにする

自社の最終の評価（長期の耐久、破壊試験、実機での試験）が、並列にできない・時間がかかるなら、高スループット実験は、速く測れる代用の指標でふるいにかける用途に使い、最終の評価は絞った候補だけに行う、という二段構えにします（本記事による解説）。このとき、代用の指標が、最終の評価と順位がそろうかを、少数の試料で先に確かめておきます。Ada の疑似移動度は、薄膜の導電と吸光という速く測れる量を使った代用指標の例です事実［参考資料10］。

素材技術者の視点②：対照と繰り返しを、プレートの複数の位置に置く

並列にすると、プレート内の位置で条件がそろわないことがあります。96ウェルのプレートでは、磁気攪拌の磁場が足りない、と報告されています事実［参考資料6］。位置による差（加熱・攪拌・蒸発の違い）を見分けるため、同じ条件の対照を、プレートの複数の位置に置き、結果の差を見ます（本記事による解説）。Volk と Abolhasani が挙げる「実験の精度」（同じ条件の繰り返しの標準偏差）は、その考え方の定量化です事実［参考資料11］。

液体の分注と粉末の扱いでは、自動化の難しさが違います。合成だけでなく、試料の移動と測定が詰まらないかも確認します。
図9　概念画像（ImageGen生成）。液体の分注と粉末の扱いでは、自動化の難しさが違います。合成だけでなく、試料の移動と測定が詰まらないかも確認します。実在の製品・施設・測定結果ではありません。拡大模型、線・矢印・色は説明用です。
素材技術者の視点③：粉・粘い物は、液体にできないかを先に考える

固体の自動化が難しい以上事実［参考資料6］、自社の工程の中に、液体（前駆体の溶液、インク、ペースト）にできる部分がないかを先に考えます。Buitrago Santanilla らが、自動化に向く条件に反応を作り替えたことは、その発想の例です事実［参考資料7］。ただし、液体にすると、最終の製品の工程と条件が変わるので、見つけた結果が実際の工程でも成り立つか（第8章）は、別に確かめます。

素材技術者の視点④：条件・ロット・測定の設定を、一緒に記録する

高スループット実験は、データが多いぶん、どの試料がどの条件でできたかが分からなくなると、価値が失われます。Ludwig は、実験と解析のデータを、メタデータとともにデータベースへ移すことを述べています事実［参考資料4］。自社では、①原料のロットと保管、②装置の設定と校正の日、③プレート内の位置、④測定の設定、⑤失敗した試料とその理由、を、試料の番号に結びつけて残します。FAIR 原則［参考資料16］は、その整理に役立ちます（本シリーズ「材料データベースとFAIR原則」編）。

10. 限界と、確認できなかったこと／まとめ

(1) 確認できなかったこと

  • Shevlin と Buitrago Santanilla らの記述は、製薬・有機化学の並列実験での経験で、無機粉体や素材の実験にそのまま当てはまるとは限りません。
  • Green らの総説（Materials Genome Initiative と高スループット実験の関係）は、要旨を確認できず、本稿では内容に立ち入っていません。
  • Xiang らと Koinuma らの内容は要旨の範囲で確認しました。本文の詳細（試料の数など）は確認していません。
  • A-Lab の訂正後の数や、批判と再評価は、本シリーズ「自律実験室」編で扱っており、本稿では繰り返していません。
  • 日本国内の高スループット実験・ロボット合成の実例は、本稿では取り上げていません。
  • 高スループット実験に特化した国際標準は、確認できませんでした。マイクロプレートの寸法の標準（ANSI/SLAS）は、2017年の再確認までを公式ページで確認し、その後の状態は確認できていません。ISO/IEC の規格本文は有料で、題名の確認にとどめています。
この記事のまとめ
  • 高スループット実験は「並列・小型・自動」で多数の試料を作り、測る方法。全組合せは数百万に達するので、並列と、探す場所を絞る手法の両方が要る本稿の計算
  • 3つの方式：組成が連続的に変わる薄膜（1平方インチに1万か所の例）、プレートの液体（1日未満に1,500超の例）、粉体を扱うロボット（17日間に353実験の例）事実
  • 液体は自動化しやすく、固体・粉体は難しい。自動化に合わせて実験の条件を変えている例がある事実
  • 速さは、長い工程と測定で決まる。理論値と実証値は違う（例：12倍の差）。薄膜で見つけた性質は、バルクで確かめ直す事実本稿の計算
  • 自社では、代用の指標でふるいにかけ、最終の評価は絞った候補だけに。対照と繰り返しを複数の位置に置き、条件・ロット・測定の設定を記録する（本記事による解説）

11. 評価・標準の読み方

高スループット実験の「ものさし」は、速さ（スループット）だけではありません。Volk と Abolhasani は、報告すべき性能として、自律の度合い、運転できた時間、スループット、実験の精度、材料の使用量、扱える条件の範囲、最適化の効率を挙げます事実［参考資料11］。このうち高スループット実験で特に大切なのは、スループット（理論上と実証）、実験の精度（同じ条件の繰り返しのばらつき）、材料の使用量です。確認日は2026年10月22日です。

評価項目代表的なベンチマーク・評価手法（名称・出典）標準・指針（ISO/IEC・公開規格など）読み方の注意
スループット理論上の値と実証した値の両方で報告（Volk と Abolhasani）。例：1,200回／時（理論）と約100回／時（実証）［参考資料11］事実確認できなかった（高スループット実験に特化した国際標準は確認していない）1回の実験の中身が違えば、数の大小は優劣を表さない
実験の精度同じ条件の繰り返しの標準偏差（Volk と Abolhasani）［参考資料11］事実ISO/IEC 17025:2017（試験所・校正機関の能力の一般要求事項）［参考資料17］事実17025 は高スループット実験向けの規格ではない。測定の不確かさや記録を考えるときの参照（本記事による解説）。本文は有料のため題名のみ確認
材料の使用量・安全総使用量と、危険な物質の量の報告（Volk と Abolhasani）。最小0.02 mg／反応の例（Buitrago Santanilla ら）［参考資料11・7］事実確認できなかった量が少ないほど、試料の不均一さや測定のばらつきの影響が増える
薄膜とバルクの対応固有の性質と外的な性質の区別、バルクでの確認（Ludwig）［参考資料4］事実確認できなかった薄膜での結果は候補。バルクや部品で確かめ直す
器具・装置の互換確認できなかったANSI/SLAS マイクロプレート規格：1-2004（R2012）外形寸法、2-2004（R2012）高さ寸法、3-2004（R2012）底面外側のフランジ寸法、4-2004（R2012）ウェルの位置、6-2012 ウェル底の高さ［参考資料13］。SiLA 2［参考資料14］、OPC 30500-1 LADS［参考資料15］事実寸法と通信の取り決めで、実験結果の正しさの基準ではない。SLAS 規格は2017年に再確認と記載（その後の状態は確認できていない）
データ確認できなかったFAIR 原則（2016）［参考資料16］事実原則であり、法的拘束力はない。条件・ロット・位置のメタデータが前提

表の整理は本稿の計算（整理）。番号・題名・状態は ISO・SLAS・SiLA・OPC Foundation の公式ページで確認（確認日 2026年10月22日）。LADS は、確認した2つのページで版の記載が分かれていたため、版は記していません。規格の本文は有料のため、題名・適用範囲にとどめ、要求事項は書いていません。

読み方の注意（素材技術者向け）

  • 「1日に○○回」は優劣ではありません：1回の実験の中身（液体を混ぜるだけか、粉を加熱するか）が違います。理論値と実証値も区別します
  • 候補と、実用の確認を区別します：薄膜・小型の結果は、候補です。バルクや部品の形での確認は、別の段階です
  • 規格は、寸法や通信の取り決めか、要求事項か、原則かを区別します：SLAS の規格は寸法、SiLA 2 と LADS は通信、ISO/IEC 17025 は試験所の能力、FAIR は原則です。どれも、高スループット実験の結果の正しさを保証しません

12. 用語集

高スループット実験（HTE）
多数の試料や条件を、並列・小型・自動で試す実験。
コンビナトリアル
成分や条件の組合せを、体系的に網羅して試す考え方。
材料ライブラリー
組成や条件を変えた多数の試料を、1つの基板やプレートに並べたもの。
組成の傾斜（組成傾斜）
基板の上で、組成が連続的に変わっていること。
共蒸着（共スパッタ）
複数の源から同時に成膜し、原子を混ぜた膜をつくる方法。
相図
組成と温度などに対して、どの相が安定かを示した図。
プレート（マイクロプレート）
小さな穴（ウェル）が格子状に並んだ容器。96ウェルなど。
分注
液体や粉を、決まった量だけ取り分けて入れること。
原液（ストック溶液）
濃い溶液をあらかじめつくっておき、薄めたり量り取ったりして使うもの。
スラリー
粉が液体に分散した、どろっとした混合物。
スループット
単位時間あたりに処理できる実験や測定の数。
律速段階
全体の速さを決めている、いちばん遅い工程。
非破壊測定
試料を壊さずに測ること。同じ試料で繰り返せる。
代用の指標
本当に知りたい量の代わりに、速く測れる量を使うこと。
固有の性質／外的な性質
組成や結晶構造で決まる性質／微細組織や形状に依存する性質。
バルク
薄膜ではない、塊の状態の材料。
アーク溶解
電気のアークで金属を溶かして、合金の塊をつくる方法。
対照
比較の基準にする、既知の条件・材料の試料。
メタデータ
データの条件・由来・設定などを説明する付随の情報。
移動ロボット
実験室の中を移動し、人と同じ装置を使うロボット。
ANSI/SLAS マイクロプレート規格
マイクロプレートの外形や、ウェルの位置などの寸法を定めた規格。
SiLA 2
実験装置を機械から制御するための公開の通信規格。
FAIR 原則
データを、見つけられ、アクセスでき、相互に使え、再利用できるようにする原則。

13. 参考資料（一次情報）

  1. Xiang X.-D. ほか "A Combinatorial Approach to Materials Discovery", Science 268, 1738–1740 (1995), DOI 10.1126/science.268.5218.1738 — doi.org/10.1126/science.268.5218.1738
  2. Koinuma H., Takeuchi I. "Combinatorial solid-state chemistry of inorganic materials", Nat. Mater. 3, 429–438 (2004), DOI 10.1038/nmat1157 — doi.org/10.1038/nmat1157
  3. Potyrailo R. ほか "Combinatorial and High-Throughput Screening of Materials Libraries: Review of State of the Art", ACS Comb. Sci. 13, 579–633 (2011), DOI 10.1021/co200007w — doi.org/10.1021/co200007w
  4. Ludwig A. "Discovery of new materials using combinatorial synthesis and high-throughput characterization of thin-film materials libraries combined with computational methods", npj Comput. Mater. 5, 70 (2019), DOI 10.1038/s41524-019-0205-0 — doi.org/10.1038/s41524-019-0205-0
  5. Stein H. S., Gregoire J. M. "Progress and prospects for accelerating materials science with automated and autonomous workflows", Chem. Sci. 10, 9640–9649 (2019), DOI 10.1039/C9SC03766G — doi.org/10.1039/C9SC03766G
  6. Shevlin M. "Practical High-Throughput Experimentation for Chemists", ACS Med. Chem. Lett. 8, 601–607 (2017), DOI 10.1021/acsmedchemlett.7b00165 — doi.org/10.1021/acsmedchemlett.7b00165
  7. Buitrago Santanilla A. ほか "Nanomole-scale high-throughput chemistry for the synthesis of complex molecules", Science 347, 49–53 (2015), DOI 10.1126/science.1259203 — doi.org/10.1126/science.1259203
  8. Szymanski N. J. ほか "An autonomous laboratory for the accelerated synthesis of inorganic materials", Nature 624, 86–91 (2023), DOI 10.1038/s41586-023-06734-w (2026年1月の訂正を反映した版) — doi.org/10.1038/s41586-023-06734-w
  9. Dai T. ほか "Autonomous mobile robots for exploratory synthetic chemistry", Nature 635, 890–897 (2024), DOI 10.1038/s41586-024-08173-7 — doi.org/10.1038/s41586-024-08173-7
  10. MacLeod B. P. ほか "Self-driving laboratory for accelerated discovery of thin-film materials", Sci. Adv. 6, eaaz8867 (2020), DOI 10.1126/sciadv.aaz8867 — doi.org/10.1126/sciadv.aaz8867
  11. Volk A. A., Abolhasani M. "Performance metrics to unleash the power of self-driving labs in chemistry and materials science", Nat. Commun. 15, 1378 (2024), DOI 10.1038/s41467-024-45569-5 — doi.org/10.1038/s41467-024-45569-5
  12. Tom G. ほか "Self-Driving Laboratories for Chemistry and Materials Science", Chem. Rev. 124, 9633–9732 (2024), DOI 10.1021/acs.chemrev.4c00055 — doi.org/10.1021/acs.chemrev.4c00055
  13. SLAS "ANSI/SLAS Microplate Standards" (公式ページ。2026年10月22日に確認) — slas.org/education/ansi-slas-microplate-standards/
  14. SiLA Consortium "SiLA 2 standard" (公式ページ。2026年10月22日に確認) — sila-standard.com/standards/
  15. OPC Foundation "Laboratory and Analytical Devices (LADS)" 作業部会のページ（仕様番号 OPC 30500-1） — opcfoundation.org/about/working-groups/view/12
  16. Wilkinson M. D. ほか "The FAIR Guiding Principles for scientific data management and stewardship", Sci. Data 3, 160018 (2016), DOI 10.1038/sdata.2016.18 — doi.org/10.1038/sdata.2016.18
  17. ISO/IEC "ISO/IEC 17025:2017 General requirements for the competence of testing and calibration laboratories" （ISO のページ） — iso.org/standard/66912.html

14. 主張と出典の対応表（監査）

本文の主張根拠区分
Xiang ら：薄膜の成膜とマスクによる固体材料のライブラリーの並列合成、BaCO₃・Bi₂O₃・CaO・CuO・PbO・SrCO₃・Y₂O₃ の組合せ、200 µm×200 µm の試料、1平方インチに1万か所、BiSrCaCuO と YBaCuO の超伝導膜の同定出典1 https://doi.org/10.1126/science.268.5218.1738事実
Koinuma と Takeuchi：組合せの方法が製薬業界で先に発達し材料科学に応用された、1回の実験で数千の組成を調べられる。Potyrailo ら：材料が複雑になると合理的な設計に限界があり、組合せと高スループットの実験が新しい知識を生む方法として認められた出典2 https://doi.org/10.1038/nmat1157
出典3 https://doi.org/10.1021/co200007w		事実
Ludwig：薄膜ライブラリー（共成膜・くさび型多層による組成傾斜、厚さ数百 nm）、微小焦点 X線回折（1 mm 未満）、メタデータとともにデータベースへ、Co–Ti–W のμ相、計算で数千の候補→10〜100の組成傾斜ライブラリー、固有の性質と外的な性質（薄膜とバルクで異なる）、Ti–Ni–Cu–Pd の例（費用・1回の実験・バルクへの移行）、Ti–Ni–Cu は薄膜でのみ使える、異なる研究所での測り直しの提案出典4 https://doi.org/10.1038/s41524-019-0205-0事実
Shevlin：100 µL・96ウェル・1ウェル10 µmol、液体は速く正確、均一な懸濁液・スラリーも分注できる、混ざらない液体は移しにくい、固体の一般的な自動の解決策は存在しない、96ウェルの磁気攪拌の磁場不足、液体ハンドリングロボットの設備投資と訓練、揮発性溶媒の蒸発損失出典6 https://doi.org/10.1021/acsmedchemlett.7b00165事実
Buitrago Santanilla ら：固体・揮発性溶媒での自動化・小型化の難しさ、自動化に向く反応（DMSO・室温）、1,500を超える実験を1日未満で、1反応あたり最小0.02 mg出典7 https://doi.org/10.1126/science.1259203事実
A-Lab：17日間・353実験、4つの箱型炉、保持4時間、粉体の性質の違い、自動の天びん・エタノールとジルコニア球による混合、前駆体の粉末（ボトルに50〜100 g）と消耗品の人手の装填、X線回折の試料ホルダーの清掃、装置の例外の処理出典8 https://doi.org/10.1038/s41586-023-06734-w事実
Dai ら：移動ロボット、Chemspeed 合成装置・液体クロマトグラフィー質量分析計・卓上NMR、既存の装置を人と共有、ほぼ4日間の連続運転で人の介入は補給と消耗品のみ。Ada：35サンプルを30時間未満（補給を含む）、1サンプルが失敗（典型的な失敗率）、疑似移動度出典9 https://doi.org/10.1038/s41586-024-08173-7
出典10 https://doi.org/10.1126/sciadv.aaz8867		事実
Volk と Abolhasani：スループットは反応時間・並列化・測定の速さに左右される、非破壊測定、理論上と実証の両方で報告、1,200回／時（理論）と約100回／時（実証）、材料の使用量（危険な物質の量・費用・環境）、実験の精度（同条件の繰り返しの標準偏差）、7つの性能の指標。Stein と Gregoire：材料実験のライフサイクルの枠組みと自動化の水準。Tom ら：SDL のレビュー出典11 https://doi.org/10.1038/s41467-024-45569-5
出典5 https://doi.org/10.1039/C9SC03766G
出典12 https://doi.org/10.1021/acs.chemrev.4c00055		事実
ANSI/SLAS マイクロプレート規格 1-2004（R2012）・2-2004（R2012）・3-2004（R2012）・4-2004（R2012）・6-2012 の番号と題名、2017年6月に再確認と記載。SiLA 2：実験装置の公開の通信規格。OPC 30500-1 LADS：実験・分析装置の OPC UA 情報モデル。FAIR 原則（2016）。ISO/IEC 17025:2017 の題名・状態出典13 https://www.slas.org/education/ansi-slas-microplate-standards/
出典14 https://sila-standard.com/standards/
出典15 https://opcfoundation.org/about/working-groups/view/12
出典16 https://doi.org/10.1038/sdata.2016.18
出典17 https://www.iso.org/standard/66912.html		事実
3¹⁰＝59,049、59,049÷24÷365 ≒ 6.7年、2¹⁰＝1,024、5¹⁰＝9,765,625。3成分の格子点（10%刻み66、5%刻み231、1%刻み5,151）、4成分（286、1,771）。25.4 mm÷100 ≒ 0.25 mm。1,200÷100＝12本稿の計算（Python）本稿の計算
Green らの総説の内容、Xiang らと Koinuma らの本文の詳細、日本国内の実例、ANSI/SLAS 規格の2017年以降の状態、高スループット実験に特化した国際標準本稿の調査範囲でアクセスできた一次情報では確認できなかったため記載していない解説
「ロボットに合わせて実験の条件を変えている」「液体にできないか先に考える」「代用の指標でふるいにかけ最終評価は絞った候補だけに」「対照と繰り返しを複数の位置に置く」「条件・ロット・測定の設定を試料の番号に結びつける」「薄膜は候補を絞る道具」という読み取り公表内容にもとづく本記事の整理・解説。各研究者や機関が表明した見解ではない解説
図2・図6が計算を含む作図、図3・図4・図5・図7・図8が概念図であること。図1・図9がImageGen生成の概念画像であること。図4の色・格子と図5・図8の棒の長さが説明用であること本記事による注記解説

最終更新：2026年10月22日／出典は一次情報（査読論文、規格団体・標準化機関の公式ページ）に限定しています。数値例は本稿の計算で、実際の実験の結果ではありません。Green らの総説の内容、Xiang らと Koinuma らの本文の詳細、日本国内の実例、ANSI/SLAS 規格の2017年以降の状態、高スループット実験に特化した国際標準については、確認できなかったため記載していません。図1と図9はImageGen生成の概念画像で、ほかの図は説明用の概念図または計算を含む作図です。