Aazos 針對 SPReAD 申請者啟動「Multi-Sigma®」活用支援：少量數據與無程式碼優化實驗條件，支援專利連鎖分析
株式会社 Aazos 針對文部科學省「SPReAD」計畫的申請研究者提供專門支援。利用無程式碼 AI 平台「Multi-Sigma®」，提供從申請書撰寫到採納後為期 6 個月的研發優化一站式服務。
📋 文章處理履歷
- 📰 發表: 2026年4月28日 23:26
- 🔍 收集: 2026年4月28日 15:02
- 🤖 AI分析完成: 2026年4月28日 15:10（收集後8分鐘）
■ 本次發佈的重點
針對 SPReAD 申請者的 AI 活用支援
Aazos 為研究人員提供從申請書撰寫到採納後 AI 環境建構的一貫支援。
配合研究期間的活用與申請要求對應
配合約 6 個月的研究計畫，階段性地支援 AI 活用，特別是針對「AI 技術細節（Know-how）的提取與共享」這一申請要求提供機制與撰寫支援。
Aazos 株式会社（茨城縣筑波市，代表取締役社長 河尻耕太郎）針對考慮申請文部科學省「透過 AI for Science 實現科學研究革新計畫：AI for Science 萌芽式挑戰研究創出事業（SPReAD）」（第一回公募截止：2026年5月18日，第二回公募預計於 6 月上旬）的研究人員，開始提供活用少量數據、無程式碼研發 AI 分析平台「Multi-Sigma®」的個別支援。從採納後所需的 AI 分析環境建構，到申請書的特徵記載項目「AI 技術細節提取與共享的實現計畫」，提供全方位支援。
■ 背景：單靠計算環境無法推動研究
SPReAD 是一項每項課題最高 500 萬日圓、每年約 1,000 件規模的研究支援制度，研究期間為採納後至 2027 年 1 月 6 日止的約 6 個月。該計畫廣泛針對所有領域的實驗研究者，也為首次正式將 AI 應用於研究的研究者敞開大門。
確保雲端計算資源是重要的第一步，但要真正推動研究，需要直接介入研究過程，例如「選擇符合主題的 AI 方法」、「從少量數據進行預測」、「提議下一次應嘗試的實驗條件」。Aazos 透過提供 Multi-Sigma® 的活用支援來彌補這一差距。
■ Multi-Sigma®：由實驗研究者為實驗研究者開發的 AI 分析平台
Multi-Sigma® 是一個在雲端提供預測、貝葉斯優化、多目標優化、要因分析、連鎖分析及實驗設計的無程式碼研發 AI 分析平台。創辦人河尻耕太郎在產總研經歷了 18 年的實驗研究，基於在博士課程中使用等離子裝置進行納米微粒子製造研究（7 個參數、1,000 萬種條件空間、多目標權衡）時面臨的挑戰，開發了 Multi-Sigma® 的雛形。
主要功能：
少量數據對應：透過高斯過程回歸與神經網路，在實驗數據有限的階段即可進行預測與優化。
無須程式開發：研究人員本人在採納當天即可開始操作。
貝葉斯優化：AI 提議「下一次應嘗試的實驗條件」，提高探索效率。
多目標優化：同時解決相互競爭的設計要求（如強度與輕量化、產率與純度）。
連鎖分析（國際專利申請中）：全球首個實現跨多個實驗過程因果結構分析的無程式碼商用平台。
AI 共享功能：在平台上公開與共享訓練好的模型，其他用戶可直接利用該模型。
實驗設計功能：從有限的實驗次數中提取最大資訊。
自 2021 年發佈以來，Multi-Sigma® 已被超過 380 家企業與大學採用，在材料、醫藥、機械、農業、醫療及社會科學等領域建立了穩固地位，促進了跨領域與組織間的協作。
■ 如何利用 Multi-Sigma® 執行 6 個月的研究計畫
階段 1（第 1-2 個月）：研究設計與初期數據收集
根據研究目的建立實驗設計，獲取實驗數據。
階段 2（第 3 個月）：模型建構、精度驗證與優化
使用現有數據建構預測模型，進行精度驗證，並透過要因分析探索最佳解。
階段 3（第 4-5 個月）：最佳條件驗證與追加數據收集
驗證最佳解，並進行追加數據的收集與再分析。
階段 4（第 6 個月）：成果總結與技術細節整理
撰寫論文並整理技術見解以便共享。
針對 SPReAD 申請者的 AI 活用支援
Aazos 為研究人員提供從申請書撰寫到採納後 AI 環境建構的一貫支援。
配合研究期間的活用與申請要求對應
配合約 6 個月的研究計畫，階段性地支援 AI 活用，特別是針對「AI 技術細節（Know-how）的提取與共享」這一申請要求提供機制與撰寫支援。
Aazos 株式会社（茨城縣筑波市，代表取締役社長 河尻耕太郎）針對考慮申請文部科學省「透過 AI for Science 實現科學研究革新計畫：AI for Science 萌芽式挑戰研究創出事業（SPReAD）」（第一回公募截止：2026年5月18日，第二回公募預計於 6 月上旬）的研究人員，開始提供活用少量數據、無程式碼研發 AI 分析平台「Multi-Sigma®」的個別支援。從採納後所需的 AI 分析環境建構，到申請書的特徵記載項目「AI 技術細節提取與共享的實現計畫」，提供全方位支援。
■ 背景：單靠計算環境無法推動研究
SPReAD 是一項每項課題最高 500 萬日圓、每年約 1,000 件規模的研究支援制度，研究期間為採納後至 2027 年 1 月 6 日止的約 6 個月。該計畫廣泛針對所有領域的實驗研究者，也為首次正式將 AI 應用於研究的研究者敞開大門。
確保雲端計算資源是重要的第一步，但要真正推動研究，需要直接介入研究過程，例如「選擇符合主題的 AI 方法」、「從少量數據進行預測」、「提議下一次應嘗試的實驗條件」。Aazos 透過提供 Multi-Sigma® 的活用支援來彌補這一差距。
■ Multi-Sigma®：由實驗研究者為實驗研究者開發的 AI 分析平台
Multi-Sigma® 是一個在雲端提供預測、貝葉斯優化、多目標優化、要因分析、連鎖分析及實驗設計的無程式碼研發 AI 分析平台。創辦人河尻耕太郎在產總研經歷了 18 年的實驗研究，基於在博士課程中使用等離子裝置進行納米微粒子製造研究（7 個參數、1,000 萬種條件空間、多目標權衡）時面臨的挑戰，開發了 Multi-Sigma® 的雛形。
主要功能：
少量數據對應：透過高斯過程回歸與神經網路，在實驗數據有限的階段即可進行預測與優化。
無須程式開發：研究人員本人在採納當天即可開始操作。
貝葉斯優化：AI 提議「下一次應嘗試的實驗條件」，提高探索效率。
多目標優化：同時解決相互競爭的設計要求（如強度與輕量化、產率與純度）。
連鎖分析（國際專利申請中）：全球首個實現跨多個實驗過程因果結構分析的無程式碼商用平台。
AI 共享功能：在平台上公開與共享訓練好的模型，其他用戶可直接利用該模型。
實驗設計功能：從有限的實驗次數中提取最大資訊。
自 2021 年發佈以來，Multi-Sigma® 已被超過 380 家企業與大學採用，在材料、醫藥、機械、農業、醫療及社會科學等領域建立了穩固地位，促進了跨領域與組織間的協作。
■ 如何利用 Multi-Sigma® 執行 6 個月的研究計畫
階段 1（第 1-2 個月）：研究設計與初期數據收集
根據研究目的建立實驗設計，獲取實驗數據。
階段 2（第 3 個月）：模型建構、精度驗證與優化
使用現有數據建構預測模型，進行精度驗證，並透過要因分析探索最佳解。
階段 3（第 4-5 個月）：最佳條件驗證與追加數據收集
驗證最佳解，並進行追加數據的收集與再分析。
階段 4（第 6 個月）：成果總結與技術細節整理
撰寫論文並整理技術見解以便共享。