東京大學、物質材料研究機構(NIMS)等日本國內25所大學與研究機構預計將於9月前有償公開約100萬筆有助於電池、半導體等各類材料開發的實驗數據。此舉將形成全球規模最大的公開實驗資料庫，日本期藉此加速材料開發，提升在汽車與化學產業的國際競爭力。以往材料開發主要仰賴研究人員的知識與經驗反覆進行實驗與試作，以提升性能。但自2010年代起，透過人工智慧(AI)學習大量數據、探索最佳實驗條件的趨勢日益加速。
利用AI探索新材料的方法稱之為「材料資訊學(Materials Informatics; MI)」，特徵在於可省略不必要的實驗、提升開發效率。2011年，當時的美國總統歐巴馬提出相關計畫，並在5年間投入約5億美元，成為MI發展的起點。歐洲與日本也陸續展開類似研究，但多以電腦模擬(模擬實驗)所得數據為主，尚未充分活用能直接反映材料性能的實驗數據。造成這種情況的主因在於企業與大學等研究機構將這些數據視為自有技術，選擇封閉管理、避免對外公開。
為此，日本文部科學省自2021年度起展開一項計畫，蒐集全國25所大學與研究機構擁有之最先進儀器所產生的實驗數據。除了NIMS、東京大學之外，京都大學、東北大學、名古屋大學、產業技術綜合研究所(AIST)、自然科學研究機構(NINS)、量子科學技術研究開發機構(QST)等也參與其中。各機構所擁有大約1,100台電子顯微鏡與質譜分析儀等設備，亦已有償開放給企業、其他大學及研究機構使用。
文部科學省自2023年度起開始進行材料數據(Material Data)的收集與儲存，截至2025年2月上旬，已從約4,000名使用者收集到約100萬筆數據檔案。這些數據內容包含素材、電池材料的顯微鏡影像、質譜分析儀的解析結果，以及加工溫度、加熱時間之類的實驗條件等材料開發所需的重要資訊。此外，實驗時的日期、溫度、壓力等項目也已標準化，以便AI能更容易學習與分析。
企業可透過此平台以較低的設備投資成本使用最先進的研究與分析設備，且將使用這些設備所獲得的加工、分析、合成等實驗數據登錄為「材料數據」，即可享有更低的使用費用。對企業而言，無須自行購置昂貴設備即可使用先進研究儀器是一大優點。提供設備的大學與研究機構也同時提供分析與合成的操作訓練與技術支援，因此使用者持續增加。
具體的企業應用方面，例如利用顯微鏡拍攝的圖像讓AI判斷鋰離子電池電極的劣化狀況，進而研發出壽命更長的電池；或是利用AI分析半導體的導電性能與加工溫度等實驗條件之間的關係，即可大幅縮短優異半導體的開發時間。此次收集了約100萬筆數據，預計於9月底前對日本的企業與研究機構公開。以規模而言，將會是全球最大等級的公開實驗數據資料庫。數據資料的使用費用等細節尚在討論中。NIMS表示：「能夠如此廣泛地收集實驗數據的國家，全球唯一僅有」。關於數據的使用，預計將設立專用網站提供申請。