MI-6株式会社の【Internship】Research Data Scientist / Research Engineerの求人

About MI-6 / MI-6について

We aim to transform R&D by making Materials Informatics widely accessible and by creating a new research experience where digital and physical processes are deeply connected.

MI-6は、「“マテリアルズ・インフォマティクス”を普及し、研究開発を革新する」をミッションに、デジタルとフィジカルが融合した新しい研究開発体験の実現を目指しています。

Our core solutions include:

MI-6では、主に以下の3つのソリューションを提供しています。

• miHub®, an MI platform that manages research data and context to accelerate hypothesis testing
  研究データと文脈を統合管理し、仮説検証を加速するMIプラットフォーム「miHub®」

• Hands-on MI®, where our data scientists work directly with materials researchers from problem discovery to predictive modelling
  データサイエンティストが材料開発者と協働し、課題探索から予測モデル構築までを担う「Hands-on MI®」

• Lab Automation, which connects experimental equipment, measurement systems, and data infrastructure to extend physical R&D processes through software
  実験装置・計測系・データ基盤を結びつけ、研究のフィジカルプロセスをソフトウェアで拡張する「Lab Automation」

By integrating these capabilities, we enable researchers to move fluidly between data, experiments, and algorithms, creating an environment where ideas can be tested and refined more effectively.

これらを単体の技術としてではなく、統合された研究開発体験として提供することで、研究者がデータ、実験、アルゴリズムを自由に行き来しながら発想・検証できる環境を実現しています。

---

Example Internship Themes / インターンシップで取り組むテーマ例

Internship themes will be designed based on your interests, skills, and background. Example themes include:

応募者の関心やスキルに応じて、以下のようなテーマを設定します。

1. Research Data Analysis / 研究データ解析

• Integrated analysis of experimental data, measurement data, and research context in materials development projects
  材料開発プロジェクトにおける実験データ・計測データ・研究文脈の統合解析

• Feature engineering, time-series analysis, and image data processing
  特徴量設計、時系列データ解析、画像データ処理

• Visualisation and model validation to support hypothesis generation and decision-making
  仮説生成や意思決定を支援する可視化・モデル検証

• Interpretation of experimental results, reliability assessment, and uncertainty analysis
  実験結果の解釈、信頼性評価、不確実性の分析

2. AI and Algorithm Development for Materials R&D / 材料開発を加速するAI・アルゴリズム開発

• Implementation of Bayesian optimisation, machine learning models, and uncertainty estimation
  ベイズ最適化、機械学習モデリング、不確実性推定の実装

• Feature engineering for materials and chemical data
  材料・化学データに適した特徴量設計

• Model development using computational science simulations and physical/chemical domain knowledge
  計算科学シミュレーションや物理化学的知見を活用したモデル開発

• Use of LLMs for structuring research context, supporting experimental design, and extracting knowledge
  LLMを用いた研究文脈の構造化、実験計画支援、知識抽出

3. Lab Automation and Experimental Data Infrastructure / ラボオートメーション・実験データ基盤開発

• Development of software that connects experimental equipment, measurement systems, and data infrastructure
  実験装置、計測機器、データ基盤を接続するソフトウェア開発

• Automated collection and structuring of experimental logs, measurement data, and metadata
  実験ログ、計測データ、メタデータの自動収集・構造化

• Design of researcher-friendly experimental workflows and data entry experiences
  研究者が使いやすい実験ワークフロー・データ入力体験の設計

• Development of mechanisms that connect AI and optimisation algorithms with physical experimentation
  AIや最適化アルゴリズムと実験プロセスを接続する仕組みの開発

---

Selection Process / 選考フロー

The selection process consists of document screening followed by one interview.

書類選考後、面接を1回実施します。

Application Materials / 提出資料

Please submit any relevant materials that demonstrate your experience and skills, such as:

応募時には、以下のうち可能なものを添付してください。

• Resume or CV
  履歴書またはCV

• Research achievements, papers, or presentation materials
  研究実績、論文、発表資料

• Technical slides or portfolio
  技術スライド、ポートフォリオ

• GitHub, technical blog, OSS contributions, or links to development outputs
  GitHub、技術ブログ、OSS活動、開発成果物のURL

• Any other materials that show your past work
  その他、これまでのアウトプットが分かる資料

References / 参考情報

• Careers / 採用サイト: https://recruit.mi-6.co.jp/
• miHub® Product Site / MIプラットフォーム miHub® 製品サイト: https://mihub.mi-6.co.jp/

MI-6のインターンシップは、純粋なアカデミックリサーチだけを行う場ではありません。研究開発の現場に入り込み、実用化につながる技術をつくり、顧客価値を生み出し、次世代のR&Dワークフローを形にしていくことに情熱を持つ方に向いています。

This internship is not designed as a purely academic research programme. It is suited for people who want to build practical technologies, create customer value, and shape next-generation R&D workflows in real industrial settings.

特に、以下のような方を歓迎します。

We especially welcome candidates who:

• 研究・技術を社会実装や顧客価値につなげることに関心がある方

• 化学・材料、AI、ソフトウェア、実験の境界領域に挑戦したい方

• 未整理な課題に対して、自ら仮説を立て、検証し、前に進めることが好きな方

• 新しい技術や未知の領域を学び続けることを楽しめる方

• 自分と異なる専門性や考え方を尊重し、チームで成果を出せる方

• 分からないことを抱え込まず、積極的に相談・議論できる方

• 完璧な正解を待つよりも、実験し、改善し、価値あるアウトプットを出すことを重視できる方

• Are interested in connecting research and technology to real-world implementation and customer value

• Want to work across the boundaries of chemistry, materials science, AI, software, and experimentation

• Enjoy formulating and testing hypotheses in ambiguous problem settings

• Are motivated to keep learning new technologies and unfamiliar domains

• Respect different areas of expertise and ways of thinking, and can work effectively in a team

• Can proactively ask questions, discuss ideas, and seek feedback

• Prefer experimentation, iteration, and concrete output over waiting for perfect answers

以下のいずれか、または複数の経験・スキルを歓迎します。

We welcome candidates who have one or more of the following skills or experiences:

• データサイエンス、統計学、機械学習、数理最適化などを用いた研究・開発経験

• Python等を用いたデータ解析・機械学習プログラムの実装経験

• 自然科学、特に化学・材料分野に対する強い関心

• データとアルゴリズムを用いて、実世界の研究開発課題を解くことへの関心

• 自ら仮説を立て、検証し、アウトプットまで進める力

• Experience in research or development using data science, statistics, machine learning, or mathematical optimisation

• Programming experience for data analysis or machine learning, preferably using Python

• Strong interest in natural sciences, especially chemistry or materials science

• Interest in solving real-world R&D problems using data and algorithms

• Ability to formulate hypotheses, test them, and produce concrete outputs

以下の経験をお持ちの方を特に歓迎します。

The following experiences are especially welcome:

• 化学・材料分野における研究・開発経験

• 計算化学、材料シミュレーション、物性予測、プロセス開発などの経験

• AI・機械学習モデルの開発経験

• ベイズ最適化、不確実性推定、実験計画法などの実装経験

• LLM、RAG、エージェント、自然言語処理を用いた開発経験

• ラボオートメーション、実験装置制御、計測システム、IoT、ロボティクスに関する開発経験

• Webアプリケーション、データベース、API、クラウド基盤などのソフトウェア開発経験

• 技術的アウトプット（GitHub、論文、技術ブログ、OSS、研究発表など）を通じて、自身の取り組みや成果を発信した経験

• Research or development experience in chemistry or materials science

• Experience in computational chemistry, materials simulation, property prediction, or process development

• Experience developing AI or machine learning models

• Implementation experience in Bayesian optimisation, uncertainty estimation, or experimental design

• Development experience using LLMs, RAG, agents, or natural language processing

• Experience in lab automation, experimental equipment control, measurement systems, IoT, or robotics

• Software development experience with web applications, databases, APIs, or cloud infrastructure

• Experience sharing technical work or outcomes through GitHub repositories, papers, technical blogs, OSS contributions, or research presentations