本記事では、材料探索におけるAI推薦システムの基本的な考え方と手法を解説します。従来の評価関数に基づく最適化では捉えきれない「研究者の直感」や「多様な要件」に対応するため、コンテンツベースフィルタリング​（材料の特徴に基づく提案）や協調フィルタリング​（選択履歴に基づく推薦）を活用します。さらに、専門家の判断をリアルタイムに反映するExpert-in-the-loop型フレームワークを紹介し、ポリマー設計での実用例を示します。課題としてCold Start問題や説明性の不足も指摘しつつ、LLM活用など今後の展望を議論した。材料開発の効率化と創造性向上に寄与する推薦システムの可能性を探ります。