적은 수의 실험에서도 다목적이고 정확한 AI 예측 기술의 개발
-Asahi Kasei, Mitsubishi 토토 랜드, Mitsui 토토 랜드 및 Sumitomo 토토 랜드 Advance DX와 함께

OCT. 25, 2021

Abstract

NIMS, Asahi Kasei, Mitsubishi 토토 랜드, Mitsui 토토 랜드s 및 Sumitomo 토토 랜드은 화학 재료 오픈 플랫폼 프레임 워크를 사용하여 재료 특성의 기계 학습 기반 예측의 정확성을 증가시킬 수있는 AI 기술을 개발했습니다 (예 : 강도, 영국인). 이 기술은 폴리머를 포함한 다양한 재료의 개발을 신속하게 할 수 있습니다.

재료 정보 연구 연구는 컴포지션 및 가공 매개 변수 (예 : 온도 및 압력)를 기반으로 관심있는 재료의 물리적 특성을 예측하기 위해 기계 학습 모델을 익히는 것입니다. 이 접근법은 재료 개발을 가속화했습니다. 재료의 물리적 특성이 사후 처리 미세 구조에 의해 크게 영향을받는 것으로 알려진 경우, 미세 구조 관련 데이터 (예를 들어, XRD (X-Ray Diffraction) 및 차등 스캐닝 칼로리 측정 (DSC) 데이터를 통합하여 모델의 속성 예측 정확도를 효과적으로 개선 할 수 있습니다. 그러나 이러한 유형의 데이터는 실제로 분석 된 처리 된 재료로만 얻을 수 있습니다. 이러한 분석 외에도 예측 정확도를 향상하려면 사전 결정된 매개 변수 (예 : 재료 조성물)가 필요합니다.

이 연구 그룹은 제작을위한 잠재적으로 약속 된 재료 후보를 먼저 선택한 다음 XRD, DSC 및 소수의 실제로 합성 된 재료로부터 얻은 다른 측정 데이터를 사용하여 물리적 특성을 정확하게 예측할 수있는 AI 기술을 개발했습니다. 이 기술은 베이지안 최적화 및 기타 방법을 사용하여 후보 재료를 선택하고 측정 데이터를 기계 학습 모델로 인코딩하면서 AI 기반 선택 프로세스를 반복합니다. 이 기술의 효과를 확인하기 위해 그룹은 폴리올레핀의 물리적 특성을 예측하는 데 사용했습니다. 결과적으로,이 기술은 후보 재료가 무작위로 선택된 방법보다 실제로 합성 된 재료의 작은 샘플 세트로 기계 학습 모델의 재료 특성 예측 정확도를 향상시키는 것으로 밝혀졌습니다.

이 예측 정확도 개선 기술을 사용하면 재료의 구조와 물리적 특성 사이의 관계를보다 철저하게 이해할 수 있으며, 이는 재료 특성의 기본 원인과보다 효율적인 재료 개발 지침의 공식에 대한 투자를 지원할 수 있습니다. 또한,이 기술은 폴리올레핀 및 기타 폴리머 외에 광범위한 재료의 개발에 적용될 것으로 예상되어 재료 개발에서 디지털 변환 (DX)을 촉진한다.

이 프로젝트는 Ryo Tamura (선임 연구원, NIMS), Takashi Nakanishi (그룹 리더, NIMS), Masahiko Demura (NIMS 감독), Yuki Takei (Asahi Kasei Corporation의 최고 연구원), Shinichi Imai (Princial Chemica), Mitubishi Corporation, Mitsubishi Corporation에 의해 수행되었습니다. (연구원, Mitsui 토토 랜드s, Inc.) 및 Satoshi Shibata (연구원, Sumitomo 토토 랜드 Co., Ltd.).

이 연구는 2021 년 9 월 28 일, 일본 시간에 대한 과학 및 기술의 온라인 버전에 발표되었습니다.

연락처

일반적인 문의 사항