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

10 월 25 일

초록

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 높일 수있는 AI 기술을 개발했습니다 (예 : G., 강도, Brittlences). 소수의 실험만으로 얻은 재료 구조 데이터를 효율적으로 사용하면 다양한의 개발이 신속해질 수 있습니다 폴리머를 포함한 재료.

재료 정보 연구는 컴포지션 및 가공 매개 변수를 기반으로 관심있는 재료의 물리적 특성을 예측하기위한 기계 학습 모델을 이용합니다 (예 : 온도 및 압력). 사후 처리 미세 구조에 영향을 받아 모델의 속성 예측 정확도는 통합하여 효과적으로 개선 될 수 있습니다. 그러나 미세 구조 관련 데이터 (예를 들어, X- 선 회절 (XRD) 및 차등 스캐닝 열량 측정 (DSC)은 이러한 유형의 데이터를 분석하여 예측을 개선 할 수 있습니다 정확도는 사전 결정된 매개 변수 (예 : 재료 구성)가 필요합니다.

이 연구 그룹은 제작을위한 잠재적으로 약속 된 재료 후보를 먼저 선택한 다음 XRD, DSC 및 소수의 합성 재료만으로 얻은 다른 측정 데이터를 정확하게 예측할 수있는 AI 기술을 개발했습니다 베이지안 최적화 및 기타 방법을 사용하는 재료 및 AI 기반 선택 프로세스를 반복하면서 측정 데이터를 기계로 인코딩합니다. 학습 모델. 기술의 효과를 확인하기 위해이 그룹은 폴리올레핀의 물리적 특성을 예측했습니다. 후보자 자료가 무작위로 선택된 방법.

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 공식을 지원할 수 있습니다. 이 기술은 폴리올레핀 및 기타 폴리머 외에 광범위한 재료의 개발에 적용될 것으로 예상되므로 디지털을 촉진합니다. 재료 개발의 변환 (DX).

이 프로젝트는 Ryo Tamura (수석 연구원, NIMS), Takashi Nakanishi (그룹 리더, NIMS), Masahiko Demura (NIMS 감독, NIMS), Yuki Takei (Asahi Kasei Corporation), Shinichiro Imai (Principal)에 의해 수행되었습니다. 과학자, Mitsubishi 토토 랜드 Corporation, Maki Nakahara (연구원, Mitsui 토토 랜드s, Inc.) 및 Satoshi Shibata (연구원, 연구원, Sumitomo 토토 랜드 Co., Ltd.).

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

연락처

일반 문의