マテリアルズインフォマティクス:材料開発

マテリアルズインフォマティクス技術を用いて、材料開発期間の短縮、コスト低減をサポートします。機械学習技術を用いたデータ駆動型の材料開発だけでなく、特性向上メカニズムの解明までサポート致します。是非ご利用下さい。

材料開発のトライ&エラーでお困りではないでしょうか

・最適化するパラメータが多すぎる… ・色んな組み合わせを試したいけど、時間と費用が足りない… ・実験⇔評価の繰り返しだけでは、性能が良くなる兆しが見えない… 「材料設計製造条件設計→材料試作→特性評価」の繰り返しではないですか?

このようなお困り事はございませんでしょうか?
プロダクト解析センターで独自開発した機械学習モデルを用いて
材料開発期間の短縮、コスト低減をサポートします。

【実際の流れ】材料データ(製造時の入力パラメータ:・原料成分比(mol/%) ・焼成温度(℃) ・プレス圧力(Pa)など 電気容量(nF) ・抵抗値(Ω)など)→ データINPUT → データ分析・予測(AI:材料分析ビックデータに基づく独自アルゴリズム) を、プロダクト解析センター → ・材料特性の予測結果 ・所望の特性を満たす製造条件候補 → お客様 
実際の流れ

マテリアルズインフォマティクス技術の特徴

ポイント 技術ポイント① データ駆動型実験計画による材料設計

材料開発において、原料成分比、焼結温度、昇温時間などパラメータの組み合わせは無限にあり、全ての組み合わせを実験することは到底不可能です。そこで、機械学習の1つであり、説明変数の最適化に有効な「ベイズ最適化」を用いたMI技術を開発しました。無限にある組み合わせの中から、特性が期待できるものをMIで導出し、実験(合成)して評価するというサイクルを回します。

【実験(合成)して評価するサイクル】機械学習 → 候補を提示 → 実験・評価 → フィードバック → 機械学習

その結果、従来では60回実験を行い到達した特性値を約20で到達した事例や、50回が10となる事例もあり、より効率的に素早く最適解を見つけることが可能です。

ポイント 技術ポイント② 特性向上のメカニズム解明までサポート

データ駆動型の材料開発では、機械学習モデルがブラックボックスとなるため、プロセス改善により何故特性が向上したのかわからないといったケースが多くなります。
そこで、我々は以下のような各パラメータが特性向上に及ぼす寄与度を可視化する技術を用い、メカニズム解明に役立てています。

寄与度のパラメータ図

また、豊富な経験を持つ無機分析・有機分析技術者がサポートしているため、メカニズム解明に必要な材料分析の提案もさせて頂くことができます。