登壇者

概要

マテリアルズ・インフォマティクス（MI）やプロセス・インフォマティクス(PI)といった機械学習を活用した研究開発が進む中、「配合比やプロセス条件といった既存の数値データ（構造化されたデータ）だけでは、期待したように特性の予測や最適化が進まない」といった課題に直面していませんか？

材料の最終的な特性（強度、導電性、粘着力など）は、単なる入力条件だけでなく、その結果として形成される「微細構造」や「分散状態」に大きく依存します。しかし、これらを捉える電子顕微鏡画像等の非構造データは、未活用のまま眠っているか、属人的な目視評価にとどまっており、MI/PIの特徴量として機械学習に組み込むことが困難でした。

本ウェビナーでは、この「構造化データのみの機械学習解析」が抱える限界を突破し、画像データを活用することで材料開発に新たなアプローチをもたらす実践的な手法をご紹介します。

独自のアルゴリズムを備えた画像解析AI「GeXel（KNiT社）」と、データ管理・AI解析プラットフォーム「Polymerize Labs（Polymerize社）」を組み合わせることで、最新のAIを活用した高精度かつ高速な画像解析から、機械学習による条件最適化までを一気通貫でつなぐ実践的なワークフローを公開します。

フィラーの分散・凝集状態、フィルムの表面欠陥、粘着剤の剥離・糊残りモードなど、これまで感覚的・定性的にしか評価できなかった事象を、最新の画像解析技術によって「客観的かつ高精度な数値（特徴量）」へと高速で変換します。その定量データをAI解析プラットフォームに取り込み、既存の配合データ等と掛け合わせて機械学習モデルを生成することで、これまで見えなかった「構造と特性の関係性」を明らかにし、より高精度に目標特性を導き出す最適化・逆解析の手法を、具体的なユースケースを交えて解説します。

既存のアプローチに限界を感じている方、画像解析を連携させて材料設計・プロセス開発を実用レベルで引き上げたい研究開発・生産技術部門、およびMI/PI推進担当者の皆様は、ぜひご参加ください。

＼こんな方におすすめ／

　・既存のMI/PIに限界を感じている方
　　配合比やプロセス条件といった「数値データ」だけの機械学習では、予測精度や最適化が頭打ちになっていると感じる方
 

KNiT株式会社
代表取締役　窪内 将隆　博士(工学)

東北大学応用物理学専攻で第一原理計算を用いて熱電材料を探索。その後、産総研で熱電発電モジュールの開発に従事。大手化学メーカーに就職後、研究所にてAIを用いて無機粉体の性能向上(インフォマティクス)に務める他、経営企画部として製造現場の条件最適化を行うなどDXを推進。退職後に株式会社KNiTを創業し、研究者のルーティンワークを90%削減するサービス「GeXeL(ジクセル)」を展開している。

POLYMERIZE合同会社

テクニカルカスタマーサクセス    橋本光

応用化学修士（有機合成・物性研究）。前職の自動車部品メーカーでは、5年以上ゴムの研究開発を担当し、ゴム中の化学反応の分析結果を配合設計にフィードバックする業務に従事。 配合検討において、原料の多様さとそれに伴う膨大な試作回数に直面し、開発の効率化の必要性を痛感。マテリアルズ・インフォマティクスの可能性に着目する。現在はPolymerizeに所属して、実務経験に基づいたサポートを強みに、機械学習を含むDXツールの活用を推進している。

お問い合わせ　contact_jp@polymerize.io

画像解析AI × MI解析で生み出す材料開発ブレークスルー
画像データを活用したAI駆動型アプローチの実践