登壇者

概要

「配合・設計値・原料名だけでは、化学的な違いをモデルに十分載せにくい」「予測は出ても、現場の判断材料にしにくい」——データ駆動型の材料開発でよく聞く声です。
以前からご利用いただけるメタデータモデリングとは異なる切り口として、構造・組成から特徴量を導くSMILES・MagPieで、モデルの解釈性を高める考え方と使い分けをご紹介します。
目的に応じた比較・検証のポイントにも触れたうえで、自社の材料・データに合う入口かどうかの判断材料をお持ち帰りいただくことを目指します。

＼こんな方におすすめ／

  • モデルの予測を、化学的な説明や現場の判断に結びつけたい方
  • 実験点数や原料バリエーションが限られているが、データ駆動型の開発を進めたい方
  • 配合表・設計値以外に、構造や組成の情報をモデルに載せる方法を知りたい方
  • SMILES や MagPie の違いと、自社の材料系にどちらが向くか判断したい方
  • 原料のメタデータ（グレード・カテゴリ等）と併用し、構造・組成の入口も整理したい

お問合せ　contact_jp@polymerize.io

設計値・配合だけに留まらないデータ駆動型開発 ー SMILES・MagPie

ウェビナー動画をご希望の方は下記よりご登録ください

申し込みが完了すると動画閲覧ページに遷移します

- ご登録フォーム -

プライバシーポリシー

POLYMERIZE合同会社
テクニカルカスタマーサクセス    藤田 雅大

外資系化学メーカーにて高分子材料および触媒分野の研究開発に従事。自動車排ガス触媒の開発部門では、Digital R&Dチームリーダーとして機械学習を活用した研究開発手法の検証とデータ管理体制の整備を現場で主導。現在はPolymerizeにてテクニカルカスタマーサクセスとして、研究課題の整理からデータ設計、解析、結果解釈までを一貫して支援している。