polymerizeのマテリアルズインフォマティクス（MI)の成功事例

マテリアルズインフォマティクスは、材料開発の試行錯誤を減らせそうだと思っても、実務では「データが整わない」「分析の前で止まる」「検証実験が回らない」といった壁に当たりやすい取り組みです。こうした状況では、現場の課題と手順まで含めて公開されている導入事例が、検討の手がかりになります。この記事ではpolymerizeのマテリアルズインフォマティクスの成功事例を解説します。

polymerizeの導入事例で示されるマテリアルズインフォマティクス（MI)の課題

polymerizeの導入事例では、マテリアルズインフォマティクスの導入にあたって、分析手法そのもの以前に「データの整備」と「工程の詰まり」が課題として記述されています。一般論としても、マテリアルズインフォマティクス(MI)の課題としてデータ量・データ品質の不足や、導入ハードルとして「すぐにデータを準備できない」といった点が挙げられています。

高分子材料の配合最適化に関する事例では、日本の熱可塑性ポリウレタンメーカーの研究課題として、複数の特性値を同時に最適化する必要がある状況が示されたうえで、従来の取り組みにおける問題として「異なる単位（PHR・wt%）によるデータ不整合」「NCO（イソシアネート）指数をモデルに適切に反映できていない」「未知成分の特性予測が困難で新規材料探索に制約がある」と明記されています。

3Dプリンティング材料の事例では、FDM方式における多数のパラメータが相互に影響し、最適条件探索が難しいことが背景として説明されています。ここでは、条件が多いこと自体ではなく、条件と物性の関係を整理しづらい状況が、開発期間の増加につながる課題として扱われています。

また、検証実験まで含めて開発ループを回す難しさは、polymerizeのプレスリリース側でも課題として整理されています。Polymerize Oneの発表では、実験データ不足や試作・評価試験のキャパシティ不足、設備能力の制約などがボトルネックとして挙げられています。

マテリアルズインフォマティクス（MI)導入で示される成果

ここからは、polymerizeが公開している導入事例に記載の内容をもとに、初心者にも分かるよう要点を整理します。数値や成果は同社の公開情報に基づいています。

高分子材料の配合最適化の事例では、データ処理として「PHRとwt%の整理」「欠損データの補完」「NCO指数を説明変数として付与」が行われたうえで、モデル構築として「順解析モデル（配合条件から特性値を予測）」「逆解析モデル（目標特性から配合条件を逆算）」「未知成分の挙動推定」が示されています。成果として「予測精度95%以上、MAPEは常に6%未満、R²は0.9以上」「平均誤差率を5%削減し、開発サイクルを従来の1/3に短縮」と記載されています。

3Dプリンティング材料の事例では、導入成果として「機械特性最適化を55%高速化」という表現が掲げられています。導入事例一覧ページから個別事例へ遷移でき、3Dプリント領域の導入事例として提示されています。

塗料・コーティング領域については、導入事例一覧ページにおいて、効果指標として「65%（ラボから量産までの期間短縮）」「3.1x（6年以内にROIを達成）」が明記されています。同ページでは、塗料配合における機械特性と接着性能の最適化を、Material InformaticsとAIモデルにより加速し、実験反復を抑えつつ精度を維持したまま研究スピードを向上した、という説明も掲載されています。

また、polymerizeはPolymerize Oneの発表において、マテリアルズインフォマティクス(MI)プラットフォームに加えて試作・評価試験受託のネットワークとマテリアルズインフォマティクス(MI)スペシャリストの支援を組み合わせ、データ生成からモデル構築、検証実験までを一貫して実施する狙いを述べています。これは導入事例で示されている「データ整備から検証まで」という流れと同じ工程を、提供形態としてまとめた説明になっています。

参照元：Polymerize公式HP（https://polymerize.jp/knowledge-hub/case-studies/mi-formulation-optimization-3x）

参照元：Polymerize公式HP（https://polymerize.jp/knowledge-hub/case-studies）

参照元：PR TIMES（https://prtimes.jp/main/html/rd/p/000000008.000127598.html）

polymerizeの今後の展望

polymerizeは、対話型AIエージェント機能としてPixaをリリースし、統合型マテリアルズインフォマティクス(MI)プラットフォーム「Polymerize Labs」に搭載したと発表しています。発表文では、研究者が自然言語の対話を通じて、機械学習の進め方から材料R&D特有のデータ課題、プラットフォーム操作のガイド、日々の業務で生じる小さなつまずきの解消まで、一貫してサポートすると説明されています。

同じ発表では、Pixaの基盤としてOpenAIのビジネス向けサービスおよびAPIを使用していること、また入出力データが学習に利用されない設計であることにも触れられています。

加えて、Polymerize Oneの発表では、マテリアルズインフォマティクス(MI)プラットフォームに試作・評価試験受託のネットワークとマテリアルズインフォマティクス(MI)スペシャリストによる支援を組み合わせ、実験データ生成から予測モデル構築、検証までの一連の流れを一貫して実施する狙いが示されています。