バカラ公式オンラインショップ

産総研について ニュース アクセス 調達情報 研究成果検索 採用情報 報道・マスコミの方へ メディアライブラリー お問い合わせ   ENGLISH EN 研究相談・研究データ・ 研究ユニット紹介研究者の方へ プロジェクト相談・ 研究依頼・各種協業相談ビジネスの方へ 産総研ってどんなとこ？ 科学の扉を開こう！一般の方へ 科学の楽しさ、産総研が 取り組んだ製品や事例のご紹介 ENG 研究者 ビジネス 一般 マガジン   研究者の方へ 研究相談・研究データ・ 研究ユニット紹介 ビジネスの方へ プロジェクト相談・ 研究依頼・各種協業相談 一般の方へ 産総研ってどんなとこ？ 科学の扉を開こう！ 科学の楽しさ、産総研が取り組んだ製品や事例のご紹介 産総研について ニュース アクセス 調達情報 研究成果検索 採用情報 報道・マスコミの方へ メディアライブラリー お問い合わせ サイトマップ ご利用条件 プライバシーポリシー 個人情報保護 ホーム > 研究成果検索 > 研究成果記事一覧 > 2018年 > 人工知能（AI）を用いてポリマー設計・検証サイクルの試行回数を大幅低減 ツイート 発表・掲載日：2018/11/27 人工知能（AI）を用いてポリマー設計・検証サイクルの試行回数を大幅低減 昭和電工株式会社（社長：森川 宏平 以下、昭和電工）と国立研究開発法人 産業技術総合研究所（理事長：中鉢 良治 以下、産総研）と先端素材高速開発技術研究組合（理事長：腰塚 國博 以下、ADMAT）は、人工知能（AI）の活用により、要求特性を満たすポリマーを設計する際の試行回数を約1/40に低減できることを見いだしました。 本開発は、国立研究開発法人 新エネルギー・産業技術総合開発機構（NEDO）の「超先端材料超高速開発基盤技術プロジェクト（プロジェクトコード：P16010、プロジェクトリーダー：村山 宣光 以下、超超PJ）」の委託事業として実施しています。超超PJでは、従来の経験と勘を頼りにした材料開発からの脱却を目指し、マルチスケールシミュレーションやAIを積極的に活用することで、従来の材料開発と比較して開発期間を1/20に短縮することを目指しています。 具体的内容 昭和電工と産総研、ADMATは、ポリマー設計におけるAI技術の有用性を実証するため、AIを活用して要求特性を満たすポリマーの探索を行いました。モデルケースとして耐熱性の指標であるガラス転移点に着目し、構造とガラス転移点が判明しているポリマーの構造データ417種の中から最もガラス転移点が高いポリマーをAIで探索し、発見までに要する試行サイクルを短縮できるか検証しました。 まず、無作為に抽出した10件のデータをAIに学習させます。学習データにはExtended Connectivity Circular Fingerprints (ECFP)という手法を応用し、ポリマーの構造的特徴を数値化したものを用いました。次に、残りの407件の中から最もガラス転移点の高いポリマーをベイズ最適化*を用いて予測・検証を繰り返し、実際に所望のポリマーを発見するまでの試行回数を調べました（図１）。データの選び方で結果が変わることを防ぐため、初期データを変えた試験を500回実施し、試行回数の平均値を評価しました。 図１　ポリマー設計・検証の試行回数の評価試験イメージ 試験の結果、平均4.6回という極めて少ない試行で最もガラス転移点の高いポリマーを発見することに成功しました（図２）。この値は、無作為にポリマーを選出した場合と比べて約1/40と非常に少ない値であり、AIによるポリマー設計の有用性を裏付ける結果と考えられます。 図２ AIにより高効率にポリマーを探索できることを実証 AIの構築には、ポリマーの特徴を数値に変換する必要があります。本開発では、モノマーの構造を表す手法であるECFPを応用することで、官能基などの分子の部分構造を自動的に抽出し、構造的特徴を数値ベクトルで適切に表せることを見いだしました（図３）。当データから構築したAIの活用により、ポリマー１つ当たり0.25秒という非常に短時間で高精度の物性予測を実現し、限られた時間内で膨大な数の候補ポリマーに対して網羅的な物性予測が可能になりました。さらに、予測方法にはベイズ最適化*を用いることで、13.6件の学習データで約400種類の候補ポリマーの中から最もガラス転移点の高いポリマーを発見しました。従来、学習データが少ない場合、AIの予測精度が低くなりやすい課題があり、AIの活用には大量の学習データが必要と考えられてきました。本開発の結果は学習に使用できるデータが少ないと想定される最先端の材料開発においても、AIにより課題解決できる可能性を示唆しています。 図３ AIの構築 今後は、本技術をさらに高度化させ、実際の機能性材料開発に活用できるよう開発を進めてまいります。なお、本件の詳細は、11月27日 (米国東部時間)の2018 MRS Fall Meetingにて発表されます。 *ベイズ最適化…予測値だけでなく推定される誤差も考慮して、次の候補を選出する方法。 お問い合わせお問い合わせフォーム 産総研について アクセス 調達情報 研究成果検索 採用情報 報道・マスコミの方へ メディアライブラリー お問い合わせ English ニュース お知らせ一覧 研究成果一覧 イベント一覧 受賞一覧 研究者の方へ はじめての方へ 研究成果検索 研究情報データベース お問い合わせ 採用情報 ビジネスの方へ はじめての方へ 研究成果検索 事例紹介 協業・提携のご案内 お問い合わせ AIST Solutions 一般の方へ はじめての方へ イベント情報 スペシャルコンテンツ 採用情報 お問い合わせ 記事検索 産総研マガジンとは 公式SNS @AIST_JP 産総研チャンネル 公式SNS @AIST_JP 産総研 チャンネル サイトマップ このサイトについて プライバシーポリシー 個人情報保護の推進 国立研究開発法人産業技術総合研究所 Copyright © National Institute of Advanced Industrial Science and Technology （AIST） （Japan Corporate Number 7010005005425）. All rights reserved.