助力聚合物材料开发！住友化学、旭化成、开发了通用AI技术

10月26日，住友化学表示，国家材料科学研究所（NIMS）、旭化成株式会社、三菱化学株式会社、三井化学株式会社、住友化学株式会社在由化学材料开放平台（化学MOP）组成的横向协作中，在通过机器学习预测强度和脆性等材料物理性能时，有效地利用了从材料结构获得的信息，在较少的实验次数下，其开发了一种人工智能技术，可以减少预测值和实际值之间的误差（预测精度高）。它有望成为聚合物材料和其他材料开发的强大工具。

迄今为止，材料信息学研究通过机器学习从材料成分和加工过程（如温度和压力）参数预测材料物理性能，加快了材料开发。另一方面，当工艺加工后的结构对材料性能有强烈影响时，使用提供结构信息的X射线衍射（XRD）和差分扫描热度测量（DSC）等测量数据以实现高预测精度是有效的。但是，如果不对加工材料进行测量，则无法获取这些测量数据。因此，为了利用结构信息提高预测精度，必须处理两个不同的参数：研究人员可以设置的材料成分等参数，以及只能通过实际测量获得的参数。

在这项研究中，住友化学等企业开发了AI技术，使用只有XRD和DSC等测量才能获得的数据，正确选择需要制造的材料，以便以尽可能少的材料制造次数准确预测材料的物理性能。通过贝叶斯优化等方法选择要制造的材料，并添加测量的数据，然后通过 AI 重复选择材料。为了说明该技术的有用性，住友化学使用了聚合物材料聚烯烃数据库。结果表明，与随机材料生产相比，AI技术的使用提高了机器学习对材料物理性能的预测精度，即使制造次数较少也是如此。

当利用本技术实现高精度预测时，可以揭示材料的"结构"和"物理特性"之间的关系，从而澄清物理特性的表达来源，并确定材料开发指南。此外，该技术是一种通用技术，不仅可用于聚合物材料（如聚烯烃），还可用于各种材料开发。因此，住友化学期望它成为材料开发的DX基础技术。

这项研究由NIMS高级研究员田村正彦、中西正彦集团负责人、德村正彦、旭化成株式会社武井裕基、三菱化学株式会社原井信一郎、三井化学株式会社中原信治研究员和住友化学株式会社石田高富博士进行。