COPYRIGHT©廣州慧正云科技有限公司 www.hzeyun.com 粵ICP備18136962號 增值電信業務經營許可證:粵B2-20201000
慧正資訊：10月26日，住友化學表示，國家材料科學研究所（NIMS）、旭化成株式會社、三菱化學株式會社、三井化學株式會社、住友化學株式會社在由化學材料開放平臺（化學MOP）組成的橫向協作中，在通過機器學習預測強度和脆性等材料物理性能時，有效地利用了從材料結構獲得的信息，在較少的實驗次數下，其開發了一種人工智能技術，可以減少預測值和實際值之間的誤差（預測精度高）。它有望成為聚合物材料和其他材料開發的強大工具。
迄今為止，材料信息學研究通過機器學習從材料成分和加工過程（如溫度和壓力）參數預測材料物理性能，加快了材料開發。另一方面，當工藝加工后的結構對材料性能有強烈影響時，使用提供結構信息的X射線衍射（XRD）和差分掃描熱度測量（DSC）等測量數據以實現高預測精度是有效的。但是，如果不對加工材料進行測量，則無法獲取這些測量數據。因此，為了利用結構信息提高預測精度，必須處理兩個不同的參數：研究人員可以設置的材料成分等參數，以及只能通過實際測量獲得的參數。
在這項研究中，住友化學等企業開發了AI技術，使用只有XRD和DSC等測量才能獲得的數據，正確選擇需要制造的材料，以便以盡可能少的材料制造次數準確預測材料的物理性能。通過貝葉斯優化等方法選擇要制造的材料，并添加測量的數據，然后通過 AI 重復選擇材料。為了說明該技術的有用性，住友化學使用了聚合物材料聚烯烴數據庫。結果表明，與隨機材料生產相比，AI技術的使用提高了機器學習對材料物理性能的預測精度，即使制造次數較少也是如此。
當利用本技術實現高精度預測時，可以揭示材料的"結構"和"物理特性"之間的關系，從而澄清物理特性的表達來源，并確定材料開發指南。此外，該技術是一種通用技術，不僅可用于聚合物材料（如聚烯烴），還可用于各種材料開發。因此，住友化學期望它成為材料開發的DX基礎技術。
這項研究由NIMS高級研究員田村正彥、中西正彥集團負責人、德村正彥、旭化成株式會社武井裕基、三菱化學株式會社原井信一郎、三井化學株式會社中原信治研究員和住友化學株式會社石田高富博士進行。
慧樂居歡迎您關注中國家居產業，與我們一起共同討論產業話題。
投稿報料及媒體合作
E-mail：luning@ibuychem.com
