研究課題

• データ不整合：PHR（樹脂100部あたり）、wt%（重量％）など異なる表記が混在し、統合的な解析が困難。

• 知識のモデル化：NCO（イソシアネート）指数をモデルに効果的に組み込み、知見化する必要がある。

• 未知成分予測の難しさ：既知の材料データから未知の成分を推定し、新規材料探索を推進する仕組みが求められていた。

データ処理とアプローチ

• 単位・表記の異なる配合データを標準化して統合

• NCO指数を追加変数としてモデルに組み込み、知識を反映

• 既知材料データをもとに未知成分の特性を推定できる仕組みを構築

• 順解析と逆解析を両立させ、設計空間探索の効率を向上

成果

• 予測精度の向上
95%以上の予測精度を達成し、平均誤差率を5%削減。

• 柔軟な設計支援
順解析と逆解析を活用することで、目標特性から必要な配合条件を逆算可能に。

• 新規材料探索の加速
既知データを活用して未知成分を予測し、新しい材料の研究開発を促進。

• 堅牢なモデル検証
平均絶対誤差率（MAPE）は6%未満を維持し、決定係数（R²）は常に0.9以上を達成。

考察

• 単位や表記の異なるデータを統合する仕組み

• NCO指数を知識変数として導入する工夫

• 既知成分から未知成分へと知見を拡張するアプローチ