株式会社エイゾスは、2025年3月12日(水)から14日(金)の3日間にわたり、東京都葛飾区の東京理科大学 葛飾キャンパスにて開催される、化学工学会第90年会付設展示会に出展いたしました。
化学工学会第90年会付設展示会では、会期中の3日間で約50名の来場者にエイゾスのブースを訪問していただきました。来場者の多くはプロセスインフォマティックスに携わっている方たちでした。また、物質の組成比を変えながら特性を評価する研究に取り組まれている方も多数お越しいただきました。エイゾス展示担当者からは、Multi-Sigma®を用いたAI解析において、物質の組成比のような制限を課した状況での最適化技術についてご説明いたしました。具体的には、組成比の合計を100%とする制約や、たとえば1つ目と2つ目物質の組成比の合計がX%以下になるという制約など、Multi-Sigma®上で説明変数の線形和に対して制限を課して最適化が実行可能であることをご紹介いたしました。さらに、Multi-Sigma®では、各変数に対してもその最小値・最大値の制約を課すことも可能です。多くの来場者様から、これらの機能を用いることでAIを用いたデータ分析により、望ましい性能を持つ新しい組成比の新物質を開発できるのではないかと前向きなご意見を多数頂きました。
また、機械学習を用いてデータ分析を行うために学習データとして適している実験計画についても、多くの訪問者の方からご質問をいただきました。このようなご質問に対しては、最初に、機械学習モデルを用いて予測を行う際の内挿と外挿の違いについてご説明しました。その上で、可能な限りデータ点がばらつき、内挿を行う領域を大きくするためには、1つの説明変数のみを変更し、多数の説明変数を0とするような実験条件の設定ではなく、ランダムに説明変数の値を変更する実験条件の設定の方が、同じ実験回数であれば、幅広い領域に対する予測を行う場合には精度が高くなることをご説明いたしました。さらに、実験条件をばらつかせるためのアルゴリズムとしてラテン超方格サンプリングを用いる方法もご紹介しました。この手法では、相関が小さくなるといった制限をかけた場合には、完全にランダムに実験条件を設定するよりもばらつきが大きくなりやすいこともご説明し、サンプリング例を図示することで、直感的にもわかりやすいようにご紹介をいたしました。
当日は、Multi-Sigma®を用いて解析を行なった事例のリーフレットを多数配布いたしました。これらリーフレットに関しましてはこちらのページからダウンロードいただけます。弊社製品やコンサルティングサービスについてご不明点などございましたら、下記お問い合わせ先からご質問いただけますようお願いいたします。