ライオン、ハミガキの組成開発期間を約半分に短縮する新たな実験手法を確立

従来、組成開発では、膨大な組み合わせの中から、研究データや研究員の知見に基づいて候補となる組成を考案し、実験を繰り返すことで、目標を満たす組成を絞り込んでいた。

しかし、新規成分の配合や品質項目の追加を伴うような開発テーマの場合、検討の初期段階では研究データが不足しているため、一定の検討期間を要していた。

そこで、ライオン株式会社は、製品の組成開発での活用を目的に、機械学習などの情報科学の技術を用いて、組成・材料開発の効率化を図る技術「マテリアルズインフォマティクス（ＭＩ）」を用い、同社研究員の知見を取り入れたデータ駆動型の実験計画手法を新たに確立し、運用を開始した。

ハミガキの組成開発においては、香味や泡立ち、ペーストの固さや滑らかさなどの使用感の良さや、むし歯や歯周病を予防する機能など、複数の目標を同時に満たすことが必要となる。

そこで、今回の研究では、限られた既知データを起点に、組成探索が可能な機械学習手法である「ベイズ最適化」に、研究員の知見を取り入れることで、より少ない実験回数で複数の目標を満たすことが出来る実験計画手法を確立した。

上記の実験計画手法を用いて、ハミガキの固さと滑らかさの物性指標である粘度と弾性率の最適組成を探索した結果、サンプルは100回以上作製することも珍しくない中、16回の作製で目標を満たす組成を導き出すことができたのだという。

ライオンは、今回の手法に伴う追加工程を含めても、想定の約半分の期間での組成開発を実現したとしている。

今後は、ハミガキだけでなく、様々な製品の組成開発にもこの手法を応用していく予定だ。

なお、この研究内容は、2023年6月6日〜9日に開催された、第37回人工知能学会全国大会にて発表されている。

IoTNEWS編集部

IoTに関する様々な情報を取材し、皆様にお届けいたします。