デフォーミュレーションとは、既知の製品の正確な組成を解明するプロセスです。 原料の相対的な比率が分かっている状態から、各原料の正確な配合量を決定していきます。 デフォーミュレーションは、ケミカルリバースエンジニアリングとしても知られます。
化学製品のデフォーミュレーションにより、組織は以下のことができるようになります。
- 既存のフォーミュレーションから新しい配合を推定する
- 競合他社の情報を改善させる
- 競合製品のベンチマークを行う
- 模倣品を判別する
- プライベートブランド商品を開発する
化学物質と材料の発見や最適化の場合には、研究者は機械学習を活用していますが、デフォーミュレーションでは、一般的には分析化学的手法の手助けを借りて、実験的に行われます。 化学フォーミュレーションの構造化データが比較的限られていることが、多くのAI主導のデフォーミュレーションの取り組みの妨げになっています。 フォーミュレーションのデータで広く利用可能なものの大部分は、その成分や量の記録が不完全であり、また一貫性もありません。
予測モデルをトレーニングして、迅速でデータドリブンなフォーミュレーションの提案を可能にする
Industrial & Engineering Chemistry Researchの論文、『Toward Predictive Chemical Deformulation Enabled by Deep Generative Neural Networks』（深層生成ニューラルネットワークによる化学デフォーミュレーション予測に向けて）では、教師なし生成モデルである変分オートエンコーダー（VAE）をトレーニングし、データドリブンなフォーミュレーションを素早く提案できることが示されています。
CASの科学者が収集したフォーミュレーションデータを使用して学習させたVAEニューラルネットワークは、制汗剤やオーラルケアなどさまざまな製品クラスのフォーミュレーションについて意味ある表現を学習し、従来のアプローチより平均的に優れたパフォーマンスを発揮しています。 この論文によると、このアプローチは「近傍法より大幅に正確な推定が得られ、以前得られたフォーミュレーションとは大きく異なったより良いフォーミュレーションを推定し、大規模データセットを利用して産業的に関連ある機能をもたらす方法を提供する」としています。
CAS コンテンツコレクション™に収集されたフォーミュレーションでは、一貫した、そして高度に構造化された表現として、フォーミュレーションとその成分の化学的特性を提供します。 CASは、専門技術と科学的知識を利用した独自のキュレーションプロセスにより、各フォーミュレーションの化学成分、その分類、そして量を一貫して特定することができます。 論文の著者らも、「CASのデータセットがなければ、これらのデフォーミュレーションの応用に向けた生成方法の実用的な検証は不可能でした」と報告しています。
これらの成果の全文は『Toward Predictive Chemical Deformulation Enabled by Deep Generative Neural Networks』（深層生成ニューラルネットワークによる化学デフォーミュレーション予測に向けて）をご覧ください。
より正確なデフォーミュレーション予測に関心がある方は、 CASのカスタムサービスなら、特化した技術と科学的な専門知識、そして比類のないコンテンツをお客様独自のニーズに合わせてカスタマイズして提供することができます。是非ご検討ください。