Home

【3行要約】

配合比と原料名だけの説明変数は、既知配合の当てはめには効きやすいが、化学的な違いや新原料の議論には足りないことが多い。

化学情報の載せ方には複数の入口がある。本記事では構造／組成／メタデータを中心に地図として整理する。

「足せば精度が上がる」ではない。自社の状況に合った入口を選ぶ3つの問いが、本記事の持ち帰りです。

前回の記事（材料開発における「データ前処理」の基本：目的変数・説明変数の見直し方）では、「どのモデルを使うか」の前に、目的変数と説明変数の見直しが精度の起点だとお伝えしました。

本記事はその続きです。説明変数側でよくある出発点——配合比・プロセス条件・原料名（ラベル）——の先に、何を足せるかを整理します。

特定ツールの操作手順ではなく、化学情報を説明変数に載せる手法の地図と、選び方の判断軸がテーマです。

1. 配合・設計値で見えること／見えないこと

材料開発で機械学習を試すとき、多くの現場は次のような表から始めます。

各原料の使用量（phr、wt% など）

温度・時間などのプロセス条件

原料名を列にしたワイドな配合表（使っていない原料は空欄やゼロ）

見えることは明確です。サンプル間の配合比の違い、既知原料の組み合わせパターンです。既知の配合空間での当てはめ（内挿）では、この形だけで十分に機能することも少なくありません。

一方、見えにくいことがあります。

化学的な違い

「可塑剤A」「可塑剤B」はラベル上は別物ですが、同族体なのか官能基が違うのかは、名前だけではモデルに伝わりません。

学習にない新原料

一度も出てこない原料列は、モデルにとって判断材料がありません。

議論の足がかり

予測は出ても、「なぜ効いたのか」を化学・材料の言葉で話しにくい。

例えば、どちらも「可塑剤」として扱われがちな原料でも、フタル酸エステル系とクエン酸エステル系のように骨格が違うと、相溶性・揮発性・耐久性への効き方は大きく変わり得ます。量の列だけだと「別ラベルの可塑剤」としか見えず、この差をモデルに伝えにくい——というのが、化学情報を足す動機の一例です。

つまり問題は「データが絶対的に少ない」だけではなく、説明変数として載せられる情報の種類が足りない場合がある、ということです。ここが、前処理の回で触れた「説明変数の見直し」の延長線です。

2. 化学情報を説明変数に載せる——手法の地図

化学情報の載せ方は一つではありません。実務でよく見る入口を、簡略な地図にすると次のようになります。

入口	足す情報の例	必要な一次情報	向く場面（例）	注意
A. 分子構造	構造から計算した記述子・フィンガープリント	SMILES 等の構造表記	有機分子、モノマー、溶媒・添加剤の差を化学として見たい	構造が非公開の市販グレード、複雑な高分子は別枠
B. 組成・元素	化学式・元素分率から、元素特性の統計量など	組成式・原子分率	無機、合金、フィラー組成など	組成が同じで結晶構造だけ違う場合は弱い
C. 原料メタデータ	カタログ値・社内試験・グレード属性	原料に紐づく表形式の属性	市販品の組み合わせ、粒度・粘度などマクロな差	新原料で値が無いと使えない。測定条件のブレに注意

（ポリマー特化記法や学習済み分子表現、画像・スペクトル特徴などは先端・隣接領域としてあり得ますが、本記事では扱いません。）

ポイントは、「どれが正解か」ではなく「何を解決したいかで入口が変わる」ことです。

有機の構造差を読みたい → A

無機・組成空間で仮説を立てたい → B

構造は分からないがカタログや社内測定はある → C

なぜ A/B と C の両方があり得るのか。

現場では「カタログを載せる話」と「構造・組成から計算する話」が対立のように聞こえることがありますが、足す情報の種類が違うだけです。メタデータは粒度や粘度など、構造式だけでは出ないマクロな差に強い一方、値がない新原料には弱い。構造・組成の計算は実測前でも仮説を立てやすい一方、プロセス履歴や凝集状態は載りません。違いはデータ量ではなく、「マクロな物性差」を見たいのか、「化学構造・組成の一次情報」を見たいのかです。併用もあり得ます。

配合のように複数成分が混ざる場合は、成分ごとに得た特徴を、濃度や配合比で加重して配合全体のベクトルにする、という考え方がよく使われます。単純な加重平均は「成分間の強い相互作用はまだ載っていない」前提なので、まずは入口として理解しておく程度で十分です。