カスタムキュレーションされたデータによる機械学習モデルのトレーニング

同社はCASに協力を仰ぎ、CASチームは包括的なCAS Content Collection™で利用可能な情報を精査した上で、主要な関係者と連携し、カスタムキュレーションの範囲を策定しました。CASの科学者は、既存のインデックス済みコンテンツを活用し、さらに公開文献や特許から追加データを収集して、関連する材料やデバイス特性を選定しました。その結果、科学情報に含まれる微妙な関連性を捉える、高度に構造化された人間によるキュレーションデータが完成しました。これは、自動抽出だけでは確実に生成できない文脈を捉えるものです。

この特化型データセットを用いてモデルを学習させた結果、対象デバイスの物質、プロセス条件、レイアウト、組み立てに関する正確な推奨事項が生成されました。その成果は非常に説得力のあるものであり、予測精度と汎用性をさらに高めるため、追加のカスタムキュレーション学習セットが委託されました。インフォマティクスチームは各段階でモデルの出力を検証し、四半期ごとの報告サイクルに合わせて定期的に調整を行うことで、リスクを低く抑えつつ、経営陣の信頼を維持しました。

この体系的な手法により、発見のプロセスは劇的に加速しました。これまで直感に頼った緩やかな進め方だったものが、同等のプロジェクトと比較して約2倍の速さで成果を生み出すようになり、同社は新規の最適化デバイスを市場にいち早く投入できる見込みです。

専門知識の孤立から、拡張可能なデータ駆動型の発見へ

スピードの向上以上に、このプロジェクトは組織における研究開発イノベーションのあり方を根本から変えました。かつて一部のシニア科学者の頭の中にしかなかった知識が、検証可能で再現性のある機械学習フレームワークとして体系化されました。人材流出による重要な組織的知識の喪失リスクが軽減され、初期段階のアイデアから検証可能な予測に至るまでのプロセスは、社内の既存データでは不可能だったレベルまで短縮されました。