Case 04. 图像×信息学
图像信息学
信息学是研发中极其强大的手法。然而，以往无法处理图像等非结构化数据。GeXeL可以将图像特征化，使图像数据作为解释变量／目标变量使用成为可能。
传统课题
在材料开发领域，以往图像（显微镜照片、断面图像、工序内相机图像等）多被作为「凭眼判断」的定性信息处理，评估容易趋于属人化。另一方面，如电池和催化剂为代表，微观结构与材料特性之间存在因果关系的情况不在少数，图像的定量化一直受到需求。
此外近年来，使用AI的材料探索（信息学）迅猛发展，将图像作为数值数据（特征量）定量化的需求进一步扩大[1]。但现场中，图像与实验数据（配方、温度、时间等）以非结构化形式堆积，进行信息学时，数据的前处理需要耗费大量工时仍是课题。
我司技术的解决方案
我司的GeXeL，从SEM/TEM/光学图像等自动用AI分析粒子、气泡、组织，瞬时提取等圆直径、长宽比、圆形度、配向、凝集率等数十种几何参数。提取的特征量可直接作为解释变量用于信息学，能与配方、设备条件等图像以外的实验数据进行数据成形，实现一气呵成的工作流。
由此，可以进行将图像数值化以执行信息学的「图像信息学（ImI）」，将图像的特征量化→数据成形→机器学习→实验的循环融入研发。加上对工序条件探索使用贝叶斯优化，即便是「在提升粒子最大长度的同时，将波动（CV）抑制在指定值以下」这样的复合目标，通过将图像来源的特征量作为目标变量也可实现。
这样的条件优化，任何人只需点击就能执行，GeXeL强力支援信息学的启动。
交互式解析流程
图像上传
直接上传 SEM、TEM、光学显微镜或生产线摄像头图像。无需特殊预处理，GeXeL 可接受原始图像。
点击各步骤卡片查看详细说明
产业界的普及
作为产业的波及范围，可横跨适用于粉体（颜料、填料、催化剂载体）、电池与电容器的电极微细结构、金属与树脂的添加剂分散、树脂成型与积层造型的气泡／缺陷、医药与化妆品的粒子分散等，处理纳米、亚微米至可视尺度图像的领域。
以图像特征量为基础，可推进品质指标的标准化、部门间的技术沟通、以及对外审查与认证的证据／可追溯性的确保。将来，我们计划将GeXeL的特征量与高通量试验及组合实验相连接，以自动计划—实验—分析—下一计划的循环加速开发。
GeXeL将助力研发的范式转变，通过支援世间新产品的诞生，将新的价值编织进社会。
参考文献
- [1] Zhang L, Shao S. Image-based machine learning for materials science. Journal of Applied Physics. 2022;132(10):100701.