材料開発の候補探索を、AIで効率化。

過去の鋼材データと学習済みONNXモデルを活用し、自然文で指定された目標性能に近い候補組成を仮想探索します。 試作前の候補絞り込み、実験計画、研究開発サイクル短縮のイメージを確認できます。

ONNX × ASP.NET Core MVC 組成 → 強度予測 目標性能から候補推薦 Three.js 構造可視化

AIに探してほしい材料を指示

目標性能を自然文で入力してください。例のように「降伏強度1200MPa以上」など、欲しい性能と数値を含めるとAIが候補を探索します。 公開デモでは安全な範囲のサンプルモデルで、入力から候補提示までの流れを確認できます。

数値がない場合は、デモ標準値の1200MPaで探索します。

受け付けられる指示の例

  • 降伏強度1200MPa以上の鋼材候補を探して
  • 軽くて強い材料を1000MPa目標で提案して
  • 1500MPaくらいを狙える高強度材を見たい

指示が外れている場合は、「降伏強度1200MPa以上の鋼材候補を探して」のように、欲しい性能と数値を入れて言い直してください。

技術的な概略

1. 組成データFe, C, Mn, Cr, Ni, Moなどを元素ベクトル化
2. AI予測ONNXモデルで降伏強度を高速推論
3. 仮想探索多数の候補組成を生成し、目標性能に近い候補を抽出
4. 可視化性能・組成・推定構造をWeb上で表示

実案件では、実験データ、論文・特許、製造条件、画像データを統合し、材料開発の意思決定を支援するAIへ拡張できます。 SmartDesignerは、AIモデル構築からWebデモ、Azure展開まで一気通貫で支援します。