機械学習を用いた粘着剤剥離強度の予測

抄録

各種ホットメルト型粘着剤の動的粘弾性測定から得られるデータを用いて，粘着剤の剥離強度を予測する機械学習モデルの構築を試みた。動的粘弾性測定から得られる貯蔵弾性率G’ と損失弾性率G’’ の高次元温度依存性データは，主成分分析による次元削減により得た低次元の新たな特徴量と，事前知識として有していた剥離強度と測定温度の非線形関係を特徴量変換により表現したデータセットへと変換した。これらを説明変数とし，さらに非線形回帰モデルであるランダムフォレストを用いることで高い精度で剥離強度を予測することに成功した。モデルを構築する上で用いた説明変数は，動的粘弾性測定で得られる物性のみであるため，本手法を用いることで粘着剤開発の高効率化が十分に期待できると考えられた。