熱硬化性樹脂では混合原料を用いる場合があるが、樹脂によって使用する原料の数・種類が異なると、データセットに欠損や原料種の不揃いが生じ、機械学習による樹脂物性の予測が困難になる。この問題を解決するために、原料分類に基づき熱硬化性樹脂の特徴量を計算し、機械学習により熱硬化性樹脂物性を予測する方法を提案する。まず、機械学習により原料分類を行った。原料の構造式を表す説明変数としてExtended Circular Fingerprint（ECFP）を用いて、ランダムフォレストにより原料分類を予測した。その結果、F値が0.96という、非常に高い精度で原料分類を予測できた。続いて、機械学習により樹脂物性の予測を行った。原料分類ごとにECFPを統合し、さらに反応中間体の特徴量や樹脂の硬化条件を説明変数として、樹脂物性を予測した。その結果、R2=0.8の精度で弾性率を予測できた。以上より、本提案手法により、混合原料を用いた熱硬化性樹脂物性の予測を行えることが確認された。
