AI主導のポリマー分析のためのグローバル・ネットワーク・コラボレーションProteus Now Quantify byNETZSCH, データ共有とリサイクル・イノベーションを強調。

リサイクル品の予測モデル改善に貢献

Proteus® にトレーニングデータを提供する 定量化する

リサイクルの流れは本質的に複雑である。

これらは、多種多様なポリマー、添加剤、未知の汚染物質で構成されており、バッチごとに大きく異なることが多い。この複雑さは、ポリマーリサイクル業界にとって大きな課題であり、信頼性の高い材料同定と汚染検出を困難にしている。

この課題に対処するため Proteus® Now Quantifyは、汚染物質の検出とリサイクルポリマーの材料分類を改善するために開発されています。この目的を達成するためには、基礎となる材料データベースの拡張と改良が鍵となります。

信頼性の高い機械学習モデルを構築するためには、実際の工業用化合物から得られた、高品質で標準化されたNETZSCH DSC トレーニングデータが必要です。私たちは特に、リサイクルの流れに見られる一般的な汚染シナリオを現実的に表現するバージンポリマーをベースにしたコンパウンド材料を探しています。これにより、ロバストなモデルトレーニングのための、管理された、明確に定義されたデータセットを作成することができます。

皆様のご協力により、予測の精度、ロバスト性、工業的応用性が向上し、ポリマー産業におけるリサイクル材料評価の向上が支援されます。ドライブレンドや実際のリサイクル材料は適していません

Dr.-Ing. Natalie Rudolph

Proteus® Now Quantify をさらに強力なものにし、改善された分析結果から直接利益を得るためにご協力ください。標準化されたNETZSCH DSC トレーニングデータを共有することで、AI モデルをより正確で堅牢なものにし、実際の産業用リサイクル品により適したものにすることができます。データセットが多様であればあるほど、モデルの精度と価値が高まります。”

Dr.-Ing. Natalie Rudolph
ポリマー事業部長
NETZSCH DSC 300Caliris 高度なポリマーリサイクル分析用サーマルアナライザー、Proteus Now Quantify ロゴ付き。
NETZSCH DSC 300Caliris と組み合わせた分析装置。Proteus® Now Quantify

標準化が重要な理由

機械学習モデルは、学習させたデータと同程度の性能しかない。そのため Quantify が信頼できる予測を提供するためには、以下の条件を満たす必要があります:

  • 測定条件が同一であること
  • 熱履歴が同等であること
  • 曲線形状は真の化合物の挙動を反映していなければならない。

small DSCパラメータの偏差でさえ、ピーク形状、エンタルピー、結晶化挙動に影響を与え、モデル性能に直接影響します。

したがって、定義されたQuantify 標準の下で実施された測定のみをトレーニングに使用することができます。

定量化 測定チェックリスト(トレーニングデータは必須)

メソッドパラメーター

  • 試料重量:10±1mg
  • 加熱速度10K/分
  • 冷却速度10K/分
  • 雰囲気窒素(デフォルトのガスフロー)
  • 容器AlConcavus 蓋付き
  • 感度およびTempCal有効
  • BeFlat® 有効


⚠️ これらのパラメータは Proteus® Now Quantify.偏差はピーク形状を変化させ、予測の信頼性を低下させます。

詳細な測定ガイドラインはこちら:

何が得か?

データをご提供いただくことで、AIを活用したポリマー分析の発展に貢献しながら、メリットを得ることができます:

  • コラボレーション・パートナーとしてのウェブサイトでの紹介
  • 新しい Proteus® Now Quantifyモデルと機能
  • より良い結果
  • コラボレーションの機会(出版物、会議)

AIによる高分子分析の未来を牽引する研究機関

の継続的な改善を支援するために、以下の研究機関や研究所がすでに標準化されたDSCデータセットを提供しています。 Proteus® Now Quantify.実際の工業データを共有することで、汚染物質の検出、材料の分類、ポリマーリサイクルの流れの信頼できる予測を強化するのに役立っています。

私たちは、すべてのパートナーの協力と、NETZSCH とともにデータ駆動型材料分析を推進してくださることに心から感謝いたします。

ドイツ・ヴィスマール、ポリマー・生産技術研究所
米国ウィスコンシン州ウィスコンシン大学マディソン校高分子工学センター工学部
オランダ、マーストリヒト大学理工学部循環化学工学科
ライプツィヒ工科大学数理・自然科学センター(ドイツ

よくある質問(FAQ)

あなたの貢献

質感のある粘土レンガがドラマチックな背景に映え、建築用途のユニークなデザインを際立たせている。


標準化されたDSCトレーニングデータを提出することで、以下のことが可能になります:

  • 汚染検出アルゴリズムの改善
  • 結晶化に基づく分類の強化
  • リサイクル原料の流れ全体における信頼性の高い予測
  • Quantifyを 実際の工業材料により適用できるようにします。

データセットが代表的で多様であればあるほど、モデル性能は向上します。

参加方法

様々な形状のセラミック製熱膨張測定試料を積み重ね、熱分析研究のための精密測定ツールを紹介。

  1. 定量 測定のチェックリスト (上記ガイドライン文書参照)に正確に従うこと。
  2. 材料が実際の化合物 であることを確認してください(ドライブレンドは不可)。
  3. ご希望であれば、ポリマーの種類データを匿名化して ください。必要なのは、材料クラス、充填剤の量、各クラスの組成量のみです(FAQを参照)。
  4. 寄稿またはデータの共有についてメールでお問い合わせください。
  5. Quantifyの 専門スタッフがご連絡いたします:
ラップトップのキーボードを打つ手は、材料科学の研究と分析のための集中した作業環境を強調している。

さらに Proteus® Now Quantify さらにパワフルに

あなたのDSCデータを共有し、次世代のポリマー同定の形成に役立ててください。

DSCデータの共有
AI Overview
An error occurred. Please try again.