——全球母料和復合料生產商Kafrit集團與MaterialsZone合作，將人工智能應用于其原材料管理和產品開發。
Kafrit集團是一家總部位于以色列、為塑料行業提供定制化母料和復合料的全球生產商，由遍布三大洲的多個全球企業組成。Kafrit尋求
MaterialsZone的幫助，旨在管理其跨越所有這些不同實體的化學品、原材料、配方和成品數據，而每個實體都擁有不同的本地數據系統。
此外，公司還希望加速研發，為所有研發材料創建一個統一的信息源，并促進跨集團協作。Kafrit表示，其所有公司間的數據統一標志著一個
重要的里程碑，使得新產品或調整產品的交付速度更快、配方建議更佳、替代材料選擇更有效。公司發現，簡化的流程也確保了更容易遵守
如REACH之類的法規。
MaterialsZone由Assaf Anderson與別人共同創立，他目前擔任該公司的首席技術官。Anderson擁有材料研究的學術背景，擁有化學學士學位、
納米材料碩士學位和光化學博士學位。在創立MaterialsZone之前，他曾在巴伊蘭大學納米技術與先進材料研究所擔任博士后研究員。
通過減少試錯，人工智能模型的整合已經顯示出對配方流程的顯著加速作用，并通過利用共享數據和增強模型，實現了更高效的跨公司協作。
自《塑料技術》雜志與MaterialsZone交流以來，該公司已成功完成了四個涉及新化合物配方和開發的引導式研發項目，將整體研發項目時間縮
短了70%。
Anderson表示，MaterialsZone與Kafrit的合作始于連接多個業務部門的信息。當兩家公司最初開始合作時，Kafrit擁有六家子公司，如今已增至
九家，實體分布在美國、加拿大、中國、瑞典、德國和以色列等全球各地。"當時有這么多不同的地點，每個地點都管理著自己的原材料和產
品目錄，"Anderson說。
他指出，盡管信息系統各異，但這些不同的子公司確實像不同的公司一樣，希望成為一個統一的實體。MaterialsZone采取的第一步措施之一是
連接這些目錄，整合來自不同地點的材料清單。"這已經帶來了很多價值，"Anderson說。"他們可以找到替代材料，并且通過混合數據，這些材
料在不同地區都可以獲取。"
公司還收集了法規數據合規數據，其理念是，如果一個人收集了一條信息，而另一個人可以從已完成的工作中受益，那么其他人就可以基于這
些先前完成的工作來篩選和選擇材料，從而使研究由整個團體共同創造，而非個人。
連接產品目錄帶來了進一步的協同效應，可以識別重疊的產品，并通過關鍵字、屬性搜索或分類等方式，系統地訪問所有材料。
"現在，Kafrit集團受益于統一、協調的材料和供應商目錄，"Anderson說。"通過讓AI利用集團內共享的實驗、產品和配方知識，他們可以顯著
提高研發和產品開發流程的效率。"
*MaterialsZone的起源*
在最終促成公司成立的研究初期，Anderson創建了一個用于發現新材料的"實驗裝置"，并于2013年首次應用了機器學習。"對我來說，我確實在
那里看到了曙光——事情開始整合起來，我把注意力集中到了這個交叉領域。"特別是，Anderson對不同材料數據的交叉點產生了興趣，尋找更
好的數據保存方法，并探索用戶如何利用AI從收集的數據中獲取更多價值。
MaterialsZone于2018年成立，并開始接納外部客戶，從Anderson所稱的高通量本地化研究基礎設施，轉變為開始為周邊更多實驗室服務的基于
云的系統。"MaterialsZone采納了更好的數據管理和數據整合的概念，并創建了這些共享環境，研究人員可以在數據上進行協作，"Anderson說。
Anderson認為，許多材料公司的傳統結構并不精益。"當你接觸到處理材料的組織時，你會發現通常他們決策所需的數據不可用、無法訪問或不
準確，"Anderson說。"存在大量的知識損失和大量的返工。人們一遍又一遍地開發相同的配方。"
造成這種低效率的原因是，許多公司內部有多個部門孤立地進行類似的工作。"存在很多孤立的流程，"Anderson說。"當你觀察一個組織時，你
會發現原材料涉及不同的利益相關者，他們具有不同的職能，需要收集或維護材料信息的不同方面，無論是法規、采購、質量控制、配方還是
材料的物理技術性能。"
這些利益相關者通常使用不同的信息系統，將所有數據保存在不同的位置。一些看到這些數據孤島以及不一致的數據存儲方式和方法的材料公
司正在尋求更好的解決方案。
"最終人們會說，'我想把所有人聚集起來——連接信息系統，為每種材料、每個產品或每個配方創建一個統一的入口，讓每個人都能看到他們需
要的特定角度，'"Anderson解釋道。
*材料開發的新方法*
目前，MaterialsZone正在利用AI收集更多數據，從技術數據表和分析證書中提取相關信息，并將過去報告中的非結構化數據轉化為結構化數據。
Anderson說，作為新結構的一部分，該系統會生成所謂的"描述符"，其中包括技術、物理甚至分子標記。"這些可以幫助你提高分析型AI的效率，
而分析型AI正是你實際上可以關聯或發現并預測虛擬框架結果的地方。"
借助這種稱為"引導式研發"的能力，該程序可以推薦潛在的材料配方并虛擬預測其性能。這使得系統能夠將實驗設計與AI相結合，但AI可能會
簡化材料開發中所需實驗的數量和類型。
"其理念是向研究人員推薦如何創建一組實驗，"Anderson說，"但如果你只是按照書本或者研究型文章來設計實驗，那么就需要很多次迭代，很
多循環來重復，才能找到正確的性能。然而，如果你將AI與這個實驗結合使用，那么你基本上可以減少試驗次數，因為它會慢慢收集足夠的數
據來構建預測模型，然后說，'好吧，跳過這個實驗。我不需要它，'或者'執行這個實驗來教導模型。'"Anderson表示，從那里開始，研究人員可
以做出最佳預測，并有可能將開發周期縮短50%以上。
"分子描述符——基本上可以是芳香環數量、鏈長、價電子數、共軛鍵數——被推送給分析型AI，"Anderson說，"然后它會告訴你，例如，在合
成方面哪個是最重要的參數。就最終性能而言，哪種分子或活性基團會為你帶來最佳結果？"
 |  |
廣州大雄化工有限公司