繊維学系 福島 和樹 教授、博士前期課程学生 伊藤 琉乃介さん、佐藤(村上) 満佳子 研究補助員らの研究グループは、東京大学大学院新領域創成科学研究科のグループと連携して、アンサンブル機械学習^注1）を活用し、低環境負荷材料として期待される脂肪族ポリカーボネート（APC）^注2）のガラス転移温度（Tg）^注3）を高精度に予測するとともに、その予測値の信頼性を「不確実性」として定量化することに成功しました。ポリマーの物性は化学構造だけでなく、分子量分布や熱履歴など多くの要因に左右されるため、単一の予測値を得るだけでは不十分でした。本研究では、複数の機械学習モデルを組み合わせることで、予測のばらつきを可視化し、より確かな材料設計を可能にしました。AIなどのデジタル技術を活用した環境低負荷材料の開発手法として、脱炭素社会の実現および資源循環型社会の構築に大きく寄与する成果です。

カーボンニュートラル実現への鍵となる脂肪族ポリカーボネートの物性を、
アンサンブル機械学習により「不確実性」を含めて高精度に予測

　本件の詳しい内容はこちら（PDF）

本成果は、2026年6月16日付で学術雑誌『Polymer Journal』にオンライン掲載されました。

【用語解説】
注1）アンサンブル機械学習
複数の機械学習モデルを組み合わせて学習させ、それらの予測結果を統合（平均化など）することで、単一のモデルよりも高い予測精度や安定性を得る手法。

注2）脂肪族ポリカーボネート（APC）
主鎖に炭酸エステル構造を持つ高分子のうち、芳香環を含まないもの。低環境負荷や生分解性、生体適合性などの特徴を持つ。

注3）ガラス転移温度（Tg）
高分子材料が、硬いガラス状の状態から柔らかいゴム状の状態に変化する温度のこと。

【このページに関する問い合わせ先】
総務企画課広報係　
TEL：075-724-7016
E-mail：koho[at]jim.kit.ac.jp（※[at]を@に変換してください）