Polaronは材料科学のためのインテリジェンスレイヤーを構築するために800万ドルを調達

Polaronは、先進的な材料を理解、設計、製造する方法を再定義するために、$800万ドルを調達しました。ロンドンを拠点とするこのスタートアップは、材料科学のためのインテリジェンスレイヤーを構築しています。これは、材料がどのように作られるかが最終的にどのように動作するかを理解するという、長年にわたる産業上の課題を解決するためのテクノロジーです。

この資金調達ラウンドは、Racine²によって主導されました。Racine²は、セリーナとメイクセンスによって支援される、インパクトに焦点を当てたファンドです。また、Speedinvest、Futurepresent、および産業AIエコシステムから集まったエンジェル投資家グループも参加しています。Polaronは、この資金を使用してエンジニアリングチームを拡大し、生成設計ツールの展開を加速し、自動車、エネルギー、他の重工業を含む顧客からの成長する需要をサポートする予定です。

材料データを理解に変える

過去100年以上、製造業はプロセスの自動化に焦点を当ててきました。材料を大規模にローリング、鋳造、コーティング、成形しています。しかし、材料自体を理解することは、主に手動で行われてきました。エンジニアは、材料の強度、耐久性、または効率にどのように影響するかを推測するために、断片的なツール、カスタムスクリプト、顕微鏡画像の主観的な解釈に頼ってきました。

この問題の中心にあるのは、材料科学の基本原則です。加工が構造を決定し、構造が性能を決定します。材料内部の粒子、孔、相、欠陥の微小な配列が、材料が現実の世界でどのように動作するかを決定します。これらの構造は理論的なものではなく、顕微鏡下で見ることができます。しかし、これらから一貫した、実行可能な洞察を抽出することは歴史的に見て、遅く、労力密度が高かったです。

Polaronのプラットフォームは、これを変更するために設計されています。マシンに微小構造を読み取り、解釈することを教えることで。

特性から洞察へ

Polaronは、実際の顕微鏡画像と測定された材料特性のペアの大きなボリュームでAIモデルをトレーニングします。これにより、システムは材料を自動的に特性付けて、以前は数千時間の専門家による手動分析が必要だった特性を特定することができます。数週間かかっていたタスクは、数分で完了するようになり、エンジニアは材料がさまざまな加工条件にどのように反応するかについて迅速なフィードバックを受けることができます。

より重要なのは、システムが予測だけでなく説明を提供することです。微小構造の特性と性能の結果をリンクすることで、エンジニアは材料がどのように動作するかを理解することができます。経験的テストのみに頼るのではなく、なぜ そのような動作になるのかを理解することができます。プラットフォームは、従来の方法では見逃されやすい複雑または繊細な特性を迅速に検出できるだけでなく、2次元画像から3次元構造を再構築することもできます。

Polaronは、このような記述的な分析から因果的な理解への移行が、材料革新の次の段階を解放することを信じています。

製造可能な材料のための生成設計

分析を超えて、Polaronは生成設計に取り組んでいます。プロセス、構造、性能の間の学習された関係を使用して、プラットフォームは広範な設計空間を探索し、最適な材料構成とそれらを生成するために必要な加工条件を提案できます。

実験室で盲目的に実験するのではなく、エンジニアはシステムを使用して、パフォーマンスの目標を満たしながら工業規模で製造可能な、約束のある設計を最初に特定できます。このアプローチは、研究環境で機能するアイデアが、現実の生産制約にさらされたときに失敗するという、材料革新における一般的なギャップを埋めます。

プラットフォームは、金属、セラミックス、ポリマー、複合材を含む幅広い材料に対応し、多くの産業部門で使用できます。

高影響産業での初期結果

Polaronのテクノロジーは、世界的な電気自動車メーカーを含む世界的な製造業のリーダーによってすでに使用されています。電気自動車のバッテリー開発プロジェクトでは、プラットフォームは、10%以上のエネルギー密度の向上をもたらす新しい電極材料の設計をサポートしました。

バッテリーのような分野では、微小な改善が直接、長い走行距離、優れたパフォーマンス、または低コストに変換されるため、このような改善は過大な影響を与える可能性があります。これらの初期の展開は、Polaronのツールが学術的に興味深いだけでなく、商業的に関連していることを示唆しています。

学術研究のルーツ

この会社は、イギリスの帝国大学から分離され、人工知能と材料科学の交差点で7年間の研究の後設立されました。Polaronは、CEOのアイザック・スクワイアズ、CTOのスティーブ・ケンチ、チーフ・サイエンティストのサム・クーパーによって共同設立されました。彼らは、最先端の研究を、実践的なエンジニアが使用できるツールに翻訳することを目指しました。

この学術的な基盤は、会社のアプローチの中心的な部分であり続けていますが、焦点は明確に産業応用に置かれています。材料革新を、遅い、試行錯誤のサイクルから、データ駆動の設計ワークフローに移行させることです。

材料エンジニアリングと製造への影響

材料の微小構造に直接機械学習を適用するテクノロジーは、物理製品の開発方法のより広範な変化を示唆しています。プロセス、構造、性能の関係が信頼性を持ってモデル化できる場合、材料エンジニアリングは、他のデータ駆動の分野と同様に、工場の床でではなく、デジタルでイテレーションが行われるようになる可能性があります。

実践では、これにより、バッテリー、構造部品、先端複合材の開発時間が短縮され、物理的な試行錯誤への依存が減少する可能性があります。また、プロセス上の決定が蓄積された直感のみではなく、統計的な洞察によって情報が提供されるため、製造結果がより一貫性のあるものになる可能性もあります。

時間の経過とともに、このようなアプローチは、材料チームがどのように組織化されるか、製造に関する知識がどのように保持されるか、そして新しい材料が研究環境から生産にどのように迅速に移行するかについて影響を与える可能性があります。データセットが成長し、モデルが改善されるにつれて、微小構造と巨視的性能の間の関係を結びつける能力は、先端材料に依存する業界全体で基本的な機能になる可能性があります。