POLYMERIZEとKNiT、素材・化学産業の研究開発加速に向け画像解析領域における業務提携を開始

高精度な「画像特徴量」をマテリアルズ・インフォマティクスへ統合、非構造化データの活用で材料設計を新たな次元へ

POLYMERIZE

2026年3月3日 15時23分

共同発表：データ管理・AI解析プラットフォーム「Polymerize Labs™」を提供するポリマライズ合同会社（本社：東京都港区、代表社員：クナル・サンディープ、以下POLYMERIZE）と、画像解析AIソリューション「GeXeL」を提供するKNiT株式会社（本社：大阪府大阪市、代表取締役：窪内将隆、以下KNiT）は、素材・化学産業における研究開発（R&D）の高度化とDX加速を目的に、2026年2月2日（月）より画像解析領域での業務提携を開始いたしました。

本提携により、両社は顕微鏡画像などの「非構造化データ」から高精度な特徴量を抽出・定量化し、それを機械学習モデルによる予測・最適化の学習データとして活用する、データ解析フローを共同で提案し、研究開発現場のデータドリブンな意思決定を強力に支援します。

POLYMERIZEとKNiT、素材・化学産業の研究開発加速に向け画像解析領域における業務提携を開始

■ 協業の背景

近年、素材・化学業界では、実験データや物性値をAIで解析するマテリアルズ・インフォマティクス（MI）やプロセス・インフォマティクス（PI）の導入が進んでいます。しかしながら、研究開発の現場には、電子顕微鏡画像（SEM/TEM）や外観写真といった「画像データ（非構造化データ）」が膨大に蓄積されているにもかかわらず、それらを定量化し、データとして活用することは容易ではありませんでした。

また、多くの現場では、熟練研究者の目視による判定や、手作業での計測に依存しており、「解析の属人化」「工数の増大」「データの定量化不足」が課題となっています。

これらの課題に対し、独自のアルゴリズムで高精度かつ高速に画像を特徴量化するKNiTと、ノーコードで誰でも高度なAI解析が可能なポリマライズが連携し、それぞれの強みを組み合わせた解析ソリューションを提案することで、「画像の特徴量化からAIモデリング、材料設計・工程条件の最適化まで」を強力に支援できると考え、本提携に至りました。

■ 2社連携による、お客様への提供価値：画像解析AI × データ管理・AI解析プラットフォーム

KNiTの画像解析技術で抽出した詳細な「特徴量（粒径、分散度、形状、欠陥分布など）」を、ポリマライズのプラットフォーム上の学習データとして蓄積・活用することで、以下のようなメリットを創出します。

1. 画像データの「資産化」と再現性の向上

属人的になりがちな画像評価を、KNiTのAI技術により高精度・高速に定量化（数値化）します。これにより、誰が解析しても同じ結果が得られる「再現性」を確保し、埋もれていた画像データをAI解析で活用可能な「資産」へと変換します。

2. 構造・特性相関の解明によるR&D加速

KNiTから出力された画像特徴量データをPolymerize Labs™に取り込み、配合条件やプロセス条件と紐づけて機械学習させることで、「どのような製造条件が、微細構造に影響を与え、最終的な製品性能（強度や品質）につながるか」といった関係を解明します。

3. データドリブンな意思決定による開発期間の短縮、歩留り向上
画像から得られた定量データをベースに、次の実験条件をAIが推奨（逆解析）します。これにより、目標とする微細構造や表面品質を得るための試行錯誤回数を大幅に削減し、開発期間の短縮および製造プロセスの歩留まり改善に貢献します。

■ 想定されるユースケース

分散状態・凝集評価： フィラー、添加剤、複合材料における粒子の分散性や凝集度を数値化し、強度や導電性との相関を分析。 粘着剤の剥離・糊残り評価： テープ剥離後の糊残りモード（界面破壊・凝集破壊等）や残渣量を画像から定量化し、糊残りを抑制するための最適な配合比率や塗工・乾燥プロセス条件を導出。 劣化・破壊モード推定： 破面観察画像から破壊の起点やモードを分類し、耐久性向上のための材料設計へフィードバック。

■ 各社代表コメント

POLYMERIZE合同会社代表社員クナル・サンディープ 「データ駆動型R&Dを実現する上で、画像データの活用は『ラストワンマイル』とも言える重要な領域です。高い画像解析技術を持つKNiT社との提携により、これまで活用しきれていなかった画像データをMIの強力な変数として扱えるようになります。これにより、お客様の材料開発における『暗黙知』を形式知化し、開発スピードをさらに加速できると確信しています。」

KNiT株式会社代表取締役窪内将隆
「素材・化学のR&Dにおいて、画像データは性能に関わる多くの手がかりが含まれる一方で、これまで特徴量化することは困難でした。GeXeLは画像データをAIで自動解析し、“インフォマティクスに使える特徴量”に変換することで、データ駆動型R&Dを加速します。POLYMERIZE社との連携により、これまで未利用だった画像データをMI/PIに組み込み、現場で継続運用できる形で支援していきます。」

■ 今後の展開

両社は今後、共同での顧客開拓およびソリューション提案において強力に連携し、画像解析とMIを組み合わせた具体的な成功事例の創出に取り組みます。また、共同セミナーの開催や技術情報の相互連携を通じ、素材・化学業界におけるデータ活用の普及・定着を支援してまいります。

ウェビナー開催

画像解析AI × MI解析で生み出す材料開発ブレークスルー：画像データを活用したAI駆動型アプローチの実践

本ウェビナーでは、「構造化データのみの機械学習解析」が抱える限界を突破し、画像データを活用することで材料開発に新たなアプローチをもたらす実践的な手法をご紹介します。

日時：3月24日（火）15:00〜15:40
こんな課題をお持ちの方へ

既存のMI/PIに限界を感じている方

画像評価の「属人化」に悩んでいる方

画像データをMI/PIの変数（特徴量）として活用したい方

「構造」と「特性」の関係性を解明したい方

最新の実用的なデータ活用フローを知りたい研究開発・生産技術・DX推進担当者
詳細・お申込：https://go.polymerize.jp/knit-polymerize-webinar-2603