Lion: ИИ на данных о мыле для тела повысил точность прогноза на величину до 85%

Lion в рамках среднесрочного плана «Vision2030 2nd STAGE» развивает цифровизацию разработки и усиливает применение материаловедческой информатики в R&D. При разработке средств для ванной продукт должен одновременно отвечать нескольким требованиям — к моющей способности, дезинфицирующему действию и другим свойствам. На ранней стадии приходится перебирать новые ингредиенты и их сочетания методом проб и ошибок, на что уходит много времени экспериментов. Для машинного обучения на этом этапе данных обычно мало.

Lion создала собственную модель трансферного обучения, которая использует накопленные компанией за более чем 100 лет исследовательские данные из разных продуктовых категорий. Ранее компания разработала модель машинного обучения, с высокой точностью прогнозирующую качество мыла для тела с новыми компонентами. С помощью собственного метода генерации признаков из этой модели, обученной на большом массиве данных, извлекаются общие признаки моющих средств. Их встраивают в модель для средств для ванной, и она даёт точный прогноз качества при небольшом объёме собственных данных.

Модель применили к прогнозу трёх основных свойств средств для ванной. По сравнению с моделью без переноса данных о мыле для тела точность выросла на 38% по качеству A, на 16% по качеству C и максимум на 85% по качеству B. Сверка с фактическими измерениями подтвердила работу модели на неизвестных ранее составах. Компания ожидает, что модель сократит число необходимых экспериментов максимум примерно на 85%, и планирует направить высвобожденное время на изучение потребностей покупателей и новые разработки. Результаты представлены 26–27 ноября 2025 года на 48-м симпозиуме по хемоинформатике и получили приз за лучший постер.