L’evento, che si terrà a Vilnius (Lituania) dal 9 al 13 settembre, rappresenta una delle più rinomate conferenze europee dedicate al machine learning, richiamando esperti internazionali per discutere delle ultime innovazioni e tendenze del settore.
Il nostro contributo si focalizza sull’applicazione delle Graph Neural Network (GNN), modelli di machine learning avanzati basati su grafi, per ottimizzare le attività di sviluppo di nuovi prodotti. Il caso presentato riguarda l’industria alimentare, ma è rappresentativo dell’esigenza ad oggi molto sentita anche da altri settori, come il cosmetico e il chimico.
Il paper, dal titolo “Graph Machine Learning for Fast Product Development from Formulation Trials“, è stato elaborato congiuntamente da Intellico e dal Dipartimento di Informatica dell’Università degli Studi di Milano e sarà presentato alla “European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases” – ECML PKDD – 2024.
La categoria in cui rientra il paper è l’”Applied Data Science”, ovvero l’ambito di studio che mira a colmare il divario tra teoria e pratica, mostrando come le soluzioni tecnologiche possano essere implementate efficacemente in contesti pratici per generare un impatto tangibile.
Per testare il modello, è stata coinvolta Perfetti Van Melle, multinazionale leader del settore confectionery, e da tempo attiva, in collaborazione con Intellico, sulle tematiche di introduzione dell’intelligenza artificiale nei processi di R&D e sviluppo nuovo prodotto.
Il nostro focus: Explainable AI per lo Sviluppo Rapido di Nuovi Prodotti
Il paper “Graph Machine Learning for Fast Product Development from Formulation Trials” propone una tecnica innovativa per accelerare lo sviluppo di nuovi prodotti, sfruttando modelli avanzati di machine learning basati su grafi.
La creazione e l’introduzione di nuovi prodotti sul mercato, con miglioramenti significativi, richiede di effettuare molteplici prove di formulazione, esplorando numerose variabili e proprietà. L’approccio tradizionale richiede sperimentazioni lunghe e iterative, basate su trial and error, che possono essere inefficienti e costose. Il machine learning offre una promettente via per semplificare questo percorso, migliorando l’efficienza e l’innovazione. Tuttavia, la mancanza di interpretabilità e explainability dei modelli pone significative limitazioni nell’adozione di queste tecnologie.
Nel nostro lavoro, proponiamo una metodologia per uno sviluppo rapido di nuovi prodotti utilizzando modelli di machine learning basati su grafi e tecniche di explainability. Partendo da dati di formulazione tabellari, il modello apprende un grafo latente tra gli elementi e effettua la previsione delle proprietà di una formulazione. Successivamente, l’Explainable AI supporta lo user, il team R&D, nell’identificazione di nuove ricette per raggiungere proprietà desiderate.
Abbiamo valutato il modello su due set di dati: uno relativo alla progettazione alimentare e uno in un contesto alternativo (benchmark del settore sanitario). I risultati dimostrano l’efficacia del modello nel prevedere l’esito di nuove formulazioni, riducendo drasticamente la necessità di esperimenti fisici e lo spreco di materiali. Questa metodologia non solo accelera il processo di sviluppo, ma favorisce anche una gestione più sostenibile delle risorse.
L’ammissione alla Conferenza è un riconoscimento dei risultati ottenuti da Intellico, in collaborazione con istituzioni accademiche di rilievo quali il Dipartimento di Informatica dell’Università degli Studi di Milano, nel campo dell’Explainable AI. È altresì testimonianza dell’impegno di Intellico a dare un “terreno pratico” alla ricerca per testare sul campo le nuove scoperte/tendenze tecnologiche.
Conclusioni
La partecipazione alla ECML PKDD 2024 rappresenta un’importante opportunità per Intellico per condividere le innovazioni sviluppate in collaborazione con istituzioni accademiche di rilievo nel campo della ricerca, quali il Dipartimento di Informatica dell’Università degli Studi di Milano, e ottenere preziosi feedback dalla comunità scientifica internazionale. Siamo orgogliosi di contribuire alla crescita e all’evoluzione del campo del machine learning e dell’artificial intelligence con soluzioni che hanno un impatto concreto e sostenibile. La nostra presenza in questa conferenza rafforza ulteriormente il nostro impegno a rimanere all’avanguardia dell’innovazione tecnologica.
Un ringraziamento al team del Dipartimento di Informatica dell’Università di Milano e al team R&D di Perfetti Van Melle per la collaborazione e l’incredibile energia messa a disposizione della ricerca.
Se sei interessato a saperne di più delle applicazioni di Intellico nel settore Consumer Packaged Goods https://intellico.ai/blog/explainable-ai-what-is-it-about-lets-discover-it-in-the-cpg-sector/
Contributors
Raffaele Olmeda, Head of Data Science Department Intellico.ai
Margherita Pindaro, Developer Intellico.ai
Matteo Zignani – Professore Associato di Informatica presso l’Università degli Studi di Milano
Manuel Dileo – Dottorando in Informatica presso l’Università degli Studi di Milano
