特許ウォッチ

公開番号2024048356
公報種別公開特許公報(A)
公開日2024-04-08
出願番号2023137905
出願日2023-08-28
発明の名称学習用データ生成方法、材料の物性値推定方法、学習用データ生成プログラム、材料の物性値推定プログラムおよび学習用データ生成装置
出願人東レ株式会社
代理人弁理士法人酒井国際特許事務所
主分類G16C 60/00 20190101AFI20240401BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】物性値を推定する際の精度低下を抑制することができる学習用データ生成方法、材料の物性値推定方法、学習用データ生成プログラム、材料の物性値推定プログラムおよび学習用データ生成装置を提供すること。
【解決手段】本発明に係る学習用データの生成方法は、材料の製造条件、および複数種の物性値をそれぞれ含む複数のデータセットを記憶部から読み出し、該複数のデータセットを製造条件ごとにグループ化するグループ化ステップと、補正対象の物性値、および、補正の基準とする基準用物性値を選択する選択ステップと、物性値の統計量を算出する統計量算出ステップと、基準用物性値の統計量を用いて補正モデルを生成する補正モデル生成ステップと、補正モデルを用いて補正対象の物性値の統計量を補正する補正ステップと、補正後のデータセットを用いて学習用データを生成する生成ステップと、を含む。
【選択図】図1
特許請求の範囲【請求項１】
コンピュータが、材料の物性値を推定するための学習用データを生成する学習用データ生成方法であって、
材料の製造条件、および複数種の物性値をそれぞれ含む複数のデータセットを記憶部から読み出し、該複数のデータセットを製造条件ごとにグループ化するグループ化ステップと、
補正対象の物性値、および、補正の基準とする基準用物性値を選択する選択ステップと、
各グループにおいて、前記選択ステップで選択した物性値の統計量を算出する統計量算出ステップと、
前記基準用物性値の統計量を用いて、前記補正対象の物性値の統計量を補正するための補正モデルを生成する補正モデル生成ステップと、
前記補正モデルを用いて前記補正対象の物性値の統計量を補正する補正ステップと、
補正後のデータセットを用いて学習用データを生成する生成ステップと、
を含む学習用データ生成方法。
続きを表示（約 2,300 文字）【請求項２】
前記選択ステップは、前記基準用物性値とする物性値を複数選択する、
請求項１に記載の学習用データ生成方法。
【請求項３】
前記選択ステップは、前記基準用物性値とする物性値を基準物性値候補として複数選択し、
前記補正モデル生成ステップは、複数の基準物性値候補の統計量、または、複数の基準物性値候補および補正対象の物性値の統計量を用いてそれぞれ生成された補正モデルに対し精度評価を行って、各補正モデルから最適な補正モデルを選択する、
請求項１に記載の学習用データ生成方法。
【請求項４】
前記統計量算出ステップの前に実行され、適正範囲から外れている物性値を外れ値として前記データセットから除外する除外ステップ、
をさらに含む請求項１～３のいずれか一つに記載の学習用データ生成方法。
【請求項５】
前記補正モデル生成ステップは、関数フィッティングまたは機械学習を用いて補正モデルを生成する、
請求項１～３のいずれか一つに記載の学習用データ生成方法。
【請求項６】
コンピュータが材料の物性値を推定する材料の物性値推定方法であって、
材料の製造条件、および複数種の物性値をそれぞれ含む複数のデータセットを記憶部から読み出し、該複数のデータセットを製造条件ごとにグループ化するグループ化ステップと、
補正対象の物性値、および、補正の基準とする基準用物性値を選択する選択ステップと、
各グループにおいて、前記選択ステップで選択した物性値の統計量を算出する統計量算出ステップと、
前記基準用物性値の統計量を用いて、前記補正対象の物性値の統計量を補正するための補正モデルを生成する補正モデル生成ステップと、
前記補正モデルを用いて前記補正対象の物性値の統計量を補正する補正ステップと、
補正後のデータセットを用いて学習用データを生成する生成ステップと、
前記学習用データを用いて回帰モデルを学習する学習ステップと、
前記学習ステップで学習した前記回帰モデルに基づいて、推定対象の材料の物性値を算出する算出ステップと、
を有する材料の物性値推定方法。
【請求項７】
コンピュータに、材料の物性値を推定するための学習用データを生成させる学習用データ生成プログラムであって、
材料の製造条件、および複数種の物性値をそれぞれ含む複数のデータセットを記憶部から読み出し、該複数のデータセットを製造条件ごとにグループ化するグループ化ステップと、
補正対象の物性値、および、補正の基準とする基準用物性値を選択する選択ステップと、
各グループにおいて、前記選択ステップで選択した物性値の統計量を算出する統計量算出ステップと、
前記基準用物性値の統計量を用いて、前記補正対象の物性値の統計量を補正するための補正モデルを生成する補正モデル生成ステップと、
前記補正モデルを用いて前記補正対象の物性値の統計量を補正する補正ステップと、
補正後のデータセットを用いて学習用データを生成する生成ステップと、
を前記コンピュータに実行させる学習用データ生成プログラム。
【請求項８】
コンピュータに、材料の物性値を推定させる材料の物性値推定プログラムであって、
材料の製造条件、および複数種の物性値をそれぞれ含む複数のデータセットを記憶部から読み出し、該複数のデータセットを製造条件ごとにグループ化するグループ化ステップと、
補正対象の物性値、および、補正の基準とする基準用物性値を選択する選択ステップと、
各グループにおいて、前記選択ステップで選択した物性値の統計量を算出する統計量算出ステップと、
前記基準用物性値の統計量を用いて、前記補正対象の物性値の統計量を補正するための補正モデルを生成する補正モデル生成ステップと、
前記補正モデルを用いて前記補正対象の物性値の統計量を補正する補正ステップと、
補正後のデータセットを用いて学習用データを生成する生成ステップと、
前記学習用データを用いて回帰モデルを学習する学習ステップと、
前記学習ステップで学習した前記回帰モデルに基づいて、推定対象の材料の物性値を算出する算出ステップと、
を前記コンピュータに実行させる材料の物性値推定プログラム。
【請求項９】
材料の物性値を推定するための学習用データを生成する学習用データ生成装置であって、
材料の製造条件、および複数種の物性値をそれぞれ含む複数のデータセットを記憶部から読み出し、該複数のデータセットを製造条件ごとにグループ化する抽出部と、
補正対象の物性値を補正する物性値補正部と、
補正後のデータセットを用いて学習用データを生成する学習用データ生成部と、
を備え、
前記物性値補正部は、
補正対象の物性値、および、補正の基準とする基準用物性値を選択する選択し、
各グループにおいて、選択した物性値の統計量を算出し、
前記基準用物性値の統計量を用いて、前記補正対象の物性値の統計量を補正するための補正モデルを生成し、
前記補正モデルを用いて前記補正対象の物性値の統計量を補正する、
学習用データ生成装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、学習用データ生成方法、材料の物性値推定方法、学習用データ生成プログラム、材料の物性値推定プログラムおよび学習用データ生成装置に関するものである。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
近年、多岐にわたる原料あるいは製造条件の組み合わせから、所望の物性を有する組み合わせを推定する技術として、ポリマー組成物の製造条件情報から、ポリマー組成物の物性情報を推定する技術が開示されている（例えば、特許文献１を参照）。特許文献１では、製造条件情報をもとに生成される学習済みモデルを用いて、物性情報を推測する。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－１６３７８３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところで、学習済みモデルを生成するための物性値において測定のばらつきが大きいと、実験で得られる測定平均値と、本来得るべき真の測定平均値とが乖離し、学習済みモデルによる物性値の推定精度が低下する場合があった。
【０００５】
本発明は、上記に鑑みてなされたものであって、物性値を推定する際の精度低下を抑制することができる学習用データ生成方法、材料の物性値推定方法、学習用データ生成プログラム、材料の物性値推定プログラムおよび学習用データ生成装置を提供することを目的とする。
【課題を解決するための手段】
【０００６】
上述した課題を解決し、目的を達成するために、本発明に係る学習用データ生成方法は、コンピュータが、材料の物性値を推定するための学習用データを生成する学習用データ生成方法であって、材料の製造条件、および複数種の物性値をそれぞれ含む複数のデータセットを記憶部から読み出し、該複数のデータセットを製造条件ごとにグループ化するグループ化ステップと、補正対象の物性値、および、補正の基準とする基準用物性値を選択する選択ステップと、各グループにおいて、前記選択ステップで選択した物性値の統計量を算出する統計量算出ステップと、前記基準用物性値の統計量を用いて、前記補正対象の物性値の統計量を補正するための補正モデルを生成する補正モデル生成ステップと、前記補正モデルを用いて前記補正対象の物性値の統計量を補正する補正ステップと、補正後のデータセットを用いて学習用データを生成する生成ステップと、を含む。
【０００７】
本発明に係る学習用データ生成方法は、上記発明において、前記選択ステップは、前記基準用物性値とする物性値を複数選択する。
【０００８】
本発明に係る学習用データ生成方法は、上記発明において、前記選択ステップは、前記基準用物性値とする物性値を基準物性値候補として複数選択し、前記補正モデル生成ステップは、複数の基準物性値候補の統計量、または、複数の基準物性値候補および補正対象の物性値の統計量を用いてそれぞれ生成された補正モデルに対し精度評価を行って、各補正モデルから補正モデルを選択する。
【０００９】
本発明に係る学習用データ生成方法は、上記発明において、前記統計量算出ステップの前に実行され、適正範囲から外れている物性値を外れ値として前記データセットから除外する除外ステップ、をさらに含む。
【００１０】
本発明に係る学習用データ生成方法は、上記発明において、前記補正モデル生成ステップは、関数フィッティングまたは機械学習を用いて補正モデルを生成する。
（【００１１】以降は省略されています）

関連特許