特許ウォッチ

公開番号2024070269
公報種別公開特許公報(A)
公開日2024-05-22
出願番号2023213676,2022180078
出願日2023-12-19,2022-11-10
発明の名称予測プログラム、情報処理装置、および予測方法
出願人DIC株式会社
代理人個人,個人
主分類G16C 60/00 20190101AFI20240515BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】粘接着材料の接着特性を予測するための新たな技術を提供する。
【解決手段】粘接着材料の接着特性を予測するための予測プログラムは、コンピュータに、粘接着材料の粘弾特性の入力を受けて、当該粘接着材料の接着特性を出力するように学習された予測モデルを取得するステップと、予測モデルに粘弾特性を入力し、他の粘接着材料の接着特性を予測するステップとを実行させる。
【選択図】図2
特許請求の範囲【請求項１】
粘接着材料の接着特性を予測するための予測プログラムであって、
前記予測プログラムは、コンピュータに、
粘接着材料の粘弾特性の入力を受けて、当該粘接着材料の接着特性を出力するように学習された予測モデルを取得するステップと、
前記予測モデルに粘弾特性を入力し、他の粘接着材料の接着特性を予測するステップとを実行させる、予測プログラム。
続きを表示（約 1,300 文字）【請求項２】
前記予測するステップは、
所望の接着特性の入力を受け付けるステップと、
前記予測モデルから出力される接着特性が前記所望の接着特性となった際に当該予測モデルに入力された粘弾特性を探索するステップとを含む、請求項１に記載の予測プログラム。
【請求項３】
前記予測モデルは、複数の学習用データを用いた学習処理により生成されており、
前記複数の学習用データは、複数の第１データを含み、前記複数の第１データの各々は、粘接着材料の粘弾特性に対して当該粘接着材料の接着特性をラベルとして関連付けている、請求項１または２に記載の予測プログラム。
【請求項４】
前記複数の学習用データは、さらに、複数の第２データを含み、前記複数の第２データの各々は、粘接着材料以外の高分子材料の粘弾特性に対して当該高分子材料の接着特性をラベルとして関連付けている、請求項３に記載の予測プログラム。
【請求項５】
前記予測モデルに入力される粘弾特性は、粘接着材料の貯蔵弾性率と、粘接着材料の損失弾性率と、粘接着材料の損失正接との内の少なくとも１つを含む、請求項１または２に記載の予測プログラム。
【請求項６】
前記予測モデルに入力される粘弾特性は、粘接着材料の貯蔵弾性率から抽出された特徴量と、粘接着材料の損失弾性率から抽出された特徴量と、粘接着材料の損失正接から抽出された特徴量との内の少なくとも１つを含む、請求項１または２に記載の予測プログラム。
【請求項７】
前記粘接着材料は、粘着剤と、当該粘着剤が塗られている基材とを含み、
前記予測モデルは、さらに、前記粘着剤の厚みと、前記基材の厚みと、前記基材の種類との内の少なくとも１つを入力として受けるように構成されている、請求項１または２に記載の予測プログラム。
【請求項８】
前記予測モデルから出力される接着特性は、粘接着材料および被着体の剥離に要する強さを示す特性と、被着体に対する粘接着材料のずれにくさを示す特性と、粘接着材料および被着体の接着のしやすさを示す特性との内の少なくとも１つを含む、請求項１または２に記載の予測プログラム。
【請求項９】
粘接着材料の接着特性を予測するための情報処理装置であって、
前記情報処理装置を制御するための制御部を備え、
前記制御部は、
粘接着材料の粘弾特性の入力を受けて、当該粘接着材料の接着特性を出力するように学習された予測モデルを取得する処理と、
前記予測モデルに粘弾特性を入力し、他の粘接着材料の接着特性を予測する処理とを実行する、情報処理装置。
【請求項１０】
粘接着材料の接着特性を予測するための予測方法であって、
粘接着材料の粘弾特性の入力を受けて、当該粘接着材料の接着特性を出力するように学習された予測モデルを取得するステップと、
前記予測モデルに粘弾特性を入力し、他の粘接着材料の接着特性を予測するステップとを備える、予測方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、予測プログラム、情報処理装置、および予測方法に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
特開２０２１－０３８３４４号公報（特許文献１）は、優れた接着強度を有する硬化性組成物を容易に探索することを目的とする探索方法を開示している。当該探索方法は、学習済みモデルを用いて硬化性組成物の接着強度を探索する。当該学習済みモデルは、主剤の分子量と、硬化剤の分子量と、主剤中におけるグリシジル基の含有量に対するアミン系硬化剤中におけるアミノ基の含有量の含有モル比と、硬化温度との入力を受けて、硬化性組成物の接着強度を出力するように構成されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－０３８３４４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
従来の予測方法では、粘接着材料について接着特性を正確に予測することが困難であった。したがって、粘接着材料の接着特性を予測するための新たな技術が望まれている。
【課題を解決するための手段】
【０００５】
本開示の一例では、粘接着材料の接着特性を予測するための予測プログラムが提供される。上記予測プログラムは、コンピュータに、粘接着材料の粘弾特性の入力を受けて、当該粘接着材料の接着特性を出力するように学習された予測モデルを取得するステップと、上記予測モデルに粘弾特性を入力し、他の粘接着材料の接着特性を予測するステップとを実行させる。
【０００６】
本開示の一例では、上記予測するステップは、所望の接着特性の入力を受け付けるステップと、上記予測モデルから出力される接着特性が上記所望の接着特性となった際に当該予測モデルに入力された粘弾特性を探索するステップとを含む。
【０００７】
本開示の一例では、上記予測モデルは、複数の学習用データを用いた学習処理により生成されている。上記複数の学習用データは、複数の第１データを含む。上記複数の第１データの各々は、粘接着材料の粘弾特性に対して当該粘接着材料の接着特性をラベルとして関連付けている。
【０００８】
本開示の一例では、上記複数の学習用データは、さらに、複数の第２データを含む。上記複数の第２データの各々は、粘接着材料以外の高分子材料の粘弾特性に対して当該高分子材料の接着特性をラベルとして関連付けている。
【０００９】
本開示の一例では、上記予測モデルに入力される粘弾特性は、粘接着材料の貯蔵弾性率と、粘接着材料の損失弾性率と、粘接着材料の損失正接との内の少なくとも１つを含む。
【００１０】
本開示の一例では、上記予測モデルに入力される粘弾特性は、粘接着材料の貯蔵弾性率から抽出された特徴量と、粘接着材料の損失弾性率から抽出された特徴量と、粘接着材料の損失正接から抽出された特徴量との内の少なくとも１つを含む。
（【００１１】以降は省略されています）

関連特許