特許ウォッチ

公開番号2024070702
公報種別公開特許公報(A)
公開日2024-05-23
出願番号2022181359
出願日2022-11-11
発明の名称情報処理装置、情報処理方法、及び情報処理プログラム
出願人トヨタ自動車株式会社
代理人弁理士法人太陽国際特許事務所
主分類G01N 23/201 20180101AFI20240516BHJP(測定;試験)
要約【課題】本開示は、材料の三次元構造を精度よく予測可能とする。
【解決手段】情報処理装置は、材料を計測した小角散乱データと、材料の二次元データである補足情報とを取得する取得部と、前記小角散乱データと、前記補足情報とを入力として、予め学習された材料の三次元構造を予測するための予測モデルの出力から、前記材料の三次元構造を予測する予測部と、を含む。
【選択図】図4
特許請求の範囲【請求項１】
材料を計測した小角散乱データと、材料の二次元データである補足情報とを取得する取得部と、
前記小角散乱データと、前記補足情報とを入力として、予め学習された材料の三次元構造を予測するための予測モデルの出力から、前記材料の三次元構造を予測する予測部と、
を含む情報処理装置。
続きを表示（約 1,000 文字）【請求項２】
前記小角散乱データ及び前記補足情報のそれぞれを入力した前記予測モデルは、構造のスペクトルパターンとして、前記材料の粒形分布に関する形状因子と、前記材料の距離分布に関する構造因子と、前記形状因子及び前記構造因子から求まる小角散乱パターンとをそれぞれ出力し、
前記予測部は、前記予測モデルの出力から、前記補足情報により候補及び範囲が絞り込まれた、前記材料に関する三次元構造パラメータを予測する、
請求項１に記載の情報処理装置。
【請求項３】
前記予測モデルは、三次元モデルと、二次元モデルを含み、
前記三次元モデルは、前記小角散乱データを入力として、三次元における、前記形状因子、前記構造因子、及び前記小角散乱パターンを出力するモデルであり、
前記二次元モデルは、前記補足情報を入力として、前記三次元モデルの出力の推定結果を出力するモデルであって、
前記予測部は、前記三次元モデルの出力と前記二次元モデルの出力とを比較することで、前記三次元構造パラメータの候補及び範囲を絞り込んで、前記三次元構造パラメータを予測する、請求項２に記載の情報処理装置。
【請求項４】
前処理部と、学習部とを更に含み、
前記前処理部は、学習用のサンプル情報を入力として、学習用の三次元構造を作成して、前記学習用の三次元構造について得られた、三次元構造パラメータに関する説明変数と、所定の三次元構造のフーリエ変換結果である目的変数とを出力し、
前記学習部は、前記説明変数及び前記目的変数を入力として、前記予測モデルを学習する、請求項１に記載の情報処理装置。
【請求項５】
材料を計測した小角散乱データと、材料の二次元データである補足情報とを取得し、
前記小角散乱データと、前記補足情報とを入力として、予め学習された材料の三次元構造を予測するための予測モデルの出力から、前記材料の三次元構造を予測し、
処理をコンピュータが実行する情報処理方法。
【請求項６】
材料を計測した小角散乱データと、材料の二次元データである補足情報とを取得し、
前記小角散乱データと、前記補足情報とを入力として、予め学習された材料の三次元構造を予測するための予測モデルの出力から、前記材料の三次元構造を予測し、
処理をコンピュータに実行させる情報処理プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
特許文献１には、サンプルのタルボ画像に基づいてタルボ配向情報を算出し、算出したタルボ配向情報に基づいてサンプルの構造解析をする技術が開示されている。この技術では、構造解析の処理の一部を機械学習で行うための学習装置を備えており、サンプル製造情報及びタルボ画像、サンプル製造情報及びタルボ配向情報を関連付けて学習している。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－０５２１０２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１のような先行技術では、構造解析を学習する技術は提案されているものの、三次元構造を予測するものではない。また、材料の構造の多様な因子を考慮して三次元構造を予測する技術はなかった。
【０００５】
本開示は、材料の三次元構造を精度よく予測可能とする情報処理装置、情報処理方法、及び情報処理プログラム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】
請求項１に記載の情報処理装置は、材料を計測した小角散乱データと、材料の二次元データである補足情報とを取得する取得部と、前記小角散乱データと、前記補足情報とを入力として、予め学習された材料の三次元構造を予測するための予測モデルの出力から、前記材料の三次元構造を予測する予測部と、を含む。
【０００７】
請求項１に記載の情報処理装置は、小角散乱データと補足情報を入力する。これにより補足情報に応じて三次元構造を精度よく予測可能とする。
【０００８】
請求項２に記載の情報処理装置は、請求項１に記載の情報処理装置において、前記小角散乱データ及び前記補足情報のそれぞれを入力した前記予測モデルは、構造のスペクトルパターンとして、前記材料の粒形分布に関する形状因子と、前記材料の距離分布に関する構造因子と、前記形状因子及び前記構造因子から求まる小角散乱パターンとをそれぞれ出力し、前記予測部は、前記予測モデルの出力から、前記補足情報により候補及び範囲が絞り込まれた、前記材料に関する三次元構造パラメータを予測する。
【０００９】
請求項２に記載の情報処理装置によれば、予測モデルによる形状因子、構造因子、小角散乱パターンの出力から、三次元構造パラメータの予測を可能とする。
【００１０】
請求項３に記載の情報処理装置は、請求項２に記載の情報処理装置において、前記予測モデルは、三次元モデルと、二次元モデルを含み、前記三次元モデルは、前記小角散乱データを入力として、三次元における、前記形状因子、前記構造因子、及び前記小角散乱パターンを出力するモデルであり、前記二次元モデルは、前記補足情報を入力として、前記三次元モデルの出力の推定結果を出力するモデルであって、前記予測部は、前記三次元モデルの出力と前記二次元モデルの出力とを比較することで、前記三次元構造パラメータの候補及び範囲を絞り込んで、前記三次元構造パラメータを予測する。請求項３に記載の情報処理装置によれば、三次元モデルの出力と、補足情報を入力した二次元モデルの出力とを比較して候補及び範囲を絞り込むことで、精度よく三次元構造パラメータを予測できる。
（【００１１】以降は省略されています）

関連特許