特許ウォッチ

公開番号2024092636
公報種別公開特許公報(A)
公開日2024-07-08
出願番号2022208718
出願日2022-12-26
発明の名称学習済みモデル生成方法、物性推定方法、学習済みモデル生成プログラム、物性推定プログラムおよび学習済みモデル生成装置
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G06N 20/20 20190101AFI20240701BHJP(計算;計数)
要約【課題】複数の値によって構成される物性を高精度に推定することができる学習済みモデル生成方法、物性推定方法、学習済みモデル生成プログラム、物性推定プログラムおよび学習済みモデル生成装置を提供すること。
【解決手段】本発明に係る学習済みモデル生成方法は、コンピュータが、材料の物性であって、複数の値を含む物性を推定するための学習済みモデルを生成する学習済みモデル生成方法であって、物性が依存するパラメータ空間を分割して複数の部分区間を設定するドメイン分割ステップと、各部分区間について、部分区間内の物性値に対する予測精度を高くする学習によってドメイン別学習済みモデルを部分区間ごとに生成するドメイン別学習ステップと、各部分区間のドメイン別学習済みモデルを用いたアンサンブル学習によってアンサンブル学習済みモデルを生成するアンサンブル学習ステップと、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、材料の物性であって、複数の値を含む物性を推定するための学習済みモデルを生成する学習済みモデル生成方法であって、
物性が依存するパラメータ空間を分割して複数の部分区間を設定するドメイン分割ステップと、
各部分区間について、部分区間内の物性値に対する予測精度を高くする学習によってドメイン別学習済みモデルを部分区間ごとに生成するドメイン別学習ステップと、
各部分区間のドメイン別学習済みモデルを用いたアンサンブル学習によってアンサンブル学習済みモデルを生成するアンサンブル学習ステップと、
を含む学習済みモデル生成方法。
続きを表示（約 1,200 文字）【請求項２】
前記ドメイン分割ステップは、パラメータに対して予め設定されている条件に基づいて前記パラメータ空間を分割する、
請求項１に記載の学習済みモデル生成方法。
【請求項３】
前記ドメイン分割ステップは、物性に対して予め設定されている条件に基づいて前記パラメータ空間を分割する、
請求項１に記載の学習済みモデル生成方法。
【請求項４】
前記ドメイン分割ステップは、共通のパラメータ空間に依存する二種類の物性を示す曲線同士の交点に基づいて前記パラメータ空間を分割する、
請求項１に記載の学習済みモデル生成方法。
【請求項５】
前記ドメイン分割ステップは、前記物性を示す曲線の極値に基づいて前記パラメータ空間を分割する、
請求項１に記載の学習済みモデル生成方法。
【請求項６】
前記ドメイン分割ステップは、
予備閾値によって前記パラメータ空間を分割して複数の予備部分空間を設定し、
前記予備部分空間ごとに予め設定されている関数によってフィッティングし、
前記フィッティングによって得られる関数同士の交点に基づいて前記パラメータ空間を分割する、
請求項１に記載の学習済みモデル生成方法。
【請求項７】
前記アンサンブル学習ステップは、各部分区間のドメイン別学習済みモデルを用いたスタッキング法によって前記アンサンブル学習済みモデルを生成する、
請求項１に記載の学習済みモデル生成方法。
【請求項８】
前記アンサンブル学習ステップは、指定された関数形を用いて前記アンサンブル学習済みモデルを生成する、
請求項１に記載の学習済みモデル生成方法。
【請求項９】
互いに異なるドメイン分割数について、前記ドメイン分割ステップ、前記ドメイン別学習ステップおよび前記アンサンブル学習ステップを実行し、各ドメイン分割数に対して予測精度を算出し、最も予測精度が高いドメイン分割数によるアンサンブル学習済みモデルを選択する学習済みモデル選択ステップ、
をさらに含む請求項１に記載の学習済みモデル生成方法。
【請求項１０】
コンピュータが、材料の物性であって、複数の値を含む物性を推定する物性値推定方法であって、
物性が依存するパラメータ空間を分割して複数の部分区間を設定するドメイン分割ステップと、
各部分区間について、部分区間内の物性値に対する予測精度を高くする学習によってドメイン別学習済みモデルを部分区間ごとに生成するドメイン別学習ステップと、
各部分区間のドメイン別学習済みモデルを用いたアンサンブル学習によってアンサンブル学習済みモデルを生成するアンサンブル学習ステップと、
前記アンサンブル学習済みモデルに基づいて、推定対象の材料の物性を算出する算出ステップと、
を含む物性推定方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、学習済みモデル生成方法、物性推定方法、学習済みモデル生成プログラム、物性推定プログラムおよび学習済みモデル生成装置に関するものである。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
近年、材料設計を効率化させるため、多岐にわたる原料の組み合わせから所望の物性を有する組み合わせを設定する技術として、設計パラメータを入力して、該設計パラメータによって作製される材料のうちの目的とする特性を推定する技術が開示されている（例えば、特許文献１、２を参照）。この技術では、例えば、設計パラメータを入力して、ガラス転移点温度の推定値が出力される。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－８７４２９号公報
特許第７０７８９４４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、上述したような推定技術によって推定したい特性は、一つの数値に限らず、二つ以上の値を有するものや、複数の値によってなる直線または曲線をなすものがある。この際、単純に機械学習をさせるのみでは予測精度が低くなる場合がある。このため、例えば、曲線によって表現される特性を高精度に推定することが求められていた。
【０００５】
本発明は、上記に鑑みてなされたものであって、複数の値によって構成される物性を高精度に推定することができる学習済みモデル生成方法、物性推定方法、学習済みモデル生成プログラム、物性推定プログラムおよび学習済みモデル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、本発明に係る学習済みモデル生成方法は、コンピュータが、材料の物性であって、複数の値を含む物性を推定するための学習済みモデルを生成する学習済みモデル生成方法であって、物性が依存するパラメータ空間を分割して複数の部分区間を設定するドメイン分割ステップと、各部分区間について、部分区間内の物性値に対する予測精度を高くする学習によって、ドメイン別学習済みモデルを部分区間ごとに生成するドメイン別学習ステップと、各部分区間のドメイン別学習済みモデルを用いたアンサンブル学習によってアンサンブル学習済みモデルを生成するアンサンブル学習ステップと、を含む。
【０００７】
また、本発明に係る学習済みモデル生成方法は、上記発明において、前記ドメイン分割ステップは、パラメータに対して予め設定されている条件に基づいて前記パラメータ空間を分割する。
【０００８】
また、本発明に係る学習済みモデル生成方法は、上記発明において、前記ドメイン分割ステップは、物性に対して予め設定されている条件に基づいて前記パラメータ空間を分割する。
【０００９】
また、本発明に係る学習済みモデル生成方法は、上記発明において、前記ドメイン分割ステップは、共通のパラメータ空間に依存する二種類の物性を示す曲線同士の交点に基づいて前記パラメータ空間を分割する。
【００１０】
また、本発明に係る学習済みモデル生成方法は、上記発明において、前記ドメイン分割ステップは、前記物性を示す曲線の極値に基づいて前記パラメータ空間を分割する。
（【００１１】以降は省略されています）

関連特許