特許ウォッチ

公開番号2024171479
公報種別公開特許公報(A)
公開日2024-12-12
出願番号2023088508
出願日2023-05-30
発明の名称予測システム
出願人株式会社カネカ,大学共同利用機関法人情報・システム研究機構
代理人個人,個人
主分類G16C 20/70 20190101AFI20241205BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】本発明は、従来に比べて学習モデルの精度を向上できる予測システムを提供する。
【解決手段】少なくとも2種類の単量体が重合した構造単位を繰り返し単位とし、構造単位の数が10以上となる高分子の予測システムであり、構造単位に対応するパラメータを含む第1データと、高分子の物性を含む第2データとのデータセットを教師データとして機械学習し、機械学習モデルを作成する機械学習部と、機械学習モデルを用いて、複数の単量体の中から、物性が所定の範囲に収まる高分子を構成する単量体の組み合わせを予測する構造予測部を有する構成とする。
【選択図】図1
特許請求の範囲【請求項１】
少なくとも２種類の単量体が重合した構造単位を繰り返し単位とし、前記構造単位の数が１０以上となる高分子の予測システムであって、
前記構造単位に対応するパラメータを含む第１データと、前記高分子の物性を含む第２データとのデータセットを教師データとして機械学習し、機械学習モデルを作成する機械学習部と、
前記機械学習モデルを用いて、複数の単量体の中から、物性が所定の範囲に収まる高分子を構成する単量体の組み合わせを予測する構造予測部を有する、予測システム。
続きを表示（約 680 文字）【請求項２】
少なくとも２種類の単量体が重合した構造単位を繰り返し単位とし、前記構造単位の数が１０以上となる高分子の物性を予測する予測システムであって、
前記構造単位に対応するパラメータを含む第１データと、前記高分子の物性を含む第２データとのデータセットを教師データとして機械学習し、機械学習モデルを作成する機械学習部と、
前記機械学習モデルを用いて、予測対象の高分子の第１データから前記予測対象の高分子の物性を予測する物性予測部を有する、予測システム。
【請求項３】
前記第１データは、前記構造単位の理論的分子記述子を含む、請求項１又は２に記載の予測システム。
【請求項４】
前記第１データは、複数の異なる次元の理論的分子記述子を含む、請求項３に記載の予測システム。
【請求項５】
前記構造単位の理論的分子記述子は、前記２種類の単量体の配合比に応じて重み付けして算出する、請求項３に記載の予測システム。
【請求項６】
前記機械学習部は、勾配ブースティング回帰、線形回帰、ランダムフォレスト回帰、及びニューラルネットワークのうち少なくとも一つを用いて機械学習を実行する、請求項１又は２に記載の予測システム。
【請求項７】
前記複数の単量体の重合可能な全ての組み合わせをそれぞれ構造単位とし、各構造単位から前記機械学習モデルを用いて各物性を予測し、物性が所定の範囲に収まる高分子を構成する単量体の組み合わせを抽出する、請求項１に記載の予測システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、機械学習を用いた予測システムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
近年、実験データの複雑な関係性を情報科学に基づいた機械学習によって解析し、有望な材料を予測するマテリアルズ・インフォマティックスが注目されている。
例えば、特許文献１の製造装置では、感光性樹脂組成物の組成データと特性データを含む学習データを用いて、目標とする感光性樹脂組成物の特性を示す目標特性データから当該特性を示す感光性樹脂組成物の推奨組成データを出力可能とされている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－００４９３３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、化合物の構造と物性の関係を用いて機械学習する際には、コンピュータで識別可能とするべく、化合物の構造からその特徴を表す記述子を算出し、記述子と物性の間における機械学習モデルを構築する。高分子化合物の構造から記述子を算出する場合には、その最小単位であるモノマーに対して記述子を算出することが考えられる。
【０００５】
しかしながら、モノマー単位で分子記述子を割り当てて機械学習を行うと、計算量が多くなるとともに、機械学習モデルによる予測値と実測値の誤差が大きくなりすぎてしまう。予測値と実測値の誤差が大きいと、機械学習モデルを用いた化合物から物性の推定の精度や、機械学習モデルを逆解析による物性から化合物の構造の推定の精度が悪い問題がある。
【０００６】
そこで、本発明は、従来に比べて機械学習モデルの精度を向上できる予測システムを提供することを課題とする。
【課題を解決するための手段】
【０００７】
上記した課題を解決するための本発明の一つの様相は、少なくとも２種類の単量体が重合した構造単位を繰り返し単位とし、前記構造単位の数が１０以上となる高分子の予測システムであって、前記構造単位に対応するパラメータを含む第１データと、前記高分子の物性を含む第２データとのデータセットを教師データとして機械学習し、機械学習モデルを作成する機械学習部と、前記機械学習モデルを用いて、複数の単量体の中から、物性が所定の範囲に収まる高分子を構成する単量体の組み合わせを予測する構造予測部を有する、予測システムである。
【０００８】
本様相によれば、２種類以上の単量体が重合した構造単位のデータを第１データとして使用するので、従来に比べて高精度の機械学習モデルを生成でき、高分子の物性が所定の範囲に収まる高分子を予測できる。
【０００９】
本発明の一つの様相は、少なくとも２種類の単量体が重合した構造単位を繰り返し単位とし、前記構造単位の数が１０以上となる高分子の物性を予測する予測システムであって、前記構造単位に対応するパラメータを含む第１データと、前記高分子の物性を含む第２データとのデータセットを教師データとして機械学習し、機械学習モデルを作成する機械学習部と、前記機械学習モデルを用いて、予測対象の高分子の第１データから前記予測対象の高分子の物性を予測する物性予測部を有する、予測システムである。
【００１０】
本様相によれば、２種類以上の単量体が重合した構造単位のデータを第１データとして使用するので、高精度の機械学習モデルを生成でき、従来に比べて物性の予測精度が良好となる。
（【００１１】以降は省略されています）

関連特許