特許ウォッチ

公開番号2024176651
公報種別公開特許公報(A)
公開日2024-12-19
出願番号2023095375
出願日2023-06-09
発明の名称予測装置、予測方法、及びプログラム
出願人株式会社プロテリアル
代理人個人,個人
主分類G16C 60/00 20190101AFI20241212BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】材料の組織情報を考慮したプロセス条件の予測が可能な予測装置等を提供する。
【解決手段】予測装置1は、材料を撮像して得られた組織画像を学習用データとして、材料の組織画像を生成するための生成モデル31を構築する生成モデル構築部21と、材料の組織画像とプロセス条件との対となるデータを学習することにより、任意の組織画像のプロセス条件を予測する回帰モデルであるプロセス条件予測モデル33を構築するプロセス条件予測モデル構築部23と、生成モデル構築部21により構築された生成モデル31とプロセス条件予測モデル構築部23により構築されたプロセス条件予測モデル33とを用いて、材料の組織画像を生成するとともに当該組織画像のプロセス条件を予測する画像生成-予測部26と、を備える。
【選択図】図2

特許請求の範囲【請求項１】
材料を撮像して得られた組織画像を学習用データとして、前記材料の組織画像を生成するための生成モデルを構築する生成モデル構築部と、
前記材料の組織画像とプロセス条件との対となるデータを学習することにより、任意の組織画像のプロセス条件を予測する回帰モデルであるプロセス条件予測モデルを構築するプロセス条件予測モデル構築部と、
前記生成モデル構築部により構築された生成モデルと前記プロセス条件予測モデル構築部により構築された前記プロセス条件予測モデルとを用いて、前記材料の組織画像を生成するとともに当該組織画像のプロセス条件を予測する画像生成－予測部と、
を備えることを特徴とする予測装置。
続きを表示（約 1,200 文字）【請求項２】
前記生成モデル構築部及び前記プロセス条件予測モデル構築部におけるエポック数は、前記生成モデルにより生成される組織画像の再構成精度と、前記プロセス条件予測モデルにより予測されるプロセス条件の分布とに基づいて決定される
ことを特徴とする請求項１に記載の予測装置。
【請求項３】
前記生成モデル構築部及び前記プロセス条件予測モデル構築部における前記エポック数を調整するための調整手段と、
を更に備えることを特徴とする請求項２に記載の予測装置。
【請求項４】
前記画像生成－予測部は、前記生成モデルによって生成した前記材料の組織画像に超解像処理を施した画像を前記プロセス条件予測モデルに入力し、プロセス条件を予測する
ことを特徴とする請求項１に記載の予測装置。
【請求項５】
前記プロセス条件予測モデル構築部は、学習する前記材料の組織画像として、当該材料の組織画像を前記生成モデルにより再構成した画像に超解像処理を施した画像を用いる
ことを特徴とする請求項１または請求項４に記載の予測装置。
【請求項６】
前記材料の組織画像と品質特性値との対となるデータを学習することにより、任意の組織画像の品質特性値を予測する回帰モデルである特性予測モデルを構築する特性予測モデル構築部と、を更に備え、
前記画像生成－予測部は、前記特性予測モデルを用いて生成した前記材料の組織画像の品質特性値を予測する
ことを特徴とする請求項１に記載の予測装置。
【請求項７】
前記画像生成－予測部により生成された前記材料の組織画像から、目標とする品質特性を有する前記材料の組織画像を取得する目標画像取得部と、
を更に備えることを特徴とする請求項６に記載の予測装置。
【請求項８】
前記目標画像取得部は、前記画像生成－予測部が予測した前記生成モデルによって生成した組織画像についての品質特性値が、所定の目標条件を満たすか否かを判定し、前記品質特性値が所定の目標条件を満たす場合に、前記生成した組織画像を前記目標とする品質特性を有する前記材料の組織画像とする
ことを特徴とする請求項７に記載の予測装置。
【請求項９】
前記目標とする品質特性を有する前記材料の組織画像について、プロセス条件および品質特性値の予測結果を可視化する可視化部と、
を更に備えることを特徴とする請求項８に記載の予測装置。
【請求項１０】
前記生成モデル構築部及び特性予測モデル構築部におけるエポック数は、前記生成モデルにより生成される組織画像の再構成精度と、前記特性予測モデルにより予測される品質特性値の分布とに基づいて決定される
ことを特徴とする請求項６に記載の予測装置。
（【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、材料開発を支援する技術に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
近年、情報科学、特にデータ科学を効果的に活用して、新材料を開発するマテリアルズインフォマティクスという技術分野が注目されている。マテリアルズインフォマティクスでは、様々な実験条件や実験結果等のデータを関連付けてデータベースに蓄積し、統計解析、機械学習、シミュレーション等を駆使して、新材料の開発に役立つ情報を抽出している。
【０００３】
例えば、特許文献１、２では、材料の組成条件や熱処理条件等のプロセス条件と材料の品質特性値とを関係づけて回帰モデルを学習し、回帰モデルを使用して所望の品質特性値から材料のプロセス条件を予測する技術が記載されている。特許文献１、２で開示されるような回帰モデルを学習生成する手法は精度が高く、数値データを基本とする材料設計の分野では適用しやすいと考えられている。
【先行技術文献】
【特許文献】
【０００４】
特許第６６１７８４２号
特許第６９５０１１９号
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、特許文献１、２のように、材料のプロセス条件と品質特性値の数値データのみに基づき学習させた回帰モデルを使用して予測を行う方法では、プロセス条件の予測精度の更なる向上には限界があった。そのため、より精度の高い予測を実現するために、数値データ以外の情報、例えば、材料の組織情報等を考慮することが考えられる。
【０００６】
本発明は、このような課題に鑑みてなされたもので、材料の組織情報を考慮したプロセス条件の予測が可能な予測装置等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】
【０００７】
前述した課題を解決するための第１の発明は、材料を撮像して得られた組織画像を学習用データとして、前記材料の組織画像を生成するための生成モデルを構築する生成モデル構築部と、前記材料の組織画像とプロセス条件との対となるデータを学習することにより、任意の組織画像のプロセス条件を予測する回帰モデルであるプロセス条件予測モデルを構築するプロセス条件予測モデル構築部と、前記生成モデル構築部により構築された生成モデルと前記プロセス条件予測モデル構築部により構築された前記プロセス条件予測モデルとを用いて、前記材料の組織画像を生成するとともに当該組織画像のプロセス条件を予測する画像生成－予測部と、を備えることを特徴とする予測装置である。
【０００８】
第１の発明によれば、実験で得た組織画像やプロセス条件のデータを用いて生成モデルや回帰モデルを学習することで、材料の組織情報を考慮したプロセス条件の予測が可能となる。
【０００９】
第１の発明において、前記生成モデル構築部及び前記プロセス条件予測モデル構築部におけるエポック数は、前記生成モデルにより生成される組織画像の再構成精度と、前記プロセス条件予測モデルにより予測されるプロセス条件の分布とに基づいて決定されることが望ましい。また、前記生成モデル構築部及び前記プロセス条件予測モデル構築部における前記エポック数を調整するための調整手段と、を更に備えることが望ましい。これにより、画像の再構成精度とプロセス条件の予測精度を両立させた学習モデル（生成モデル、プロセス条件予測モデル）を構築することができる。
【００１０】
また、前記画像生成－予測部は、前記生成モデルによって生成した前記材料の組織画像に超解像処理を施した画像を前記プロセス条件予測モデルに入力し、プロセス条件を予測することが望ましい。
また、前記プロセス条件予測モデル構築部は、学習する前記材料の組織画像として、当該材料の組織画像を前記生成モデルにより再構成した画像に超解像処理を施した画像を用いることが望ましい。
超解像処理を施した画像を用いてプロセス条件予測モデルの学習や予測を行うことで、学習性能や予測性能を向上させることができる。
（【００１１】以降は省略されています）

関連特許