特許ウォッチ

公開番号2025015153
公報種別公開特許公報(A)
公開日2025-01-30
出願番号2023118347
出願日2023-07-20
発明の名称予測モデル生成方法、予測モデル生成システム、予測モデル生成用教師データおよび学習済予測モデル
出願人株式会社東芝,東芝エネルギーシステムズ株式会社
代理人弁理士法人東京国際特許事務所
主分類G16Z 99/00 20190101AFI20250123BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】予測対象毎に異なった空間の形状とその内部の物体に対応した機械学習用の教師データの増大を抑えつつ、効率的に機械学習を行う。
【解決手段】予測モデル生成方法は、教師データを用いてパラメータの機械学習を行い、少なくともデータ取得部11,12で取得された第1状態のデータを入力とし、第2状態のデータを出力とする予測モデル20を生成する処理を1つ以上のコンピュータ10が実行する方法であり、教師データは、外力の影響により空間2内の流体に生じる少なくとも1つの主流40を示すデータと、空間2内に存在する少なくとも1つの物体3に主流40が当たることで生じる少なくとも1つの局所流41を示すデータとを含む。
【選択図】図1
特許請求の範囲【請求項１】
少なくとも空間の形状と前記空間内の流体の挙動とを示す第１状態のデータまたはこれを模したデータの少なくとも一方を入力、少なくとも前記第１状態よりも未来の前記流体の挙動を示す第２状態のデータまたはこれを模したデータの少なくとも一方を出力とする教師データを取得し、
前記教師データを用いてパラメータの機械学習を行い、
少なくともデータ取得部で取得された前記第１状態のデータを入力とし、前記第２状態のデータを出力とする、予測モデルを生成する、
処理を１つ以上のコンピュータが実行する方法であり、
前記教師データは、
外力の影響により前記空間内の前記流体に生じる少なくとも１つの主流を示すデータと、
前記空間内に存在する少なくとも１つの物体に前記主流が当たることで生じる少なくとも１つの局所流を示すデータと、
を含む、
予測モデル生成方法。
続きを表示（約 2,000 文字）【請求項２】
前記コンピュータは、前記機械学習の少なくとも一部の工程で、前記主流を学習する処理と、前記局所流を学習する処理と、をそれぞれ個別に行う、
請求項１に記載の予測モデル生成方法。
【請求項３】
前記コンピュータまたはこれを扱う１人以上のユーザの少なくともいずれかは、
前記流体の挙動の予測対象となる前記空間の形状および大きさを設定し、
前記空間内の前記流体が前記外力の影響を受ける境界となっている少なくとも１つの境界部を設定し、
前記空間内に配置されている少なくとも１つの前記物体を設定し、
前記境界部と前記物体の代表的な位置を示す少なくとも１つの代表ケースを設定し、
前記境界部の少なくとも１つの動作を示す動作条件を設定し、
前記代表ケースにおける前記流体の挙動の数値解析を行い、
前記数値解析の結果から前記空間で生じる前記主流と前記局所流の少なくとも１つを抽出し、
抽出された前記主流と前記局所流の少なくとも１つに基づいて前記教師データを生成する、
請求項１に記載の予測モデル生成方法。
【請求項４】
前記コンピュータまたは前記ユーザの少なくともいずれかは、
前記数値解析の結果から抽出された複数の前記局所流を流れの態様に応じて分類し、
分類された前記局所流に対応する前記教師データを生成する、
請求項３に記載の予測モデル生成方法。
【請求項５】
前記コンピュータまたは前記ユーザの少なくともいずれかは、
前記数値解析の結果から抽出された前記主流または前記局所流の少なくとも一方が前記機械学習を行うために想定している条件範囲を充足しているか否か判定し、
前記条件範囲を充足していない場合に、前記代表ケースとは異なる、前記境界部と前記物体の位置を示す少なくとも１つの解析ケースを設定し、
前記解析ケースにおける前記流体の挙動の前記数値解析を行い、
前記数値解析の結果から前記空間で生じる前記主流と前記局所流の少なくとも１つを抽出し、
抽出された前記主流と前記局所流の少なくとも１つに基づいて前記教師データを生成する、
請求項３または請求項４に記載の予測モデル生成方法。
【請求項６】
前記コンピュータが、前記境界部と前記物体の位置を示す少なくとも１つの解析ケースを自動的に生成する機能を有し、
前記コンピュータまたは前記ユーザの少なくともいずれかは、前記代表ケースの追加または代替として、前記コンピュータが生成した前記解析ケースを設定する、
請求項３または請求項４に記載の予測モデル生成方法。
【請求項７】
前記コンピュータまたは前記ユーザの少なくともいずれかは、
前記数値解析を行う前に、前記予測モデルで学習済みの前記解析ケースを前記数値解析の対象から除外する、
請求項６に記載の予測モデル生成方法。
【請求項８】
前記コンピュータまたは前記ユーザの少なくともいずれかは、
前記数値解析を行う前に、設定された各種の事項のうち、前記予測モデルで学習済みの前記事項を前記数値解析の対象から除外する、
請求項３または請求項４に記載の予測モデル生成方法。
【請求項９】
前記コンピュータまたは前記ユーザの少なくともいずれかは、
前記数値解析の結果から抽出された前記局所流のうち、前記予測モデルで学習済みの前記局所流を前記教師データの生成の対象から除外する、
請求項３または請求項４に記載の予測モデル生成方法。
【請求項１０】
少なくとも空間の形状と前記空間内の流体の挙動とを示す第１状態のデータまたはこれを模したデータの少なくとも一方を入力、少なくとも前記第１状態よりも未来の前記流体の挙動を示す第２状態のデータまたはこれを模したデータの少なくとも一方を出力とする教師データを取得し、
前記教師データを用いてパラメータの機械学習を行い、
少なくともデータ取得部で取得された前記第１状態のデータを入力とし、前記第２状態のデータを出力とする、予測モデルを生成する、
１つ以上のコンピュータを備え、
前記教師データは、
外力の影響により前記空間内の前記流体に生じる少なくとも１つの主流を示すデータと、
前記空間内に存在する少なくとも１つの物体に前記主流が当たることで生じる少なくとも１つの局所流を示すデータと、
を含む、
予測モデル生成システム。
（【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】
本発明の実施形態は、予測モデル生成技術に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
近年、様々な学術分野において、機械学習の適用が進んでいる。流体分野においても形状最適化などの多方面で機械学習が適用されている。感染症のリスク低減などで注目を集めた室内換気は、空間内の流れという観点で有害ガスまたは粉塵を伴う作業現場での安全確保にも重要である。しかし、汎用の流体解析ソフトウェアでの数値シミュレーションは、予測に長時間を要するため、リアルタイムで用いることができず、機械学習の適用が期待される。また、数値シミュレーションで換気の評価を行う技術も知られている。
【０００３】
従来の流体のシミュレーションは、例えば、計算格子を生成し、運動量と質量に関する方程式を数値的に収束させる必要がるため、計算量が多大となる。機械学習による予測モデルが用いられる場合は、短い計算時間で予測が得られると考えられるが、このような予測を可能とするためには、事前に予測モデルに類似の流況を教師データとして学習させる必要がある。しかし、教師データを用意するためには、多数の数値シミュレーションが必要となってしまう。そこで、教師データの増大を抑えつつ、効率的に機械学習を行うことが求められている。さらに、教師データを自動的に生成するシステムを実現して欲しいという要望がある。
【先行技術文献】
【特許文献】
【０００４】
特開２０１８－１６９８１８号公報
【非特許文献】
【０００５】
“No.65「気流のシミュレーション」”，［令和5年7月10日検索］，インターネット＜URL：https://www.jfe-tec.co.jp/jfetec-news/65/2p.html＞
【発明の概要】
【発明が解決しようとする課題】
【０００６】
本発明が解決しようとする課題は、予測対象毎に異なった空間の形状とその内部の物体に対応した機械学習用の教師データの増大を抑えつつ、効率的に機械学習を行うことである。
【課題を解決するための手段】
【０００７】
本発明の実施形態に係る予測モデル生成方法は、少なくとも空間の形状と前記空間内の流体の挙動とを示す第１状態のデータまたはこれを模したデータの少なくとも一方を入力、少なくとも前記第１状態よりも未来の前記流体の挙動を示す第２状態のデータまたはこれを模したデータの少なくとも一方を出力とする教師データを取得し、前記教師データを用いてパラメータの機械学習を行い、少なくともデータ取得部で取得された前記第１状態のデータを入力とし、前記第２状態のデータを出力とする、予測モデルを生成する、処理を１つ以上のコンピュータが実行する方法であり、前記教師データは、外力の影響により前記空間内の前記流体に生じる少なくとも１つの主流を示すデータと、前記空間内に存在する少なくとも１つの物体に前記主流が当たることで生じる少なくとも１つの局所流を示すデータと、を含む。
【発明の効果】
【０００８】
本発明の実施形態により、予測対象毎に異なった空間の形状とその内部の物体に対応した機械学習用の教師データの増大を抑えつつ、効率的に機械学習を行うことができる。
【図面の簡単な説明】
【０００９】
第１実施形態の予測モデル生成システムを示す構成図。
予測モデル生成システムを示すブロック図。
予測モデルを示す構成図。
流体の挙動を可視化した表示態様を示す画面図。
流体の物理量を等値面で可視化した表示態様を示す画面図。
空間における主流の一例を示す説明図。
空間における主流の別の例を示す説明図。
空間における主流のさらに別の例を示す説明図。
局所流の一例を示す説明図。
局所流の別の例を示す説明図。
局所流のさらに別の例を示す説明図。
第１実施形態の教師データ生成処理を示すフローチャート。
第２実施形態の教師データ生成処理を示すフローチャート。
第３実施形態の教師データ生成処理を示すフローチャート。
第４実施形態の教師データ生成処理を示すフローチャート。
第５実施形態の教師データ生成処理を示すフローチャート。
【発明を実施するための形態】
【００１０】
（第１実施形態）
以下、図面を参照しながら、予測モデル生成方法、予測モデル生成システム、予測モデル生成用教師データおよび学習済予測モデルの実施形態について詳細に説明する。まず、第１実施形態について図１から図１２を用いて説明する。
（【００１１】以降は省略されています）

関連特許