特許ウォッチ

公開番号2025078036
公報種別公開特許公報(A)
公開日2025-05-19
出願番号2024190315
出願日2024-10-30
発明の名称人工知能ベースのサステナブル材料設計
出願人富士通株式会社
代理人弁理士法人ITOH
主分類G16C 60/00 20190101AFI20250512BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】人工知能(AI)ベースのサステナブル材料設計のための方法を提供する。
【解決手段】方法は、科学文献に関連する情報を含むデータセットを受信し、データセットへのニューラルネットワークモデルの適用に基づいて、材料のセット及び該材料のセットに関連する情報を決定し、各材料の特徴及び生活環境に対する各材料の影響を示す材料のセットについての埋め込みを生成し、埋め込みに基づいて生成AIモデルを訓練し、クエリされた材料に関連する情報を示すユーザ入力を受信し、クエリされた材料の特徴及び生活環境に対するその影響を示すクエリされた材料についての埋め込みを生成し、クエリされた材料について生成された埋め込みに対する生成AIモデルの適用に基づいて、クエリされた材料に関連するサステナビリティ情報を決定し、サステナビリティ情報をレンダリングする。
【選択図】図5
特許請求の範囲【請求項１】
プロセッサによって実行される方法であって、
科学文献に関連する情報を含むデータセットを受信し、
前記データセットに１つ以上のニューラルネットワークモデルを適用し、
前記１つ以上のニューラルネットワークモデルの前記適用に基づいて、材料のセット、及び該材料のセットの各材料に関連する情報を決定し、
前記材料のセットの各材料の第１の特徴のセットを示す第１の埋め込みのセットを生成し、
生活環境の資源に対する前記材料のセットの影響を記述するテキストコンテンツに関連する第２の埋め込みのセットを生成し、
前記第１の埋め込みのセット及び前記第２の埋め込みのセットに基づいて生成人工知能（ＡＩ）モデルを訓練し、
クエリされた材料に関連する情報を示すユーザ入力を受信し、
前記クエリされた材料の第２の特徴のセットを示す第３の埋め込みと、前記生活環境の前記資源に対する前記クエリされた材料の影響を記述するテキストコンテンツに関連する第４の埋め込みとを生成し、
前記第３の埋め込み及び前記第４の埋め込みに前記生成ＡＩモデルを適用し、
前記生成ＡＩモデルの前記適用に基づいて、前記クエリされた材料に関連するサステナビリティ情報を決定し、
前記クエリされた材料に関連する前記サステナビリティ情報をレンダリングするように表示デバイスを制御する、
ことを有する方法。
続きを表示（約 1,500 文字）【請求項２】
当該方法は更に、
前記１つ以上のニューラルネットワークモデルのうちの第１のニューラルネットワークモデルを前記データセットに適用し、
前記第１のニューラルネットワークモデルの前記適用に基づいて、反応物のセットを特定し、
前記１つ以上のニューラルネットワークモデルのうちの第２のニューラルネットワークモデルを前記反応物のセットに適用し、
前記第２のニューラルネットワークモデルの前記適用に基づいて、前記反応物のセットから反応物のサブセットを選択する、
ことを有し、
前記材料のセットの前記決定は更に、前記反応物のセットの前記特定及び前記反応物のサブセットの前記選択に基づく、
請求項１に記載の方法。
【請求項３】
当該方法は更に、
前記第１のニューラルネットワークモデルの前記適用に基づいて、前記反応物のセットの各反応物に関連する情報を抽出する、
ことを有し、
前記材料のセットの各材料に関連する前記情報は、前記反応物のセットのうち、対応する材料に含まれる１つ以上の反応物の各反応物に関連する情報を含む、
請求項２に記載の方法。
【請求項４】
前記反応物のセットの各反応物に関連する前記決定される情報は、
対応する反応物の有機構造、
対応する反応物に関連する崩壊率、
対応する反応物に関連する生分解性、
対応する反応物に関与する化学反応を促進する１つ以上の触媒、
前記化学反応によって生成される１つ以上の生成物、
前記化学反応を引き起こすための温度要件、又は
前記化学反応に関与する１つ以上の前駆体、
のうちの少なくとも１つを含む、請求項３に記載の方法。
【請求項５】
当該方法は更に、
前記材料のセットの各材料及び前記材料のセットの各材料に関連する前記情報に対して自然言語モデルを適用する、
ことを有し、
前記第１の埋め込みのセットの前記生成及び前記第２の埋め込みのセットの前記生成は更に、前記自然言語モデルの適用に基づく、
請求項１に記載の方法。
【請求項６】
前記生成ＡＩモデルは、ジェネレータモデル及びディスクリミネータモデルを含む条件付き生成敵対的ネットワーク（ＧＡＮ）モデルに対応する、請求項１に記載の方法。
【請求項７】
前記ジェネレータモデルは、前記ディスクリミネータモデルが前記材料のセットの各材料をサステナブルとして分類するように、前記材料のセットの各材料についての出力を生成するように訓練される、請求項６に記載の方法。
【請求項８】
前記出力は、ランダム入力、前記第１の埋め込みのセット、前記第２の埋め込みのセット、以前に生成された出力に基づいて前記ディスクリミネータモデルから受信されたジェネレータ損失、又は前記材料のセットの各材料に関連する前記情報、のうちの少なくとも１つに基づいて生成される、請求項７に記載の方法。
【請求項９】
前記ディスクリミネータモデルは、前記材料をサステナブル又は有害として分類するように構成される、請求項７に記載の方法。
【請求項１０】
前記ディスクリミネータモデルの前記分類は、前記材料のセットの各材料について生成された前記出力、前記第１の埋め込みのセット、前記第２の埋め込みのセット、以前の分類結果に基づいて生成されたディスクリミネータ損失、及び前記材料のセットの各材料に関連する前記情報、のうちの少なくとも１つに基づく、請求項９に記載の方法。
（【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】
本開示で説明される実施形態は、人工知能（ＡＩ）ベースのサステナブル材料設計に関する。
続きを表示（約 3,000 文字）【背景技術】
【０００２】
人工知能（ＡＩ）の分野における進歩は、サステナブル材料の発見、設計、及び合成を支援する多数のＡＩベースのフレームワーク及び関連ソフトウェアの開発につながっている。ＡＩベースのフレームワークは、材料の発見、設計、及び合成に、数十年ではないにしても数年の努力を要する従来の方法及び技術と比較して、材料又は材料の組み合わせの発見、設計、及び合成を著しく促進させる。ＡＩベースのフレームワークは、スケーラブルで、柔軟で、自己完結型であり、機械学習モデル（例えばディープラーニングモデルなど）の使用を可能にし得る。機械学習モデルは、サステナブルな又は環境に適合する材料の発見のために材料情報に特に焦点を当てて科学的データに適用され得る。関連ソフトウェアは、サステナブル材料の発見のための超大規模化学ライブラリの構造ベースの仮想スクリーニング、及び例えば人工酵素設計、本質的に無秩序なタンパク質の理解などの難題を解くための材料（例えばポリペプチド材料など）の発見の加速化などの、ソリューションを提供し得る。ＡＩベースのフレームワークはまた、材料の自動合成（例えばレシピの無機合成の合成など）、逆合成（retrosynthesis）（生成された材料の合成）、知識グラフを用いた材料（エンティティ）間の関係の学習などの予測に使用され得る要素ごとのグラフニューラルネットワークを構築することを可能にする。
【０００３】
しかしながら、科学的データの生成、及び、その後の科学的データからの関連情報の抽出は、ディープラーニングモデル及びグラフニューラルネットワークにとって難題であり得る。これは、科学的データの品質及び確かさを試験すること、並びに材料の発見又は合成を支援する際に科学的データの関連性を判定することに伴い得る難題のためであり得る。さらに、認識された材料又は合成された材料が、環境的に適合しないことがあり、また、生活環境の資源に悪影響を及ぼすことがある。
【０００４】
本開示において特許請求される主題は、何らかの欠点を解決する実施形態、又は例えば上述のものなどの環境においてのみ動作する実施形態に限定されない。むしろ、この背景は、本開示で説明される一部の実施形態が実施され得る一例の技術分野を示すために提供されるにすぎない。
【発明の概要】
【０００５】
一実施形態の一態様によれば、方法は、科学文献に関連する情報を含むデータセットを受信することを含み得る動作のセットを含み得る。動作のセットは更に、受信したデータセットに１つ以上のニューラルネットワークモデルを適用することを含み得る。動作のセットは更に、１つ以上のニューラルネットワークモデルの適用に基づいて、材料のセット、及び該材料のセットの各材料に関連する情報を決定することを含み得る。動作のセットは更に、材料のセットの各材料の第１の特徴のセットを示す第１の埋め込みのセットを生成することを含み得る。動作のセットは更に、生活環境の資源に対する材料のセットの影響を記述するテキストコンテンツに関連する第２の埋め込みのセットを生成することを含み得る。動作のセットは更に、第１の埋め込みのセット及び第２の埋め込みのセットに基づいて生成人工知能（ＡＩ）モデルを訓練することを含み得る。動作のセットは更に、クエリされた材料に関連する情報を示すユーザ入力を受信することを含み得る。動作のセットは更に、クエリされた材料の第２の特徴のセットを示す第３の埋め込みと、生活環境の資源に対するクエリされた材料の影響を記述するテキストコンテンツに関連する第４の埋め込みとを生成することを含み得る。動作のセットは更に、第３の埋め込み及び第４の埋め込みに生成ＡＩモデルを適用することを含み得る。動作のセットは更に、生成ＡＩモデルの適用に基づいて、クエリされた材料に関連するサステナビリティ情報を決定することを含み得る。動作のセットは更に、クエリされた材料に関連するサステナビリティ情報をレンダリングするように表示デバイスを制御することを含み得る。
【０００６】
実施形態の目的及び利点は、少なくとも、請求項にて特に指摘される要素、特徴、及び組み合わせによって実現され達成される。
【０００７】
以上の概略的な説明及び以下の詳細な説明は、例として与えられ、説明的であり、特許請求される発明を限定するものではない。
【図面の簡単な説明】
【０００８】
添付の図面の使用を通じて、実施形態例が更なる具体性及び詳細とともに説明される。
人工知能（ＡＩ）ベースのサステナブル材料設計に関係するネットワーク環境例を表す図である。
ＡＩベースのサステナブル材料設計のための例示的な電子機器を示すブロック図である。
ＡＩベースのサステナブル材料設計のための例示的な実行パイプラインを示す図である。
ＡＩベースのサステナブル材料設計のための言語モデル及び生成ＡＩモデルを含む例示的なアーキテクチャを示す図である。
ＡＩベースのサステナブル材料設計のための方法例のフローチャートを示す図である。
【０００９】
全て、本開示で説明される少なくとも１つの実施形態に従ったものである。
【発明を実施するための形態】
【００１０】
本開示で説明される一部の実施形態は、人工知能（ＡＩ）ベースのサステナブル材料設計のための方法及びシステムに関する。ここでは、サステナブル材料設計は、科学文献に関連する情報を含むデータセットの受信を含み得る。その後、１つ以上のニューラルネットワークモデルがデータセットに適用され得る。データセットに対する１つ以上のニューラルネットワークモデルの適用に基づいて、材料のセット及び該材料のセットの各材料に関連する情報が決定され得る。その後、決定された材料のセットの各材料の第１の特徴のセットを示す第１の埋め込みのセットが生成され得る。さらに、生活環境の資源に対する決定された材料のセットの影響を記述するテキストコンテンツに関連する第２の埋め込みのセットが生成され得る。その後、第１の埋め込みのセット及び第２の埋め込みのセットに基づいて生成ＡＩモデルが訓練され得る。訓練の後、クエリされた材料に関連する情報を示すユーザ入力が受信され得る。ユーザ入力の受信を受けて、第３の埋め込み及び第４の埋め込みが生成され得る。第３の埋め込みは、クエリされた材料の第２の特徴のセットを示し得る。第４の埋め込みは、生活環境の資源に対するクエリされた材料の影響を記述するテキストコンテンツに関連するとし得る。第３の埋め込み及び第４の埋め込みの生成を受けて、訓練された生成ＡＩモデルが第３の埋め込み及び第４の埋め込みに適用され得る。その後、第３の埋め込み及び第４の埋め込みに対する生成ＡＩモデルの適用に基づいて、クエリされた材料に関連するサステナビリティ情報が決定され得る。最後に、クエリされた材料に関連するサステナビリティ情報のレンダリングが表示デバイス上で制御され得る。
（【００１１】以降は省略されています）

関連特許