特許ウォッチ

公開番号2025093738
公報種別公開特許公報(A)
公開日2025-06-24
出願番号2023209569
出願日2023-12-12
発明の名称学習済みモデル、推定装置および推定方法
出願人千代田化工建設株式会社
代理人SK弁理士法人,個人,個人
主分類C12M 1/00 20060101AFI20250617BHJP(生化学;ビール;酒精;ぶどう酒;酢;微生物学;酵素学;突然変異または遺伝子工学)
要約【課題】容器の内容物の動態に関連する指標データを精度良く評価することが可能な学習済みモデル、推定装置および推定方法を提供する。
【解決手段】学習済みモデルは、容器内に設けられる攪拌機の形状に関するデータ、容器内に設けられるスパージャーの形状に関するデータ、容器の形状に関するデータ、容器に収容される内容物の物性、組成、化学的特性、生化学的特性、または濃度に関するデータの少なくとも1つを説明変数とし、物質移動容量係数(kLa)、攪拌動力(P/V)、呼吸速度、菌体濃度、菌体および細胞からの生産物濃度または力価を目的変数として学習されている。
【選択図】図1
特許請求の範囲【請求項１】
学習済みモデルであって、
容器内に設けられる攪拌機の形状に関するデータ、前記容器内に設けられるスパージャーの形状に関するデータ、前記容器の形状に関するデータ、前記容器に収容される内容物の物性、組成、化学的特性、生化学的特性、または濃度に関するデータの少なくとも１つを説明変数とし、
物質移動容量係数（ｋＬａ）、単位体積当たりの攪拌動力(Ｐ／Ｖ)、呼吸速度、菌体および細胞濃度、菌体および細胞からの生産物濃度、または力価を目的変数として学習された学習済みモデル。
続きを表示（約 1,000 文字）【請求項２】
請求項１に記載の学習済みモデルであって、
前記攪拌機の形状に関するデータ、前記スパージャーの形状に関するデータ、前記容器の形状に関するデータ、および前記容器に収容される内容物の物性、組成、化学的特性、生化学的特性、または濃度に関するデータを説明変数として学習された学習済みモデル。
【請求項３】
請求項１に記載の学習済みモデルであって、
前記攪拌機の形状に関するデータは、前記攪拌機を構成する攪拌翼の形状に関するデータを含み、
前記攪拌翼の形状に関するデータおよび前記スパージャーの形状に関するデータは、
形状の種類ごとに数値ラベルが付されたデータを含むか、または、
前記攪拌翼および前記スパージャーが３次元空間内において占有する領域に第１の数値が付与され、前記攪拌翼および前記スパージャーが３次元空間内において占有しない領域に第２の数値が付与されることにより、数値化されたデータを含む、
学習済みモデル。
【請求項４】
入力部と、目的変数取得部とを備える推定装置であって、
前記入力部は、請求項１～請求項３の何れかに記載の学習済みモデルに前記説明変数を入力し、
前記目的変数取得部は、前記学習済みモデルに前記説明変数が入力された場合、前記学習済みモデルから出力された前記目的変数を取得する、
推定装置。
【請求項５】
請求項４に記載の推定装置であって、
説明変数取得部をさらに備え、
前記説明変数取得部は、前記学習済みモデルから出力された前記目的変数の値が所定値となる場合に前記学習済みモデルに入力された前記説明変数の値を取得する、
推定装置。
【請求項６】
請求項５に記載の推定装置であって、
前記説明変数を構成する第１データおよび第２データのうち、前記第１データの値は固定値であり、かつ、前記第２データの値は変動値であり、
前記説明変数取得部は、前記学習済みモデルから出力された前記目的変数の値が所定値となる場合に前記学習済みモデルに入力された前記第２データの値を取得する、
推定装置。
【請求項７】
推定方法であって、
請求項１～請求項３の何れかに記載の学習済みモデルに前記説明変数を入力し、
前記学習済みモデルに前記説明変数が入力された場合、前記学習済みモデルから出力された前記目的変数を取得する、
推定方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、学習済みモデル、推定装置および推定方法に関する。
続きを表示（約 2,900 文字）【背景技術】
【０００２】
攪拌槽および気泡塔と呼ばれる装置は、容器内の液中に気体を吹き込む(通気する)ことにより、または容器を振動させることにより、ガス中の成分(例えば、酸素等)を液中に溶解させ、液中に含まれる成分と化学反応させる反応器として、または、液中の微生物や動物細胞等に酸素等を供給または二酸化炭素等を脱気して培養する培養槽として使用され、石油化学・化学、医薬品・ライフサイエンス分野等で適用されている。
【０００３】
このようなガス通気を伴う攪拌槽や気泡塔では、液中に通気されるガスが気泡やガス塊となって液中に分散するが、ガスから液中へのガス成分の溶解または液中からガスへの溶存成分の移動(物質移動)は、これら気泡およびガス塊における気体と液体の界面(気液界面)で生じるため、その物質移動率は、気液界面の面積の合計や、液中での気泡・ガス塊の分散状態に依存する。出来るだけ物質移動率を向上させるため、気液界面面積を大きくし、また気泡・ガス塊を液中に満遍なく分散させるよう、装置設計が行われる。
【０００４】
この指標として、気液界面面積濃度ａ(単位液体積当たりの気液界面面積)と、液中へのガス成分の拡散速度の指標であるｋＬとを掛け合わせた、物質移動容量係数ｋＬ*ａ(以降、ｋＬａ)がよく知られている（例えば、特許文献１を参照）。特に小型のラボスケールから大型の商用スケールにスケールアップする際には、商用装置でのｋＬａがラボスケールと同等になるように設計検討される。また、同様に、単位液体積当たりの攪拌動力（Ｐ／Ｖ）、呼吸速度、菌体および細胞濃度、菌体および細胞からの生産物の濃度、力価等も商用スケールにおいてラボスケールと同等になるように考慮される指標である。
【先行技術文献】
【特許文献】
【０００５】
特開２００１－７５９４７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
ところで、攪拌槽や気泡塔のｋＬａ、Ｐ／Ｖは、実験結果および物理的考察に基づき確立された相関式により評価されている。しかしながら、例えば攪拌槽内のｋＬａは、攪拌機の運転条件、流体性状、攪拌形状により大きく影響を受けるため、相関式であらゆる条件におけるｋＬａを精度良く評価することは困難であるという問題があった。また、呼吸速度、菌体および細胞濃度、菌体および細胞からの生産物の濃度、力価等は、それらを実機による運転に寄らず、攪拌機またはスパージャーの形状、容器の形状、および槽の内容物の物性等に基づいて評価するための相関式が確立されておらず、精度良く評価することは困難であるという問題があった。
【０００７】
本発明の目的は、上記のｋＬａ、Ｐ／Ｖ、呼吸速度、菌体および細胞濃度、菌体および細胞からの生産物の濃度、力価などの容器の内容物の動態に関連する指標データを精度良く評価することが可能な学習済みモデル、推定装置および推定方法を提供することである。
【課題を解決するための手段】
【０００８】
本発明によれば、以下の構成の学習済みモデルが提供される。
［１］学習済みモデルであって、容器内に設けられる攪拌機の形状に関するデータ、前記容器内に設けられるスパージャーの形状に関するデータ、前記容器の形状に関するデータ、前記容器に収容される内容物の物性、組成、化学的特性、生化学的特性、または濃度に関するデータの少なくとも１つを説明変数とし、
物質移動容量係数（ｋＬａ）、攪拌動力(Ｐ／Ｖ)、呼吸速度、菌体および細胞濃度、菌体および細胞からの生産物の濃度、または力価を目的変数として学習された学習済みモデル。
【０００９】
本発明によれば、攪拌機の形状に関するデータ、スパージャーの形状に関するデータ、容器の形状に関するデータ、内容物の物性、組成、化学的特性、または生化学的特性に関するデータの少なくとも１つ（説明変数）を学習済みモデルに入力して、目的変数として出力された物質移動容量係数（ｋＬａ）、攪拌動力(Ｐ／Ｖ)、呼吸速度、菌体および細胞濃度、菌体および細胞からの生産物の濃度、または力価を取得できるので、従来技術と比べて、容器の内容物の動態に関連する指標データを精度良く評価することができる。
【００１０】
以下、本発明の種々の実施形態を例示する。以下に示す実施形態は互いに組み合わせ可能である。
［２］［１］に記載の学習済みモデルであって、前記攪拌機の形状に関するデータ、前記スパージャーの形状に関するデータ、前記容器の形状に関するデータ、および前記容器に収容される内容物の物性、組成、化学的特性、生化学的特性、または濃度に関するデータを説明変数として学習された学習済みモデル。
［３］[１]または［２］に記載の学習済みモデルであって、
前記攪拌機の形状に関するデータは、前記攪拌機を構成する攪拌翼の形状に関するデータを含み、
前記攪拌翼の形状に関するデータおよび前記スパージャーの形状に関するデータは、
形状の種類ごとに数値ラベルが付されたデータを含むか、または、
前記攪拌翼および前記スパージャーが３次元空間内において占有する領域に第１の数値が付与され、前記攪拌翼および前記スパージャーが３次元空間内において占有しない領域に第２の数値が付与されることにより、数値化されたデータを含む、
学習済みモデル。
［４］入力部と、目的変数取得部とを備える推定装置であって、前記入力部は、［１］～［３]の何れかに記載の学習済みモデルに前記説明変数を入力し、前記目的変数取得部は、前記学習済みモデルに前記説明変数が入力された場合、前記学習済みモデルから出力された前記目的変数を取得する、推定装置。
［５］［４］に記載の推定装置であって、説明変数取得部をさらに備え、前記説明変数取得部は、前記学習済みモデルから出力された前記目的変数の値が所定値となる場合に前記学習済みモデルに入力された前記説明変数の値を取得する、推定装置。
［６］［５］に記載の推定装置であって、前記説明変数を構成する第１データおよび第２データのうち、前記第１データの値は固定値であり、かつ、前記第２データの値は変動値であり、前記説明変数取得部は、前記学習済みモデルから出力された前記目的変数の値が所定値となる場合に前記学習済みモデルに入力された前記第２データの値を取得する、推定装置。
［７］推定方法であって、［１］～［３］の何れかに記載の学習済みモデルに前記説明変数を入力し、前記学習済みモデルに前記説明変数が入力された場合、前記学習済みモデルから出力された前記目的変数を取得する、推定方法。
【発明の効果】
（【００１１】以降は省略されています）

関連特許