特許ウォッチ

公開番号2025178812
公報種別公開特許公報(A)
公開日2025-12-09
出願番号2024085637
出願日2024-05-27
発明の名称予測モデル
出願人トヨタ自動車株式会社
代理人弁理士法人平木国際特許事務所
主分類B01D 53/94 20060101AFI20251202BHJP(物理的または化学的方法または装置一般)
要約【課題】汎化性能を実現でき、確からしい予測値を得ることができる、排ガス浄化触媒の浄化性能を予測する予測モデルを提供することにある。
【解決手段】本発明の予測モデルは、入力層と、複数の中間層と、出力層とを有するニューラルネットワークからなり、予測モデルは、構成を表現する1群の情報、耐久履歴を表現する1群の情報、及び浄化性能評価試験を表現する1群の情報からなる3群の情報を説明変数とし、浄化性能を表現する1群の情報を目的変数とし、説明変数の3群の情報及び目的変数の情報を入力層及び出力層にそれぞれ教師データとして与えて機械学習を行うことにより構築されたモデルであり、予測モデルは、入力層及び複数の中間層のうちの入力層に隣接する中間層の全ノード間において、説明変数の3群の情報における同一群の情報を表現するノード間のみが結合された局所結合型のモデルであることを特徴とする。
【選択図】図2
特許請求の範囲【請求項１】
排ガス浄化触媒の浄化性能を予測する予測モデルであって、
前記予測モデルは、入力層と、複数の中間層と、出力層とを有するニューラルネットワークからなるモデルであり、
前記予測モデルは、前記排ガス浄化触媒の触媒構成を表現する１群の情報、耐久履歴を表現する１群の情報、及び浄化性能評価試験を表現する１群の情報からなる３群の情報を説明変数とし、前記排ガス浄化触媒の浄化性能を表現する１群の情報を目的変数とし、前記説明変数の前記３群の情報及び前記目的変数の前記情報を前記入力層及び前記出力層にそれぞれ教師データとして与えて機械学習を行うことにより構築されたモデルであり、
前記予測モデルは、前記入力層及び前記複数の中間層のうちの前記入力層に隣接する中間層の全ノード間において、前記説明変数の前記３群の情報における同一群の情報を表現するノード間のみが結合された局所結合型のモデルであることを特徴とする予測モデル。

発明の詳細な説明【技術分野】
【０００１】
本発明は、排ガス浄化触媒の性能を予測する予測モデルに関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
従来、排ガス浄化触媒の浄化性能を予測する種々の予測モデルが知られている。具体的には、例えば、特許文献１には、複数の種類の触媒表面の含有元素割合と触媒表面における比表面積の値を教師データとして予め学習させた予測モデルが記載されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－１８５９４０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
排ガス浄化触媒の浄化性能は、例えば、触媒構成、浄化性能評価試験の試験条件、触媒の耐久履歴等によって決定される。このため、排ガス浄化触媒の浄化性能を機械学習により予測する予測手法において、入力層と、複数の中間層と、出力層とを有するニューラルネットワークからなる予測モデルをディープラーニングにより構築して使用するときには、触媒構成を表現する１群の情報、耐久履歴を表現する１群の情報、及び浄化性能評価試験を表現する１群の情報からなる３群の情報を説明変数とし、浄化性能を表現する１群の情報を目的変数とした上で、説明変数の３群の情報及び目的変数の情報を入力層及び出力層にそれぞれ教師データとして与えて学習を行うことにより予測モデルを構築する場合がある。この場合、従来は、入力層から複数の中間層を経て出力層に至るまで、隣接層の全ノード間が結合された全結合型のモデルを構築していた。全結合型の予測モデルでは、非線形性や説明変数間の相互作用を表現することができ、予測精度の高いモデルができる一方で、過学習が起きやすく、汎化性能が落ちるおそれがあった。これは、本来は線形相関する説明変数の感度を過剰な非線形性で表現してしまったり、本来は存在しない説明変数間の相互作用を表現してしまうことによる。
【０００５】
本発明は、このような点を鑑みてなされ、その目的は、高い汎化性能を実現でき、確からしい予測値を得ることができる予測モデルを提供することにある。
【課題を解決するための手段】
【０００６】
上記課題を解決すべく、本発明の予測モデルは、排ガス浄化触媒の浄化性能を予測する予測モデルであって、前記予測モデルは、入力層と、複数の中間層と、出力層とを有するニューラルネットワークからなるモデルであり、前記予測モデルは、前記排ガス浄化触媒の触媒構成を表現する１群の情報、耐久履歴を表現する１群の情報、及び浄化性能評価試験を表現する１群の情報からなる３群の情報を説明変数とし、前記排ガス浄化触媒の浄化性能を表現する１群の情報を目的変数とし、前記説明変数の前記３群の情報及び前記目的変数の前記情報を前記入力層及び前記出力層にそれぞれ教師データとして与えて機械学習を行うことにより構築されたモデルであり、前記予測モデルは、前記入力層及び前記複数の中間層のうちの前記入力層に隣接する中間層の全ノード間において、前記説明変数の前記３群の情報における同一群の情報を表現するノード間のみが結合された局所結合型のモデルであることを特徴とする。
【発明の効果】
【０００７】
本発明によれば、高い汎化性能を実現でき、確からしい予測値を得ることができる。
【図面の簡単な説明】
【０００８】
（ａ）は、触媒の各サンプルにおける基材の隔壁及び触媒層を拡大して示す概略断面図である。（ｂ）は、耐久履歴を表現する１群の情報の取得方法を概略的に説明する図である。（ｃ）は、ＮＯｘ５０％浄化時間の取得方法を概略的に説明する図である。
（ａ）は、比較例並びに実施例１及び２に係る触媒構成を表現する１群の情報を取得する方法の要部を概略的に例示する図である。（ｂ）は、比較例の予測モデルである全結合型のモデルを模式的に示す図であり、（ｃ）は、実施例１の予測モデルである局所結合型のモデルを模式的に示す図であり、（ｄ）は、実施例２の予測モデルである局所結合型のモデルを模式的に示す図である。
（ａ）の左側グラフは、触媒の予測用の７個のサンプルに関し、触媒の耐久時間が学習範囲内の５０ｈ（時間）であるケースについて、比較例並びに実施例１及び２の予測モデルにより算出されたＮＯｘ５０％浄化時間の予測値及びその実測値の関係を示すグラフであり、（ａ）の右側のグラフは、それらの予測値及び実測値の平均誤差を示すグラフである。（ｂ）のグラフは、触媒の予測用の７個のサンプルのうちの５個のサンプルに関して算出されたＮＯｘ５０％浄化時間の予測値の触媒の耐久時間［ｈ］に対する感度を示すグラフである。
【発明を実施するための形態】
【０００９】
実施形態に係る予測モデルは、特願２０２３－００７９７４号の一実施形態に係る予測装置における予測モデルの代わりに用いられる予測モデルであり、特願２０２３－００７９７４号の一実施形態に係る予測装置の予測モデルと同様の排ガス浄化触媒（例えば、後述する図１（ａ）に示す触媒）の浄化性能を予測する。実施形態に係る予測モデルとしては、入力層及び複数の中間層のうちの入力層に隣接する中間層の全ノード間において、説明変数の３群の情報における同一群の情報を表現するノード間のみが結合された局所結合型のモデルであれば、特に限定されず、複数の中間層のうちの互いに隣接する中間層の全ノード間が結合されたモデルでもよいし、当該全ノード間において、説明変数の３群の情報における同一群の情報を表現するノード間のみが結合されたモデルでもよい。
【実施例】
【００１０】
以下、比較例及び実施例を挙げ、実施形態に係る予測モデルをより具体的に説明する。
（【００１１】以降は省略されています）

関連特許