(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023058536
(43)【公開日】2023-04-25
(54)【発明の名称】化合物の製造方法
(51)【国際特許分類】
G16C 20/30 20190101AFI20230418BHJP
【ＦＩ】
G16C20/30
【審査請求】未請求
【請求項の数】5
【出願形態】ＯＬ
(21)【出願番号】P 2023010340
(22)【出願日】2023-01-26
(62)【分割の表示】P 2022564171の分割
【原出願日】2022-06-22
(31)【優先権主張番号】P 2021104173
(32)【優先日】2021-06-23
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】000002004
【氏名又は名称】株式会社レゾナック・ホールディングス
(74)【代理人】
【識別番号】100107766
【弁理士】
【氏名又は名称】伊東 忠重
(74)【代理人】
【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦
(72)【発明者】
【氏名】青沼 直登
(72)【発明者】
【氏名】竹本 真平
(72)【発明者】
【氏名】南 拓也
(72)【発明者】
【氏名】角田 皓亮
(72)【発明者】
【氏名】奥野 好成
(72)【発明者】
【氏名】高 仁子
(57)【要約】 （修正有）
【課題】複数段階の化学反応により合成される化合物の物性を精度良く予測し、予測した物性を利用して選択した化合物を生成する化合物の製造方法及びプログラムを提供する。
【解決手段】情報処理システム１において、物性を利用して選択した化合物の合成情報を供給する物性予測装置は、第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成する第１モデル作成部と、第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして、第ｎ段階の化学反応により合成される生成物の物性値を予測する学習済みモデルを作成する第２モデル作成部と、予測した化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力する第１、第２予測部と、を含み、製造装置に、化合物の第１段階から第ｎ段階の化学反応の合成情報を供給する。
【選択図】図３
【解決手段】情報処理システム１において、物性を利用して選択した化合物の合成情報を供給する物性予測装置は、第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成する第１モデル作成部と、第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして、第ｎ段階の化学反応により合成される生成物の物性値を予測する学習済みモデルを作成する第２モデル作成部と、予測した化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力する第１、第２予測部と、を含み、製造装置に、化合物の第１段階から第ｎ段階の化学反応の合成情報を供給する。
【選択図】図３
【特許請求の範囲】
【請求項1】
複数段階の化学反応により合成される化合物の物性を予測し、前記物性を利用して選択した前記化合物の合成情報を供給する物性予測装置と、前記合成情報が供給されることで前記化合物を生成する製造装置と、が行う化合物の製造方法であって、
第１段階の化学反応の合成情報と、前記第１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、前記第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成するステップと、
第ｎ（ｎ≧２）段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第ｎ段階の化学反応により合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成するステップと、
物性を予測する前記化合物の前記複数段階の化学反応のそれぞれについて合成情報の設定を受け付けるステップと、
前記化合物の第１段階の化学反応の合成情報を前記第１段階の学習済みモデルに入力して前記化合物の第１段階の化学反応により合成される生成物の物性値を予測するステップと、
前記化合物の第ｎ段階の化学反応の合成情報、及び前記化合物の第ｎ－１段階の化学反応により合成された生成物の合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返すステップと、
予測した前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力するステップと、
前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を利用して選択した前記化合物の第１段階から第ｎ段階の化学反応の合成情報を前記製造装置に供給するステップと、
前記化合物の第１段階から第ｎ段階の化学反応の合成情報を供給された前記製造装置が前記化合物を生成するステップと、
を含むことを特徴とする製造方法。
第１段階の化学反応の合成情報と、前記第１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、前記第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成するステップと、
第ｎ（ｎ≧２）段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第ｎ段階の化学反応により合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成するステップと、
物性を予測する前記化合物の前記複数段階の化学反応のそれぞれについて合成情報の設定を受け付けるステップと、
前記化合物の第１段階の化学反応の合成情報を前記第１段階の学習済みモデルに入力して前記化合物の第１段階の化学反応により合成される生成物の物性値を予測するステップと、
前記化合物の第ｎ段階の化学反応の合成情報、及び前記化合物の第ｎ－１段階の化学反応により合成された生成物の合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返すステップと、
予測した前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力するステップと、
前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を利用して選択した前記化合物の第１段階から第ｎ段階の化学反応の合成情報を前記製造装置に供給するステップと、
前記化合物の第１段階から第ｎ段階の化学反応の合成情報を供給された前記製造装置が前記化合物を生成するステップと、
を含むことを特徴とする製造方法。
【請求項2】
前記第２段階から最終段階までの学習済みモデルを作成するステップは、
第ｎ段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、前記第ｎ段階より前の化学反応の合成情報と、前記第ｎ段階より前の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第２段階から最終段階までの化学反応それぞれにより合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成し、
前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返すステップは、
前記化合物の第１段階から第ｎ段階の化学反応の合成情報、及び前記化合物の第１段階から第ｎ－１段階の化学反応により合成された生成物それぞれの合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の最終段階の化学反応まで繰り返す
ことを特徴とする請求項１記載の製造方法。
第ｎ段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、前記第ｎ段階より前の化学反応の合成情報と、前記第ｎ段階より前の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第２段階から最終段階までの化学反応それぞれにより合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成し、
前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返すステップは、
前記化合物の第１段階から第ｎ段階の化学反応の合成情報、及び前記化合物の第１段階から第ｎ－１段階の化学反応により合成された生成物それぞれの合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の最終段階の化学反応まで繰り返す
ことを特徴とする請求項１記載の製造方法。
【請求項3】
前記生成物の合成結果情報は、前記化学反応により合成された生成物の予測した物性値と前記生成物の合成情報から計算された特徴量を含むこと、
を特徴とする請求項１又は２記載の製造方法。
を特徴とする請求項１又は２記載の製造方法。
【請求項4】
前記複数段階の化学反応により合成される化合物は複数種類のモノマーから重合されるポリマーであって、
前記特徴量は、前記ポリマーのモデル構造、部分構造数、前記モデル構造の原子数、及び部分構造数密度の少なくとも一つを含むこと
を特徴とする請求項３記載の製造方法。
前記特徴量は、前記ポリマーのモデル構造、部分構造数、前記モデル構造の原子数、及び部分構造数密度の少なくとも一つを含むこと
を特徴とする請求項３記載の製造方法。
【請求項5】
前記物性値は、前記生成物の粘度、ガラス転移点、色差、分子量、酸価、現像性、密着性、透明性、感度、耐溶剤性、分散性、耐熱性の少なくとも一つを情報として含むこと
を特徴とする請求項３又は４記載の製造方法。
を特徴とする請求項３又は４記載の製造方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、化合物の製造方法に関する。
【背景技術】
【0002】
近年、ポリマー等の有機化合物の物性を、コンピュータを用いた機械学習により予測するようになっている。例えば、特許文献１にはポリマーの物性の実験値と、ポリマーの部分構造の数密度とを用いて、物性値を予測する回帰モデルを構築し、その回帰モデルを用いて、入力したポリマー構造に対応する物性値を予測する技術が提案されている（例えば特許文献１参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特許第６６３３８２０号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
例えば、ポリマーなどの化合物には、複数段階の重合反応や付加反応などの化学反応により合成されるものがある。このような複数段階の化学反応により合成される化合物の物性を、精度良く予測する技術が求められるようになった。
【0005】
本開示は、複数段階の化学反応により合成される化合物の物性を精度良く予測し、予測した物性を利用して選択した化合物を生成できる化合物の製造方法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】
【0006】
本開示は、以下に示す構成を備える。
【0007】
［１］ 複数段階の化学反応により合成される化合物の物性を予測する物性予測装置であって、
第１段階の化学反応の合成情報と、前記第１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、前記第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成する第１モデル作成部と、
第ｎ（ｎ≧２）段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第ｎ段階の化学反応により合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成する第２モデル作成部と、
物性を予測する前記化合物の前記複数段階の化学反応のそれぞれについて合成情報の設定を受け付ける合成情報設定受付部と、
前記化合物の第１段階の化学反応の合成情報を前記第１段階の学習済みモデルに入力して前記化合物の第１段階の化学反応により合成される生成物の物性値を予測する第１予測部と、
前記化合物の第ｎ段階の化学反応の合成情報、及び前記化合物の第ｎ－１段階の化学反応により合成された生成物の合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返す第２予測部と、
前記第２予測部が予測した前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力する出力部と、
を有することを特徴とする物性予測装置。
第１段階の化学反応の合成情報と、前記第１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、前記第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成する第１モデル作成部と、
第ｎ（ｎ≧２）段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第ｎ段階の化学反応により合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成する第２モデル作成部と、
物性を予測する前記化合物の前記複数段階の化学反応のそれぞれについて合成情報の設定を受け付ける合成情報設定受付部と、
前記化合物の第１段階の化学反応の合成情報を前記第１段階の学習済みモデルに入力して前記化合物の第１段階の化学反応により合成される生成物の物性値を予測する第１予測部と、
前記化合物の第ｎ段階の化学反応の合成情報、及び前記化合物の第ｎ－１段階の化学反応により合成された生成物の合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返す第２予測部と、
前記第２予測部が予測した前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力する出力部と、
を有することを特徴とする物性予測装置。
【0008】
［２］ 前記第２モデル作成部は、
第ｎ段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、前記第ｎ段階より前の化学反応の合成情報と、前記第ｎ段階より前の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第２段階から最終段階までの化学反応それぞれにより合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成し、
前記第２予測部は、
前記化合物の第１段階から第ｎ段階の化学反応の合成情報、及び前記化合物の第１段階から第ｎ－１段階の化学反応により合成された生成物それぞれの合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の最終段階の化学反応まで繰り返す
ことを特徴とする［１］記載の物性予測装置。
第ｎ段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、前記第ｎ段階より前の化学反応の合成情報と、前記第ｎ段階より前の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第２段階から最終段階までの化学反応それぞれにより合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成し、
前記第２予測部は、
前記化合物の第１段階から第ｎ段階の化学反応の合成情報、及び前記化合物の第１段階から第ｎ－１段階の化学反応により合成された生成物それぞれの合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の最終段階の化学反応まで繰り返す
ことを特徴とする［１］記載の物性予測装置。
【0009】
［３］ 前記生成物の合成結果情報は、前記化学反応により合成された生成物の予測した物性値と前記生成物の合成情報から計算された特徴量を含むこと、
を特徴とする［１］又は［２］記載の物性予測装置。
を特徴とする［１］又は［２］記載の物性予測装置。
【0010】
［４］ 前記複数段階の化学反応により合成される化合物は複数種類のモノマーから重合されるポリマーであって、
前記特徴量は、前記ポリマーのモデル構造、部分構造数、前記モデル構造の原子数、及び部分構造数密度の少なくとも一つを含むこと
を特徴とする［３］記載の物性予測装置。
前記特徴量は、前記ポリマーのモデル構造、部分構造数、前記モデル構造の原子数、及び部分構造数密度の少なくとも一つを含むこと
を特徴とする［３］記載の物性予測装置。
【0011】
［５］ 前記物性値は、前記生成物の粘度、ガラス転移点、色差、分子量、酸価、現像性、密着性、透明性、感度、耐溶剤性、分散性、耐熱性の少なくとも一つを情報として含むこと
を特徴とする［３］又は［４］記載の物性予測装置。
を特徴とする［３］又は［４］記載の物性予測装置。
【0012】
［６］ コンピュータが、複数段階の化学反応により合成される化合物の物性を予測する物性予測方法であって、
第１段階の化学反応の合成情報と、前記第１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、前記第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成するステップと、
第ｎ（ｎ≧２）段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第ｎ段階の化学反応により合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成するステップと、
物性を予測する前記化合物の前記複数段階の化学反応のそれぞれについて合成情報の設定を受け付けるステップと、
前記化合物の第１段階の化学反応の合成情報を前記第１段階の学習済みモデルに入力して前記化合物の第１段階の化学反応により合成される生成物の物性値を予測するステップと、
前記化合物の第ｎ段階の化学反応の合成情報、及び前記化合物の第ｎ－１段階の化学反応により合成された生成物の合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返すステップと、
予測した前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力するステップと、
を含むことを特徴とする物性予測方法。
第１段階の化学反応の合成情報と、前記第１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、前記第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成するステップと、
第ｎ（ｎ≧２）段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第ｎ段階の化学反応により合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成するステップと、
物性を予測する前記化合物の前記複数段階の化学反応のそれぞれについて合成情報の設定を受け付けるステップと、
前記化合物の第１段階の化学反応の合成情報を前記第１段階の学習済みモデルに入力して前記化合物の第１段階の化学反応により合成される生成物の物性値を予測するステップと、
前記化合物の第ｎ段階の化学反応の合成情報、及び前記化合物の第ｎ－１段階の化学反応により合成された生成物の合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返すステップと、
予測した前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力するステップと、
を含むことを特徴とする物性予測方法。
【0013】
［７］ 複数段階の化学反応により合成される化合物の物性を予測するコンピュータに、
第１段階の化学反応の合成情報と、前記第１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、前記第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成するステップ、
第ｎ（ｎ≧２）段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第ｎ段階の化学反応により合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成するステップ、
物性を予測する前記化合物の前記複数段階の化学反応のそれぞれについて合成情報の設定を受け付けるステップ、
前記化合物の第１段階の化学反応の合成情報を前記第１段階の学習済みモデルに入力して前記化合物の第１段階の化学反応により合成される生成物の物性値を予測するステップ、
前記化合物の第ｎ段階の化学反応の合成情報、及び前記化合物の第ｎ－１段階の化学反応により合成された生成物の合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返すステップ、
予測した前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力するステップ、
を実行させるためのプログラム。
第１段階の化学反応の合成情報と、前記第１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、前記第１段階の化学反応により合成される生成物の物性値を予測する第１段階の学習済みモデルを作成するステップ、
第ｎ（ｎ≧２）段階の化学反応の合成情報と、前記第ｎ段階の化学反応により合成された生成物の合成結果情報と、第ｎ－１段階の化学反応により合成された生成物の合成結果情報と、を学習データとして用いて、第ｎ段階の化学反応により合成される生成物の物性値を予測する第２段階から最終段階までの学習済みモデルを作成するステップ、
物性を予測する前記化合物の前記複数段階の化学反応のそれぞれについて合成情報の設定を受け付けるステップ、
前記化合物の第１段階の化学反応の合成情報を前記第１段階の学習済みモデルに入力して前記化合物の第１段階の化学反応により合成される生成物の物性値を予測するステップ、
前記化合物の第ｎ段階の化学反応の合成情報、及び前記化合物の第ｎ－１段階の化学反応により合成された生成物の合成結果情報を前記第ｎ段階の学習済みモデルに入力して前記化合物の第ｎ段階の化学反応により合成される生成物の物性値を予測する処理を、前記化合物の第２段階の化学反応から最終段階の化学反応まで繰り返すステップ、
予測した前記化合物の最終段階の化学反応により合成される生成物の予測した物性値を出力するステップ、
を実行させるためのプログラム。
【発明の効果】
【0014】
本開示によれば、複数段階の化学反応により合成される化合物の物性を精度良く予測し、予測した物性を利用して選択した化合物を生成できる。
【図面の簡単な説明】
【0015】
【図1】本実施形態に係る情報処理システムの一例の構成図である。
【図2】本実施形態に係るコンピュータの一例のハードウェア構成図である。
【図3】本実施形態に係る情報処理システムの一例の機能構成図である。
【図4A】本実施形態に係る学習済みモデルを作成する処理の一例の説明図である。
【図4B】本実施形態に係る学習済みモデルを作成する処理の一例の説明図である。
【図5A】本実施形態に係る学習済みモデルを用いてポリマーの物性を予測する処理の一例の説明図である。
【図5B】本実施形態に係る学習済みモデルを用いてポリマーの物性を予測する処理の一例の説明図である。
【図6】本実施形態に係る情報処理システムの物性予測方法の処理手順の一例を示したフローチャートである。
【図7】本実施形態に係る合成情報設定画面の一例のイメージ図である。
【図8】本実施形態に係るポリマーの物性を予測する処理におけるデータの流れの一例のイメージ図である。
【図9A】ポリマーの原料、その原料の配合比が同一であっても、完成物の構造が変化する場合の一例の説明図である。
【図9B】ポリマーの原料、その原料の配合比が同一であっても、完成物の構造が変化する場合の一例の説明図である。
【図10A】ポリマーの原料、その原料の配合比が同一であっても、完成物の構造が変化する場合の一例の説明図である。
【図10B】ポリマーの原料、その原料の配合比が同一であっても、完成物の構造が変化する場合の一例の説明図である。
【図11A】ポリマーの原料、その原料の配合比が同一であっても、完成物の構造が変化する場合の一例の説明図である。
【図11B】ポリマーの原料、その原料の配合比が同一であっても、完成物の構造が変化する場合の一例の説明図である。
【図12A】本実施形態に係る学習済みモデルを作成する処理の一例の説明図である。
【図12B】本実施形態に係る学習済みモデルを作成する処理の一例の説明図である。
【図13A】本実施形態に係る学習済みモデルを用いてポリマーの物性を予測する処理の一例の説明図である。
【図13B】本実施形態に係る学習済みモデルを用いてポリマーの物性を予測する処理の一例の説明図である。
【図14】本実施形態に係る情報処理システムの物性予測方法の処理手順の一例を示したフローチャートである。
【図15】本実施形態に係るポリマーの物性を予測する処理におけるデータの流れの一例のイメージ図である。
【発明を実施するための形態】
【0016】
次に、本発明の実施形態について詳細に説明する。なお、本発明は以下の実施形態に限定されるものではない。本実施形態では、複数段階の化学反応により合成される化合物の一例として、複数段階の重合反応や付加反応などの化学反応により合成（多段階合成）されるポリマーについて説明する。本実施形態のポリマーの多段階合成は、主鎖／側鎖を多段階合成するパターン、原料（モノマー、オリゴマー）／添加剤（硬化剤、重合禁止剤、触媒、フィラー）を多段階合成するパターン、モノマー×モノマー／別ポリマー／添加剤を多段階合成するパターンを含む。
【0017】
［第１の実施形態］
＜システム構成＞
図１は、本実施形態に係る情報処理システムの一例の構成図である。図１の情報処理システム１は、物性予測装置１０、及びユーザ端末１２を有している。物性予測装置１０及びユーザ端末１２はローカルエリアネットワーク（ＬＡＮ）又はインターネットなどの通信ネットワーク１８を介してデータ通信可能に接続されている。
＜システム構成＞
図１は、本実施形態に係る情報処理システムの一例の構成図である。図１の情報処理システム１は、物性予測装置１０、及びユーザ端末１２を有している。物性予測装置１０及びユーザ端末１２はローカルエリアネットワーク（ＬＡＮ）又はインターネットなどの通信ネットワーク１８を介してデータ通信可能に接続されている。
【0018】
ユーザ端末１２はユーザが操作するＰＣ、タブレット端末、スマートフォンなどの情報処理端末である。ユーザ端末１２は、複数段階の化学反応により合成（以下、単に多段階合成と呼ぶ）されるポリマーの物性の予測に必要な情報の入力をユーザから受け付け、物性予測装置１０にポリマーの物性を予測させる。また、ユーザ端末１２は物性予測装置１０が予測したポリマーの物性などの情報を受信し、例えば表示装置に表示してユーザに確認させる。
【0019】
物性予測装置１０はポリマーの物性を予測するＰＣなどの情報処理装置である。物性予測装置１０は学習データを用いて機械学習することで学習済みモデルを作成する。物性予測装置１０はユーザ端末１２からポリマーの物性の予測に必要な情報を受信すると、学習済みモデルを用いてポリマーの物性を予測する。物性予測装置１０は予測したポリマーの物性などの情報をユーザ端末１２に送信する。
【0020】
なお、図１の情報処理システム１は一例であって、用途や目的に応じて様々なシステム構成例があることは言うまでもない。例えば物性予測装置１０は複数台のコンピュータにより実現してもよいし、クラウドコンピューティングのサービスとして実現するようにしてもよい。また、図１の情報処理システム１はスタンドアローンのコンピュータにより実現してもよい。
【0021】
【0022】
図２は、本実施形態に係るコンピュータの一例のハードウェア構成図である。図２のコンピュータ５００は、入力装置５０１、表示装置５０２、外部Ｉ／Ｆ５０３、ＲＡＭ５０４、ＲＯＭ５０５、ＣＰＵ５０６、通信Ｉ／Ｆ５０７、及びＨＤＤ５０８などを備えており、それぞれがバスＢで相互に接続されている。なお、入力装置５０１及び表示装置５０２は接続して利用する形態であってもよい。
【0023】
入力装置５０１は、ユーザが各種信号を入力するのに用いるタッチパネル、操作キーやボタン、キーボードやマウスなどである。表示装置５０２は、画面を表示する液晶や有機ＥＬなどのディスプレイ、音声や音などの音データを出力するスピーカ等で構成されている。通信Ｉ／Ｆ５０７はコンピュータ５００がデータ通信を行うためのインタフェースである。
【0024】
また、ＨＤＤ５０８は、プログラムやデータを格納している不揮発性の記憶装置の一例である。格納されるプログラムやデータには、コンピュータ５００全体を制御する基本ソフトウェアであるＯＳ、及びＯＳ上において各種機能を提供するアプリケーションなどがある。なお、コンピュータ５００はＨＤＤ５０８に替えて、記憶媒体としてフラッシュメモリを用いるドライブ装置（例えばソリッドステートドライブ：ＳＳＤなど）を利用するものであってもよい。
【0025】
外部Ｉ／Ｆ５０３は、外部装置とのインタフェースである。外部装置には、記録媒体５０３ａなどがある。これにより、コンピュータ５００は外部Ｉ／Ｆ５０３を介して記録媒体５０３ａの読み取り及び／又は書き込みを行うことができる。記録媒体５０３ａにはフレキシブルディスク、ＣＤ、ＤＶＤ、ＳＤメモリカード、ＵＳＢメモリなどがある。
【0026】
ＲＯＭ５０５は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリ（記憶装置）の一例である。ＲＯＭ５０５にはコンピュータ５００の起動時に実行されるＢＩＯＳ、ＯＳ設定、及びネットワーク設定などのプログラムやデータが格納されている。ＲＡＭ５０４はプログラムやデータを一時保持する揮発性の半導体メモリ（記憶装置）の一例である。
【0027】
ＣＰＵ５０６は、ＲＯＭ５０５やＨＤＤ５０８などの記憶装置からプログラムやデータをＲＡＭ５０４上に読み出し、処理を実行することで、コンピュータ５００全体の制御や機能を実現する演算装置である。本実施形態に係るコンピュータ５００は、プログラムを実行することで後述するような物性予測装置１０及びユーザ端末１２の各種機能を実現できる。
【0028】
＜機能構成＞
本実施形態に係る情報処理システム１の構成について説明する。図３は本実施形態に係る情報処理システムの一例の機能構成図である。なお、図３の構成図は、本実施形態の説明に不要な部分について適宜省略している。図４Ａ及び図４Ｂは本実施形態に係る学習済みモデルを作成する処理の一例の説明図である。また、図５Ａ及び図５Ｂは本実施形態に係る学習済みモデルを用いてポリマーの物性を予測する処理の一例の説明図である。
本実施形態に係る情報処理システム１の構成について説明する。図３は本実施形態に係る情報処理システムの一例の機能構成図である。なお、図３の構成図は、本実施形態の説明に不要な部分について適宜省略している。図４Ａ及び図４Ｂは本実施形態に係る学習済みモデルを作成する処理の一例の説明図である。また、図５Ａ及び図５Ｂは本実施形態に係る学習済みモデルを用いてポリマーの物性を予測する処理の一例の説明図である。
【0029】
図３に示した情報処理システム１の物性予測装置１０は、第１モデル作成部３０、第２モデル作成部３２、合成情報設定受付部３４、第１予測部３６、第２予測部３８、出力部４０、学習データ記憶部５０、及び学習済みモデル記憶部５２を有する。また、ユーザ端末１２は、情報表示部２０、操作受付部２２、要求送信部２４、及び応答受信部２６を有する。
【0030】
情報表示部２０は、ユーザに確認させる情報を表示装置５０２に表示する。操作受付部２２は多段階合成されるポリマーの物性の予測に必要な情報の入力などの操作をユーザから受け付ける。要求送信部２４はポリマーの物性の予測などの処理の要求を物性予測装置１０に送信する。また、応答受信部２６は要求送信部２４が送信したポリマーの物性の予測などの処理の要求に対する応答を受信する。
【0031】
第１モデル作成部３０は、複数段階の化学反応のうちの第１段階の化学反応の合成情報と、第１段階の化学反応により合成された生成物であるポリマーの合成結果情報と、が対応付けられた学習データを用いて、例えば図４Ａに示すように第１段階の学習済みモデルを作成する。第１段階の学習済みモデルは、第１段階の化学反応の合成情報と、第１段階の化学反応により合成された生成物であるポリマーの合成結果情報との対応関係を学習した、教師あり学習モデルである。教師あり学習モデルは、ニューラルネットワークや遺伝的アルゴリズムなどの教師あり学習モデルを適用できる。
【0032】
化学反応の合成情報は、モノマーの配合比や配合物（開始剤、禁止剤など）の配合比などの原料の配合比情報、合成温度、合成速度などの条件を含む。また、合成結果情報は、化学反応により合成されたポリマーの物性値、及び合成情報から後述のように計算される特徴量を含む。
【0033】
第１モデル作成部３０は、学習データ記憶部５０が記憶している学習データを用いて第１段階の学習済みモデルを作成する。また、第１モデル作成部３０は作成した第１段階の学習済みモデルを学習済みモデル記憶部５２に記憶させる。
【0034】
また、第２モデル作成部３２は、複数段階の化学反応のうちの第ｎ（ｎ≧２）段階の化学反応の合成情報と、第ｎ段階の化学反応により合成された生成物であるポリマーの合成結果情報と、第ｎ－１段階の化学反応により合成された生成物であるポリマーの合成結果情報と、が対応付けられた学習データを用いて、例えば図４Ｂに示すように第２段階から最終段階までの学習済みモデルを作成する。第ｎ段階の学習済みモデルは、第ｎ段階の化学反応の合成情報と、第ｎ段階の化学反応により合成された生成物であるポリマーの合成結果情報と、第ｎ－１段階の化学反応により合成された生成物であるポリマーの合成結果情報と、の対応関係を学習した、教師あり学習モデルである。
【0035】
例えば、第ｎ－１段階の化学反応により合成されたポリマーの合成結果情報は第ｎ－１段階の化学反応により合成されたポリマーの物性値、及び特徴量である。第ｎ－１段階の化学反応により合成されたポリマーの合成結果情報は、第ｎ－１段階の化学反応により合成されたポリマーの物性値、及び特徴量に加えて、合成情報を含んでもよく、物性値、特徴量、及び合成情報の他の組合せであってもよい。
【0036】
第２モデル作成部３２は、学習データ記憶部５０が記憶している学習データを用いることで第２段階から最終段階までの学習済みモデルを作成する。また、第２モデル作成部３２は作成した第２段階から最終段階の学習済みモデルを学習済みモデル記憶部５２に記憶させる。なお、第２段階以降の化学反応により合成された生成物であるポリマーの合成結果情報は、予測対象の第ｎ段階よりも前の第ｎ－１段階の学習済みモデルを用いて予測した合成結果情報を使用してもよい。
【0037】
合成情報設定受付部３４は、ユーザが物性を予測したいポリマーの複数段階の化学反応のそれぞれについての合成情報の設定を受け付ける。なお、合成情報設定受付部３４はモノマーや配合物などの原料の配合比を配合比範囲の設定として受け付け、その配合比範囲内に収まる配合比の組合せから配合比情報を自動生成してもよい。
【0038】
第１予測部３６は、例えば図５Ａに示すように第１段階の化学反応の合成情報を第１段階の学習済みモデルに入力して、第１段階の化学反応により合成されるポリマーの物性値を予測する。また、第１予測部３６は予測したポリマーの合成情報から特徴量を計算する。第１予測部３６は予測した物性値及び計算した特徴量を第１段階の合成結果情報として出力する。このように、第１段階の合成結果情報は、予測したポリマーの物性値の他、合成情報から計算可能な特徴量を含む。
【0039】
第２予測部３８は、例えば図５Ｂに示すように第ｎ段階の化学反応の合成情報、及び第ｎ－１段階の化学反応により合成されたポリマーの合成結果情報を第ｎ段階の学習済みモデルに入力して第ｎ段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第ｎ段階の合成結果情報として出力する。このように、第ｎ段階の合成結果情報は、予測したポリマーの物性値の他、合成情報から計算可能な特徴量を含む。第２予測部３８は第ｎ段階の合成結果情報を予測する処理を、第２段階の化学反応から最終段階の化学反応まで繰り返す。
【0040】
例えば第２予測部３８は、第２段階の化学反応の合成情報、及び第１予測部３６から出力された第１段階の合成結果情報を第２段階の学習済みモデルに入力して第２段階の化学反応により合成されるポリマーの予測した物性値を出力する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第２段階の合成結果情報として出力する。
【0041】
また、第２予測部３８は第３段階の化学反応の合成情報、及び第２段階の合成結果情報を第３段階の学習済みモデルに入力して第３段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第３段階の合成結果情報として出力する。このような処理を、第２予測部３８は最終段階の化学反応まで繰り返す。
【0042】
そして、出力部４０は第２予測部３８が予測した最終段階の化学反応により合成されるポリマーの物性値を、ユーザ端末１２からのポリマーの物性の予測の要求に対する応答として送信する。なお、図３の構成図は一例である。本実施形態に係る情報処理システム１の構成は様々考えることができる。
【0043】
＜ポリマーの合成情報から計算可能な特徴量＞
本実施形態において、ポリマーの合成情報から計算可能な特徴量は、例えば生成物の一例であるポリマーのモデル構造、部分構造数、モデル構造の原子数、及び部分構造数密度である。
本実施形態において、ポリマーの合成情報から計算可能な特徴量は、例えば生成物の一例であるポリマーのモデル構造、部分構造数、モデル構造の原子数、及び部分構造数密度である。
【0044】
モデル構造は、繰り返しによりポリマーを構成する構造単位（繰り返し単位）を複製し連結する処理を所定回数繰り返すことで生成される。複数の繰り返し単位が連結することでポリマーが表される。
【0045】
部分構造数はモデル構造に基づいて計算され、ｎ次元のベクトル（モデル構造の部分構造数ベクトル）で表される。部分構造数ベクトルはＥＣＦＰ（Ｅｘｔｅｎｄｅｄ Ｃｉｒｃｕｌａｒ ＦｉｎｇｅｒＰｒｉｎｔ）、Ａｔｏｍ Ｐａｉｒ、Ｔｏｐｏｌｏｇｉｃａｌ Ｔｏｒｓｉｏｎ、Ｎｅｕｒａｌ Ｆｉｎｇｅｒ Ｐｒｉｎｔ等の構造記述子によりｎ次元で表される。
【0046】
例えば部分構造数は、モデル構造が「ＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯ」であれば、Ｃ原子数、Ｏ原子数、ＣＯＣ数等の構造記述子によりｎ次元で表される。
【0047】
モデル構造の原子数は、モデル構造に含まれる原子数である。モデル構造が「ＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯ」であれば、モデル構造に含まれる原子数は「３０」である。
【0048】
部分構造数密度は、部分構造数と、モデル構造の原子数と、を用いて以下の式（１）により算出される。算出される部分構造数密度は、部分構造数と同じｎ次元のベクトルで表される。
【0049】
部分構造数密度＝部分構造数÷モデル構造の原子数…（１）
例えば部分構造数密度は、モデル構造が「ＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯ」であれば、部分構造数ベクトルの各値をモデル構造の原子数「３０」で割ることにより、Ｃ原子数の密度「２／３（＝２０／３０）」、Ｏ原子の密度「１／３（＝１０／３０）」、…、ＣＯＣの密度「９／３０」等を得る。
例えば部分構造数密度は、モデル構造が「ＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯＣＣＯ」であれば、部分構造数ベクトルの各値をモデル構造の原子数「３０」で割ることにより、Ｃ原子数の密度「２／３（＝２０／３０）」、Ｏ原子の密度「１／３（＝１０／３０）」、…、ＣＯＣの密度「９／３０」等を得る。
【0050】
なお、ポリマーのモデル構造、部分構造数、モデル構造の原子数、及び部分構造数密度の詳細は例えば特許第６６３３８２０号公報に記載されている。このように、本実施形態で利用する特徴量は、化学反応の合成情報に含まれるモノマーやポリマーのモデル構造から計算できる。
【0051】
＜学習済みモデルが予測するポリマーの物性値＞
本実施形態において、学習済みモデルが予測するポリマーの物性値は、粘度、ガラス転移点、色差、分子量、酸価、現像性（速度、現像携帯、現像残渣）、密着性、透明性、感度、耐溶剤性（例えばＮＭＰ耐性）、分散性、耐熱性（熱分量現象）、耐熱性（黄変色差）などを含む。
本実施形態において、学習済みモデルが予測するポリマーの物性値は、粘度、ガラス転移点、色差、分子量、酸価、現像性（速度、現像携帯、現像残渣）、密着性、透明性、感度、耐溶剤性（例えばＮＭＰ耐性）、分散性、耐熱性（熱分量現象）、耐熱性（黄変色差）などを含む。
【0052】
＜処理＞
図６は、本実施形態に係る情報処理システムの物性予測方法の処理手順の一例を示したフローチャートである。なお、図６のフローチャートに示した処理は、学習済みモデルを作成した後に、多段階合成されるポリマーの物性を予測する物性予測処理を表している。また、図７は本実施形態に係る合成情報設定画面の一例のイメージ図である。図８は、本実施形態に係るポリマーの物性を予測する処理におけるデータの流れの一例のイメージ図である。
図６は、本実施形態に係る情報処理システムの物性予測方法の処理手順の一例を示したフローチャートである。なお、図６のフローチャートに示した処理は、学習済みモデルを作成した後に、多段階合成されるポリマーの物性を予測する物性予測処理を表している。また、図７は本実施形態に係る合成情報設定画面の一例のイメージ図である。図８は、本実施形態に係るポリマーの物性を予測する処理におけるデータの流れの一例のイメージ図である。
【0053】
ステップＳ１０において、物性予測装置１０の合成情報設定受付部３４は例えば図７に示す合成情報設定画面１０００をユーザ端末１２の情報表示部２０に表示させて、ユーザが物性を予測したいポリマーの複数段階の化学反応のそれぞれについての合成情報の設定を受け付ける。
【0054】
合成情報設定画面１０００は多段階合成されるポリマーの原料（合成材料）となる事前に準備されたモノマーリストが欄１００２に表示され、モノマー種類ごとに配合比範囲の最小値と最大値とが、それぞれ入力可能となっている。また、合成情報設定画面１０００は複数のモノマー種類から多段階合成されるポリマーの合成情報を設定する為の画面例であり、欄１００２に表示されているモノマーリストから各段階の原料の候補となるモノマーを配合候補として指定可能な欄１００４が表示されている。
【0055】
図７の例では、第１段階の原料の候補としてモノマーＡ及びモノマーＢ、第２段階の原料の候補としてモノマーＣ及びモノマーＤ、第３段階の原料の候補としてモノマーＥ及びモノマーＦが指定された例を示している。例えば図７の合成情報設定画面１０００では、第１段階の原料の候補として指定されたモノマーＡ及びモノマーＢの配合比範囲内で、ランダムまたは所定の刻み幅で複数の配合比の組合せが算出される。
【0056】
また、例えば図７の合成情報設定画面１０００では、第２段階の原料の候補として指定されたモノマーＣ及びモノマーＤの配合比範囲内で、第１段階の化学反応により合成されたポリマー（主鎖ポリマーなど）との複数の混合比の組合せが、ランダムまたは所定の刻み幅で算出される。
【0057】
また、例えば図７の合成情報設定画面１０００では、第３段階の原料の候補として指定されたモノマーＥ及びモノマーＦの配合比範囲内で、第２段階の化学反応により合成されたポリマー（グラフトポリマーなど）との複数の混合比の組合せが、ランダムまたは所定の刻み幅で算出される。
【0058】
ユーザ端末１２の操作受付部２２は、ユーザから多段階合成されるポリマーの物性の予測に必要な情報として、複数段階の化学反応のそれぞれについての合成情報の入力操作を受け付ける。要求送信部２４は、操作受付部２２が受け付けた複数段階の化学反応のそれぞれについての合成情報に従い、物性予測装置１０にポリマーの物性の予測を要求する。
【0059】
ユーザ端末１２からポリマーの物性の予測を要求された物性予測装置１０の第１予測部３６は、ステップＳ１２において、例えば図５Ａに示したように、第１段階の化学反応の合成情報を第１段階の学習済みモデルに入力して、第１段階の化学反応により合成されるポリマーの物性値を予測する。また、第１予測部３６は予測したポリマーの合成情報から特徴量を計算する。第１予測部３６は予測した物性値及び計算した特徴量を第１段階の合成結果情報として出力する。
【0060】
例えば第１予測部３６は、図８に示したように、複数段階の化学反応のそれぞれについての合成情報から第１段階の合成情報を切り出し、切り出した第１段階の合成情報を第１段階の学習済みモデルに入力して、第１段階の化学反応により合成されるポリマーの物性値を予測する。また、第１予測部３６は切り出した第１段階の合成情報から第１段階の化学反応により合成されるポリマーの特徴量を演算する。第１予測部３６は予測した物性値及び計算した特徴量を第１段階の合成結果情報として出力する。
【0061】
ステップＳ１４において、第２予測部３８は「ｎ」に「２」を代入する。ステップＳ１６に進み、例えば第２予測部３８は、図８に示したように、複数段階の化学反応のそれぞれについての合成情報から第２段階の合成情報を切り出す。そして、第２予測部３８は第１予測部３６が出力した第１段階の合成結果情報と、切り出した第２段階の合成情報とを統合する。
【0062】
ステップＳ１８において、第２予測部３８は例えば図５Ｂに示したように、第２段階の化学反応の合成情報と第１段階の合成結果情報とを第２段階の学習済みモデルに入力して、第２段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第２段階の合成結果情報として出力する。
【0063】
例えば第２予測部３８は、図８に示したように、統合された第１段階の合成結果情報と第２段階の合成情報とを第２段階の学習済みモデルに入力して、第２段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は第２段階の合成情報から第２段階の化学反応により合成されるポリマーの特徴量を演算する。第２予測部３８は予測した物性値及び計算した特徴量を第２段階の合成結果情報として出力する。
【0064】
ステップＳ２０において、第２予測部３８は最終段階の化学反応までポリマーの物性値を予測したか否かを判定する。最終段階の化学反応までポリマーの物性値を予測していなければ、第２予測部３８はステップＳ２２に進み、「ｎ」に「１」を加算してステップＳ１６～Ｓ２０の処理を繰り返す。
【0065】
ここでは、第３段階の化学反応が最終段階の化学反応である例を説明する。ステップＳ１６に戻り、例えば第２予測部３８は、図８に示したように、複数段階の化学反応のそれぞれについての合成情報から第３段階の合成情報を切り出す。そして、第２予測部３８は第２予測部３８が出力した第２段階の合成結果情報と、切り出した第３段階の合成情報とを統合する。
【0066】
ステップＳ１８において、第２予測部３８は例えば図５Ｂに示したように、第３段階の化学反応の合成情報と第２段階の合成結果情報とを第３段階の学習済みモデルに入力して、第３段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第３段階の合成結果情報として出力する。
【0067】
例えば第２予測部３８は、図８に示したように、統合された第２段階の合成結果情報と第３段階の合成情報とを第３段階の学習済みモデルに入力して、第３段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は第３段階の合成情報から第３段階の化学反応により合成されるポリマーの特徴量を演算する。第２予測部３８は予測した物性値及び演算した特徴量を第３段階の合成結果情報として出力する。
【0068】
ステップＳ２０において、第２予測部３８は最終段階の化学反応までポリマーの物性値を予測したか否かを判定する。最終段階の化学反応までポリマーの物性値を予測していれば、第２予測部３８は図６のフローチャートの処理を終了する。
【0069】
＜多段階合成されるポリマーの構造が変化する例＞
重合反応や付加反応などの化学反応により多段階合成されたポリマーの物性は、例えばポリマーの原料、その原料の配合比が同一であっても、図９Ａ、図９Ｂ、図１０Ａ、図１０Ｂ、図１１Ａ、及び図１１Ｂに一例として示したように、化学反応の順序により物性が異なる場合がある。
重合反応や付加反応などの化学反応により多段階合成されたポリマーの物性は、例えばポリマーの原料、その原料の配合比が同一であっても、図９Ａ、図９Ｂ、図１０Ａ、図１０Ｂ、図１１Ａ、及び図１１Ｂに一例として示したように、化学反応の順序により物性が異なる場合がある。
【0070】
図９Ａ、図９Ｂ、図１０Ａ、図１０Ｂ、図１１Ａ、及び図１１Ｂは、ポリマーの原料、その原料の配合比が同一であっても、完成物（最終合成物）の構造が変化する場合の一例の説明図である。図９Ａ、図９Ｂ、図１０Ａ、図１０Ｂ、図１１Ａ、及び図１１Ｂは、図９Ａに示したように、ポリマーの原料（合成材料）が原料Ａ、Ｂ、Ｃ、及びＤの例である。
【0071】
１段階の化学反応で合成が完成し、原料Ａ～Ｄの配合比が同一であっても、完成物であるポリマーの配合比は原料の配合比とは異なることがあり、例えば図９Ｂの構造となる。図１０Ａは２段階の化学反応で合成を行う例を示している。図１０Ａに示した２段階の化学反応で合成が完成した完成物であるポリマーは、例えば図１０Ｂの構造となる。図１０Ｂに示したように、完成物であるポリマーは第１段階の化学反応で原料Ａ及びＢの主鎖を重合し、第２段階の化学反応で主鎖に原料Ｃ及びＤが側鎖として付加されている。
【0072】
図１１Ａは２段階の化学反応で合成を行う例を示している。図１１Ａに示した２段階の化学反応で合成が完成した完成物であるポリマーは、例えば図１１Ｂの構造となる。例えば図１１Ａに示した２段階の化学反応で合成が完成した完成物であるポリマーは、原料Ａ及びＢが隣り合う確率、及び原料Ｃ及びＤが隣り合う確率、が高い構造となる。図９Ａ、図９Ｂ、図１０Ａ、図１０Ｂ、図１１Ａ、及び図１１Ｂに示したように、多段階合成されるポリマーは完成物の構造が変化するため、多段階の化学反応それぞれに対応した学習済みモデルを用いなければ、完成物の構造の変化に対応できず、完成物の物性を精度良く予測できない。
【0073】
また、多段階合成されるポリマーは、途中の生成物（中間物）の物性であって、完成物の目的物性と異なる物性が、完成物の目的物性の重要な因子となる場合がある。完成物の目的物性と異なる物性を中間物で予測するモデルを用いれば、完成物の目的物性の重要な因子が抜けることがなく、多段階合成されるポリマーの物性を精度良く予測できる。
【0074】
そこで、本実施形態では、多段階合成されるポリマーの物性の予測に際し、複数段階の化学反応それぞれの学習済みモデルを作成してポリマーの物性を予測することで、完成物の物性を精度良く予測できるようにしている。なお、複数段階の化学反応それぞれの学習済みモデルが予測する物性は、完成物の目的物性に限定されない。例えば中間物の物性を予測する学習済みモデルには、完成物の目的物性以外の物性を予測する学習済みモデルが含まれていてもよい。
【0075】
［第２の実施形態］
第２の実施形態は、学習済みモデルの作成、及び学習済みモデルを用いた生成物の物性の予測、に利用する情報の種類を第１の実施形態よりも増やし、完成物の物性を更に精度良く予測するものである。なお、第２の実施形態は一部を除いて第１の実施形態と同様であるため、同一部分について適宜説明を省略する。
第２の実施形態は、学習済みモデルの作成、及び学習済みモデルを用いた生成物の物性の予測、に利用する情報の種類を第１の実施形態よりも増やし、完成物の物性を更に精度良く予測するものである。なお、第２の実施形態は一部を除いて第１の実施形態と同様であるため、同一部分について適宜説明を省略する。
【0076】
システム構成、ハードウェア構成は、第１の実施形態と同様である。なお、機能構成については、一部が第１の実施形態と異なっているため、第１の実施形態との差分について説明する。図１２Ａ及び図１２Ｂは、本実施形態に係る学習済みモデルを作成する処理の一例の説明図である。また、図１３Ａ及び図１３Ｂは本実施形態に係る学習済みモデルを用いてポリマーの物性を予測する処理の一例の説明図である。
【0077】
第１モデル作成部３０は、複数段階の化学反応のうちの第１段階の化学反応の合成情報と、第１段階の化学反応により合成された生成物であるポリマーの合成結果情報と、が対応付けられた学習データを用いて、例えば図１２Ａに示すように第１段階の学習済みモデルを作成する。第１段階の学習済みモデルは、第１段階の化学反応の合成情報と、第１段階の化学反応により合成された生成物であるポリマーの合成結果情報との対応関係を学習した、教師あり学習モデルである。
【0078】
第１モデル作成部３０は、学習データ記憶部５０が記憶している学習データを用いて第１段階の学習済みモデルを作成する。また、第１モデル作成部３０は作成した第１段階の学習済みモデルを学習済みモデル記憶部５２に記憶させる。
【0079】
また、第２モデル作成部３２は、第ｎ段階の化学反応の合成情報と、第ｎ段階の化学反応により合成された生成物であるポリマーの合成結果情報と、第１段階から第ｎ－１段階までの化学反応の合成情報と、第１段階から第ｎ－１段階の化学反応により合成された生成物であるポリマーの合成結果情報と、が対応付けられた学習データを用いて、例えば図１２Ｂに示すように第２段階から最終段階までの学習済みモデルを作成する。第ｎ段階の学習済みモデルは、第ｎ段階の化学反応の合成情報と、第ｎ段階の化学反応により合成された生成物であるポリマーの合成結果情報と、第１段階から第ｎ－１段階までの化学反応の合成情報と、第１段階から第ｎ－１段階の化学反応により合成された生成物であるポリマーの合成結果情報と、の対応関係を学習した、教師あり学習モデルである。
【0080】
例えば、第１段階から第ｎ－１段階の化学反応により合成されたポリマーの合成結果情報は、第１段階から第ｎ－１段階の化学反応それぞれにより合成されたポリマーの物性値及び特徴量である。
【0081】
第２モデル作成部３２は、学習データ記憶部５０が記憶している学習データを用いることで第２段階から最終段階までの学習済みモデルを作成する。また、第２モデル作成部３２は作成した第２段階から最終段階の学習済みモデルを学習済みモデル記憶部５２に記憶させる。
【0082】
第１予測部３６は、例えば図１３Ａに示すように第１段階の化学反応の合成情報を第１段階の学習済みモデルに入力して、第１段階の化学反応により合成されるポリマーの物性値を予測する。また、第１予測部３６は予測したポリマーの合成情報から特徴量を計算する。第１予測部３６は、予測した物性値及び計算した特徴量を第１段階の合成結果情報として出力する。このように、第１段階の合成結果情報は、予測したポリマーの物性値の他、合成情報から計算可能な特徴量を含む。
【0083】
また、第２予測部３８は、例えば図１３Ｂに示すように第ｎ段階の化学反応の合成情報、第１段階から第ｎ－１段階の化学反応の合成情報、及び第１段階から第ｎ－１段階の化学反応により合成されたポリマーの合成結果情報を第ｎ段階の学習済みモデルに入力して第ｎ段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第ｎ段階の合成結果情報として出力する。このように、第ｎ段階の合成結果情報は、予測したポリマーの物性値の他、合成情報から計算可能な特徴量を含む。第２予測部３８は第ｎ段階の合成結果情報を予測する処理を、第２段階の化学反応から最終段階の化学反応まで繰り返す。
【0084】
例えば第２予測部３８は、第２段階の化学反応の合成情報、第１段階の化学反応の合成情報、及び第１予測部３６から出力された第１段階の合成結果情報を第２段階の学習済みモデルに入力して、第２段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第２段階の合成結果情報として出力する。
【0085】
また、第２予測部３８は第３段階の化学反応の合成情報、第１段階から第２段階の化学反応の合成情報、及び第１段階から第２段階の合成結果情報を第３段階の学習済みモデルに入力して第３段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第３段階の合成結果情報として出力する。このような処理を、第２予測部３８は最終段階の化学反応まで繰り返す。
【0086】
図１４は、本実施形態に係る情報処理システムの物性予測方法の処理手順の一例を示したフローチャートである。なお、図１４のフローチャートに示した処理は、図６に示したフローチャートと同様、学習済みモデルを作成した後に、多段階合成されるポリマーの物性を予測する物性予測処理を表している。図１５は、本実施形態に係るポリマーの物性を予測する処理におけるデータの流れの一例のイメージ図である。
【0087】
ステップＳ３０において、物性予測装置１０の合成情報設定受付部３４は例えば図７の合成情報設定画面１０００をユーザ端末１２の情報表示部２０に表示させて、ユーザが物性を予測したいポリマーの複数段階の化学反応のそれぞれについての合成情報の設定を受け付ける。
【0088】
ユーザ端末１２の操作受付部２２は、ユーザから多段階合成されるポリマーの物性の予測に必要な情報として、複数段階の化学反応のそれぞれについての合成情報の入力操作を受け付ける。要求送信部２４は、操作受付部２２が受け付けた複数段階の化学反応のそれぞれについての合成情報に従い、物性予測装置１０にポリマーの物性の予測を要求する。
【0089】
ユーザ端末１２からポリマーの物性の予測を要求された物性予測装置１０の第１予測部３６は、ステップＳ３２において、例えば図１３Ａに示したように、第１段階の化学反応の合成情報を第１段階の学習済みモデルに入力して、第１段階の化学反応により合成されるポリマーの物性値を予測する。また、第１予測部３６は予測したポリマーの合成情報から特徴量を計算する。第１予測部３６は予測した物性値及び計算した特徴量を第１段階の合成結果情報として出力する。
【0090】
例えば第１予測部３６は、図１５に示したように、複数段階の化学反応のそれぞれについての合成情報から第１段階の合成情報を切り出し、切り出した第１段階の合成情報を第１段階の学習済みモデルに入力して、第１段階の化学反応により合成されるポリマーの物性値を予測する。また、第１予測部３６は切り出した第１段階の合成情報から第１段階の化学反応により合成されるポリマーの特徴量を演算する。第１予測部３６は予測した物性値及び計算した特徴量を第１段階の合成結果情報として出力する。
【0091】
ステップＳ３４において、第２予測部３８は「ｎ」に「２」を代入する。ステップＳ３６に進み、例えば第２予測部３８は、図１５に示したように、複数段階の化学反応のそれぞれについての合成情報から第２段階の合成情報を切り出す。そして、第２予測部３８は第１予測部３６が出力した第１段階の合成結果情報と、切り出した第１段階から第２段階の合成情報とを統合する。
【0092】
ステップＳ３８において、第２予測部３８は例えば図１３Ｂに示したように、第２段階の化学反応の合成情報と第１段階の化学反応の合成情報と第１段階の合成結果情報とを第２段階の学習済みモデルに入力して、第２段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第２段階の合成結果情報として出力する。
【0093】
例えば第２予測部３８は、図１５に示したように、統合された第１段階の合成結果情報と第１段階から第２段階の合成情報とを第２段階の学習済みモデルに入力して、第２段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は第２段階の合成情報から第２段階の化学反応により合成されるポリマーの特徴量を演算する。第２予測部３８は予測した物性値及び計算した特徴量を第２段階の合成結果情報として出力する。
【0094】
ステップＳ４０において、第２予測部３８は最終段階の化学反応までポリマーの物性値を予測したか否かを判定する。最終段階の化学反応までポリマーの物性値を予測していなければ、第２予測部３８はステップＳ４２に進み、「ｎ」に「１」を加算してステップＳ３６～Ｓ４０の処理を繰り返す。
【0095】
ここでは、第３段階の化学反応が最終段階の化学反応である例を説明する。ステップＳ３６に戻り、例えば第２予測部３８は、図１５に示したように、複数段階の化学反応のそれぞれについての合成情報から第３段階の合成情報を切り出す。そして、第２予測部３８は第１予測部３６が出力した第１段階の合成結果情報と、第２予測部３８が出力した第２段階の合成結果情報と、切り出した第１段階から第３段階の合成情報とを統合する。
【0096】
ステップＳ３８において、第２予測部３８は例えば図１３Ｂに示したように、第１から第３段階の化学反応の合成情報と第１段階から第２段階の合成結果情報とを第３段階の学習済みモデルに入力して、第３段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は予測したポリマーの合成情報から特徴量を計算する。第２予測部３８は予測した物性値及び計算した特徴量を第３段階の合成結果情報として出力する。
【0097】
例えば第２予測部３８は、図１５に示したように、統合された第１段階から第２段階の合成結果情報と第１段階から第３段階の合成情報とを第３段階の学習済みモデルに入力して、第３段階の化学反応により合成されるポリマーの物性値を予測する。また、第２予測部３８は第３段階の合成情報から第３段階の化学反応により合成されるポリマーの特徴量を演算する。第２予測部３８は予測した物性値及び特徴量を第３段階の合成結果情報として出力する。
【0098】
ステップＳ４０において、第２予測部３８は最終段階の化学反応までポリマーの物性値を予測したか否かを判定する。最終段階の化学反応までポリマーの物性値を予測していれば、第２予測部３８は図１４のフローチャートの処理を終了する。
【0099】
［他の実施形態］
本実施形態に係る物性予測装置１０が予測したポリマーなどの化合物の物性は、多段階合成される化合物の配合設計装置又は配合設計支援装置、その配合設計装置又は配合設計支援装置を実現するプログラムなどに適用できる。また、本実施形態に係る物性予測装置１０は予測したポリマーなどの化合物の物性を利用することで、ユーザが設定した原料の配合比範囲内に収まる配合比の組合せから、目的物性の良い化合物を生成可能な合成情報を選択できる。したがって、本実施形態に係る物性予測装置１０は、例えば多段階合成の合成情報を入力することでポリマーなどの化合物を生成する製造装置に、選択した合成情報を供給することで、製造装置にポリマーなどの化合物を生成させてもよい。
本実施形態に係る物性予測装置１０が予測したポリマーなどの化合物の物性は、多段階合成される化合物の配合設計装置又は配合設計支援装置、その配合設計装置又は配合設計支援装置を実現するプログラムなどに適用できる。また、本実施形態に係る物性予測装置１０は予測したポリマーなどの化合物の物性を利用することで、ユーザが設定した原料の配合比範囲内に収まる配合比の組合せから、目的物性の良い化合物を生成可能な合成情報を選択できる。したがって、本実施形態に係る物性予測装置１０は、例えば多段階合成の合成情報を入力することでポリマーなどの化合物を生成する製造装置に、選択した合成情報を供給することで、製造装置にポリマーなどの化合物を生成させてもよい。
【0100】
以上、本実施形態に係る情報処理システム１によれば、複数段階の化学反応により合成される化合物の物性を精度良く予測できる物性予測装置、物性予測方法、及びプログラムを提供できる。
【0101】
以上、本実施形態について説明したが、特許請求の範囲の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。
【0102】
以上、本発明を実施例に基づいて説明したが、本発明は上記実施例に限定されるものではなく、特許請求の範囲に記載の範囲内で様々な変形が可能である。本願は、日本特許庁に２０２１年６月２３日に出願された基礎出願２０２１―１０４１７３号の優先権を主張するものであり、その全内容を参照によりここに援用する。
【符号の説明】
【0103】
１ 情報処理システム
１０ 物性予測装置
１２ ユーザ端末
１８ 通信ネットワーク
２０ 情報表示部
２２ 操作受付部
２４ 要求送信部
２６ 応答受信部
３０ 第１モデル作成部
３２ 第２モデル作成部
３４ 合成情報設定受付部
３６ 第１予測部
３８ 第２予測部
４０ 出力部
５０ 学習データ記憶部
５２ 学習済みモデル記憶部
５０２ 表示装置
１０ 物性予測装置
１２ ユーザ端末
１８ 通信ネットワーク
２０ 情報表示部
２２ 操作受付部
２４ 要求送信部
２６ 応答受信部
３０ 第１モデル作成部
３２ 第２モデル作成部
３４ 合成情報設定受付部
３６ 第１予測部
３８ 第２予測部
４０ 出力部
５０ 学習データ記憶部
５２ 学習済みモデル記憶部
５０２ 表示装置
【図1】
【図2】
【図3】
【図4A】
【図4B】
【図5A】
【図5B】
【図6】
【図7】
【図8】
【図9A】
【図9B】
【図10A】
【図10B】
【図11A】
【図11B】
【図12A】
【図12B】
【図13A】
【図13B】
【図14】
【図15】