特開 2024-46626 情報処理方法、情報処理プログラムおよび情報処理システム

(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】P2024046626

(43)【公開日】2024-04-03

(54)【発明の名称】情報処理方法、情報処理プログラムおよび情報処理システム

(51)【国際特許分類】

   G16C 20/70 20190101AFI20240327BHJP

   G16C 60/00 20190101ALI20240327BHJP

   G16C 20/30 20190101ALI20240327BHJP

   G06F 16/9038 20190101ALI20240327BHJP

【ＦＩ】

G16C20/70

G16C60/00

G16C20/30

G06F16/9038

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023151503

(22)【出願日】2023-09-19

(31)【優先権主張番号】P 2022151566

(32)【優先日】2022-09-22

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】000003159

【氏名又は名称】東レ株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】野村 圭一郎

(72)【発明者】

【氏名】山本 海

(72)【発明者】

【氏名】杉本 哲平

(72)【発明者】

【氏名】茂本 勇

(72)【発明者】

【氏名】小柳 昂平

(72)【発明者】

【氏名】向井 孝次

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175HA05

5B175HB03

5B175JC04

(57)【要約】

【課題】物性情報とともに、その材料の提供可能性に関する情報をユーザに提供することができる情報処理方法、情報処理プログラムおよび情報処理システムを提供すること。
【解決手段】本発明に係る情報処理システムは、コンピュータが、処方の情報を提供するための情報提供処理を実行する情報処理方法であって、物性値に関する検索条件の入力を受け付ける入力受付ステップと、データベースを参照して、検索条件を満たす処方を検索する検索ステップと、処方を説明変数、物性値の実測値を目的変数とする学習済みモデルを用いて、データベースに存在しない仮想処方の物性値の推測値を算出する推測値算出ステップと、推測値が、検索条件を満たす仮想処方を探索する探索ステップと、検索条件を満たす仮想処方について、実現可能性を算出する実現可能性算出ステップと、検索ステップおよび／または探索ステップにおける結果、ならびに、実現可能性を表示装置に表示させる表示ステップと、を含む。
【選択図】図１

【特許請求の範囲】

【請求項1】

コンピュータが、処方の情報を提供するための情報処理を実行する情報処理方法であって、
物性値に関する検索条件の入力を受け付ける入力受付ステップと、
データベースを参照して、前記検索条件を満たす処方を検索する検索ステップと、
処方を説明変数、物性値の実測値を目的変数とする学習済みモデルを用いて、前記データベースに存在しない仮想処方の物性値の推測値を算出する推測値算出ステップと、
前記推測値が、前記検索条件を満たす前記仮想処方を探索する探索ステップと、
前記検索条件を満たす仮想処方について、実現可能性を算出する実現可能性算出ステップと、
前記検索ステップおよび／または前記探索ステップにおける結果、ならびに、前記実現可能性を表示装置に表示させる表示ステップと、
を含む情報処理方法。

【請求項2】

前記入力受付ステップの前または後に実行され、前記処方の満たすべき条件の入力を受け付ける第２の入力受付ステップ、
をさらに含む請求項１に記載の情報処理方法。

【請求項3】

前記表示ステップは、処方について、各処方に付される番号のみを表示する、
請求項１に記載の情報処理方法。

【請求項4】

前記探索ステップは、仮想処方の推測値が検索条件を満たさない場合、予め設定された設定回数を上限として、他の仮想処方について探索処理を繰り返す、
請求項１に記載の情報処理方法。

【請求項5】

前記実現可能性算出ステップは、処方を説明変数、実現可能性を目的変数とする学習済みモデルを用いて前記実現可能性を算出する、
請求項１に記載の情報処理方法。

【請求項6】

前記入力受付ステップにおいて入力された検索条件を前記データベースに記憶させる記憶ステップ、
をさらに含む請求項１に記載の情報処理方法。

【請求項7】

コンピュータに、処方の情報を処理させる情報処理プログラムであって、
物性値に関する検索条件の入力を受け付ける入力受付ステップと、
データベースを参照して、前記検索条件を満たす処方を検索する検索ステップと、
処方を説明変数、物性値の実測値を目的変数とする学習済みモデルを用いて、前記データベースに存在しない仮想処方の物性値の推測値を算出する推測値算出ステップと、
前記推測値が、前記検索条件を満たす前記仮想処方を探索する探索ステップと、
前記検索条件を満たす仮想処方について、実現可能性を算出する実現可能性算出ステップと、
前記検索ステップおよび／または前記探索ステップにおける結果、ならびに、前記実現可能性を表示装置に表示させる表示ステップと、
を前記コンピュータに実行させる情報処理プログラム。

【請求項8】

物性値に関する検索条件の入力を受け付ける入力部と、
データベースを参照して、前記検索条件を満たす処方を検索する検索部、
処方を説明変数、物性値の実測値を目的変数とする学習済みモデルを用いて、前記データベースに存在しない仮想処方の物性値の推測値を算出し、該推測値が、前記検索条件を満たす前記仮想処方を探索する探索部と、
前記検索条件を満たす処方および／または仮想処方について、実現可能性を算出する実現可能性算出部と、
前記検索部および／または前記探索部における結果、ならびに、前記実現可能性を表示装置に表示させる表示部と、
を備える情報処理システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理方法、情報処理プログラムおよび情報処理システムに関するものである。

【背景技術】

【0002】

製品を開発するうえで、要求する物性に見合う材料を迅速かつ適切に選択することが重要である。この際、多岐にわたる原料の組み合わせから、所望の特性を有する組み合わせを推定する技術として、樹脂組成物の製造条件情報から、該樹脂組成物の物性情報を推定する技術が開示されている（例えば、特許文献１を参照）。特許文献１では、製造条件情報をもとに生成される学習済みモデルを用いて、物性情報を推測する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－１６３７８３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ところで、材料のユーザが部品を製造するには、部品の要求特性に見合った材料が供給されることが好ましい。しかしながら、ユーザは、要求特性を満たす材料が製品化されていない場合、部品の要求特性に見合った材料を材料供給者に要求し、試作素材で部品を試作し、所望の物性に見合うか確認する必要があり、部品開発に時間がかかるおそれがあった。また、ユーザは要求特性に見合う可能性のある、学習モデル等で推測された材料の情報を得ることができるが、実際にその材料が提供可能であるか否かを知ることはできない場合があった。

【0005】

本発明は、上記に鑑みてなされたものであって、樹脂組成物の物性情報とともに、その材料の提供可能性に関する情報をユーザに提供することができる情報処理方法、情報処理プログラムおよび情報処理システム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】

上述した課題を解決し、目的を達成するために、本発明に係る情報処理方法は、コンピュータが、処方の情報を提供するための情報処理を実行する情報処理方法であって、物性値に関する検索条件の入力を受け付ける入力受付ステップと、データベースを参照して、前記検索条件を満たす処方を検索する検索ステップと、処方を説明変数、物性値の実測値を目的変数とする学習済みモデルを用いて、前記データベースに存在しない仮想処方の物性値の推測値を算出する推測値算出ステップと、前記推測値が、前記検索条件を満たす前記仮想処方を探索する探索ステップと、前記検索条件を満たす仮想処方について、実現可能性を算出する実現可能性算出ステップと、前記検索ステップおよび／または前記探索ステップにおける結果、ならびに、前記実現可能性を表示装置に表示させる表示ステップと、を含む。

【0007】

本発明に係る情報処理方法は、上記発明において、前記入力受付ステップの前または後に実行され、前記処方の満たすべき条件の入力を受け付ける第２の入力受付ステップ、をさらに含む。

【0008】

本発明に係る情報処理方法は、上記発明において、前記表示ステップは、処方について、各処方に付される番号のみを表示する。

【0009】

本発明に係る情報処理方法は、上記発明において、前記探索ステップは、仮想処方の推測値が検索条件を満たさない場合、予め設定された設定回数を上限として、他の仮想処方について探索処理を繰り返す。

【0010】

本発明に係る情報処理方法は、上記発明において、前記実現可能性算出ステップは、処方を説明変数、実現可能性を目的変数とする学習済みモデルを用いて前記実現可能性を算出する。

【0011】

本発明に係る情報処理方法は、上記発明において、前記入力受付ステップにおいて入力された検索条件を前記データベースに記憶させる記憶ステップ、をさらに含む。

【0012】

本発明に係る情報処理プログラムは、コンピュータに、処方の情報を処理させる情報処理プログラムであって、物性値に関する検索条件の入力を受け付ける入力受付ステップと、データベースを参照して、前記検索条件を満たす処方を検索する検索ステップと、処方を説明変数、物性値の実測値を目的変数とする学習済みモデルを用いて、前記データベースに存在しない仮想処方の物性値の推測値を算出する推測値算出ステップと、前記推測値が、前記検索条件を満たす前記仮想処方を探索する探索ステップと、前記検索条件を満たす仮想処方について、実現可能性を算出する実現可能性算出ステップと、前記検索ステップおよび／または前記探索ステップにおける結果、ならびに、前記実現可能性を表示装置に表示させる表示ステップと、を前記コンピュータに実行させる。

【0013】

本発明に係る情報処理システムは、物性値に関する検索条件の入力を受け付ける入力部と、データベースを参照して、前記検索条件を満たす処方を検索する検索部、処方を説明変数、物性値の実測値を目的変数とする学習済みモデルを用いて、前記データベースに存在しない仮想処方の物性値の推測値を算出し、該推測値が、前記検索条件を満たす前記仮想処方を探索する探索部と、前記検索条件を満たす処方および／または仮想処方について、実現可能性を算出する実現可能性算出部と、前記検索部および／または前記探索部における結果、ならびに、前記実現可能性を表示装置に表示させる表示部と、を備える。

【発明の効果】

【0014】

本発明によれば、樹脂組成物の物性情報とともに、その材料の提供可能性に関する情報をユーザに提供することができる。

【0015】

さらに、本発明によれば、生成された材料物性の予測データを用いてＣＡＥ計算（シミュレーション）を行うことで、部品の予測物性まで得ることが可能となる。

【図面の簡単な説明】

【0016】

【図1】図１は、本発明の一実施形態に係る情報処理システムの概略構成を示す図である。

【図2】図２は、本発明の一実施形態に係る処方探索装置の概略構成を示す図である。

【図3】図３は、情報処理システムが行う処理の概要を示すフローチャートである。

【図4】図４は、検索条件入力処理の概要を示すフローチャートである。

【図5】図５は、検索処理の概要を示すフローチャートである。

【図6】図６は、処方探索処理の概要を示すフローチャートである。

【図7】図７は、表示処理の概要を示すフローチャートである。

【図8】図８は、問合せ処理の概要を示すフローチャートである。

【図9】図９は、表示画像の一例を示す図である。

【発明を実施するための形態】

【0017】

以下に、本発明に係る情報処理システムの実施形態を、図面に基づいて、詳細に説明する。なお、この実施形態により本発明が限定されるものではない。また、本発明の個々の実施形態は、独立したものではなく、それぞれ組み合わせて適宜実施することができる。

【0018】

（実施の形態）
図１は、本発明の一実施形態に係る情報処理システムの概略構成を示す図である。これらの図に示す情報処理システム１は、学習用データを用いて学習した学習済みモデルを生成する学習装置２と、要求された特性を有する処方を探索する処方探索装置３と、処方探索装置３の推定結果を含む情報を表示する表示装置４と、入力装置５と、記憶装置６とを備える。情報処理システム１の各装置は、通信ネットワークを介して互いに通信可能である。ここでいう通信ネットワークは、例えば既存の公衆回線網、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等を用いて構成されるものであり、有線、無線を問わない。

【0019】

学習装置２は、学習用データを作成し、この学習用データを用いて機械学習することによって学習モデルを生成する。学習装置２は、パーソナルコンピュータ等を用いて構成される。学習装置２は、入力される学習用データや、記憶装置６に記憶される学習用データを用いて機械学習を行って学習済みモデルを生成する。学習装置２が行う機械学習は、公知の機械学習方法を採用することができる。機械学習に採用される統計モデルとしては、例えば、単純線形回帰モデル、Ｒｉｄｇｅ回帰、Ｌａｓｓｏ回帰、Ｅｌａｓｔｉｃ Ｎｅｔ回帰、一般加法モデル、ランダムフォレスト回帰、部分的最小二乗回帰（ＰＬＳ回帰）、ルールフィット回帰、勾配ブースティング決定木、エクストラツリー、サポートベクトル回帰、ガウス過程回帰、ｋ最近傍法による回帰、カーネルリッジ回帰、ニューラルネットワーク等が挙げられる。

【0020】

例えば、学習装置２は、正則化を用いた機械学習によって学習済みモデルを生成する場合、学習モデルのハイパーパラメータの候補値を複数与え、与えられたハイパーパラメータの候補値のそれぞれに対して学習を実行し、一つの目的変数について、一つの学習済みモデルを生成し、この学習済みモデルを記憶装置６に記憶（格納）する。その後、学習装置２は、各候補値によって機械学習して得た複数の学習モデルに対し、学習用データを用いて、交差検証またはホールドアウト検証による予測誤差を算出し、最小の予測誤差を与える学習済みモデルを選択する。なお、ここでいうハイパーパラメータは、学習装置２が学習を行うためにあらかじめ設定しておくパラメータであり、例えば正則化の係数などを含む。また、ニューラルネットワークを用いた学習済みモデルの場合のハイパーパラメータには、ニューラルネットワークの層の数なども含まれる。

【0021】

学習装置２は、処方を説明変数、物性値を目的変数とする学習済みモデルを生成する。本実施の形態では、処方を説明変数、物性値を目的変数とする第１学習済みモデルと、処方を説明変数、実現可能性を目的変数とする第２学習済みモデルとをそれぞれ生成する。ここで、処方には、材料を構成する名称または番号、重量や価格等が対応付けられている。また、物性値は、曲げ弾性率や曲げ強度、引張強度、引張伸度、ウェルド強度、サイズ等があり、実測値（既知の値）が用いられる。物性値は、外観やリサイクル性、ライフサイクルインベントリ（ＬＣＩ）等の評価値を含んでもよい。
第１学習済みモデルの生成には、例えば、深層学習やＥｌａｓｔｉｃ Ｎｅｔ回帰、サポートベクトル回帰、ＰＬＳ回帰などの回帰アルゴリズムのほか、ランダムフォレストや勾配ブースティング決定木などの分類アルゴリズムが好適に用いられる。
第２学習済みモデルの生成には、例えば、ｋ最近傍法による回帰、ガウス過程回帰、母集団推定を用いる方法が好適に用いられる。

【0022】

学習装置２は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）等の１または複数のハードウェアを用いて構成されるコンピュータである。

【0023】

図２は、本発明の一実施形態に係る処方探索装置の概略構成を示す図である。
処方探索装置３は、要求に適合する物性値を与える処方を出力する。処方探索装置３は、検索部３１、探索部３２、実現可能性算出部３３、制御部３４および記憶部３５を有する。

【0024】

検索部３１は、記憶装置６を参照して、要求に適合する物性値を与える処方を検索する。

【0025】

探索部３２は、記憶装置６に存在しない処方について、要求に適合する物性値を与える処方を検索する。探索部３２は、記憶装置６に存在しない処方（仮想処方）を生成し、学習装置２が生成した学習済みモデルを用いて、当該処方の物性値の推測値を算出する。

【0026】

実現可能性算出部３３は、探索部３２が生成した仮想処方について、当該処方の実現可能性を算出する。この実現可能性は、その仮想処方をユーザに提供する提供可能性に相当する。

【0027】

制御部３４は、処方探索装置３を構成する各部の動作を統括的に制御する。制御部３４は、メモリと、ＣＰＵ（Central Processing Unit）またはＦＰＧＡ（Field-Programmable Gate Array）等のハードウェアを有するプロセッサを用いて構成される。制御部３４は、記憶部３５から各種プログラムをメモリの作業領域に読み出して実行し、プロセッサによるプログラムの実行を通じて各構成部等を制御することによって、ハードウェアとソフトウェアとが協働し、処方探索装置３の各部の動作を生成する。

【0028】

記憶部３５は、各種プログラム等があらかじめインストールしたＲＯＭ（Read Only Memory）、および各処理の演算パラメータやデータ等を記憶するＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等を用いて構成される。各種プログラムは、ＨＤＤ、フラッシュメモリ、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、Ｂｌｕ－ｒａｙ（登録商標）等のコンピュータ読み取り可能な記録媒体に記録して広く流通させることも可能である。

【0029】

表示装置４は、処方探索装置３の設定結果を含む情報を表示する。表示装置４は、液晶ディスプレイまたは有機ＥＬディスプレイ（Organic Electroluminescent Display）や、ＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）等の１または複数のハードウェアを用いて構成される。なお、表示装置４に、スピーカやタッチパネル等を設け、音声出力機能および入力機能を実現させてもよい。

【0030】

入力装置５は、処方探索装置３への指示入力を受け付ける。入力装置５は、各種情報の入力を受け付け、受け付けた情報を処方探索装置３へ出力する。入力装置５は、キーボード、マウス、マイク、タッチパネル等のユーザインタフェースを用いて構成される。入力装置５は、処方探索を行うユーザの端末であるものを例として示すが、その他の入力装置として、学習装置２や、処方探索装置３、表示装置４、記憶装置６への指示入力を受け付ける各種入力装置を含んでもよい。

【0031】

記憶装置６は、処方探索装置３を動作させるための各種プログラム、および処方探索装置３の動作に必要な各種パラメータ等を含むデータを記憶する。各種プログラムには、学習モデルを用いて実行される処方探索プログラムも含まれる。また、記憶装置６は、既知の処方と、その処方に関連付けられた物性値や実現可能性を、蓄積材料データとして記憶するデータベースとしても機能する。この処方と物性（または実現可能性）との関連データは、学習用データとしても用いられる。さらに、記憶装置６は、ユーザに検索された条件（例えば物性値）や、検索回数等を記憶する。記憶装置６は、各種プログラム等があらかじめインストールされたＲＯＭ、および各処理の演算パラメータやデータ等を記憶するＲＡＭ、ＨＤＤ、ＳＳＤ等を用いて構成される。各種プログラムは、ＨＤＤ、フラッシュメモリ、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、Ｂｌｕ－ｒａｙ（登録商標）等のコンピュータ読み取り可能な記録媒体に記録して広く流通させることも可能である。また、処方探索装置３が、通信ネットワークを介して各種プログラムを取得することも可能である。

【0032】

〔処理概要〕
次に、情報処理システム１が行う処理の概要について、図３を参照して説明する。図３は、情報処理システムが行う処理の概要を示すフローチャートである。以下の処理では、処方の情報を要求する側（以下、「ユーザ」という）が、表示装置４および入力装置５を所持し、処方の情報を提供する側（以下、「提供者」という）が、学習装置２、処方探索装置３および記憶装置６を備えるものとして説明する。なお、学習装置２、処方探索装置３および記憶装置６については、通信ネットワークを介して通信可能であればよく、同じ施設内に設けられる必要はない。

【0033】

まず、ユーザが、入力装置５を介して検索条件を入力する（ステップＳ１）。ここで入力される検索条件とは、例えば処方探索装置３から配信されるか、または入力装置５に予め記憶されている物性のカテゴリおよびその物性値であり、複数の検索候補特性として組をなす物性のカテゴリおよびその物性値から選択されるものである。

【0034】

図４は、検索条件入力処理の概要を示すフローチャートである。ユーザは、入力装置５を介して、検索条件とする特性を入力する（ステップＳ１１：（第１の）入力受付ステップ）。この入力処理では、ユーザが、例えば表示装置４に表示される検索候補一覧のなかから、入力装置５を介して、物性のカテゴリおよびその物性値の組（特性）を選択する。また、検索候補一覧のなかに該当する組または物性値が無ければ、ユーザが、入力装置５を介して物性のカテゴリやその物性値を入力するようにしてもよい。

【0035】

また、ユーザは、処方の満たすべき条件を入力する（ステップＳ１２：第２の入力受付ステップ）。ユーザは、入力装置５を介して、検索して抽出する処方の条件、例えば、必須元素、必須化合物、上限価格等を入力する。より具体的には、検索して抽出する処方における樹脂材料の種類、強化繊維の有無などの条件が挙げられる。
なお、ステップＳ１１およびＳ１２は、入力順序が逆であってもよい。

【0036】

検索条件および処方のみたすべき条件が入力された後、ユーザによって検索ボタンが押下される（ステップＳ１３）。検索ボタンは、表示装置４の表示画面上に表示されて、ポインタ等によって選択入力するものであってもよいし、入力装置５に設けられるボタンであってもよい。検索ボタンが押下されると、検索指示信号が生成される（ステップＳ１４）。また、ユーザによって設定された各条件が、検索情報として記憶装置６に出力される（ステップＳ１５）。この際、検索情報は、入力装置５から送信されてもよいし、表示装置４から送信されてもよい。

【0037】

図３に戻り、検索ボタンの押下によって検索指示信号が生成されると、その検索指示信号が提供者側（処方探索装置３）に送信される（ステップＳ２）。この際、検索指示信号は、入力装置５から送信されてもよいし、表示装置４から送信されてもよい。

【0038】

処方探索装置３は、検索指示信号を受信すると、検索処理を実行する（ステップＳ３）。

【0039】

図５は、検索処理の概要を示すフローチャートである。処方探索装置３の検索部３１は、設定された検索条件を満たす処方を検索する（ステップＳ２１）。この検索処理では、検索部３１が、例えば記憶装置６を参照して、物性値を満たす処方を選択、抽出する。ここでは、設定されている物性値を満たすすべての処方が抽出される。抽出後、検索結果が生成される（ステップＳ２２）。

【0040】

図３に戻り、処方探索装置３の制御部３４は、処方の満たすべき条件を満たしている処方があるか否かを判断する（ステップＳ４）。制御部３４は、処方の満たすべき条件を満たす処方がある場合（ステップＳ４：Ｙｅｓ）、ステップＳ６に移行する。これに対し、制御部３４は、抽出した処方が、処方の満たすべき条件を満たす処方がない場合（ステップＳ４：Ｎｏ）、ステップＳ５に移行する。

【0041】

ステップＳ５において、処方探索装置３の探索部３２が、設定されている物性値を有し、かつ、処方の満たすべき条件を満たす処方の探索処理を実行する。

【0042】

図６は、処方探索処理の概要を示すフローチャートである。探索部３２は、まず、記憶装置６に記憶されている蓄積材料データに存在しない処方を生成する（ステップＳ３１）。この際の処方生成方法としては、例えば、候補処方の一覧を作成した後、その一覧の中から無作為あるいは順番に候補を選択する方法（それぞれランダムサーチ、グリッドサーチ）や、ベイズ最適化等の最適化アルゴリズムを用いて処方候補を選択する方法などがある。

【0043】

処方生成後、探索部３２は、処方を説明変数、物性値を目的変数とする第１学習済みモデルを用いて、処方の物性値を予測する（ステップＳ３２）。探索部３２は、生成した処方を第１学習済みモデルに入力し、物性値を取得する。

【0044】

また、実現可能性算出部３３は、処方を説明変数、実施可能性を目的変数とする第２学習済みモデルを用いて、処方の実施可能性を予測する（ステップＳ３３）。ここで、実施可能性は、その処方の製品が提供される可能性を示す。
なお、ステップＳ３２およびＳ３３は、処理順序が逆であってもよいし、同時であってもよい。また、ガウス過程回帰やｋ最近傍法等、物性値と実現可能性とを同時に予測可能な方法を用いる場合、第２学習済みモデルは、第１学習済みモデルと同じであってもよい。

【0045】

その後、制御部３４は、生成した処方の予測結果を、予測情報として記憶装置６に出力する（ステップＳ３４）。これにより、新たな処方による物性値、実施可能性が、蓄積材料データとして記憶装置６に格納される。なお、この処方の物性値は予測値であるため、学習用データとしては用いられない。

【0046】

また、制御部３４は、当該処方が検索条件を満たすか否かを判断する（ステップＳ３５）。制御部３４は、ステップＳ４と同様にして、当該処方および物性値が、条件を満たすか否かを判断する。制御部３４は、当該処方が検索条件を満たすと判断した場合（ステップＳ３５：Ｙｅｓ）、ステップＳ３７に移行する。これに対し、制御部３４は、当該処方が検索条件を満たさないと判断した場合（ステップＳ３５：Ｎｏ）、ステップＳ３６に移行する。

【0047】

ステップＳ３６において、制御部３４は、ステップＳ３１～ステップＳ３５の一連の処理の繰返回数が、設定回数以下であるか否かを判断する。設定回数は、予め設定されており、蓄積材料データに存在しない処方による物性値予測の繰返回数の上限値である。制御部３４は、繰返回数が設定回数以下であると判断した場合（ステップＳＳ３６：Ｙｅｓ）、ステップＳ３１に戻り、新たな処方による予測処理を繰り返す。これに対し、制御部３４は、繰返回数が設定回数より大きいと判断した場合（ステップＳＳ３６：Ｎｏ）、ステップＳ３７に移行する。

【0048】

ステップＳ３７において、制御部３４は、探索結果を生成する。
なお、本実施の形態では、記憶装置６において条件に合致する処方が存在しなかった場合に探索処理を実行する例について説明したが、検索結果によらず、検索処理および探索処理の両方を実行するようにしてもよい。
また、探索処理において、少なくとも探索結果として出力される処方には、番号が付与される。

【0049】

図３に戻り、制御部３４は、検索および／または探索処理が終了すると、処方探索結果をユーザ側（表示装置４）に送信する（ステップＳ６）。この際、処方検索結果は、入力装置５に送信されてもよい。
なお、処方の満たすべき条件を満たしている処方があるか否かを判断するステップ（ステップＳ４）を経ずに、ステップＳ５およびステップＳ６を実行してもよい。

【0050】

表示装置４は、処方検索結果を受信すると、表示処理を実行する（ステップＳ７）。

【0051】

図７は、表示処理の概要を示すフローチャートである。表示装置４は、処方検索結果に含まれる検索結果（ステップＳ３）および探索結果（ステップＳ５）を統合する（ステップＳ４１）。この際、表示装置４は、例えば、データベースから抽出され、物性値を満たす一方で設定条件を満たしていない処方を組とする一つ又は複数の検索結果と、推定値が要求されている物性値を満たし、かつ設定条件を満たす処方を組とする探索結果とが、処理結果として統合される。

【0052】

表示装置４は、各処方を、実現可能性にしたがって並べ替える（ステップＳ４２）。この際、実現可能性のほか、設定された物性値に対する合致度などにしたがって並べ替えてもよい。なお、並べ替えの有無や、並べ替えの条件は、設定変更が可能である。
この際、取得した処方が一つである場合や、該当する処方がない場合は、本ステップを省略することができる。

【0053】

その後、表示装置４は、並べ替え後の処方情報を表示する（ステップＳ４３）。

【0054】

なお、図７に示す処理は、入力装置５や、処方探索装置３が行い、表示装置は、処理後のデータを取得して表示するのみとしてもよい。

【0055】

図３に戻り、ユーザは、入力装置５を介して、問合せ処理を行う（ステップＳ８）。ユーザは、例えば、入力フォームを用いて問合せ内容を送信したり、チャット機能を用いて提供者側に問合せしたりする。

【0056】

図８は、問合せ処理の概要を示すフローチャートである。ユーザは、例えば、表示されている（抽出された）処方のうち、さらに要求に見合う処方を絞って表示させるためのフィルタリング条件を設定する（ステップＳ５１）。

【0057】

表示装置４では、ステップＳ５１で設定されたフィルタリング条件に応じて、検索結果および／または探索結果のフィルタリングが実行される（ステップＳ５２）。その後、表示装置４では、フィルタリング結果が表示される（ステップＳ５３）。
なお、フィルタリング処理が不要である場合には、ステップＳ５１～Ｓ５３の処理は省略できる。

【0058】

ユーザは、表示装置４に表示されている処方から、問合せを行う処方を問合せ情報として選択する（ステップＳ５４）。問合せ対象の処方が選択された後、ユーザによって問合せボタンが押下される（ステップＳ５５）。問合せボタンは、検索ボタンと同様に、表示装置４の表示画面上に表示されて、ポインタ等によって選択入力するものであってもよいし、入力装置５に設けられるボタンであってもよい。問合せボタンが押下されると、問合せ信号が生成される（ステップＳ５６）。問合せ信号は、入力装置５が生成してもよいし、表示装置４が生成してもよい。

【0059】

図３に戻り、問合せボタンの押下によって問合せ信号が生成されると、その問合せ信号が提供者側（処方探索装置３）に送信される（ステップＳ９）。この際、検索指示信号は、入力装置５から送信されてもよいし、表示装置４から送信されてもよい。

【0060】

処方探索装置３は、問合せ信号を受信すると、問合せ情報を記憶装置６に格納する処理を実行する（ステップＳ１０）。提供者側では、要求された物性や、問合せがあった処方のデータを蓄積することによって、ユーザのニーズに関する情報を増やしたり、そのニーズを把握、共有したりできる。

【0061】

図９は、上述した処理時に表示される画像の一例を示す図である。画像Ｗ１には、検索設定タブと、検索結果タブとが設けられ、上段に検索した条件（検索設定）が表示され、下段に検索結果が表示される。すなわち、画像Ｗ１は、二組の検索設定・検索結果を示す例を示す。

【0062】

ステップＳ１における検索条件の入力処理では、検索設定タブにおいて、検索対象の各項目のチェックボックスＣＢにチェックマークを入力すると、数値範囲が表示される（図９の上段参照）。ユーザは、選択した項目の数値範囲を設定し、検索ボタンＳＲを選択入力（押下）する。この際、選択した項目が表示されていない場合、例えば、検索条件ボタンＳＬを選択入力することによって、入力画面が表示され、ユーザはその入力画面に項目や数値範囲を入力する。

【0063】

ステップＳ６における処理結果の表示処理では、検索結果タブにおいて、各処方に付与されている番号（Ｎｏ．）ごとに、物性値（ＢｅｎＭｄｌ、・・・）と、実現可能性とが表示される（図９の下段参照）。また、プルダウン等の選択によって、表示する物性値の種別を変更することができる。

【0064】

また、問合せ処理では、例えば、ユーザが処方の番号を選択すると、問合せボタンが表示され、ユーザが当該問合せボタンを選択入力することによって、問合せ信号が生成される。
なお、上段の検索設定は、ステップＳ１における検索条件の入力処理のほか、再検索処理に用いることができる。

【0065】

以上説明した実施の形態では、ユーザから入力された物性値に対し、当該物性値を満たす処方（番号）と、その実施可能性を表示するようにした。この際、データベース（ここでは記憶装置６）に該当する物性値を有する処方が存在しない場合、新たな処方を生成して学習済みモデルを用いて物性値を予測することによって、予測された処方（番号）を実現可能性とともにユーザに提供する。本実施の形態によれば、物性値とともにその実現性を表示することによって、物性情報とともに、その材料の提供可能性に関する情報をユーザに提供することができる。

【0066】

また、本実施の形態では、設定された物性値を有する処方がデータベースに存在しない場合でも、データベースに存在しない処方をユーザに提供するため、提供者側においては、幅広くユーザに情報を提供することができ、ユーザ側においては、要求する物性値を有する材料を取得できる可能性が広がる。

【0067】

また、本実施の形態では、提供する情報として、処方について内容は表示せず、番号のみとしたため、送信する情報量を削減し、検索処理等に要する時間を短くすることができる。また、処方が簡易的に表示されるため、情報量が少なく、表示画面の視認性を上げることができる。

【0068】

（その他の実施の形態）
ここまで、本発明を実施するための形態を説明してきたが、本発明は、上述した実施の形態によってのみ限定されるべきものではない。例えば、処方探索装置が学習部の機能を備えてもよい。この場合、処方探索装置は、処方の目的変数（物性値）を算出することに加え、学習用データを生成し、学習済みモデルを逐次更新する。

【符号の説明】

【0069】

１ 情報処理システム
２ 学習装置
３ 処方探索装置
４ 表示装置
５ 入力装置
６ 記憶装置
３１ 検索部
３２ 探索部
３３ 実現可能性算出部
３４ 制御部
３５ 記憶部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】