特開 2024-98254 サンプル選択装置及び方法

(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】P2024098254

(43)【公開日】2024-07-23

(54)【発明の名称】サンプル選択装置及び方法

(51)【国際特許分類】

   G16C 20/70 20190101AFI20240716BHJP

   G06N 20/00 20190101ALI20240716BHJP

【ＦＩ】

G16C20/70

G06N20/00 130

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023001642

(22)【出願日】2023-01-10

(71)【出願人】

【識別番号】000005083

【氏名又は名称】株式会社プロテリアル

(74)【代理人】

【識別番号】110002583

【氏名又は名称】弁理士法人平田国際特許事務所

(72)【発明者】

【氏名】渡邊 智紀

(57)【要約】

【課題】既存の学習用データにデータ追加した際に偏りが生じにくいサンプルを選択可能なサンプル選択装置及び方法を提供する。
【解決手段】サンプル選択装置１は、複合材料の既存の配合情報及び追加候補となる配合情報を含む多次元データからなる組成データ３３を読み込むデータ読込処理部２１と、データ読込処理部２１が読み込んだ組成データ３３を次元削減して２次元データ３４に変換するデータ変換処理部２２と、追加候補の配合情報に対応する２次元データ３４の２つの評価値が、既存の配合情報に対応する２次元データ３４の２つの評価値と一致するかを判定し、当該判定で一致しないと判定されたとき、追加候補の配合情報をサンプルとして選択するサンプル選択処理部２４と、を備えた。
【選択図】図１

【特許請求の範囲】

【請求項1】

複合材料の既存の配合情報及び追加候補となる配合情報を含む多次元データからなる組成データを読み込むデータ読込処理部と、
前記データ読込処理部が読み込んだ前記組成データを次元削減して２次元データに変換するデータ変換処理部と、
前記追加候補の配合情報に対応する前記２次元データの２つの評価値が、前記既存の配合情報に対応する前記２次元データの２つの評価値と一致するかを判定し、当該判定で一致しないと判定されたとき、前記追加候補の配合情報をサンプルとして選択するサンプル選択処理部と、を備えた、
サンプル選択装置。

【請求項2】

前記サンプル選択処理部は、前記追加候補の配合情報に対応する前記２次元データの２つの評価値と、前記既存の配合情報に対応する前記２次元データの２つの評価値との差が、予め設定された閾値未満であるとき、両評価値が一致すると判定するように構成され、
前記サンプル選択処理部は、２つの評価軸のそれぞれについて、最大値と最小値との差を求め、当該差の１％を前記閾値として用いる、
請求項１に記載のサンプル選択装置。

【請求項3】

前記２次元データの２つの評価軸から構成される平面空間上にプロットされた前記既存の配合情報に対応する既存点のクラスタリング処理を行い、既存点のクラスタを複数抽出するクラスタ抽出処理部をさらに備え、
前記サンプル選択処理部は、前記平面空間上にプロットされた前記追加候補の配合情報に対応する追加候補点が、前記平面空間上で複数の前記クラスタに囲まれた領域である選択領域内にあるとき、前記追加候補の配合情報をサンプルとして選択する、
請求項１に記載のサンプル選択装置。

【請求項4】

前記選択領域は、前記クラスタを構成する既存点が含まれるように前記クラスタ毎に設定された円形状のクラスタ領域と、前記クラスタ領域の間の領域である中間領域とを含み、全ての前記クラスタ領域を含むように、隣り合うクラスタ領域を接線で接続して形成される領域である、
請求項３に記載のサンプル選択装置。

【請求項5】

前記サンプル選択処理部は、前記追加候補点が、前記中間領域にあるとき、前記追加候補の配合情報をサンプルとして選択する、
請求項４に記載のサンプル選択装置。

【請求項6】

前記データ変換処理部は、主成分分析により次元削減を行う、
請求項１に記載のサンプル選択装置。

【請求項7】

前記複合材料が、電線の被覆材料又は磁性材料である、
請求項１に記載のサンプル選択装置。

【請求項8】

複合材料の既存の配合情報及び追加候補となる配合情報を含む多次元データからなる組成データを読み込むデータ読込工程と、
前記データ読込工程で読み込んだ前記組成データを次元削減して２次元データに変換するデータ変換工程と、
前記追加候補の配合情報に対応する前記２次元データの２つの評価値が、前記既存の配合情報に対応する前記２次元データの２つの評価値と一致するかを判定し、当該判定で一致しないと判定されたとき、前記追加候補の配合情報をサンプルとして選択するサンプル選択工程と、を備えた、
サンプル選択方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、サンプル選択装置及び方法に関する。

【背景技術】

【0002】

近年、データマイニングなどの情報科学を利用して新材料や代替材料を効率的に探索するマテリアルズインフォマティクス（Ｍａｔｅｒｉａｌｓ Ｉｎｆｏｒｍａｔｉｃｓ）が注目されている。また、日本では、マテリアルズインテグレーション（Ｍａｔｅｒｉａｌｓ Ｉｎｔｅｇｒａｔｉｏｎ）による材料開発が検討されている。マテリアルズインテグレーションとは、材料科学の成果に、理論、実験、解析、シミュレーション、データベースなどの科学技術を融合して、材料の研究開発を支援することを目指す総合的な材料技術ツールと定義されている。

【0003】

電線の被覆材料として用いられる樹脂組成物等の複合材料を設計する際には、耐久物性等の物性を精度よく予測することが望まれる場合がある。物性の予測の際には、複合材料の配合情報を含む組成データ、及び複合材料の特性の情報を含む特性データを含む学習用データを用い、機械学習により組成データと特性データとの相関性を示す回帰モデルを作成し、当該回帰モデルを用いて、所望の組成データに対応する特性データを予測する。

【0004】

なお、この出願の発明に関連する先行技術文献情報としては、特許文献１がある。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０２０－３８４９５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、上述のように機械学習を用いた予測を行う場合、使用する学習用データに含まれる情報に偏りがあると、予測の精度が低下してしまうという問題がある。そのため、新たにサンプルを作製して既存の学習用データにデータ追加を行うに際しては、学習用データに偏りが生じないようにサンプルの組成（配合割合）を選択することが望まれる。

【0007】

しかしながら、例えば、電線の被覆材料として用いられる樹脂組成物には、ベースポリマに加えて、難燃剤、難燃助剤、酸化防止剤、銅害防止剤、滑剤、着色剤、架橋助剤等の非常に多くの材料が使用されており、偏りの有無を判断することが困難であった。

【0008】

そこで、本発明は、既存の学習用データにデータ追加した際に偏りが生じにくいサンプルを選択可能なサンプル選択装置及び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】

【0009】

本発明は、上記課題を解決することを目的として、複合材料の既存の配合情報及び追加候補となる配合情報を含む多次元データからなる組成データを読み込むデータ読込処理部と、前記データ読込処理部が読み込んだ前記組成データを次元削減して２次元データに変換するデータ変換処理部と、前記追加候補の配合情報に対応する前記２次元データの２つの評価値が、前記既存の配合情報に対応する前記２次元データの２つの評価値と一致するかを判定し、当該判定で一致しないと判定されたとき、前記追加候補の配合情報をサンプルとして選択するサンプル選択処理部と、を備えた、サンプル選択装置を提供する。

【0010】

また、本発明は、上記課題を解決することを目的として、複合材料の既存の配合情報及び追加候補となる配合情報を含む多次元データからなる組成データを読み込むデータ読込工程と、前記データ読込工程で読み込んだ前記組成データを次元削減して２次元データに変換するデータ変換工程と、前記追加候補の配合情報に対応する前記２次元データの２つの評価値が、前記既存の配合情報に対応する前記２次元データの２つの評価値と一致するかを判定し、当該判定で一致しないと判定されたとき、前記追加候補の配合情報をサンプルとして選択するサンプル選択工程と、を備えた、サンプル選択方法を提供する。

【発明の効果】

【0011】

本発明によれば、既存の学習用データにデータ追加した際に偏りが生じにくいサンプルを選択可能なサンプル選択装置及び方法を提供できる。

【図面の簡単な説明】

【0012】

【図1】本発明の一実施の形態に係るサンプル選択装置の概略構成図である。

【図2】（ａ）はデータ読込処理を説明する図であり、（ｂ）は組成データの一例を示す図である。

【図3】（ａ）はデータ変換処理を説明する図であり、（ｂ）は２次元データの一例を示す図である。

【図4】クラスタ抽出処理を説明する図である。

【図5】本発明の一実施の形態に係るサンプル選択方法のフロー図である。

【図6】（ａ）はデータ読込処理、（ｂ）はデータ変換処理、（ｃ）はクラスタ抽出処理のフロー図である。

【図7】サンプル選択処理のフロー図である。

【図8】目的変数を初期引張強さ、初期伸びとしたそれぞれの場合についての検討結果を説明する図である。

【発明を実施するための形態】

【0013】

［実施の形態］
以下、本発明の実施の形態を添付図面にしたがって説明する。

【0014】

図１は、本実施の形態に係るサンプル選択装置１の概略構成図である。サンプル選択装置１は、機械学習に用いる学習用データにデータ追加を行うにあたって、サンプルの適切な配合情報（配合割合）を選択するための装置である。本実施の形態では、複数の材料を複合して形成される複合材料を対象とする。対象となる複合材料は、例えば、電線の被覆材料又はフェライト磁石等の磁性材料である。

【0015】

図１に示すように、サンプル選択装置１は、少なくとも、制御部２と、記憶部３と、図示しない通信部とを有している。制御部２は、サンプル選択装置１の全体を統括的に制御しており、記憶部３は、制御部２による後述する各種処理に必要な情報等を記憶する。サンプル選択装置１は、例えば、パーソナルコンピュータやサーバ装置等のコンピュータであり、ＣＰＵ等の演算素子、ＲＡＭやＲＯＭ等のメモリ、ハードディスク等の記憶装置、ＬＡＮカード等の通信デバイスである通信インターフェースを備えている。

【0016】

制御部２は、データ読込処理部２１、データ変換処理部２２、クラスタ抽出処理部２３、及びサンプル選択処理部２４を有している。各部の詳細については後述する。記憶部３は、メモリや記憶装置の所定の記憶領域により実現されている。また、サンプル選択装置１は、表示器４と、入力装置５と、を有している。表示器４は、例えば液晶ディスプレイ等であり、入力装置５は、例えばキーボードやマウス等である。なお、表示器４をタッチパネルで構成し、表示器４が入力装置５を兼ねる構成としてもよい。また、表示器４や入力装置５は、サンプル選択装置１と別体に構成され、無線通信等によりサンプル選択装置１と相互に通信可能に構成されていてもよい。この場合、表示器４または入力装置５は、タブレットやスマートフォン等の携帯端末で構成されていてもよい。

【0017】

（データ読込処理部２１）
データ読込処理部２１は、複合材料の既存の配合情報及び追加候補となる配合情報を含む多次元データからなる組成データ３３を読み込むデータ読込処理を行う。

【0018】

本実施の形態では、データ読込処理部２１は、既存の配合情報を読み込んで既存組成データ３１として記憶部３に記憶する。既存組成データ３１は、例えば、物性予測等のために機械学習に用いる既存の学習用データの一部である。データ読込処理部２１は、既存の学習用データから組成に関する情報を抽出して、抽出した情報を既存組成データ３１として記憶部３に記憶してもよい。なお、既存組成データ３１が予め記憶部３に記憶されている場合には、既存組成データ３１の読み込みを省略することができる。また、データ読込処理部２１は、追加候補となる配合情報を読み込んで追加候補組成データ３２として記憶部３に記憶する。追加候補組成データ３２は、例えば、入力装置５から入力される。

【0019】

そして、図２（ａ）に示すように、データ読込処理部２１は、読み込んだ既存組成データ３１と追加候補組成データ３２とを連結することで、組成データ３３を生成し、記憶部３に記憶する。図２（ｂ）に示すように、組成データ３３は、既存の配合情報（既存組成データ３１）と追加候補となる配合情報（追加候補組成データ３２）の両方を含んでおり、ポリマやフィラー、添加剤等の配合割合（配合量）の情報を含んでいる。機械学習の際には、各ポリマ、各フィラー、各添加剤の配合量のそれぞれがパラメータとなることから、組成データ３３は多くのパラメータを含む多次元データであるといえる。

【0020】

なお、本実施の形態では、既存組成データ３１と追加候補組成データ３２とから組成データ３３を生成したが、これに限らず、外部装置等で予め作成された組成データ３３を読み込むようにデータ読込処理部２１を構成してもよい。

【0021】

（データ変換処理部２２）
データ変換処理部２２は、データ読込処理部２１が読み込んだ組成データ３３を次元削減して２次元データ３４に変換するデータ変換処理を行う。データ変換処理では、図３（ａ）に示すように、データ変換処理部２２に組成データ３３が入力され、データ変換処理部２２は組成データ３３の次元削減を行って２次元データ３４を生成し、生成した２次元データ３４を記憶部３に記憶する。本実施の形態では、次元削減の手法として、主成分分析を用いた。ただし、これに限らず、他の既知の次元削減の手法を用いてもよい。

【0022】

図３（ｂ）は、２次元データ３４の一例を示す図である。図３（ｂ）に示すように、２次元データ３４は、それぞれのデータを主成分分析等で設定された２つの評価軸から構成される平面空間上に投影した際の評価値（平面空間上の座標）の情報を含んでおり、２次元のデータとなっている。本実施の形態では、評価値の小数点第２位で四捨五入（あるいは切り捨て、あるいは切り上げ）し、評価値を小数点第１位までの表示とした。

【0023】

（クラスタ抽出処理部２３）
クラスタ抽出処理部２３は、２次元データ３４の２つの評価軸から構成される平面空間上にプロットされた既存の配合情報に対応する既存点６のクラスタリング処理を行い、既存点６のクラスタを複数抽出するクラスタ抽出処理を行う。

【0024】

図４に示すように、クラスタ抽出処理部２３は、２つの評価軸から構成される平面空間上に既存点６と、追加候補の配合情報に対応する追加候補点７とをプロットする。そして、クラスタ抽出処理部２３は、既知の手法を用いてクラスタリング処理を行い、既存点６のクラスタを抽出する。クラスタリング処理を行う際の具体的な手法は特に限定されないが、例えば、各既存点６間の距離（ユーグリッド距離、マンハッタン距離、マハラノビス距離等）を演算し、距離が閾値よりも小さい場合に同じクラスタに含める手法等を用いることができる。図４の例では、３つのクラスタが抽出されている。

【0025】

クラスタ抽出処理部２３は、既存点６のクラスタを抽出した後、クラスタを構成する既存点６が含まれるように、クラスタ毎に円形状のクラスタ領域８１を設定する。クラスタ領域８１は、クラスタを構成する既存点６の全てが含まれるように設定され、その直径及び中心位置は、既存点６の分散度合を考慮して適宜設定されるとよい。例えば、クラスタ領域８１は、クラスタを構成する既存点６の全てが含まれる最も小さい直径の円形状に設定することができる。以下、クラスタ領域８１の間の領域（図４にハッチングで示される領域）を中間領域８２という。

【0026】

また、クラスタ抽出処理部２３は、全てのクラスタ領域８１を含むように、隣り合うクラスタ領域８１を接線８ａで接続して形成される選択領域８を設定する。選択領域８は、クラスタ領域８１と中間領域８２とを含む領域である。選択領域８の外側の領域は、既存の配合情報（既存組成データ３１）からはかけ離れた配合割合となる領域であるといえる。そのため、本実施の形態では、選択領域８内に含まれる。

【0027】

（サンプル選択処理部２４）
サンプル選択処理部２４は、追加候補の配合情報をサンプルとして選択するか否かを決定するサンプル選択処理を行う。サンプル選択処理では、追加候補の配合情報に対応する２次元データ３４の２つの評価値（すなわち、図４における追加候補点７の座標。以下、追加候補点７の評価値と呼称する。）が、既存の配合情報に対応する２次元データ３４の２つの評価値（すなわち、図４における既存点６の座標。以下、既存点６の評価値と呼称する。）と一致するかを判定する。

【0028】

本実施の形態では、２つの評価軸のそれぞれについて、最大値と最小値との差を求め、当該差の１％を閾値として用い、２つの評価軸のそれぞれについて、追加候補点７と既存点６の評価値の差が、評価軸毎に設定された閾値未満であるときに、追加候補点７の評価値が既存点６の評価値に一致すると判定するようにサンプル選択処理部２４を構成した。

【0029】

そして、サンプル選択処理部２４は、判定の結果、追加候補点７の評価値と既存点６の評価値とが一致しないと判定されたとき、追加候補の配合情報をサンプルとして選択する。つまり、サンプル選択処理部２４は、判定の結果、追加候補点７の評価値と既存点６の評価値とが一致すると判定されたとき、追加候補の配合情報をサンプルとして選択しない。

【0030】

追加候補点７の評価値と既存点６の評価値とが一致するということは、追加候補の配合情報をサンプルとして採用しても、既存のデータと同様のデータとなってしまうことを意味しており、情報の偏りが生じるおそれがあることを意味している。本実施の形態によれば、既存のデータと同様のデータとなってしまうサンプルが選択されることを抑制でき、当該サンプルを作製してデータ追加を行った際に情報の偏りが生じてしまうことを抑制できる。

【0031】

さらに、本実施の形態では、サンプル選択処理部２４は、追加候補点７が選択領域８内にあるときのみ、追加候補の配合情報をサンプルとして選択する。これにより、既存の配合情報とかけ離れた配合割合となるサンプルを除外することができる。その結果、不適切なデータが機械学習のための学習用データに含まれてしまうことを抑制でき、予測精度の低下を抑制可能になる。

【0032】

なお、追加候補点７がクラスタ領域８１にあるということは、追加候補の配合情報が、既存の配合情報に比較的似ていることを意味している。よって、よりデータのバリエーションを増やして機械学習による予測精度を向上するために、サンプル選択処理部２４は、追加候補点７が、中間領域８２にあるときのみ、追加候補の配合情報をサンプルとして選択するよう構成されてもよい。

【0033】

また、サンプル選択処理部２４は、追加候補の配合情報をサンプルとして選択するか否かを、表示器４に表示する等して、サンプル選択装置１の使用者に提示するよう構成されることが望ましい。

【0034】

（サンプル選択方法）
図５は、本実施の形態に係るサンプル選択方法のフロー図である。図５に示すように、まず、ステップＳ１にて、データ読込処理を行う。データ読込処理は、本発明のデータ読込工程に相当する。データ読込処理では、図６（ａ）に示すように、まず、ステップＳ１１にて、データ読込処理部２１が、機械学習に用いている既存の学習用データから、組成に関するデータを抽出し、ステップＳ１２にて、抽出したデータを既存組成データ３１として記憶部３に記憶する。その後、ステップＳ１３にて、データ読込処理部２１が、入力装置５等を用いた追加候補の組成のデータ入力を受け付け、ステップＳ１４にて、入力されたデータを追加候補組成データ３２として記憶部３に記憶する。その後、ステップＳ１５にて、データ読込処理部２１が、既存組成データ３１に追加候補組成データ３２を追加して組成データ３３を作成し、ステップＳ１６にて、作成した組成データ３３を記憶部３に記憶する。その後、リターンし、図５のステップＳ２に進む。

【0035】

ステップＳ２では、データ変換処理を行う。データ変換処理は、本発明のデータ処理工程に相当する。データ変換処理では、図６（ｂ）に示すように、ステップＳ２１にて、データ変換処理部２２が、主成分分析等の適宜な手法を用いて組成データ３３の次元削減を行い、組成データ３３を２次元データ３４に変換する。その後、ステップＳ２２にて、２次元データ３４を記憶部３に記憶する。その後、リターンし、図５のステップＳ３に進む。

【0036】

ステップＳ３では、クラスタ抽出処理を行う。クラスタ抽出処理では、図６（ｃ）に示すように、ステップＳ３１にて、クラスタ抽出処理部２３が、既存点６と追加候補点７を、２次元データ３４の２つの評価軸で構成される平面上にプロットし、ステップＳ３２にて、既存点６のクラスタを抽出する。その後、ステップＳ３３にて、クラスタ抽出処理部２３が、クラスタ領域８１を設定すると共に、設定したクラスタ領域８１を基に選択領域８を設定する（図４参照）。その後、リターンし、図５のステップＳ４に進む。

【0037】

ステップＳ４では、サンプル選択処理を行う。サンプル選択処理は、本発明のサンプル選択工程に相当する。サンプル選択処理では、図７に示すように、ステップＳ４１にて、サンプル選択処理部２４が、追加候補点７の評価値と既存点６の評価値とが一致するかを判定する。ステップＳ４１でＹＥＳ（Ｙ）と判定された場合、ステップＳ４４にて、追加候補をサンプルに選択しないと判定し、ステップＳ４５に進む。ステップＳ４１でＮＯ（Ｎ）と判定された場合、ステップＳ４２にて、サンプル選択処理部２４が、追加候補点７が選択領域８内にあるかを判定する。ステップＳ４２でＹＥＳ（Ｙ）と判定された場合、ステップＳ４３にて、追加候補をサンプルに選択すると判定し、ステップＳ４５に進む。ステップＳ４２でＮＯ（Ｎ）と判定された場合、ステップＳ４４にて、追加候補をサンプルに選択しないと判定し、ステップＳ４５に進む。ステップＳ４５では、サンプル選択処理部２４が、ステップＳ４３，Ｓ４４での判定結果を表示器４に表示する。その後、リターンし、図５のステップＳ１に戻る。

【0038】

（本実施の形態により選択したサンプルの使用による効果の検討）
既存の学習用データのみを用いた比較例と、既存の学習用データに、本実施の形態で選択したサンプルで得たデータを追加した実施例のそれぞれについて、推定精度の検討を行った。比較例の学習用データのサンプルサイズは２８１個とし、説明変数の数は７３とした。実施例では、比較例で用いた学習用データにデータ追加を行い、サンプルサイズを３４２個とし、説明変数の数は７４とした。検討においては、データの７０％を学習用データとして用いて回帰モデルを作成すると共に、３０％をテスト用のデータとして検証を行い、ＭＡＰＥ（平均絶対パーセント誤差）を算出すると共に、決定係数Ｒ^２を算出した。回帰手法はガウス過程回帰（ＧＰＲ）を用いた。目的変数を初期引張強さ、初期伸びとしたそれぞれの場合についての検討結果を図８にまとめて示す。

【0039】

図８に示すように、目的変数を初期引張強さ、初期伸びとした何れの場合においても、決定係数Ｒ^２については、比較例に対して実施例の値が高くなっており、予測精度が向上しているといえる。ＭＡＰＥについては、目的変数を初期引張強さとした場合では比較例と実施例で同等の値であったが、目的変数を初期伸びとした場合には、比較例に対して実施例の値が低くなっており、予測精度が向上していることが確認できた。

【0040】

（実施の形態の作用及び効果）
以上説明したように、本実施の形態に係るサンプル選択装置１では、複合材料の既存の配合情報及び追加候補となる配合情報を含む多次元データからなる組成データ３３を読み込むデータ読込処理部２１と、データ読込処理部２１が読み込んだ組成データ３３を次元削減して２次元データ３４に変換するデータ変換処理部２２と、追加候補の配合情報に対応する２次元データ３４の２つの評価値が、既存の配合情報に対応する２次元データ３４の２つの評価値と一致するかを判定し、当該判定で一致しないと判定されたとき、追加候補の配合情報をサンプルとして選択するサンプル選択処理部２４と、を備えている。

【0041】

これにより、既存の学習用データにデータ追加した際に偏りが生じにくいサンプルを選択することが可能になる。つまり、本実施の形態によれば、学習用データに偏りが生じないようにサンプルの組成（配合割合）を選択することが可能になる。その結果、選択されたサンプルにより得たデータを学習用データに追加することで、情報の偏りを抑制した学習用データを得ることが可能になり、当該学習用データを用いた物性等の予測精度を向上できる。

【0042】

（実施の形態のまとめ）
次に、以上説明した実施の形態から把握される技術思想について、実施の形態における符号等を援用して記載する。ただし、以下の記載における各符号等は、特許請求の範囲における構成要素を実施の形態に具体的に示した部材等に限定するものではない。

【0043】

［１］複合材料の既存の配合情報及び追加候補となる配合情報を含む多次元データからなる組成データ（３３）を読み込むデータ読込処理部（２１）と、前記データ読込処理部（２１）が読み込んだ前記組成データ（３３）を次元削減して２次元データ（３４）に変換するデータ変換処理部（２２）と、前記追加候補の配合情報に対応する前記２次元データ（３４）の２つの評価値が、前記既存の配合情報に対応する前記２次元データ（３４）の２つの評価値と一致するかを判定し、当該判定で一致しないと判定されたとき、前記追加候補の配合情報をサンプルとして選択するサンプル選択処理部（２４）と、を備えた、サンプル選択装置（１）。

【0044】

［２］前記サンプル選択処理部（２４）は、前記追加候補の配合情報に対応する前記２次元データ（３４）の２つの評価値と、前記既存の配合情報に対応する前記２次元データ（３４）の２つの評価値との差が、予め設定された閾値未満であるとき、両評価値が一致すると判定するように構成され、前記サンプル選択処理部（２４）は、２つの評価軸のそれぞれについて、最大値と最小値との差を求め、当該差の１％を前記閾値として用いる、［１］に記載のサンプル選択装置（１）。

【0045】

［３］前記２次元データ（３４）の２つの評価軸から構成される平面空間上にプロットされた前記既存の配合情報に対応する既存点（６）のクラスタリング処理を行い、既存点（６）のクラスタを複数抽出するクラスタ抽出処理部（２３）をさらに備え、前記サンプル選択処理部（３４）は、前記平面空間上にプロットされた前記追加候補の配合情報に対応する追加候補点（７）が、前記平面空間上で複数の前記クラスタに囲まれた領域である選択領域（８）内にあるとき、前記追加候補の配合情報をサンプルとして選択する、［１］または［２］に記載のサンプル選択装置（１）。

【0046】

［４］前記選択領域（８）は、前記クラスタを構成する既存点が含まれるように前記クラスタ毎に設定された円形状のクラスタ領域（８１）と、前記クラスタ領域（８１）の間の領域である中間領域（８２）とを含み、全ての前記クラスタ領域（８１）を含むように、隣り合うクラスタ領域（８１）を接線（８ａ）で接続して形成される領域である、［３］に記載のサンプル選択装置（１）。

【0047】

［５］前記サンプル選択処理部（２４）は、前記追加候補点（７）が、前記中間領域（８２）にあるとき、前記追加候補の配合情報をサンプルとして選択する、［４］に記載のサンプル選択装置（１）。

【0048】

［６］前記データ変換処理部（２２）は、主成分分析により次元削減を行う、［１］乃至［５］の何れか１項に記載のサンプル選択装置（１）。

【0049】

［７］前記複合材料が、電線の被覆材料又は磁性材料である、［１］乃至［６］の何れか１項に記載のサンプル選択装置（１）。

【0050】

［８］複合材料の既存の配合情報及び追加候補となる配合情報を含む多次元データからなる組成データ（３３）を読み込むデータ読込工程と、前記データ読込工程で読み込んだ前記組成データ（３３）を次元削減して２次元データ（３４）に変換するデータ変換工程と、前記追加候補の配合情報に対応する前記２次元データ（３４）の２つの評価値が、前記既存の配合情報に対応する前記２次元データ（３４）の２つの評価値と一致するかを判定し、当該判定で一致しないと判定されたとき、前記追加候補の配合情報をサンプルとして選択するサンプル選択工程と、を備えた、サンプル選択方法。

【0051】

（付記）
以上、本発明の実施の形態を説明したが、上記に記載した実施の形態は特許請求の範囲に係る発明を限定するものではない。また、実施の形態の中で説明した特徴の組合せの全てが発明の課題を解決するための手段に必須であるとは限らない点に留意すべきである。また、本発明は、その趣旨を逸脱しない範囲で適宜変形して実施することが可能である。

【符号の説明】

【0052】

１…サンプル選択装置
２…制御部
２１…データ読込処理部
２２…データ変換処理部
２３…クラスタ抽出処理部
２４…サンプル選択処理部
３…記憶部
３１…既存組成データ
３２…追加候補組成データ
３３…組成データ
３４…２次元データ
４…表示器
５…入力装置
６…既存点
７…追加候補点
８…選択領域
８ａ 接線
８１…クラスタ領域
８２…中間領域

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】