知財求人 - 知財ポータルサイト「IP Force」
特許7452667データ解析装置、データ解析方法、学習済みモデルの生成方法、システム、及びプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-03-11
(45)【発行日】2024-03-19
(54)【発明の名称】データ解析装置、データ解析方法、学習済みモデルの生成方法、システム、及びプログラム
(51)【国際特許分類】
G01N 21/3563 20140101AFI20240312BHJP
G06N 20/00 20190101ALI20240312BHJP
【ＦＩ】
G01N21/3563
G06N20/00
【請求項の数】
10
(21)【出願番号】P 2022543285
(86)(22)【出願日】2021-05-21
(86)【国際出願番号】 JP2021019425
(87)【国際公開番号】W WO2022038852
(87)【国際公開日】2022-02-24
【審査請求日】2023-02-15
(31)【優先権主張番号】P 2020138104
(32)【優先日】2020-08-18
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】000001993
【氏名又は名称】株式会社島津製作所
(74)【代理人】
【識別番号】110001195
【氏名又は名称】弁理士法人深見特許事務所
(72)【発明者】
【氏名】裘 浩棟
(72)【発明者】
【氏名】永井 詩織
【審査官】伊藤 裕美
(56)【参考文献】
【文献】特開２０１９－０３９７７３（ＪＰ，Ａ）
【文献】特表２０２０－５１５８４１（ＪＰ，Ａ）
【文献】国際公開第２０１９／０２８００４（ＷＯ，Ａ１）
【文献】米国特許出願公開第２０１９／０２７２４４９（ＵＳ，Ａ１）
【文献】特表２０１０－５２０４７１（ＪＰ，Ａ）
【文献】田辺和俊 ほか，コンピュータによる赤外スペクトルからの構造推定，Journal of Computer Chemistry, Japan，2005年03月15日，Vol.4, No.1，Page.1-24,APPENDIX.1-APPENDIX.36
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｎ ２１／００－Ｇ０１Ｎ ２１／８３
Ｇ０６Ｎ ２０／００－Ｇ０６Ｎ ２０／２０
Ｇ０１Ｊ ３／００－Ｇ０１Ｊ ３／５２
(57)【特許請求の範囲】
【請求項1】
ＦＴ－ＩＲスペクトルである解析対象を取得する取得部と、ＦＴ－ＩＲスペクトルと、学習済み原子団に含まれる１つの原子団を指定する指定情報とが入力されると、前記入力されたＦＴ－ＩＲスペクトルが、前記入力された指定情報が指定する原子団に由来するピークを含むか否かを示す情報を出力するように機械学習された学習済みモデルと、
選択肢の中から１以上の原子団を選ぶことをユーザに対して要求する要求部と、
前記解析対象を前記学習済みモデルへ入力する解析部とを備え、
前記学習済み原子団は、３原子以上の原子団を含み、
前記選択肢は、前記３原子以上の原子団を含み、
前記解析部は、
前記要求部からの要求に対して選ばれた前記１以上の原子団の中に前記３原子以上の原子団が含まれるか否かを判断し、
選ばれた前記１以上の原子団の中に前記３原子以上の原子団が含まれる場合には、前記取得部により取得された前記解析対象と、前記ユーザによって選ばれた前記３原子以上の原子団を指定する前記指定情報とを前記学習済みモデルに入力することにより、前記解析対象の解析を行ない、
選ばれた前記１以上の原子団の中に前記３原子以上の原子団が含まれない場合には、前記学習済みモデルによる前記解析対象の解析を行なわない
ように構成される、データ解析装置。
【請求項2】
前記取得部は、前記解析対象の格納場所の入力を受け付ける第１入力画面を報知装置に表示させ、前記第１入力画面に対して前記ユーザが入力した前記格納場所から前記解析対象を取得するように構成され、
前記要求部は、第２入力画面を前記報知装置に表示させるように構成され、
前記第２入力画面は、前記選択肢の中から１以上の原子団を選ぶことを前記ユーザに対して要求するメッセージを表示し、前記ユーザによる前記１以上の原子団の入力を受け付ける、請求項１に記載のデータ解析装置。
【請求項3】
前記データ解析装置は、前記ユーザに対する報知を前記報知装置に行なわせる報知部をさらに備え、前記解析部は、前記要求部からの要求に対して選ばれた１以上の原子団の各々について、当該原子団由来のピークが前記解析対象に含まれるか否かを示す解析結果を取得するように構成され、
前記報知部は、前記報知装置を通じて前記ユーザに前記解析結果を報知するように構成される、請求項２に記載のデータ解析装置。
【請求項4】
前記データ解析装置は、ＦＴ－ＩＲスペクトルが与えられたときに、前記与えられたＦＴ－ＩＲスペクトルが所定の原子団に由来するピークを含むか否かをルールベースで解析する解析ソフトウェアをさらに備え、前記選択肢は、前記学習済み原子団に含まれず、かつ、前記所定の原子団に含まれる３原子未満の原子団をさらに含み、
前記解析部は、
前記要求部からの要求に対して選ばれた１以上の原子団の中に前記３原子以上の原子団が含まれる場合には、前記学習済みモデルにより、当該選ばれた３原子以上の原子団に関する前記解析結果を取得し、
前記要求部からの要求に対して選ばれた１以上の原子団の中に前記３原子未満の原子団が含まれる場合には、前記解析ソフトウェアにより、当該選ばれた３原子未満の原子団に関する前記解析結果を取得するように構成され、
前記報知部は、前記要求部からの要求に対して選ばれた前記１以上の原子団の全ての解析が終了した場合に、報知画面を前記報知装置に表示させるように構成され、
前記報知画面は、前記取得部により取得された前記解析対象と、前記ユーザによって選ばれた前記１以上の原子団の各々について当該原子団に由来するピークが前記解析対象に含まれるか否かを示す解析結果とを表示する、請求項３に記載のデータ解析装置。
【請求項5】
前記データ解析装置は、ＦＴ－ＩＲスペクトルが与えられたときに、前記与えられたＦＴ－ＩＲスペクトルが所定の原子団に由来するピークを含むか否かをルールベースで解析する解析ソフトウェアをさらに備え、前記選択肢は、前記学習済み原子団に含まれず、かつ、前記所定の原子団に含まれる３原子未満の原子団をさらに含み、
前記解析部は、
前記要求部からの要求に対して選ばれた１以上の原子団の中に前記３原子以上の原子団が含まれる場合には、前記学習済みモデルにより、前記解析対象について、当該選ばれた３原子以上の原子団に関する解析を行ない、
前記要求部からの要求に対して選ばれた１以上の原子団の中に前記３原子未満の原子団が含まれる場合には、前記解析ソフトウェアにより、前記解析対象について、当該選ばれた３原子未満の原子団に関する解析を行なうように構成される、請求項１～３のいずれか１項に記載のデータ解析装置。
【請求項6】
前記学習済み原子団は、ニトロ基、エステル基、アクリル酸構造、トルエン構造、チオフェン構造、ピリミジン構造、トルイジン構造、芳香族カルボン酸構造、ベンズアミド構造、サリチル酸構造、ベンズイミダゾール構造、及びベンズチアゾール構造からなる群より選択される１以上の原子団を含み、
前記所定の原子団は、フルオロ基、クロロ基、ブロモ基、ヨード基、ヒドロキシ基、アミノ基、及びシアノ基からなる群より選択される１以上の原子団を含む、請求項５に記載のデータ解析装置。
【請求項7】
分子構造が未知の化合物のＦＴ－ＩＲスペクトルを取得する取得ステップと、３原子以上の原子団を含む選択肢の中から１以上の原子団を選ぶことをユーザに対して要求する要求ステップと、
選ばれた前記１以上の原子団の中に前記３原子以上の原子団が含まれるか否かを判断する判断ステップと、
選ばれた前記１以上の原子団の中に前記３原子以上の原子団が含まれる場合には、前記取得されたＦＴ－ＩＲスペクトルと、前記ユーザによって選ばれた前記３原子以上の原子団を指定する指定情報とを学習済みモデルへ入力する入力ステップとを含み、
前記学習済みモデルは、前記ＦＴ－ＩＲスペクトルと、前記３原子以上の原子団を指定する前記指定情報とが入力されると、前記入力されたＦＴ－ＩＲスペクトルが、前記入力された指定情報によって指定される前記３原子以上の原子団に由来するピークを含むか否かを示す情報を出力するように機械学習された数理モデルである、データ解析方法。
【請求項8】
分析装置及び制御装置を含むフーリエ変換赤外分光光度計が、分子構造が既知の化合物を分析してＦＴ－ＩＲスペクトルを取得する分析ステップと、前記制御装置が、前記取得されたＦＴ－ＩＲスペクトルと、前記分析された化合物の原子団情報とを紐付けて保存する保存ステップと、
前記制御装置と通信可能なコンピュータが、前記保存されたＦＴ－ＩＲスペクトル及び原子団情報を教師データとして、ＦＴ－ＩＲスペクトルに所定の原子団に由来するピークが含まれるか否かを解析可能な学習済みモデルを生成するための機械学習を行なう学習ステップとを含み、
前記所定の原子団は、３原子未満の原子団を含まず、かつ、３原子以上の原子団を含み、
前記所定の原子団を有する化合物の前記原子団情報は、当該化合物が有する前記所定の原子団を示し、前記所定の原子団を有しない化合物の前記原子団情報は、当該化合物が前記所定の原子団を有しないことを示す、学習済みモデルの生成方法。
【請求項9】
請求項７に記載の方法を実行する１以上のコンピュータを備えるシステム。
【請求項10】
コンピュータに請求項７に記載の方法を実行させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、データ解析装置、データ解析方法、学習済みモデルの生成方法、システム、及びプログラムに関する。
【背景技術】
【0002】
フーリエ変換赤外分光光度計（以下、「ＦＴ－ＩＲ光度計」とも称する）は、サンプルに赤外干渉光を照射し、反射光又は透過光を検出する。そして、ＦＴ－ＩＲ光度計は、その検出信号を記録したグラフ（インターフェログラム）をフーリエ変換することにより、横軸に波長又は波数、縦軸に強度（たとえば、吸収度又は透過率）をとったスペクトル（以下、「ＦＴ－ＩＲスペクトル」とも称する）を取得する。ＦＴ－ＩＲスペクトルはサンプルの分子構造に応じたパターンを示すため、ユーザは、ＦＴ－ＩＲスペクトルを用いて定性分析を行なうことができる。また、ＦＴ－ＩＲスペクトルの縦軸が示す強度はサンプルの濃度又は厚みに概ね比例することから、ユーザは、ＦＴ－ＩＲスペクトルにおけるピークの高さ又は面積に基づいて定量分析を行なうことができる。国際公開第２０１８／１９３４９９号（特許文献１）には、ＦＴ－ＩＲ光度計の一例が開示されている。
【先行技術文献】
【特許文献】
【0003】
【文献】国際公開第２０１８／１９３４９９号
【発明の概要】
【発明が解決しようとする課題】
【0004】
ユーザは、ＦＴ－ＩＲスペクトルを解析することによって上述の定性分析及び／又は定量分析を行なうことができる。一般に、ＦＴ－ＩＲスペクトルの解析には、ライブラリ（たとえば、化合物ごと又は原子団ごとのスペクトルパターンを示すデータベース）が利用される。ユーザは、ＦＴ－ＩＲスペクトルを目で見て、ライブラリが示すスペクトルパターンと比較しながらＦＴ－ＩＲスペクトルの解析を行なう。しかしながら、ＦＴ－ＩＲスペクトルの解析は、こうした解析に不慣れなユーザにとって必ずしも容易ではない。また、複雑な構造を有する化合物のＦＴ－ＩＲスペクトルは、複雑なスペクトルパターンを示すため、豊富な経験と知識を有するユーザといえども、正確な解析を行なうことは困難である。
【0005】
本開示は、上記課題を解決するためになされたものであり、本開示の目的は、ＦＴ－ＩＲスペクトルの解析を高精度かつ容易に行なうことができるデータ解析装置、データ解析方法、学習済みモデルの生成方法、システム、及びプログラムを提供することである。
【課題を解決するための手段】
【0006】
本開示の第１の態様に係るデータ解析装置は、ＦＴ－ＩＲスペクトルである解析対象を取得する取得部と、学習済みモデルと、解析対象を学習済みモデルへ入力する解析部とを備える。学習済みモデルは、ＦＴ－ＩＲスペクトルが入力されると、入力されたＦＴ－ＩＲスペクトルが学習済み原子団に由来するピークを含むか否かを示す情報を出力するように機械学習されている。学習済み原子団は、３原子以上の原子団を含む。
【0007】
本開示の第２の態様に係るデータ解析方法は、以下に説明する取得ステップ及び入力ステップを含む。
【0008】
取得ステップでは、分子構造が未知の化合物のＦＴ－ＩＲスペクトルを取得する。入力ステップでは、取得ステップにより取得されたＦＴ－ＩＲスペクトルと、３原子以上で構成される１つの原子団を指定する指定情報とを学習済みモデルへ入力する。学習済みモデルは、ＦＴ－ＩＲスペクトルと指定情報とが入力されると、入力されたＦＴ－ＩＲスペクトルが、入力された指定情報によって指定される３原子以上の原子団に由来するピークを含むか否かを示す情報を出力するように機械学習された数理モデルである。
【0009】
本開示の第３の態様に係る学習済みモデルの生成方法は、以下に説明する分析ステップ、保存ステップ、及び学習ステップを含む。
【0010】
分析ステップでは、分子構造が既知の化合物をフーリエ変換赤外分光光度計により分析してＦＴ－ＩＲスペクトルを取得する。保存ステップでは、分析ステップにより取得されたＦＴ－ＩＲスペクトルと、分析ステップにおいて分析された化合物の原子団情報とを紐付けて保存する。学習ステップでは、保存ステップにより保存されたＦＴ－ＩＲスペクトル及び原子団情報を教師データとして、ＦＴ－ＩＲスペクトルに所定の原子団に由来するピークが含まれるか否かを解析可能な学習済みモデルを生成するための機械学習を行なう。所定の原子団は、３原子以上の原子団を含む。所定の原子団を有する化合物の原子団情報は、当該化合物が有する所定の原子団を示す。所定の原子団を有しない化合物の原子団情報は、当該化合物が所定の原子団を有しないことを示す。
【0011】
本開示の第４の態様に係るシステムは、上述したデータ解析方法又は学習済みモデルの生成方法を実行する１以上のコンピュータを備えるシステムである。
【0012】
本開示の第５の態様に係るプログラムは、コンピュータに上述したデータ解析方法又は学習済みモデルの生成方法を実行させるプログラムである。
【発明の効果】
【0013】
本願発明者は、３原子以上の原子団について機械学習を行なうことで、学習済み原子団（３原子以上の原子団）に由来するピークをＦＴ－ＩＲスペクトル（当該学習済みモデルに入力される解析対象）が含むか否かを高い精度で解析可能な学習済みモデルを生成することに成功した。３原子以上の原子団を有する化合物のＦＴ－ＩＲスペクトルは、複雑なスペクトルパターンを示しやすい。しかし、上述したデータ解析装置及びデータ解析方法では、上記のような学習済みモデルを用いることで、こうしたＦＴ－ＩＲスペクトルの解析を高精度かつ容易に行なうことが可能になる。また、上述した学習済みモデルの生成方法によれば、上記のような学習済みモデルを好適に生成することができる。
【図面の簡単な説明】
【0014】
【図1】本開示の実施の形態に係るフーリエ変換赤外分光光度計の構成を示す図である。
【図2】ＦＴ－ＩＲスペクトルの一例を示す図である。
【図3】ユーザがルールベースでＦＴ－ＩＲスペクトルを解析する方法の一例について説明するための図である。
【図5】本開示の実施の形態に係る学習済みモデルの生成方法における学習用データの一例を示す図である。
【図7】本開示の実施の形態に係るデータ解析装置に搭載される学習済みモデルについて説明するための図である。
【図9】指定原子団をベンズアミド構造とした場合の学習済みモデルの評価結果の一例を示す図である。
【図10】指定原子団をニトロ基とした場合の学習済みモデルの評価結果の一例を示す図である。
【図11】指定原子団をブロモ基とした場合の学習済みモデルの評価結果の一例を示す図である。
【図12】本開示の実施の形態に係る学習済みモデルの生成方法における損失関数の値と分類の正答率との各々の推移の一例を示す図である。
【図14】本開示の実施の形態に係るデータ解析方法を示すフローチャートである。
【発明を実施するための形態】
【0015】
以下、本開示の実施の形態について、図面を参照しながら詳細に説明する。なお、図中同一又は相当部分には同一符号を付してその説明は繰り返さない。
【0016】
図１は、この実施の形態に係るＦＴ－ＩＲ光度計（フーリエ変換赤外分光光度計）の構成を示す図である。
【0017】
図１を参照して、この実施の形態に係るＦＴ－ＩＲ光度計は、分析装置１００と、分析装置１００を制御する制御装置２００とを備える。分析装置１００は、干渉波生成部１１０と、照射部１２０と、検出器１３０とを備える。干渉波生成部１１０は、赤外干渉光を生成する。照射部１２０は、干渉波生成部１１０で生成された赤外干渉光をサンプルＭに照射する。赤外干渉光はサンプルＭで反射される。そして、サンプルＭで反射された赤外干渉光は、照射部１２０から検出器１３０へ出射される。検出器１３０は、照射部１２０から入射した赤外干渉光を検出する。
【0018】
干渉波生成部１１０は、光源１１１と、集光ミラー１１２と、コリメータミラー１１３と、ビームスプリッタ１１４と、固定ミラー１１５と、可動ミラー１１６と、ミラーアクチュエータ１１７とを含む。照射部１２０は、集光ミラー１２１と、プリズム１２２と、集光ミラー１２３と、押圧機構１２４とを備える。干渉波生成部１１０及び照射部１２０に含まれる各種アクチュエータは、制御装置２００によって制御される。
【0019】
光源１１１は、赤外光を出射するように構成される。光源１１１としては、たとえばセラミック光源及びタングステンランプの少なくとも１つを採用できる。図１では、赤外光の光路が二点鎖線で示されている。
【0020】
光源１１１から出射された赤外光は、集光ミラー１１２及びコリメータミラー１１３により反射され、平行光となり、ビームスプリッタ１１４に入射する。ビームスプリッタ１１４では、赤外光の一部が固定ミラー１１５に向けて反射される。赤外光の残りの部分は、ビームスプリッタ１１４を透過し、可動ミラー１１６に向かう。固定ミラー１１５及び可動ミラー１１６の各々で反射された赤外光は、ビームスプリッタ１１４に入射して合波される。
【0021】
可動ミラー１１６は、光軸方向に移動可能に構成される。可動ミラー１１６は、ミラーアクチュエータ１１７によって駆動されることにより、光軸方向に移動する。制御装置２００は、ミラーアクチュエータ１１７により可動ミラー１１６を動かして、可動ミラー１１６の反射面を制御する。コリメータミラー１１３、ビームスプリッタ１１４、固定ミラー１１５、可動ミラー１１６、及びミラーアクチュエータ１１７は、マイケルソン干渉計を構成する。このマイケルソン干渉計は、光源１１１から出射された赤外光を用いて赤外干渉光を生成するように構成される。マイケルソン干渉計によって生成された赤外干渉光は、ビームスプリッタ１１４から照射部１２０へ出射される。
【0022】
この実施の形態に係るＦＴ－ＩＲ光度計では、ＡＴＲ（Attenuated Total Reflection）法によりサンプルＭのＦＴ－ＩＲスペクトルが測定される。サンプルＭをプリズム１２２に接触させ、赤外光をプリズム１２２を通じてサンプルＭに照射すると、プリズム１２２の内部を透過した赤外光が、サンプルＭとプリズム１２２との界面で全反射される。この全反射の際に、サンプルＭ側へわずかに赤外光が潜り込むため、全反射光を検出することで、サンプルＭの表面のＦＴ－ＩＲスペクトルを取得することができる。プリズム１２２としては、たとえばダイヤモンドプリズムを採用できる。ただしこれに限られず、ダイヤモンドプリズムに代えて、Ｇｅプリズム又はＺｎＳｅプリズムを採用してもよい。押圧機構１２４は、プリズム１２２の表面にサンプルＭを押圧した状態で固定するように構成される。
【0023】
干渉波生成部１１０から照射部１２０に入射した赤外干渉光は、集光ミラー１２１により反射され、プリズム１２２に集光される。プリズム１２２に入射した赤外干渉光は、プリズム１２２の内部を透過してサンプルＭとプリズム１２２との界面で全反射された後、集光ミラー１２３により反射され、検出器１３０に入射する。
【0024】
検出器１３０は、赤外検出器であり、照射部１２０から入射した赤外干渉光に応じた検出信号を出力するように構成される。検出器１３０としては、たとえばＤＬＡＴＧＳ（deuterated L-alanine doped triglycine sulfate）検出器、ＭＣＴ（ＨｇＣｄＴｅ）検出器、及びＩｎＧａＡｓ検出器の少なくとも１つを採用できる。検出器１３０は、温度調節機構を備えてもよい。検出器１３０は、上記検出信号を制御装置２００へ出力する。
【0025】
この実施の形態では、プロセッサ２０１、ＲＡＭ（Random Access Memory）２０２、記憶装置２０３、及び通信装置２０４を備えるコンピュータを、制御装置２００として採用する。通信装置２０４の通信方式は任意であり、無線通信／有線通信のいずれであってもよい。プロセッサ２０１としては、たとえばＣＰＵ（Central Processing Unit）を採用できる。制御装置２００が備えるプロセッサの数は任意であり、１つでも複数でもよい。ＲＡＭ２０２は、プロセッサ２０１によって処理されるデータを一時的に記憶する作業用メモリとして機能する。記憶装置２０３は、格納された情報を保存可能に構成される。記憶装置２０３には、プログラムのほか、プログラムで使用される情報（たとえば、マップ、数式、及び各種パラメータ）が記憶されている。
【0026】
制御装置２００は、検出器１３０から入力される検出信号をＡ／Ｄ（アナログ／デジタル）変換し、デジタル信号に変換された検出信号を記憶装置２０３に記録する。これにより、制御装置２００の記憶装置２０３内にインターフェログラムが記録される。そして、制御装置２００は、フーリエ変換により、インターフェログラムが示す干渉波の合成波形スペクトルを各波数成分の光強度に分離することで、ＦＴ－ＩＲスペクトルを取得する。この実施の形態では、横軸に波数、縦軸に吸収度をとったＦＴ－ＩＲスペクトルを採用する。なお、制御装置２００の機能の詳細については後述する（図４参照）。
【0027】
上記のように、この実施の形態に係るＦＴ－ＩＲ光度計は、サンプルＭを分析してサンプルＭのＦＴ－ＩＲスペクトルを取得することができる。サンプルＭは、分子構造が未知の化合物であってもよい。図２は、ＦＴ－ＩＲスペクトルの一例を示す図である。図２に示されるＦＴ－ＩＲスペクトルは、メタノールのＦＴ－ＩＲスペクトルであり、ヒドロキシ基（－ＯＨ）に由来するピークを含む。図２を参照して、ＦＴ－ＩＲスペクトルにおいて、ヒドロキシ基由来のピークは、波数３２００～３６００ｃｍ－１の領域に現れる。この領域に現れるピークが示す赤外吸収は、ヒドロキシ基に特有の赤外吸収である。
【0028】
化合物に含まれる原子団（すなわち、化合物の部分構造）によって、その化合物のＦＴ－ＩＲスペクトルに現れるピークの位置、強度、及び幅が変わる。ユーザは、化合物のＦＴ－ＩＲスペクトルを解析することによって、その化合物に含まれる原子団を知ることができる。ＦＴ－ＩＲスペクトルの解析には、ライブラリ（たとえば、化合物ごと又は原子団ごとのスペクトルパターンを示すデータベース）を利用できる。ユーザは、ＦＴ－ＩＲスペクトルを目で見て、ライブラリが示すスペクトルパターンと比較することで、ＦＴ－ＩＲスペクトルの解析を行なうことができる。
【0029】
図３は、ユーザがルールベースでＦＴ－ＩＲスペクトルを解析する方法の一例について説明するための図である。図３を参照して、ＦＴ－ＩＲスペクトルが波数１６５０～１７８０ｃｍ－１の領域に強いピーク（以下、「Ｃ＝Ｏピーク」とも称する）を含む場合には、カルボニル基の存在が推定される。ＦＴ－ＩＲスペクトルが、Ｃ＝Ｏピークに加えて、波数２５００～３３００ｃｍ－１付近にブロードで弱いピークをさらに含む場合には、上記カルボニル基がカルボン酸のＣ＝Ｏであると推定される。また、ＦＴ－ＩＲスペクトルが、Ｃ＝Ｏピークに加えて、波数１０００～１１５０ｃｍ－１及び波数１２００～１３００ｃｍ－１の各々の領域に強いピークをさらに含む場合には、上記カルボニル基がエステルのＣ＝Ｏであると推定される。また、ＦＴ－ＩＲスペクトルが、Ｃ＝Ｏピークに加えて、波数１０２５～１２５０ｃｍ－１の領域に強いピークをさらに含む場合には、上記カルボニル基が脂肪族ケトンのＣ＝Ｏであると推定される。また、ＦＴ－ＩＲスペクトルが、Ｃ＝Ｏピークに加えて、波数１２１５～１３２５ｃｍ－１の領域に強いピークをさらに含む場合には、上記カルボニル基が芳香族ケトンのＣ＝Ｏであると推定される。また、ＦＴ－ＩＲスペクトルが、Ｃ＝Ｏピークに加えて、波数２７２０ｃｍ－１付近に弱いピークをさらに含む場合には、上記カルボニル基がアルデヒドのＣ＝Ｏであると推定される。
【0030】
上記のような方法によっても、ＦＴ－ＩＲスペクトルを解析することは可能である。しかしながら、上記のような方法でＦＴ－ＩＲスペクトルを解析することは、こうした解析に不慣れなユーザにとっては必ずしも容易ではない。また、複雑な構造を有する化合物のＦＴ－ＩＲスペクトルは、複雑なスペクトルパターンを示すため、豊富な経験と知識を有するユーザといえども、正確な解析を行なうことは困難である。
【0031】
そこで、この実施の形態に係るデータ解析方法では、学習済みモデルが実装されたデータ解析装置を用いてＦＴ－ＩＲスペクトルを解析することで、ＦＴ－ＩＲスペクトルの解析を高精度かつ容易に行なうことを可能にする。上記学習済みモデルは、ＦＴ－ＩＲスペクトルが入力されると、入力されたＦＴ－ＩＲスペクトルが学習済み原子団に由来するピークを含むか否かを示す情報を出力するように機械学習された数理モデルである。本願発明者は、３原子以上の原子団について機械学習を行なうことで、学習済み原子団（３原子以上の原子団）に由来するピークをＦＴ－ＩＲスペクトル（当該学習済みモデルに入力される解析対象）が含むか否かを高い精度で解析可能な学習済みモデルを生成することに成功した。以下、上記学習済みモデルの生成方法について説明する。
【0032】
図４は、制御装置２００の構成の詳細を示す図である。図１とともに図４を参照して、制御装置２００は、分析制御部２１０と、データ処理部２２０と、データ作成部２３０とを含む。この実施の形態では、記憶装置２０３に記憶されているプログラムをプロセッサ２０１（図１）が実行することで、分析制御部２１０、データ処理部２２０、及びデータ作成部２３０が具現化される。ただしこれに限られず、これら各部は、専用のハードウェア（電子回路）によって具現化されてもよい。
【0033】
分析制御部２１０は、分析装置１００を制御するように構成される。データ処理部２２０は、分析装置１００に設けられた各種センサ（検出器１３０を含む）の出力に基づいて、分析装置１００の状態を示す信号を作成し、作成された信号を分析制御部２１０へ出力する。分析制御部２１０は、データ処理部２２０から受信した信号に基づいて分析装置１００を制御することにより、サンプルＭを分析する。これにより、サンプルＭの特性を示す赤外干渉光が、検出器１３０によって検出される。
【0034】
データ処理部２２０は、検出器１３０から入力される検出信号をＡ／Ｄ変換し、デジタル信号に変換された検出信号を記憶装置２０３に記録する。これにより、記憶装置２０３内にインターフェログラムが記録される。データ処理部２２０は、インターフェログラムの記録が完了すると、データ作成部２３０にその旨を伝える。データ作成部２３０は、データ処理部２２０が記録したインターフェログラムをフーリエ変換することによりＦＴ－ＩＲスペクトルを作成する。
【0035】
分子構造が未知の化合物（以下、「未知の化合物」とも称する）の定性分析を行なうためのＦＴ－ＩＲスペクトルを取得する場合には、ユーザは、サンプルＭとして未知の化合物を分析装置１００にセットする。セットされた未知の化合物は、分析装置１００によって分析される。この分析により記憶装置２０３にインターフェログラムが記録される。データ作成部２３０は、そのインターフェログラムを用いて、未知の化合物のＦＴ－ＩＲスペクトルを作成して記憶装置２０３に保存する。このＦＴ－ＩＲスペクトルは、後述する学習用データとは区別されて記憶装置２０３に保存される。
【0036】
上記のように取得された未知の化合物のＦＴ－ＩＲスペクトルは、後述するデータ解析装置５００（図１３参照）によって解析される。詳細は後述するが、ユーザは、持運び可能な記憶媒体６００（たとえば、メモリカード、メモリスティック、又はメモリディスク）を用いて、記憶装置２０３内のデータをデータ解析装置５００に渡すことができる。制御装置２００は、記憶媒体６００を着脱可能に構成されるとともに、装着された記憶媒体６００とデータ通信可能に構成される。ユーザは、図示しない入力装置により制御装置２００を操作して、記憶装置２０３内のＦＴ－ＩＲスペクトルデータを記憶媒体６００にコピー又は移動することができる。
【0037】
他方、分子構造が既知の化合物（以下、「既知の化合物」とも称する）を分析装置１００によって分析して、機械学習に用いられるデータ（以下、「学習用データ」とも称する）を取得する場合には、ユーザは、サンプルＭとして既知の化合物を分析装置１００にセットする。セットされた既知の化合物は、分析装置１００によって分析される。この分析により記憶装置２０３にインターフェログラムが記録される。データ作成部２３０は、そのインターフェログラムを用いて、既知の化合物のＦＴ－ＩＲスペクトルを作成する。そして、データ作成部２３０は、得られたＦＴ－ＩＲスペクトルを用いて学習用データを作成して記憶装置２０３に保存する。以下、この実施の形態に係る学習用データについて詳述する。
【0038】
この実施の形態では、サーバ３００が機械学習（たとえば、教師あり学習）を行なう。サーバ３００は、制御装置２００と通信可能に構成され、通信によって制御装置２００から学習用データを取得する。ただしこれに限られず、ユーザは、前述した記憶媒体６００を用いて、制御装置２００からサーバ３００に学習用データを移すことも可能である。
【0039】
サーバ３００は、制御装置２００から取得した学習用データを教師データとして、ＦＴ－ＩＲスペクトルに所定の原子団（以下、「対象原子団」とも称する）に由来するピークが含まれるか否かを解析可能な学習済みモデルを生成するための機械学習を行なう。この実施の形態では、学習用データとして、ラベル（正解）付きデータが採用される。対象原子団に含まれる原子団の数は任意であるが、対象原子団は、３原子以上の原子団を少なくとも１つ含む。この実施の形態では、後述する原子団Ｎｏ．１～Ｎｏ．１９（図８参照）を、対象原子団とする。学習に先立ち、たとえばユーザによって対象原子団がデータ作成部２３０に設定される。
【0040】
データ作成部２３０は、分析装置１００による上記の分析に先立ち、サンプル情報（すなわち、サンプルＭに関する情報）を取得する。たとえば、ユーザが図示しない入力装置を通じて入力したサンプル情報が、データ作成部２３０に入力される。また、サンプルＭの容器に取り付けられたタグから図示しないリーダが読み取ったサンプル情報が、データ作成部２３０に入力されてもよい。データ作成部２３０は、上記の分析により記憶装置２０３に記録されるインターフェログラムを用いて、既知の化合物のＦＴ－ＩＲスペクトルを作成して記憶装置２０３に保存する。この際、データ作成部２３０は、ＦＴ－ＩＲスペクトルをサンプルＭの原子団情報と紐付けて保存する。この実施の形態において、既知の化合物のＦＴ－ＩＲスペクトルを作成するステップ、作成されたＦＴ－ＩＲスペクトルをサンプルＭの原子団情報と紐付けて記憶装置２０３に保存するステップは、それぞれ本開示に係る学習済みモデルの生成方法における「分析ステップ」、「保存ステップ」の一例に相当する。
【0041】
サンプルＭ（既知の化合物）が対象原子団の少なくとも１つを有する場合には、サンプルＭの原子団情報は、サンプルＭがいずれの対象原子団を有するかを示す。原子団情報は、原子団番号で対象原子団を示してもよい。たとえば、サンプルＭが原子団Ｎｏ．３（図８）を有する場合には、原子団情報の内容が「３」となり、サンプルＭが原子団Ｎｏ．７及び原子団Ｎｏ．１６（図８）を有する場合には、原子団情報の内容が「７，１６」となってもよい。他方、サンプルＭが対象原子団を有しない場合には、サンプルＭの原子団情報は、サンプルＭが対象原子団を有しないことを示す。原子団情報は、上記原子団番号以外の数字（たとえば、「０」）で、サンプルＭが対象原子団を有しないことを示してもよい。
【0042】
この実施の形態では、上述したサンプル情報がサンプルＭの化合物名を含む。データ作成部２３０は、サンプルＭの化合物名に基づいてサンプルＭの原子団情報を取得する。データ作成部２３０は、化合物ＤＢ（データベース）４００と通信可能に構成される。化合物ＤＢ４００は、各種化合物の情報を検索可能に保有する。データ作成部２３０は、化合物ＤＢ４００にアクセスし、サンプルＭの化合物名で検索することによって、サンプルＭの原子団情報を取得することができる。データ作成部２３０は、サンプル情報が示す化合物名を、化合物ＤＢ４００が採用する命名法に従う名称に変換可能に構成される。このため、サンプル情報が化合物ＤＢ４００とは異なる命名法で化合物名を示していても、データ作成部２３０は、化合物ＤＢ４００に合わせて化合物名を変換して上記の検索を行なうことができる。なお、データ作成部２３０が原子団情報を取得する方法は上記に限られない。たとえば、データ作成部２３０に入力されるサンプル情報に原子団情報が含まれていてもよい。
【0043】
学習用データは、たとえば、含まれる原子団が既知の物質を測定した結果であるＦＴ－ＩＲスペクトルを入力データとし、その含まれている原子団の有無が正解データとなる一対のデータであって、今回は、既存の化合物ＤＢを利用した。図５は、学習用データの一例を示す図である。図５を参照して、学習用データは、ＦＴ－ＩＲスペクトルと原子団情報とを含む。各対象原子団の有無を示す原子団情報は、たとえばサンプル情報から得られる。この実施の形態では、前述のように数値化されたデータを、原子団情報として採用する。ＦＴ－ＩＲスペクトルは、分析装置１００による分析結果として得られる。この実施の形態では、ＦＴ－ＩＲスペクトルも数値化される。学習用データに含まれるＦＴ－ＩＲスペクトルは、波数ごとの吸光度を数値で示すデータであってもよい。たとえば、所定の波数範囲において所定の間隔（たとえば、４ｃｍ－１刻み）で、「０．１５，０．１８，０．２５，・・・」のように吸光度が示されてもよい。上記のように、この実施の形態では、ＦＴ－ＩＲスペクトル及び原子団情報の各々の数値化データを、学習用データとする。
【0044】
図６は、サーバ３００の構成の詳細を示す図である。図４とともに図６を参照して、この実施の形態では、プロセッサ３０１、ＲＡＭ３０２、記憶装置３０３、及び通信装置３０４を備えるコンピュータ（図４）を、サーバ３００として採用する。サーバ３００は、データ取得部３１０と、学習実行部３２０とを含む。この実施の形態では、記憶装置３０３に記憶されているプログラムをプロセッサ３０１が実行することで、データ取得部３１０及び学習実行部３２０が具現化される。ただしこれに限られず、これら各部は、専用のハードウェア（電子回路）によって具現化されてもよい。
【0045】
データ取得部３１０は、制御装置２００から学習用データを取得する。また、データ取得部３１０は、ＦＴ－ＩＲスペクトルＤＢ（データベース）４１０及びＯｐｅｎライブラリ４２０の各々と通信可能に構成される。ＦＴ－ＩＲスペクトルＤＢ４１０及びＯｐｅｎライブラリ４２０の各々は、化合物ごとのＦＴ－ＩＲスペクトルを保有する。データ取得部３１０は、ＦＴ－ＩＲスペクトルＤＢ４１０及びＯｐｅｎライブラリ４２０の各々から取得したデータを、前述した学習用データ（図５参照）と同じデータ形式に変換する。
【0046】
学習前においては、未学習の数理モデルＭ１（たとえば、ニューラルネットワーク）が記憶装置３０３に記憶されている。ニューラルネットワークは、脳の神経回路の仕組みを模した数理モデルである。学習実行部３２０は、データ取得部３１０が取得した学習用データを用いて、数理モデルＭ１の機械学習を実行する。これにより、たとえば図７に示すような学習済みモデルＭ２が生成される。上記の機械学習により、前述した対象原子団が学習される。すなわち、対象原子団が、学習済みモデルＭ２における学習済み原子団となる。この実施の形態において、数理モデルＭ１を機械学習するステップは、本開示に係る学習済みモデルの生成方法における「学習ステップ」の一例に相当する。
【0047】
図７は、学習済みモデルＭ２について説明するための図である。図７を参照して、学習済みモデルＭ２に、ＦＴ－ＩＲスペクトルと、学習済み原子団に含まれる１つの原子団（たとえば、図８に示す原子団Ｎｏ．１～Ｎｏ．１９のいずれか）を指定する指定情報（たとえば、原子団の名称）とが入力されると、学習済みモデルＭ２は、入力されたＦＴ－ＩＲスペクトル（以下、「入力スペクトル」とも称する）が、入力された指定情報によって指定される原子団（以下、「指定原子団」とも称する）に由来するピークを含むか否かを示す情報を出力する。すなわち、学習済みモデルＭ２は、分類器として機能する。以下、学習済みモデルＭ２から出力される情報を、「モデル解析結果」とも称する。また、入力スペクトルが指定原子団に由来するピークを含むことを「原子団有り」、入力スペクトルが指定原子団に由来するピークを含まないことを「原子団無し」とも称する。学習済みモデルＭ２は、原子団有りの場合に「１」を、原子団無しの場合に「０」を、モデル解析結果として出力してもよい。
【0048】
本願発明者は、実際に学習済みモデルＭ２を生成し、生成された学習済みモデルＭ２の分類精度を評価した。未学習の数理モデルＭ１としては、畳み込み層（Convolution Layer）とプーリング層（Pooling Layer）と全結合層（Dense Layer）とを備えるＣＮＮ（畳み込みニューラルネットワーク）を用いた。具体的には、３層の畳み込み層と１層のプーリング層とが交互に２回積み重なった後に２層の全結合層で全結合されたＣＮＮを採用した。活性化関数（Activation）としてＲｅＬＵ関数を採用し、出力層（Final Activation）にはソフトマックス関数を採用した。５２７６個の学習用データを含むデータセットを用いて、バックプロパゲーションによる機械学習（より特定的には、ディープラーニング）を数理モデルＭ１に対して行なうことにより、学習済みモデルＭ２を生成した。学習回数を示すエポック数（Epochs）を３０とした。
【0049】
対象原子団（学習済み原子団）は、図８に示す原子団Ｎｏ．１～Ｎｏ．１９であった。対象原子団（学習済み原子団）は、３原子未満の原子団（以下、「小原子団」とも称する）と、３原子以上の原子団（以下、「大原子団」とも称する）とを含んでいた。具体的には、原子団Ｎｏ．１～Ｎｏ．７が小原子団に相当し、原子団Ｎｏ．８～Ｎｏ．１９が大原子団に相当する。原子団Ｎｏ．１～Ｎｏ．７はそれぞれ、フルオロ基、クロロ基、ブロモ基、ヨード基、ヒドロキシ基、アミノ基、シアノ基である。原子団Ｎｏ．８～Ｎｏ．１９はそれぞれ、ニトロ基、エステル基、アクリル酸構造、トルエン構造、チオフェン構造、ピリミジン構造、トルイジン構造（より特定的には、ｏ－トルイジン構造）、安息香酸構造（芳香族カルボン酸構造の一種）、ベンズアミド構造、サリチル酸構造、ベンズイミダゾール構造、ベンズチアゾール構造である。原子団Ｎｏ．１１及びＮｏ．１４～Ｎｏ．１９の各々は、炭素環を含む原子団であり、原子団Ｎｏ．１２，１３，１８，１９の各々は、複素環を含む原子団である。
【0050】
本願発明者は、５００個程度のバリデーションデータを用意し、これらのバリデーションデータを用いて、上記のように生成された学習済みモデルＭ２を評価した。本願発明者は、学習済みモデルＭ２に対する指定原子団を変えながら、学習済みモデルＭ２が原子団有り（陽性）／原子団無し（陰性）を正しく判定する精度を評価した。本願発明者は、ＲＯＣ（Receiver Operating Characteristic）曲線を取得し、ＲＯＣ曲線からＡＵＣ（Area Under the Curve）を求めた。ＲＯＣ曲線は、閾値（カットオフポイント）を変えながら判定した結果を、縦軸に真陽性率（ＴＰＲ：True Positive Rate）、横軸に偽陽性率（ＦＰＲ：False Positive Rate）をとった平面にプロットし、プロットされた各データを結んだ線である。ＡＵＣは、ＲＯＣ曲線下の面積に相当し、０から１までの値をとる。ＡＵＣが高い分類器ほど分類の精度が高いことを意味する。
【0051】
ＡＵＣは、学習済み原子団ごとに算出された。図８は、学習済みモデルＭ２の各学習済み原子団の平均ＡＵＣ（すなわち、全ての評価結果の平均値）を示す図である。図８を参照して、大原子団（原子団Ｎｏ．８～Ｎｏ．１９）については、０．９００以上のＡＵＣが得られた。小原子団（原子団Ｎｏ．１～Ｎｏ．７）のＡＵＣは大原子団のＡＵＣと比べて低かった。
【0052】
図９は、指定原子団を原子団Ｎｏ．１６（ベンズアミド構造）とした場合の学習済みモデルＭ２の評価結果の一例を示す図である。図１０は、指定原子団を原子団Ｎｏ．８（ニトロ基）とした場合の学習済みモデルＭ２の評価結果の一例を示す図である。図１１は、指定原子団を原子団Ｎｏ．３（ブロモ基）とした場合の学習済みモデルＭ２の評価結果の一例を示す図である。図９及び図１０に示されるように、大原子団に相当するベンズアミド構造及びニトロ基に関しては、ＦＰＲが低い段階でＴＰＲが１に近い値まで上昇するＲＯＣ曲線が描かれ、高いＡＵＣが得られた。他方、小原子団に相当するブロモ基に関しては、図１１に示されるように、なだらかに上昇するＲＯＣ曲線が描かれ、ＡＵＣが低かった。
【0053】
図１２は、数理モデルＭ１の機械学習における損失関数の値と分類の正答率との各々の推移を示す図である。図１２において、線Ｌ１１は、学習用データに対する分類の正答率（train accuracy）を示し、線Ｌ１２は、バリデーションデータに対する分類の正答率（validation accuracy）を示す。線Ｌ２１は、学習用データに対する損失関数の値（train loss）を示し、線Ｌ２２は、バリデーションデータに対する損失関数の値（validation loss）を示す。図１２を参照して、このグラフに示されるように、学習済みモデルＭ２の生成においては、損失関数の値が概ね収束するまで学習が行なわれた。
【0054】
再び図７を参照して、この実施の形態では、上述した学習済みモデルＭ２がデータ解析装置５００に実装される。この実施の形態では、プロセッサ５０１、ＲＡＭ５０２、記憶装置５０３、及び通信装置５０４を備えるコンピュータを、データ解析装置５００として採用する。学習済みモデルＭ２は、記憶装置５０３に格納される。
【0055】
図１３は、データ解析装置５００の構成の詳細を示す図である。図７とともに図１３を参照して、データ解析装置５００は、分析アプリケーション５１１と、解析ソフトウェア５１２と、データ取得部５２０とを含む。分析アプリケーション５１１及び解析ソフトウェア５１２は、学習済みモデルＭ２とともに、記憶装置５０３（図７）に記憶されている。この実施の形態では、記憶装置５０３に記憶されているプログラムをプロセッサ５０１（図７）が実行することで、データ取得部５２０が具現化される。また、分析アプリケーション５１１は、アプリケーションプログラムであり、本開示に係る「要求部」、「解析部」、及び「報知部」として機能する。記憶装置５０３に記憶されている分析アプリケーション５１１をプロセッサ５０１（図７）が実行することで、これら各部が具現化される。なお、この実施の形態においてソフトウェアによって具現化される各機能は、専用のハードウェア（電子回路）によって具現化されてもよい。
【0056】
データ解析装置５００は、入力装置７１０及び報知装置７２０の各々と情報のやり取りを行なうように構成される。入力装置７１０は、ユーザからの入力を受け付けるように構成される。入力装置７１０は、ユーザからの入力に対応する信号をデータ解析装置５００へ出力する。入力装置７１０の例としては、各種ポインティングデバイス（マウス、タッチパッド等）、キーボード、タッチパネルが挙げられる。また、入力装置７１０は、音声入力を受け付けるスマートスピーカを含んでもよい。報知装置７２０は、ユーザに対する報知を行なうように構成される。データ解析装置５００は、報知装置７２０を通じてユーザへ情報を報知することができる。報知装置７２０の例としては、各種ディスプレイが挙げられる。報知装置７２０は、スピーカ機能を備えていてもよい。この実施の形態では、入力装置７１０及び報知装置７２０として、これら両方の機能を兼ね備えるタッチパネルディスプレイを採用する。入力装置７１０及び報知装置７２０は、タブレット端末、スマートフォン、又はウェアラブルデバイスのような携帯機器（すなわち、ユーザによって携帯可能な電子機器）に搭載されてもよい。
【0057】
データ解析装置５００は、記憶媒体６００を着脱可能に構成されるとともに、装着された記憶媒体６００とデータ通信可能に構成される。データ解析装置５００は、装着された記憶媒体６００内のデータを読み取ることができる。データ解析装置５００は、記憶媒体６００内のデータを読み取るためのリーダ、ドライブ、又はポートを備えてもよい。ユーザは、たとえば、以下に示す手順で、ＦＴ－ＩＲスペクトルである解析対象を取得して、取得された解析対象をデータ解析装置５００が利用できるようにする。
【0058】
ユーザは、図１及び図４に示したＦＴ－ＩＲ光度計により未知の化合物を分析してＦＴ－ＩＲスペクトルを取得する。取得されたＦＴ－ＩＲスペクトルは、記憶装置２０３（図４）に保存される。ユーザは、記憶装置２０３内のＦＴ－ＩＲスペクトルデータを記憶媒体６００にコピーした後、記憶媒体６００をデータ解析装置５００に装着する。これにより、データ解析装置５００が記憶媒体６００内のＦＴ－ＩＲスペクトルデータを読み取り可能な状態になる。この実施の形態では、記憶媒体６００内のＦＴ－ＩＲスペクトルが、解析対象に相当する。
【0059】
分析アプリケーション５１１は、解析対象（ＦＴ－ＩＲスペクトル）の格納場所（たとえば、データパス）の入力をユーザに対して要求するように構成される。この要求に応じてユーザが入力装置７１０を通じて記憶媒体６００における解析対象の格納場所を入力すると、データ取得部５２０は、ユーザが入力した格納場所から解析対象を取得する。
【0060】
分析アプリケーション５１１は、学習済み原子団（この実施の形態では、図８に示した原子団Ｎｏ．１～Ｎｏ．１９）の全部を含む選択肢の中から１以上の原子団を選ぶことをユーザに対して要求するように構成される。ユーザは、入力装置７１０を通じて選択肢の中から任意の原子団を選ぶことができる。ユーザが選んだ原子団は、分析アプリケーション５１１に入力される。
【0061】
分析アプリケーション５１１は、上記要求に対してユーザが選んだ各原子団について、当該原子団由来のピークが解析対象に含まれるか否かを示す解析結果を取得するように構成される。詳しくは、分析アプリケーション５１１は、以下に説明するモデル解析結果とルールベース解析結果との少なくとも一方を取得する。
【0062】
分析アプリケーション５１１は、ユーザが選んだ原子団の中に大原子団が含まれる場合には、学習済みモデルＭ２により、当該選ばれた大原子団に関する解析結果を取得する。分析アプリケーション５１１は、ユーザによって指定されたＦＴ－ＩＲスペクトル（解析対象）と、ユーザによって選択された大原子団（指定原子団）を指定する指定情報とを学習済みモデルＭ２へ入力することにより、モデル解析結果を取得する。
【0063】
分析アプリケーション５１１は、ユーザが選んだ原子団の中に小原子団が含まれる場合には、解析ソフトウェア５１２により、当該選ばれた小原子団に関する解析結果を取得する。解析ソフトウェア５１２は、ＦＴ－ＩＲスペクトルが与えられたときに、与えられたＦＴ－ＩＲスペクトルが所定の原子団（以下、「登録原子団」とも称する）に由来するピークを含むか否かをルールベースで解析するように構成される。この実施の形態では、登録原子団が、図８に示した原子団Ｎｏ．１～Ｎｏ．７を含む。分析アプリケーション５１１が、ユーザによって指定されたＦＴ－ＩＲスペクトル（解析対象）と、ユーザによって選ばれた小原子団（より特定的には、図８に示した原子団Ｎｏ．１～Ｎｏ．７のいずれか）を示す情報とを、解析ソフトウェア５１２に入力する。これにより、解析ソフトウェア５１２によりルールベースに基づくＦＴ－ＩＲスペクトルの解析が行なわれる。そして、解析ソフトウェア５１２による解析結果として、解析対象が上記小原子団（すなわち、入力された情報が示す登録原子団）に由来するピークを含むか否かを示す情報（以下、「ルールベース解析結果」とも称する）が得られる。ルールベースに基づくＦＴ－ＩＲスペクトルの解析は、たとえば図３に示した手順に準ずる手順で行なわれる。
【0064】
分析アプリケーション５１１は、ユーザに対する報知を報知装置７２０に行なわせるように、報知装置７２０を制御する。分析アプリケーション５１１は、上記解析結果を取得したときには、報知装置７２０を通じてユーザに解析結果（すなわち、モデル解析結果及び／又はルールベース解析結果）を報知する。
【0065】
図１４は、この実施の形態に係るデータ解析装置５００により実行されるデータ解析処理を示すフローチャートである。このフローチャートに示される処理は、たとえば分析アプリケーション５１１が起動すると、開始される。ユーザは、入力装置７１０を操作して分析アプリケーション５１１を起動させることができる。
【0066】
図１３とともに図１４を参照して、ステップ（以下、単に「Ｓ」とも表記する）１１では、分析アプリケーション５１１が、ユーザに対して、解析対象（ＦＴ－ＩＲスペクトル）の格納場所の入力と、原子団の入力とを要求する。まず、分析アプリケーション５１１は、以下に説明する第１入力画面を報知装置７２０に表示させる。
【0067】
図１５は、ユーザによる解析対象の格納場所の入力を受け付ける画面（すなわち、第１入力画面）の一例を示す図である。図１５を参照して、第１入力画面は、メッセージＭ１１０と、テキストボックスＭ１２１と、ファイル選択ダイアログを表示するためのボタンＭ１２２と、決定ボタンＭ１３０とを表示する。報知装置７２０は、タッチパネルディスプレイであるため、ユーザの指又はペンが画面に触れたときに、触れられた画面位置を感知することができる。ユーザは、画面に触れることによって、画面操作を行なうことができる。
【0068】
メッセージＭ１１０は、ユーザに対してＦＴ－ＩＲスペクトル（解析対象）の格納場所の入力を要求する。ユーザは、図示しないスクリーンキーボード（仮想キーボード）を利用して、テキストボックスＭ１２１に直接、ＦＴ－ＩＲスペクトルの格納場所（たとえば、データパス）を入力することができる。また、ユーザによってボタンＭ１２２が押されると、ファイル選択ダイアログが表示される。ユーザは、ファイル選択ダイアログを利用して、ＦＴ－ＩＲスペクトルデータ（ファイル）を選択することもできる。ファイル選択ダイアログによりＦＴ－ＩＲスペクトルデータ（ファイル）が選択されると、ＦＴ－ＩＲスペクトルの格納場所がテキストボックスＭ１２１に返される。ＦＴ－ＩＲスペクトルの格納場所がテキストボックスＭ１２１に入力された状態で、ユーザによって決定ボタンＭ１３０が押されると、データ取得部５２０は、ユーザが入力した格納場所からＦＴ－ＩＲスペクトルを取得する。この実施の形態において、データ取得部５２０がＦＴ－ＩＲスペクトルを取得するステップは、本開示に係るデータ解析方法における「取得ステップ」の一例に相当する。その後、分析アプリケーション５１１は、以下に説明する第２入力画面を報知装置７２０に表示させる。
【0069】
図１６は、ユーザによる原子団の入力を受け付ける画面（すなわち、第２入力画面）の一例を示す図である。図１６を参照して、第２入力画面は、メッセージＭ２１０と、選択肢の中から大原子団を選択するためのチェックボックスＣＢ１と、各チェックボックスＣＢ１の説明欄Ｍ２２１と、選択肢の中から小原子団を選択するためのチェックボックスＣＢ２と、各チェックボックスＣＢ２の説明欄Ｍ２２２と、全選択ボタンＭ２３０と、決定ボタンＭ２４０とを表示する。
【0070】
メッセージＭ２１０は、ユーザに対して原子団の選択を要求する。ユーザは、チェックボックスＣＢ１によって、説明欄Ｍ２２１に示される大原子団を選択することができる。また、ユーザは、チェックボックスＣＢ２によって、説明欄Ｍ２２２に示される小原子団を選択することができる。ユーザは、全選択ボタンＭ２３０を押すことによって、全ての選択肢を選択することができる。説明欄Ｍ２２１，Ｍ２２２に示される選択肢（この実施の形態では、図８に示した原子団Ｎｏ．１～Ｎｏ．１９）の中から１以上の原子団が選択された状態で、ユーザによって決定ボタンＭ２４０が押されると、処理は図１４のＳ１２に進む。図１６に示す例では、ヒドロキシ基と、ニトロ基と、トルエン構造とが選択されている。
【0071】
再び図１３とともに図１４を参照して、分析アプリケーション５１１は、Ｓ１２において、Ｓ１１でユーザが選んだ原子団の中に大原子団が含まれるか否かを判断する。そして、ユーザによって選ばれた原子団の中に大原子団が含まれる場合（Ｓ１２にてＹＥＳ）には、分析アプリケーション５１１は、Ｓ１３において、Ｓ１１でユーザによって指定されたＦＴ－ＩＲスペクトル（解析対象）と、Ｓ１１でユーザによって選択された大原子団のいずれか１つ（指定原子団）を指定する指定情報とを学習済みモデルＭ２へ入力することにより、モデル解析結果を取得する。この実施の形態に係るＳ１３は、本開示に係るデータ解析方法における「入力ステップ」の一例に相当する。その後、分析アプリケーション５１１は、Ｓ１４において、ユーザによって選択された全ての大原子団についてＦＴ－ＩＲスペクトルの解析が終了したか否かを判断する。
【0072】
Ｓ１１において２つ以上の大原子団が選択された場合には、各大原子団について順番にＦＴ－ＩＲスペクトルの解析が行なわれる。ユーザによって選択されたにもかかわらず未解析の大原子団があるうちは、Ｓ１４においてＮＯと判断され、処理がＳ１３に戻る。分析アプリケーション５１１は、Ｓ１３において指定原子団を未解析の大原子団に変更して、学習済みモデルＭ２によって再びＦＴ－ＩＲスペクトル（解析対象）の解析を行なう。Ｓ１１でユーザが選んだ大原子団の数と同じ回数だけＳ１３の処理が実行される。そして、ユーザによって選択された全ての大原子団についてＦＴ－ＩＲスペクトルの解析が終了すると（Ｓ１４にてＹＥＳ）、処理はＳ１５に進む。他方、ユーザによって選ばれた原子団の中に大原子団が含まれない場合（Ｓ１２にてＮＯ）には、Ｓ１３及びＳ１４の処理が実行されることなく、処理はＳ１５に進む。
【0073】
Ｓ１５では、分析アプリケーション５１１が、Ｓ１１でユーザが選んだ原子団の中に小原子団が含まれるか否かを判断する。そして、ユーザによって選ばれた原子団の中に小原子団が含まれる場合（Ｓ１５にてＹＥＳ）には、分析アプリケーション５１１は、Ｓ１６において、Ｓ１１でユーザによって指定されたＦＴ－ＩＲスペクトル（解析対象）と、Ｓ１１でユーザによって選ばれた小原子団（登録原子団）のいずれか１つを示す情報とを解析ソフトウェア５１２に入力することにより、ルールベース解析結果を取得する。その後、分析アプリケーション５１１は、Ｓ１７において、ユーザによって選択された全ての小原子団についてＦＴ－ＩＲスペクトルの解析が終了したか否かを判断する。
【0074】
Ｓ１１において２つ以上の小原子団が選択された場合には、各小原子団について順番にＦＴ－ＩＲスペクトルの解析が行なわれる。ユーザによって選択されたにもかかわらず未解析の小原子団があるうちは、Ｓ１７においてＮＯと判断され、処理がＳ１６に戻る。分析アプリケーション５１１は、Ｓ１６において未解析の小原子団（登録原子団）を解析ソフトウェア５１２に入力して、解析ソフトウェア５１２によって再びＦＴ－ＩＲスペクトル（解析対象）の解析を行なう。Ｓ１１でユーザが選んだ小原子団の数と同じ回数だけＳ１６の処理が実行される。そして、ユーザによって選択された全ての小原子団についてＦＴ－ＩＲスペクトルの解析が終了すると（Ｓ１７にてＹＥＳ）、処理はＳ１８に進む。他方、ユーザによって選ばれた原子団の中に小原子団が含まれない場合（Ｓ１５にてＮＯ）には、Ｓ１６及びＳ１７の処理が実行されることなく、処理はＳ１８に進む。
【0075】
Ｓ１８では、分析アプリケーション５１１が、報知装置７２０を制御することにより、Ｓ１３及びＳ１６の少なくとも一方で取得した解析結果（すなわち、モデル解析結果及び／又はルールベース解析結果）をユーザに報知する。分析アプリケーション５１１は、たとえば、以下に説明する報知画面を報知装置７２０に表示させる。
【0076】
図１７は、解析結果をユーザに報知する画面（すなわち、報知画面）の一例を示す図である。図１７を参照して、報知画面は、表示部Ｍ３１０と、メッセージＭ３２０，Ｍ３４０と、解析結果Ｍ３３０と、追加ボタンＭ３５０と、終了ボタンＭ３６０とを表示する。
【0077】
表示部Ｍ３１０は、ＦＴ－ＩＲスペクトルである解析対象を示している。メッセージＭ３２０は、解析結果Ｍ３３０に関する説明を示している。解析結果Ｍ３３０は、図１４のＳ１１でユーザが選んだ各原子団について、当該原子団由来のピークが解析対象に含まれるか否かを示す解析結果を示している。図１７に示す例では、ユーザによってヒドロキシ基とニトロ基とトルエン構造とが選択された場合の解析結果を示している。メッセージＭ３４０は、追加ボタンＭ３５０及び終了ボタンＭ３６０に関する説明を示している。ユーザによって追加ボタンＭ３５０及び終了ボタンＭ３６０のいずれかが押されると、処理は図１４のＳ１９に進む。
【0078】
図１７とともに図１４を参照して、Ｓ１９では、ユーザが原子団の追加を希望したか否かを、分析アプリケーション５１１が判断する。前述の報知画面（図１７）において追加ボタンＭ３５０が押された場合には、ユーザが原子団の追加を希望した（Ｓ１９にてＹＥＳ）と判断され、処理はＳ１１に戻る。前述の報知画面（図１７）において終了ボタンＭ３６０が押された場合には、ユーザが原子団の追加を希望しなかった（Ｓ１９にてＮＯ）と判断され、図１４に示す一連の処理は終了する。
【0079】
［変形例］
上記実施の形態では、ユーザが選択可能な選択肢（図１６参照）に学習済み原子団の全部を含ませているが、選択肢が学習済み原子団の一部のみを含むようにしてもよい。
上記実施の形態では、ユーザが選択可能な選択肢（図１６参照）に学習済み原子団の全部を含ませているが、選択肢が学習済み原子団の一部のみを含むようにしてもよい。
【0080】
機械学習の対象となる原子団（対象原子団）は、図８に示した原子団に限られず適宜変更可能である。たとえば、ｏ－トルイジン構造に代えて又は加えて、その異性体（ｍ－トルイジン構造、ｐ－トルイジン構造）を採用してもよい。また、安息香酸構造に代えて又は加えて、他の芳香族カルボン酸構造（フタル酸構造、イソフタル酸構造、テレフタル酸構造）を採用してもよい。上記実施の形態では、学習済みモデルＭ２に関する小原子団と大原子団との評価結果を対比するために、対象原子団（学習済み原子団）に小原子団を含ませているが、対象原子団（学習済み原子団）が大原子団のみを含むようにしてもよい。
【0081】
上記実施の形態では、ユーザが選択可能な選択肢（図１６参照）が、登録原子団に含まれる小原子団（図８に示した原子団Ｎｏ．１～Ｎｏ．７）と、学習済み原子団に含まれる大原子団（図８に示した原子団Ｎｏ．８～Ｎｏ．１９）とを含み、分析アプリケーション５１１は、選択された小原子団については解析ソフトウェア５１２により解析結果を取得し、選択された大原子団については学習済みモデルＭ２により解析結果を取得するように構成される。しかし、データ解析装置５００が解析ソフトウェア５１２を備えることは必須ではない。たとえば、図１４のＳ１６において、ユーザが、解析ソフトウェア５１２を用いず、目視でデータ解析を行なうようにしてもよい。あるいは、分析アプリケーション５１１が原子団の選択をユーザに要求したときにユーザが選択可能な選択肢を大原子団のみにしてもよい。そして、分析アプリケーション５１１が、選択された大原子団について学習済みモデルＭ２により解析結果を取得するように構成されてもよい。
【0082】
図１８は、図１６に示した画面の変形例を示す図である。図１８を参照して、この画面は、小原子団を選択するためのチェックボックスＣＢ２と、各チェックボックスＣＢ２の説明欄Ｍ２２２とが割愛されたこと以外は、図１６に示した画面と同じである。
【0083】
図１９は、図１４に示した処理の変形例を示す図である。図１９に示す処理では、図１４に示したＳ１２及びＳ１５～Ｓ１７が割愛されている。また、図１９に示す処理では、Ｓ１１において、図１６に示した画面に代えて図１８に示す画面が採用される。これにより、Ｓ１１においてユーザが選択可能な原子団の中に小原子団が含まれなくなる。Ｓ１１においては、常に大原子団（たとえば、図８に示した原子団Ｎｏ．８～Ｎｏ．１９）が選択される。図１９のＳ１３，Ｓ１４，Ｓ１８，Ｓ１９は、前述した図１４のＳ１３，Ｓ１４，Ｓ１８，Ｓ１９と同じである。図１９に示す処理では、解析ソフトウェア５１２による解析が行なわれない。よって、データ解析装置５００は解析ソフトウェア５１２を備えなくてもよい。
【0084】
機械学習の方法は、上記実施の形態で採用した方法に限られず任意である。また、学習済みモデルは、複数の分類器によって構成されてもよい。
【0085】
ＦＴ－ＩＲスペクトルを取得するフーリエ変換赤外分光光度計の構成は、図１に示した構成に限られず、適宜変更可能である。たとえば、図１に示した構成では、サンプルＭで反射された赤外干渉光が検出されるが、サンプルＭを透過した赤外干渉光が検出されるように、フーリエ変換赤外分光光度計の構成を変更してもよい。
【0086】
サーバ３００及びデータ解析装置５００がフーリエ変換赤外分光光度計に搭載されてもよい。また、制御装置２００が、サーバ３００及びデータ解析装置５００の機能を有してもよい。
【0087】
上記では、横軸に波数、縦軸に吸収度をとったＦＴ－ＩＲスペクトルを例示したが、ＦＴ－ＩＲスペクトルの横軸は波長であってもよい。また、ＦＴ－ＩＲスペクトルの縦軸は透過率であってもよい。
【0088】
［態様］
上述した複数の例示的な実施の形態及びその変形例は、以下の態様の具体例であることが当業者により理解される。
上述した複数の例示的な実施の形態及びその変形例は、以下の態様の具体例であることが当業者により理解される。
【0089】
（第１項）一態様に係るデータ解析装置は、ＦＴ－ＩＲスペクトルである解析対象を取得する取得部と、学習済みモデルと、解析対象を学習済みモデルへ入力する解析部とを備える。学習済みモデルは、ＦＴ－ＩＲスペクトルが入力されると、入力されたＦＴ－ＩＲスペクトルが学習済み原子団に由来するピークを含むか否かを示す情報を出力するように機械学習されている。学習済み原子団は、３原子以上の原子団を含む。
【0090】
第１項に記載のデータ解析装置は、上記の学習済みモデルを利用することにより、３原子以上の原子団についてＦＴ－ＩＲスペクトルの解析を高精度かつ容易に行なうことができる。本願発明者は、３原子以上の原子団について機械学習を行なうことで、学習済み原子団（３原子以上の原子団）に由来するピークをＦＴ－ＩＲスペクトル（当該学習済みモデルに入力される解析対象）が含むか否かを高い精度で解析可能な学習済みモデルを生成することに成功している（図８参照）。
【0091】
（第２項）第１項に記載のデータ解析装置において、学習済み原子団は複数の原子団を含んでもよい。学習済みモデルは、ＦＴ－ＩＲスペクトルと、学習済みモデルに含まれる１つの原子団を指定する情報とが入力されると、入力されたＦＴ－ＩＲスペクトルが、入力された情報が指定する原子団に由来するピークを含むか否かを示す情報を出力するように構成されてもよい。
【0092】
第２項に記載のデータ解析装置によれば、複数の原子団についてＦＴ－ＩＲスペクトルの解析を高精度かつ容易に行なうことが可能になる。
【0093】
（第３項）第１項又は第２項に記載のデータ解析装置は、学習済み原子団の少なくとも一部を含む選択肢の中から１以上の原子団を選ぶことをユーザに対して要求する要求部と、ユーザに対する報知を報知装置に行なわせる報知部とをさらに備えてもよい。解析部は、上記要求に対して選ばれた１以上の原子団の各々について、当該原子団由来のピークが解析対象に含まれるか否かを示す解析結果を取得するように構成されてもよい。報知部は、報知装置を通じてユーザに解析結果を報知するように構成されてもよい。
【0094】
第３項に記載のデータ解析装置によれば、ユーザが選んだ各原子団についてＦＴ－ＩＲスペクトルの解析を行なうことと、その解析結果をユーザに報知することとが可能になる。
【0095】
（第４項）第３項に記載のデータ解析装置は、ＦＴ－ＩＲスペクトルが与えられたときに、与えられたＦＴ－ＩＲスペクトルが所定の原子団（登録原子団）に由来するピークを含むか否かをルールベースで解析する解析ソフトウェアをさらに備えてもよい。上記の選択肢は、学習済み原子団に含まれる３原子以上の原子団と、登録原子団に含まれる３原子未満の原子団とを含んでもよい。解析部は、上記要求に対して選ばれた１以上の原子団の中に３原子以上の原子団が含まれる場合には、学習済みモデルにより、当該選ばれた３原子以上の原子団に関する解析結果を取得するように構成されてもよい。解析部は、上記要求に対して選ばれた１以上の原子団の中に３原子未満の原子団が含まれる場合には、解析ソフトウェアにより、当該選ばれた３原子未満の原子団に関する解析結果を取得するように構成されてもよい。
【0096】
第４項に記載のデータ解析装置は、学習済みモデルと解析ソフトウェアとにより、ＦＴ－ＩＲスペクトルの解析を行なう。学習済みモデルは、３原子以上の原子団についてのみ、ＦＴ－ＩＲスペクトルの解析を行なう。学習済みモデルは、３原子以上の原子団についてのみ学習されればよいため、学習負荷が軽減される。
【0097】
（第５項）第１項から第４項のいずれか１項に記載のデータ解析装置において、学習済み原子団は、炭素環を含む原子団と、複素環を含む原子団との少なくとも一方を含んでもよい。
【0098】
上記構成によれば、ＦＴ－ＩＲスペクトルを高精度で解析可能な学習済みモデルを、機械学習によって得られやすくなる。
【0099】
（第６項）第１項から第４項のいずれか１項に記載のデータ解析装置において、学習済み原子団は、ニトロ基、エステル基、アクリル酸構造、トルエン構造、チオフェン構造、ピリミジン構造、トルイジン構造、芳香族カルボン酸構造、ベンズアミド構造、サリチル酸構造、ベンズイミダゾール構造、及びベンズチアゾール構造からなる群より選択される１以上の原子団を含んでもよい。
【0100】
上記構成によれば、ＦＴ－ＩＲスペクトルを高精度で解析可能な学習済みモデルを、機械学習によって得られやすくなる。
【0101】
（第７項）一態様に係るデータ解析方法は、以下に説明する取得ステップ及び入力ステップを含む。
【0102】
取得ステップでは、分子構造が未知の化合物のＦＴ－ＩＲスペクトルを取得する。入力ステップでは、取得ステップにより取得されたＦＴ－ＩＲスペクトルと、３原子以上で構成される１つの原子団を指定する指定情報とを学習済みモデルへ入力する。学習済みモデルは、ＦＴ－ＩＲスペクトルと指定情報とが入力されると、入力されたＦＴ－ＩＲスペクトルが、入力された指定情報によって指定される３原子以上の原子団に由来するピークを含むか否かを示す情報を出力するように機械学習された数理モデルである。
【0103】
第７項に記載のデータ解析方法は、上記の学習済みモデルを利用することにより、３原子以上の原子団についてＦＴ－ＩＲスペクトルの解析を高精度かつ容易に行なうことができる。
【0104】
（第８項）一態様に係る学習済みモデルの生成方法は、以下に説明する分析ステップ、保存ステップ、及び学習ステップを含む。
【0105】
分析ステップでは、分子構造が既知の化合物をフーリエ変換赤外分光光度計により分析してＦＴ－ＩＲスペクトルを取得する。保存ステップでは、分析ステップにより取得されたＦＴ－ＩＲスペクトルと、分析ステップにおいて分析された化合物の原子団情報とを紐付けて保存する。学習ステップでは、保存ステップにより保存されたＦＴ－ＩＲスペクトル及び原子団情報を教師データとして、ＦＴ－ＩＲスペクトルに所定の原子団（対象原子団）に由来するピークが含まれるか否かを解析可能な学習済みモデルを生成するための機械学習を行なう。対象原子団は、３原子以上の原子団を含む。対象原子団を有する化合物の原子団情報は、当該化合物が有する対象原子団を示す。対象原子団を有しない化合物の原子団情報は、当該化合物が対象原子団を有しないことを示す。
【0106】
第８項に記載の学習済みモデルの生成方法によれば、機械学習のための学習用データを容易に取得することが可能になる。また、取得した学習用データで機械学習を行なうことにより、ＦＴ－ＩＲスペクトルを高精度で解析可能な学習済みモデルを生成することができる。
【0107】
（第９項）一態様に係るシステムは、第７項に記載のデータ解析方法又は第８項に記載の学習済みモデルの生成方法を実行する１以上のコンピュータを備えるシステムである。
【0108】
（第１０項）一態様に係るプログラムは、コンピュータに第７項に記載のデータ解析方法又は第８項に記載の学習済みモデルの生成方法を実行させるプログラムである。プログラムは、非一時的コンピュータ可読媒体に記憶されてもよい。
【0109】
今回開示された実施の形態は、全ての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施の形態の説明ではなくて請求の範囲によって示され、請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。
【符号の説明】
【0110】
１００ 分析装置、１１０ 干渉波生成部、１１１ 光源、１１２ 集光ミラー、１１３ コリメータミラー、１１４ ビームスプリッタ、１１５ 固定ミラー、１１６ 可動ミラー、１１７ ミラーアクチュエータ、１２０ 照射部、１２１，１２３ 集光ミラー、１２２ プリズム、１２４ 押圧機構、１３０ 検出器、２００ 制御装置、２０１，３０１，５０１ プロセッサ、２０２，３０２，５０２ ＲＡＭ、２０３，３０３，５０３ 記憶装置、２０４，３０４，５０４ 通信装置、２１０ 分析制御部、２２０ データ処理部、２３０ データ作成部、３００ サーバ、３１０ データ取得部、３２０ 学習実行部、４００ 化合物ＤＢ、４１０ ＦＴ－ＩＲスペクトルＤＢ、４２０ Ｏｐｅｎライブラリ、５００ データ解析装置、５１１ 分析アプリケーション、５１２ 解析ソフトウェア、５２０ データ取得部、６００ 記憶媒体、７１０ 入力装置、７２０ 報知装置、Ｍ１ 数理モデル、Ｍ２ 学習済みモデル。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】