CN116724319A - 酚醛清漆型酚醛树脂的搜索方法、信息处理装置以及非暂态计算机可读记录介质 - Google Patents

酚醛清漆型酚醛树脂的搜索方法、信息处理装置以及非暂态计算机可读记录介质 Download PDF

Info

Publication number
CN116724319A
CN116724319A CN202280010334.XA CN202280010334A CN116724319A CN 116724319 A CN116724319 A CN 116724319A CN 202280010334 A CN202280010334 A CN 202280010334A CN 116724319 A CN116724319 A CN 116724319A
Authority
CN
China
Prior art keywords
phenol resin
type phenol
performance data
novolak
novolac
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202280010334.XA
Other languages
English (en)
Inventor
今田知之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DIC Corp
Original Assignee
DIC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=82100060&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN116724319(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by DIC Corp filed Critical DIC Corp
Publication of CN116724319A publication Critical patent/CN116724319A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • C—CHEMISTRY; METALLURGY
    • C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
    • C08G—MACROMOLECULAR COMPOUNDS OBTAINED OTHERWISE THAN BY REACTIONS ONLY INVOLVING UNSATURATED CARBON-TO-CARBON BONDS
    • C08G8/00—Condensation polymers of aldehydes or ketones with phenols only
    • C08G8/04—Condensation polymers of aldehydes or ketones with phenols only of aldehydes
    • C08G8/08—Condensation polymers of aldehydes or ketones with phenols only of aldehydes of formaldehyde, e.g. of formaldehyde formed in situ
    • C08G8/10—Condensation polymers of aldehydes or ketones with phenols only of aldehydes of formaldehyde, e.g. of formaldehyde formed in situ with phenol
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/004—Photosensitive materials
    • G03F7/022—Quinonediazides
    • G03F7/023—Macromolecular quinonediazides; Macromolecular additives, e.g. binders
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/20—Exposure; Apparatus therefor
    • G03F7/22—Exposing sequentially with the same light pattern different positions of the same surface
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G06F8/35—Creation or generation of source code model driven
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/40—Searching chemical structures or physicochemical data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Polymers & Plastics (AREA)
  • Medicinal Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computational Linguistics (AREA)
  • Phenolic Resins Or Amino Resins (AREA)
  • Stored Programmes (AREA)

Abstract

本发明改善酚化合物的搜索技术。一种酚醛清漆型酚醛树脂的搜索方法，由信息处理装置执行，所述搜索方法包括以下步骤：使用酚醛清漆型酚醛树脂所涉及的实绩数据，来生成与多个目标变量分别对应的多个预测模型；以及通过使用所述多个预测模型的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂，其中，所述实绩数据包含酚醛清漆型酚醛树脂所涉及的聚合物组成、结构式、反应溶剂以及反应参数，所述目标变量包含显影性、耐热性以及分子量。

Description

酚醛清漆型酚醛树脂的搜索方法、信息处理装置以及非暂态 计算机可读记录介质
技术领域
本公开涉及酚醛清漆型酚醛树脂的搜索方法、信息处理装置以及非暂态计算机可读记录介质。本申请基于在2021年12月17日向日本申请的特愿2021-205590要求优先权，并将其内容纳入于此。
背景技术
以往，精细重布线利用了使用聚酰亚胺等绝缘性和耐热性高的树脂的抗蚀材料。作为响应市场的精细化要求的技术，存在以甲酚酚醛清漆等酚醛清漆型酚醛树脂为添加剂的技术，该用途的酚醛清漆型酚醛树脂要求耐热性(Tg)、显影性(ADR)等。但是，酚醛清漆型酚醛树脂的这些特性是相反的特性。因此，难以搜索平衡性良好地具有所需的特性的酚醛清漆型酚醛树脂。
另一方面，已知如下一种技术(例如专利文献1)：在对物质模型进行建模并通过机器学习进行了该物质模型的学习之后，使用学习后的物质模型来从目标物性信息中搜索新物质的结构。
现有技术文献
专利文献
专利文献1：日本专利第6832678号
发明内容
发明要解决的问题
专利文献1所记载的物质的搜索技术是以一般的物质模型为对象的搜索技术，而在现有技术中没有特别考虑到搜索用于半导体制造的甲酚酚醛清漆等酚醛清漆型酚醛树脂。
鉴于这样的情况而完成的本公开的目的在于改善酚醛清漆型酚醛树脂的搜索技术。
用于解决问题的方案
本公开的一个实施方式所涉及的物质搜索方法是由信息处理装置执行的酚醛清漆型酚醛树脂的搜索方法，所述搜索方法包括以下步骤：
使用酚醛清漆型酚醛树脂所涉及的实绩数据，来生成与多个目标变量分别对应的多个预测模型；以及
通过使用所述多个预测模型的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂，
其中，所述实绩数据包含酚醛清漆型酚醛树脂所涉及的聚合物组成、结构式、反应溶剂以及反应参数，
所述目标变量包含显影性、耐热性以及分子量。
另外，在本公开的一个实施方式所涉及的物质搜索方法中，
在生成所述多个预测模型的步骤中，基于所述实绩数据来计算特征量，将该特征量用作所述多个预测模型的解释变量。
另外，在本公开的一个实施方式所涉及的物质搜索方法中，
所述特征量包含分子指纹和描述符中的至少一方。
另外，在本公开的一个实施方式所涉及的物质搜索方法中，
所述特征量还包含溶剂的溶解度参数(SP值)所涉及的信息。
另外，在本公开的一个实施方式所涉及的物质搜索方法中，
所述实绩数据包含在规定用途中使用的酚醛清漆型酚醛树脂的实绩数据、以及在所述规定用途以外的用途中使用的酚醛清漆型酚醛树脂的实绩数据，
在生成所述多个预测模型的步骤中，在使用在所述规定用途以外的用途中使用的酚醛清漆型酚醛树脂的实绩数据来生成所述多个预测模型之后，使用在所述规定用途中使用的酚醛清漆型酚醛树脂的实绩数据来再次学习所述多个预测模型。
另外，在本公开的一个实施方式所涉及的物质搜索方法中，
所述规定用途为半导体制造用。
另外，本公开的一个实施方式所涉及的信息处理装置是具备控制部的、用于对酚醛清漆型酚醛树脂进行搜索的信息处理装置，
所述控制部使用酚醛清漆型酚醛树脂所涉及的实绩数据，来生成与多个目标变量分别对应的多个预测模型，
所述控制部通过使用所述多个预测模型的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂，
其中，所述实绩数据包含所述酚醛清漆型酚醛树脂所涉及的聚合物组成、反应溶剂以及反应参数，
所述目标变量包含显影性、耐热性以及分子量。
另外，本公开的一个实施方式所涉及的非暂态计算机可读记录介质是存储有指令的非暂态计算机可读记录介质，所述指令在被处理器执行时使处理器执行以下步骤：
使用酚醛清漆型酚醛树脂所涉及的实绩数据，来生成与多个目标变量分别对应的多个预测模型；以及
通过使用所述多个预测模型的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂，
其中，所述实绩数据包含酚醛清漆型酚醛树脂所涉及的聚合物组成、反应溶剂以及反应参数，
所述目标变量包含显影性、耐热性以及分子量。
发明的效果
根据本公开的一个实施方式所涉及的酚醛清漆型酚醛树脂的搜索方法、信息处理装置以及非暂态计算机可读记录介质，能够改善酚醛清漆型酚醛树脂的搜索技术。
附图说明
图1是示出本公开的一个实施方式的概要的图。
图2是示出本公开的一个实施方式所涉及的对酚醛清漆型酚醛树脂进行搜索的信息处理装置的概要结构的框图。
图3是示出本公开的一个实施方式所涉及的对酚醛清漆型酚醛树脂进行搜索的信息处理装置的学习处理的动作的流程图。
图4是示出本公开的一个实施方式所涉及的对酚醛清漆型酚醛树脂进行搜索的信息处理装置的搜索处理的动作的流程图。
图5是在合成例1中得到的酚醛清漆型酚醛树脂(A1)的GPC图。
图6是在合成例2中得到的酚醛清漆型酚醛树脂(A2)的GPC图。
图7是在合成例3中得到的酚醛清漆型酚醛树脂(A3)的GPC图。
图8是在合成例4中得到的酚醛清漆型酚醛树脂(A4)的GPC图。
图9是在合成例5中得到的酚醛清漆型酚醛树脂(A5)的GPC图。
图10是在比较合成例1中得到的酚醛清漆型酚醛树脂(B1)的GPC图。
具体实施方式
以下，参照附图来说明本公开的实施方式所涉及的物质搜索方法。
在各图中，对相同或相当的部分标注相同的附图标记。在本实施方式的说明中，针对相同或相当的部分，适当省略或简化说明。
参照图1和图2，来说明本实施方式所涉及的酚醛清漆型酚醛树脂的搜索方法的概要。
首先，说明本实施方式的概要。在本实施方式所涉及的物质搜索方法中，使用图1所示的实绩数据100。另外，本实施方式所涉及的物质搜索方法由图2所示的信息处理装置10执行。信息处理装置10使用酚醛清漆型酚醛树脂所涉及的实绩数据100，来生成与多个目标变量分别对应的多个预测模型400。
实绩数据100包含规定用途的实绩数据120和其它用途的实绩数据110。规定用途的实绩数据120例如是半导体制造用的酚醛清漆型酚醛树脂所涉及的实绩数据。即，例如实绩数据120包含用于g/i射线的光致抗蚀剂的酚醛清漆型酚醛树脂所涉及的实绩数据。其它用途的实绩数据110是在除规定用途以外的用途(在此为除半导体制造用以外的用途)中使用的酚醛清漆型酚醛树脂的实绩数据。规定用途的实绩数据120和其它用途的实绩数据110各自包含酚醛清漆型酚醛树脂所涉及的聚合物组成、结构式、反应溶剂、反应参数、第一物性～第N物性。
第一物性至第N物性相当于多个目标变量。N是正整数。信息处理装置10生成与N个目标变量分别对应的第一预测模型～第N预测模型。多个目标变量包含相反的特性。例如多个目标变量包含耐热性(Tg)、显影性(ADR)、分子量。
此外，耐热性的一例可以是玻璃化转变温度(Tg(℃))。另外，显影性可以是碱溶解速率(Alkali Dissolution Rate)或者成像出规定长度(例如5μm)的图案的最低曝光量(J/cm2)。例如在显影性为ADR的情况下，得到符合日本特开2021-152557号公报所记载的碱显影性的评价的信息。作为分子量，可以是从由数均分子量(Mn)、重均分子量(Mw)、峰顶分子量(Mtop)以及Z平均分子量(Mz)构成的组中选择的一者或二者以上。
首先，信息处理装置10根据其它用途的实绩数据110进行预测模型400的学习处理310。信息处理装置10根据其它用途的实绩数据110计算特征量210。信息处理装置10生成以该特征量210为解释变量并且以各物性为目标变量的多个预测模型400。具体而言，信息处理装置10生成以特征量210为解释变量并且以第一物性为目标变量的第一预测模型。另外，信息处理装置10生成以特征量210为解释变量并且以第二物性为目标变量的第二预测模型。这样，信息处理装置10生成以特征量210为解释变量并且以第N物性为目标变量的第N预测模型。
接着，信息处理装置10根据规定用途的实绩数据120进行预测模型400的再次学习处理320。首先，信息处理装置10根据规定用途的实绩数据120计算特征量220。信息处理装置10以该特征量220为解释变量并且以各物性为目标变量，来进行各预测模型的再次学习处理。具体而言，信息处理装置10以特征量220为解释变量并且以第一物性为目标变量，来进行第一预测模型的再次学习处理。另外，信息处理装置10以特征量220为解释变量并且以第二物性为目标变量，来进行第二预测模型的再次学习处理。另外，信息处理装置10以特征量220为解释变量并且以第N物性为目标变量，来进行第N预测模型的再次学习处理。信息处理装置10通过使用像这样进行了学习后的第一预测模型～第N预测模型的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂。
这样，根据本实施方式，基于酚醛清漆型酚醛树脂所涉及的实绩数据来生成多个预测模型。然后，通过使用这些多个预测模型的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂。因此，在能够搜索具有期望的特性平衡的酚醛清漆型酚醛树脂这一方面，搜索技术得到改善。
(信息处理装置的结构)
接着，对信息处理装置10的各结构详细地进行说明。信息处理装置10是由用户使用的任意装置。例如，能够采用个人计算机、服务器计算机、通用的电子设备或者专用的电子设备来作为信息处理装置10。
如图2所示，信息处理装置10具备控制部11、存储部12、输入部13以及输出部14。
控制部11包括至少一个处理器、至少一个专用电路、或者它们的组合。处理器是CPU(central processing unit：中央处理单元)或者GPU(graphics processing unit：图形处理单元)等通用处理器、或者专用于特定处理的专用处理器。专用电路例如是FPGA(field-programmable gate array：现场可编程门阵列)或者ASIC(application specificintegrated circuit：专用集成电路)。控制部11一边控制信息处理装置10的各部一边执行与信息处理装置10的动作有关的处理。
存储部12包括至少一个半导体存储器、至少一个磁存储器、至少一个光存储器、或者它们中的至少两种的组合。半导体存储器例如是RAM(random access memory：随机存取存储器)或者ROM(read only memory：只读存储器)。RAM例如是SRAM(static randomaccess memory：静态随机存取存储器)或者DRAM(dynamic random access memory：动态随机存取存储器)。ROM例如是EEPROM(electrically erasable programmable read onlymemory：电可擦可编程只读存储器)。存储部12例如作为主存储装置、辅助存储装置或者缓冲存储器发挥功能。在存储部12中存储用于信息处理装置10的动作的数据、以及通过信息处理装置10的动作所得到的数据。
输入部13包括至少一个输入用接口。输入用接口例如是物理键、静电电容键、指示设备、与显示器一体地设置的触摸屏。另外，输入用接口例如也可以是用于受理声音输入的麦克风或者用于受理手势输入的摄像机等。输入部13受理输入用于信息处理装置10的动作的数据的操作。输入部13也可以作为外部的输入设备而与信息处理装置10连接，来取代输入部13配置于信息处理装置10内。作为连接方式，例如能够使用USB(Universal SerialBus：通用串行总线)、HDMI(注册商标)(High-Definition Multimedia Interface：高清晰度多媒体接口)或者Bluetooth(注册商标)等任意方式。
输出部14包括至少一个输出用接口。输出用接口例如是用影像输出信息的显示器等。显示器例如是LCD(liquid crystal display：液晶显示器)或者有机EL(electroluminescence：电致发光)显示器。输出部14将通过信息处理装置10的动作所得到的数据进行显示输出。输出部14也可以作为外部的输出设备而与信息处理装置10连接，来取代输出部14配置于信息处理装置10内。作为连接方式，例如能够使用USB、HDMI(注册商标)或者Bluetooth(注册商标)等任意方式。
通过由与信息处理装置10相当的处理器执行本实施方式所涉及的程序来实现信息处理装置10的功能。即，通过软件来实现信息处理装置10的功能。程序通过使计算机执行信息处理装置10的动作来使计算机作为信息处理装置10发挥功能。即，计算机通过按照程序执行信息处理装置10的动作，来作为信息处理装置10发挥功能。
在本实施方式中，程序能够事先记录到计算机可读记录介质中。计算机可读记录介质包括非暂态计算机可读介质，例如是磁记录装置、光盘、光磁记录介质或者半导体存储器。例如通过销售、转让或出借记录有程序的DVD(digital versatile disc：数字通用光盘)或者CD-ROM(compact disc read only memory：只读光盘存储器)等可移动型记录介质来进行程序的流通。另外，也可以通过将程序事先保存于外部服务器的储存器并从外部服务器向其它计算机发送程序，来进行程序的流通。另外，程序也可以作为程序产品而被提供。
也可以通过与控制部11相当的专用电路来实现信息处理装置10的一部分或全部功能。即，也可以通过硬件来实现信息处理装置10的一部分或全部功能。
在本实施方式中，存储部12存储实绩数据100、特征量210、220以及预测模型400。基于实绩数据100中的聚合物组成、结构式、反应溶剂以及反应参数来计算特征量210、220。
特征量210也可以包含表示酚醛清漆型酚醛树脂的特征的任意数据。例如，特征量210也可以包含分子指纹和描述符中的至少一方。另外，特征量210也可以包含表示溶剂的特征的任意数据。例如，特征量210也可以包含反应溶剂的SP值所涉及的信息。反应溶剂的SP值所涉及的信息也可以包含例如反应溶剂的SP值、最终溶剂的SP值、SP值的相互作用项中的至少任一者。
特征量220也可以包含表示酚醛清漆型酚醛树脂的特征的任意数据。例如，特征量220也可以包含分子指纹和描述符中的至少一方。另外，特征量220也可以包含表示溶剂的特征的任意数据。例如，特征量220也可以包含反应溶剂的SP值所涉及的信息。反应溶剂的SP值所涉及的信息也可以包含例如反应溶剂的SP值、最终溶剂的SP值、SP值的相互作用项中的至少任一者。
此外，实绩数据100、特征量210、220以及预测模型400也可以被存储于与信息处理装置10分开的外部装置。在该情况下，信息处理装置10也可以具备外部通信用接口。通信用接口也可以是有线通信和无线通信中的任一者的接口。在有线通信的情况下，通信用接口例如是LAN接口、USB。在无线通信的情况下，通信用接口例如是支持LTE、4G或者5G等移动通信标准的接口、支持Bluetooth(注册商标)等近距离无线通信的接口。通信用接口能够接收用于信息处理装置10的动作的数据，另外能够发送通过信息处理装置10的动作所得到的数据。
(信息处理装置的动作)
参照图3和图4来说明本实施方式所涉及的信息处理装置10的动作。图3是示出本实施方式所涉及的信息处理装置10所执行的学习处理和再次学习处理的一例的流程图。图4是示出本实施方式所涉及的信息处理装置10所执行的搜索处理的流程图。首先，参照图3，示出信息处理装置10所执行的学习处理和再次学习处理的一例。
步骤S101：信息处理装置10的控制部11获取在其它用途中使用的酚醛清漆型酚醛树脂的实绩数据110。实绩数据110的获取能够采用任意方法。例如，控制部11可以通过利用输入部13受理来自用户的实绩数据的输入，来获取实绩数据110。另外，例如，控制部11也可以从存储有实绩数据110的外部装置经由通信用接口获取该实绩数据110。
步骤S102：控制部11基于所输入的实绩数据110来计算特征量210。具体而言，控制部11基于实绩数据110中包含的聚合物组成、结构式、反应溶剂以及反应参数来计算特征量210。控制部11也可以适当参照数据库等，以计算特征量210。在该情况下，所述数据库可以存储于存储部12。
步骤S103：控制部11生成以所计算出的特征量210为解释变量并且以各物性为目标变量的多个预测模型400(第一预测模型～第N预测模型)。预测模型例如是支持向量机、线性模型、非线性模型等预测模型，但并不限于此。例如，预测模型400也可以是基于由输入层、隐藏层以及输出层构成的多层感知器而生成的模型。或者，预测模型400也可以是基于卷积神经网络(CNN)、循环神经网络(RNN)、其它深度学习等机器学习算法而生成的模型。
步骤S104：控制部11获取在本用途中使用的酚醛清漆型酚醛树脂的实绩数据120。实绩数据120的获取能够采用任意方法。例如，控制部11可以通过利用输入部13受理来自用户的实绩数据的输入，来获取实绩数据120。另外，例如，控制部11也可以从存储有实绩数据120的外部装置经由通信用接口获取该实绩数据120。此外，该实绩数据120也可以少于实绩数据110。
步骤S105：控制部11基于所输入的实绩数据120来计算特征量220。具体而言，控制部11基于实绩数据120中包含的聚合物组成、结构式、反应溶剂以及反应参数来计算特征量220。控制部11也可以适当参照数据库等，以计算特征量210。在该情况下，所述数据库可以存储于存储部12。
步骤S106：控制部11以所计算出的特征量220为解释变量并且以各物性为目标变量，来进行在步骤S103中生成的多个预测模型400(第一预测模型～第N预测模型)的再次学习。像这样，构建本实施方式所涉及的预测模型400。此外，为了将在步骤S103中生成的多个预测模型400与在步骤S104中生成的多个预测模型400加以区别，在本实施方式中将它们分别称为“通用预测模型”和“本预测模型”。
此外，也可以基于已知数据来对通过上述的处理构建的预测模型400进行精度验证。也可以在验证的结果是精度处于实用范围内的情况下，使用该预测模型400进行酚醛清漆型酚醛树脂的搜索处理。
接着，参照图4，示出信息处理装置10所执行的酚醛清漆型酚醛树脂的搜索处理的一例。作为概要，信息处理装置10通过使用多个预测模型400的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂。
步骤S201：信息处理装置10的控制部11获取期望的酚醛清漆型酚醛树脂所涉及的物性(以下称为目标特性)，并将该物性输入到各预测模型400(第一预测模型～第N预测模型)。例如，控制部11通过利用输入部13受理来自用户的目标特性的输入，来获取目标特性。
步骤S202：控制部11通过各预测模型400来对得到在步骤S201中获取到的目标特性的酚醛清漆型酚醛树脂的特征量进行预测。
步骤S203：控制部11对在步骤S202中得到的预测结果执行优化处理，并通过输出部14输出搜索结果。例如，控制部11通过输出部14输出具有期望的物性平衡的酚醛清漆型酚醛树脂所涉及的组成和合成方法，来作为搜索结果。或者，控制部11也可以通过输出部14输出具有期望的物性平衡的至少一个酚醛清漆型酚醛树脂所涉及的特征量，来作为搜索结果。
在此，能够通过优化处理、以及梯度下降法、贝叶斯优化或高斯过程优化、利用该机构的GPyOpt、Optuna、HyperOpt等Python库、遗传算法，来实施评价函数的最大化或最小化，但并不限定于这些方法，能够选择一个或多个适于要进行优化的对象的方法。
这样，根据本实施方式，基于酚醛清漆型酚醛树脂所涉及的实绩数据100来生成多个预测模型400。然后，能够通过使用这些多个预测模型400的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂。例如，能够容易地搜索具有期望的耐热性和期望的显影性的酚醛清漆型酚醛树脂。
此外，还考虑不使用本实施方式的搜索方法而基于负责人的经验和直觉来搜索酚醛清漆型酚醛树脂的方法。在该情况下，进行已知的酚醛清漆型酚醛树脂、未知的酚醛清漆型酚醛树脂所涉及的预备实验，并对实验结果进行最小二乘法回归计算，并基于负责人的经验和直觉来进行给定的条件、物性的相关掌握。而且，在掌握了该相关之后，实施搜索候选所涉及的若干个酚醛清漆型酚醛树脂的合成实验。再对该实验的结果进行最小二乘法回归计算。还能够通过重复进行这些处理来搜索期望的酚醛清漆型酚醛树脂。然而，所述方法依赖于负责人的经验和直觉，另外，预备实验和实验需要庞大的工时，一般而言，为了实施一个最优组成搜索，需要数个月左右的时间。另一方面，根据本实施方式，能够在信息处理装置10内基于学习后的预测模型400，来并行地搜索期望的酚醛清漆型酚醛树脂，另外能够以短时间进行搜索。由此，能够大幅削减开发工时。
另外，在本实施方式中，实绩数据100包含其它用途的实绩数据110和规定用途的实绩数据120，根据这些实绩数据分别进行预测模型400的学习处理和再次学习处理。这样，在学习处理中，将训练数据设为比本用途更广的范围，因此能够防止因外插引起的精度降低。另外，在再次学习处理中，将训练数据限定为本用途。通过像这样，能够在规定用途的酚醛清漆型酚醛树脂的搜索中生成高精度的预测模型。此外，在本实施方式中分别进行了学习处理和再次学习处理，但只要精度处于实用范围内，就可以仅进行学习处理而不进行再次学习处理。此外，在该学习处理中，也可以使用规定用途的实绩数据和其它用途的实绩数据中的至少任一方。通过像这样，能够以更短的时间进行预测模型的生成。
另外，在本实施方式中，特征量也可以包含分子指纹和描述符中的至少一方。分子指纹或描述符能够示出酚醛清漆型酚醛树脂的特征，因此，通过将该特征量用作解释变量，能够提高预测模型400的精度。
另外，在本实施方式中，特征量也可以包含反应溶剂的SP值所涉及的信息。反应溶剂的SP值所涉及的信息能够示出合成反应中的溶剂的特征，因此，通过将该特征量用作解释变量，能够提高预测模型400的精度。
此外，本说明书中的SP值((J/cm3)1/2)用(内聚能密度(所谓的蒸发能量))的平方根表示，可以根据物性值来进行计算，或者也可以根据分子结构进行计算。作为本实施方式中能够使用的SP值的例子，可举出根据Hildebrand的SP值(通过Hildebrand定则计算)、或者蒸发潜热、表面张力或溶解度的值、折射率的值等物性值进行计算的方法、Hansen的HSP(通过Hansen的计算方法计算)或Small的计算方法、Rheineck和Lin的计算方法、Krevelen和Hoftyzer的计算方法、Fedors的计算方法或Hoy的计算方法等根据分子结构进行计算的方法。
关于本实施方式中的溶剂(包含反应溶剂和最终溶剂)的SP值，能够将上述各方法中计算出的一个或两个以上的SP值一并使用。另外，在使用混合了两种以上的溶剂的混合溶剂的情况下，关于对SP值的相互作用项的计算，例如，通过在利用上述方法计算出各溶剂的SP值之后选择作为基准的一个基准溶剂并分别计算其它溶剂与上述基准溶剂的差来求出。并且，在计算酚醛清漆型酚醛树脂或其原料成分与溶剂的SP值的相互作用项的情况下，通过在利用上述方法计算出各自的SP值之后从树脂、原料成分或溶剂中选择作为基准的一个基准物质并分别计算所述基准物质与各成分的差来求出。
本实施方式中的酚醛清漆型酚醛树脂是通过具有酚性羟基的芳香族化合物与具有醛基的化合物的缩合而生成的树脂。因而，所述酚醛清漆型酚醛树脂具有从具有酚性羟基的芳香族化合物衍生的一种或两种以上的结构单元(A1)和从含醛基化合物衍生的一种或两种以上的结构单元(A2)。本实施方式的优选的酚醛清漆型酚醛树脂包括用以下的一般式(1)表示的结构单元来作为主成分。
[化1]
(在上述一般式(1)中，R1分别独立地表示氨基、氰基或碳原子数1～10的烷基，其中，所述碳原子数1～10的烷基中的-CH2-只要不彼此邻接就可以被-O-、-CO-或-S-取代，R2分别独立地表示氢原子、碳原子数1～10的烷基、或者未取代或可以被碳原子数1～6的烷基取代的苯基，其中，所述碳原子数1～6的烷基中的-CH2-只要不彼此邻接就可以被-O-、-CO-或-S-取代，p表示0以上且3以下的整数，m表示重复单元数，优选为5～150，n表示重复单元数，优选为5～150。)
此外，在上述一般式(1)中，存在的多个R1可以分别相同，或者也可以分别不同。同样地，存在的多个R2可以分别相同，或者也可以分别不同。另外，“主成分”是指相对于酚醛清漆型酚醛树脂整体(100质量％)含有51质量％以上，优选含有73质量％以上，更优选含有87质量％以上，进一步优选含有93质量％以上。
在具有用上述一般式(1)表示的结构单元的酚醛清漆型酚醛树脂中，关于从具有酚性羟基的芳香族化合物衍生的结构单元(A1)(以下也称为从具有酚性羟基的芳香族化合物衍生的具有重复单元数m的结构单元(A1)。)与从含醛基化合物衍生的结构单元(A2)(以下也称为从含醛基化合物衍生的具有重复单元数n的结构单元(A2)。)的组成比，优选的是，相对于所述结构单元(A1)100质量份，所述结构单元(A2)含有80～150质量份。
本实施方式的更优选的酚醛清漆型酚醛树脂包括用以下的一般式(2)表示的结构单元来作为主成分。
[化2]
(在上述一般式(2)中，R3分别独立地表示氢原子、碳原子数1～10的烷基、或者未取代或可以被碳原子数1～6的烷基取代的苯基，其中，所述碳原子数1～6的烷基中的-CH2-只要不彼此邻接就可以被-O-、-CO-或-S-取代，I表示重复单元数，优选为10～100。R1、R2、p、m及n与上述一般式(1)相同含义。此外，R2与R3是互不相同的基团。)
此外，在上述一般式(2)中，存在的多个R1可以分别相同，或者也可以分别不同。同样地，存在的多个R2可以分别相同，或者也可以分别不同。并且，存在的多个R3可以分别相同，或者也可以分别不同。
具有用上述一般式(1)表示的结构单元的酚醛清漆型酚醛树脂表示具有从至少一种具有酚性羟基的芳香族化合物衍生的结构单元(A1)和从至少一种含醛基化合物衍生的结构单元(A2)的共聚物。另一方面，具有用上述一般式(2)表示的结构单元的酚醛清漆型酚醛树脂是具有用上述一般式(1)表示的结构单元的酚醛清漆型酚醛树脂的优选方式的一例，表示具有从一种具有酚性羟基的芳香族化合物衍生的结构单元(A1)、以及从两种含醛基化合物衍生的结构单元(A2-1)和(A2-2)的三元以上的多元共聚物。
在具有用上述一般式(2)表示的结构单元的酚醛清漆型酚醛树脂中，关于从具有酚性羟基的芳香族化合物衍生的具有重复单元数m的结构单元(A1)、从含醛基化合物衍生的具有重复单元数n的结构单元(A2-1)、以及从含醛基化合物衍生的具有重复单元数l的结构单元(A2-2)之间的各组成比，优选的是，相对于所述结构单元(A1)100质量份，所述结构单元(A2-1)含有10～90质量份。而且，优选的是，相对于所述结构单元(A1)100质量份，所述结构单元(A2-2)含有10～90质量份。此时，优选的是，相对于(A1)100质量份，(A2-1)和(A2-2)合计含有30～150质量份。
此外，本实施方式中的酚醛清漆型酚醛树脂也可以是无规聚合物、嵌段聚合物以及交替聚合物中的任一者。
实施例
(学习处理和再次学习处理)
以下示出本实施方式的酚醛清漆型酚醛树脂的学习处理和再次学习处理的具体例。首先，将酚醛清漆型酚醛树脂所涉及的其它用途的实绩数据110和本用途的实绩数据120存储于存储部12。如上所述，其它用途的实绩数据110和本用途的实绩数据120包含酚醛清漆型酚醛树脂所涉及的聚合物组成、结构式、反应溶剂、反应参数、第一物性～第N物性(目标变量)。
本实施例所涉及的其它用途的实绩数据110和本用途的实绩数据120中包含的酚醛清漆型酚醛树脂所涉及的结构式是：苯酚、邻甲酚、对甲酚、间甲酚、2，3-二甲酚、2，5-二甲酚、3，4-二甲醇、3，5-二甲酚、2，3，5-三甲基苯酚、3，4，5-三甲基苯酚等结构单元(A1)的结构；作为醛类的福尔马林、多聚甲醛、乙醛、氯乙醛、苯甲醛等不含羟基的结构单元(A2-1)的结构；水杨醛、4-羟基苯甲醛、3-羟基苯甲醛等含有羟基的结构单元(A2-2)的结构式。该结构式用SMILES字符串表述。基于该数据，计算分子指纹来作为特征量。分子指纹的计算使用ECFP2指纹。由此，结构单元(A1)、(A2-1)以及(A2-2)表现为向量的集合。另外，上述结构单元各自的质量份作为本实施例所涉及的聚合物组成被存储于存储部12。
另外，本实施例所涉及的其它用途的实绩数据110和本用途的实绩数据120中包含的反应溶剂是催化剂种类的数据。本实施例所涉及的其它用途的实绩数据110和本用途的实绩数据120中包含的反应参数是说明反应规模、升温速度、反应温度、催化剂去除工艺等反应过程的数据。在此，在本实施例中，本用途的实绩数据120所涉及的特征量包含反应溶剂的SP值与最终溶剂的SP值之比(反应溶剂SP/最终溶剂SP)。
本实施例所涉及的其它用途的实绩数据110中包含的第一物性～第N物性(目标变量)是过去在其它用途中具有生成实绩的酚醛清漆型酚醛树脂的耐热性(基于DSC测定的Tg)、重均分子量(Mw)。
另外，本实施例所涉及的本用途的实绩数据120中包含的第一物性～第N物性(目标变量)是过去在本用途中具有生成实绩的酚醛清漆型酚醛树脂的耐热性(基于DSC测定的Tg)、重均分子量(Mw)。
接着，使用上述的其它用途的实绩数据110来创建本实施例所涉及的通用预测模型。表示针对本实施例所涉及的通用预测模型的预测与实测的一致性的判定系数(R＾2值)示出0.60～0.70。
接着，使用本用途的实绩数据120来再次学习本实施例所涉及的通用预测模型，生成了本实施例所涉及的本预测模型。表示针对本实施例所涉及的本预测模型的预测与实测的一致性的判定系数(R＾2值)示出0.75～0.95。
(搜索处理)
以下的实施例1～5是使用本实施例所涉及的本预测模型来搜索具有作为目标的目标特性的结果(配方候选)的具体例。另外，比较例1是使用本实施例所涉及的通用预测模型来搜索具有作为目标的目标特性的结果(配方候选)的具体例。在此，作为优化处理，使用贝叶斯优化，对通过贝叶斯优化得到的搜索候选的周边进行网格搜索。
(实施例1)
使用本实施例所涉及的本预测模型，选择反应原料：间甲酚、苯甲醛以及水杨醛、酸性催化剂：对甲苯磺酸、反应溶剂：乙醇、最终溶剂：γ-丁内酯，以耐热性(基于DSC测定的Tg150℃以上)、重均分子量(Mw)3000为目标，来搜索了候选配方。在合成例1中示出基于该候选配方的合成方法。
(实施例2)
除了将实施例1的目标变更为重均分子量(Mw)2300以外进行同样的操作，来搜索了候选配方。在合成例2中示出基于该候选配方的合成方法。
(实施例3)
除了将实施例1的目标变更为重均分子量(Mw)2800以外进行同样的操作，来搜索了候选配方。在合成例3中示出基于该候选配方的合成方法。
(实施例4)
除了将实施例1的目标变更为重均分子量(Mw)3000以外进行同样的操作，来搜索了候选配方。在合成例4中示出基于该候选配方的合成方法。
(实施例5)
除了将实施例1的反应溶剂设为的乙醇250g、1？丙醇30g、2？丙醇15g、并且将目标变更为重均分子量(Mw)3100以外进行同样的操作，来搜索了候选配方。在合成例5中示出基于该候选配方的合成方法。
(比较例1)
使用本实施例所涉及的通用预测模型，设为间甲酚、苯甲醛、水杨醛、对甲苯磺酸、反应溶剂乙醇，以耐热性(基于DSC测定的Tg150℃以上)、重均分子量(Mw)3000为目标，来搜索了候选配方。在比较合成例1中示出基于该候选配方的合成方法。
(合成例1：酚醛清漆型酚醛树脂(A1)的合成)
向设置有冷却管的2000ml的4口烧瓶中投入m？甲酚164g(1.52mol)、苯甲醛103g(0.97mol)、水杨醛74g(0.61mol)以及对甲苯磺酸8g，在300g的乙醇中使它们作为反应溶剂溶解，之后用有罩加热器在80℃回流下搅拌反应16小时。在反应后，添加乙酸乙酯和水来进行5次分液清洗。通过减压蒸馏从残留的树脂溶液中去除溶剂后，进行真空干燥，得到了淡红色粉末的酚醛清漆型酚醛树脂粉末(A？1)281g。酚醛清漆型酚醛树脂(A1)的GPC为重均分子量(Mw)＝3100。在图5中示出酚醛清漆型酚醛树脂(A1)的GPC图。
(合成例2：酚醛清漆型酚醛树脂(A2)的合成)
通过除了将反应原料的投入量变更为间甲酚164g(1.52mol)、苯甲醛96g(0.90mol)以及水杨醛74g(0.6mol)以外其余与合成例1相同的方法得到了酚醛清漆型酚醛树脂粉末(A2)280g。酚醛清漆型酚醛树脂(A2)的GPC为重均分子量(Mw)＝2250。在图6中示出酚醛清漆型酚醛树脂(A2)的GPC图。
(合成例3：酚醛清漆型酚醛树脂(A3)的合成)
通过除了将反应原料的投入量变更为m？甲酚164g(1.52mol)、苯甲醛117g(1.10mol)、水杨醛58g(0.47mol)以外其余与合成例1相同的方法得到了酚醛清漆型酚醛树脂粉末(A3)279g。酚醛清漆型酚醛树脂(A3)的GPC为重均分子量(Mw)＝2700。在图7中示出酚醛清漆型酚醛树脂(A3)的GPC图。
(合成例4：酚醛清漆型酚醛树脂(A4)的合成)
通过除了将反应原料的投入量变更为m？甲酚164g(1.52mol)、苯甲醛67g(0.63mol)、水杨醛115g(0.94mol)以外其余与合成例1相同的方法得到了酚醛清漆型酚醛树脂粉末(A4)282g。酚醛清漆型酚醛树脂(A4)的GPC为重均分子量(Mw)＝2900。在图8中示出酚醛清漆型酚醛树脂(A4)的GPC图。
(合成例5：酚醛清漆型酚醛树脂(A5)的合成)
通过除了将反应溶剂变更为乙醇250g、1？丙醇30g、2？丙醇15g以外其余与合成例1相同的方法得到了酚醛清漆型酚醛树脂粉末(A5)274g。酚醛清漆型酚醛树脂(A5)的GPC为重均分子量(Mw)＝3200。在图9中示出酚醛清漆型酚醛树脂(A5)的GPC图。
(比较合成例1：酚醛清漆型酚醛树脂(B1)的合成)
通过除了将反应原料和酸性催化剂的投入量设为m？甲酚164g(1.52mol)、苯甲醛120g(1.13mol)、水杨醛58g(0.47mol)、对甲苯磺酸5g以外其余与合成例1相同的方法得到了酚醛清漆型酚醛树脂粉末(B1)291g。酚醛清漆型酚醛树脂(B1)的GPC为重均分子量(Mw)＝3450。在图10中示出酚醛清漆型酚醛树脂(B1)的GPC图。
各种测定条件和评价方法如下所述。在表1中示出根据实施例1～5和比较例1搜索到的配方候选的验证结果。
(GPC测定条件)
测定装置：东曹株式会社制造“HLC-8220GPC”、
柱：昭和电工株式会社制造“Shodex KF802”(8.0mmФ×300mm)+昭和电工株式会社制造“Shodex KF802”(8.0mmФ×300mm)+昭和电工株式会社制造“Shodex KF803”(8.0mmФ×300mm)+昭和电工株式会社制造“Shodex KF804”(8.0mmФ×300mm)
柱温度：40℃
检测器：RI(差示折光计)
数据处理：东曹株式会社制造“GPC-8020Model II Version4.30”
展开溶剂：四氢呋喃
流速：1.0mL/分钟
试样：将以树脂固体成分换算计0.5质量％的四氢呋喃溶液用微滤器过滤而得到的物质
注入量：0.1mL
标准试样：下述单分散聚苯乙烯
(标准试样：单分散聚苯乙烯)
东曹株式会社制造“A-500”
东曹株式会社制造“A-2500”
东曹株式会社制造“A-5000”
东曹株式会社制造“F-1”
东曹株式会社制造“F-2”
东曹株式会社制造“F-4”
东曹株式会社制造“F-10”
东曹株式会社制造“F-20”
(试验用组合物的制备)
在将合成例1～5、比较合成例1中得到的4质量份的酚醛清漆型酚醛树脂溶解于6质量份的γ-丁内酯之后，用0.5μm的膜滤器过滤，从而得到了作为树脂溶液的试验用组合物。
(ADR的测定)
在使用旋涂机将试验用组合物分别涂布于直径为5英寸的硅晶片上使得其厚度为约1μm之后，在110℃下干燥60秒，从而得到了具有涂膜的晶片。将所得到的晶片在显影液(2.38％四甲基氢氧化铵水溶液)中浸渍60秒，之后在110℃的热板上干燥60秒。测定各样本在显影液浸渍前后的膜厚，将使其差除以60所得到的值设为碱显影性
(耐热性评价)
使用旋涂机将先前得到的试验用组合物涂布于直径为5英寸的硅晶片上使得其厚度为约1μm，并在110℃的热板上干燥60秒。从所得到的晶片上刮取树脂成分，测定其玻璃化转变温度(Tg)。使用差示扫描热量计(DSC)(TA Instruments公司制造的“Q100”)在氮气气氛下在温度范围为-100℃～250°C、升温温度为10℃/分钟的条件下进行玻璃化转变温度(Tg)的测定。
(评价基准和评价)
在合成例1～5、比较合成例1中得到的酚醛清漆型酚醛树脂的评价基准及评价如下。
评价基准：基于DSC测定的Tg超过作为目标值的150℃；以及分子量、ADR分别处于作为目标值的-10％～10％的范围内。
评价：上述3项的评价基准全部满足：A；有1项的评价基准不满足：B；有2项以上的评价基准不满足：C。
[表1]
如表1所示，在实施例1～5的情况下，满足了全部的评价标准。即，通过使用本实施例所涉及的本预测模型进行搜索处理，能够搜索与使用本实施例所涉及的通用预测模型相比精度更高、且具有期望的特性的酚醛清漆型酚醛树脂。
已基于各附图和实施例说明了本公开，但要注意的是，对于本领域技术人员而言容易基于本公开进行各种变形和修改。因而，要留意的是，这些变形和修改包括在本公开的范围内。例如，能够以逻辑上不矛盾的方式重新配置各单元或各步骤等所包含的功能等，能够将多个单元或步骤等组合为一个或者进行分割。
附图标记说明
10：信息处理装置；11：控制部；12：存储部；13：输入部；14：输出部；100：实绩数据；110：其它用途的实绩数据；120：规定用途的实绩数据；210、220：特征量；310：学习处理；320：再次学习处理；400：预测模型。

Claims (8)

1.一种酚醛清漆型酚醛树脂的搜索方法，由信息处理装置执行，所述搜索方法包括以下步骤：
使用酚醛清漆型酚醛树脂所涉及的实绩数据，来生成与多个目标变量分别对应的多个预测模型；以及
通过使用所述多个预测模型的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂，
其中，所述实绩数据包含酚醛清漆型酚醛树脂所涉及的聚合物组成、结构式、反应溶剂以及反应参数，
所述目标变量包含显影性、耐热性以及分子量。
2.根据权利要求1所述的酚醛清漆型酚醛树脂的搜索方法，其中，
在生成所述多个预测模型的步骤中，基于所述实绩数据来计算特征量，将该特征量用作所述多个预测模型的解释变量。
3.根据权利要求2所述的酚醛清漆型酚醛树脂的搜索方法，其中，
所述特征量包含分子指纹和描述符中的至少一方。
4.根据权利要求3所述的酚醛清漆型酚醛树脂的搜索方法，其中，
所述特征量还包含溶剂的溶解度参数所涉及的信息。
5.根据权利要求1～4中的任一项所述的酚醛清漆型酚醛树脂的搜索方法，其中，
所述实绩数据包含在规定用途中使用的酚醛清漆型酚醛树脂的实绩数据、以及在所述规定用途以外的用途中使用的酚醛清漆型酚醛树脂的实绩数据，
在生成所述多个预测模型的步骤中，在使用在所述规定用途以外的用途中使用的酚醛清漆型酚醛树脂的实绩数据来生成所述多个预测模型之后，使用在所述规定用途中使用的酚醛清漆型酚醛树脂的实绩数据来再次学习所述多个预测模型。
6.根据权利要求5所述的酚醛清漆型酚醛树脂的搜索方法，其中，
所述规定用途为半导体制造用。
7.一种信息处理装置，具备控制部，用于对酚醛清漆型酚醛树脂进行搜索，
所述控制部使用酚醛清漆型酚醛树脂所涉及的实绩数据，来生成与多个目标变量分别对应的多个预测模型，
所述控制部通过使用所述多个预测模型的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂，
其中，所述实绩数据包含所述酚醛清漆型酚醛树脂所涉及的聚合物组成、反应溶剂以及反应参数，
所述目标变量包含显影性、耐热性以及分子量。
8.一种非暂态计算机可读记录介质，存储有指令，所述指令在被处理器执行时使处理器执行以下步骤：
使用酚醛清漆型酚醛树脂所涉及的实绩数据，来生成与多个目标变量分别对应的多个预测模型；以及
通过使用所述多个预测模型的逆解析，来搜索具有期望的物性平衡的酚醛清漆型酚醛树脂，
其中，所述实绩数据包含酚醛清漆型酚醛树脂所涉及的聚合物组成、反应溶剂以及反应参数，
所述目标变量包含显影性、耐热性以及分子量。
CN202280010334.XA 2021-12-17 2022-12-08 酚醛清漆型酚醛树脂的搜索方法、信息处理装置以及非暂态计算机可读记录介质 Pending CN116724319A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021205590A JP7088399B1 (ja) 2021-12-17 2021-12-17 ノボラック型フェノール樹脂の探索方法、情報処理装置、及びプログラム
JP2021-205590 2021-12-17
PCT/JP2022/045372 WO2023112837A1 (ja) 2021-12-17 2022-12-08 ノボラック型フェノール樹脂の探索方法、情報処理装置、及び非一時的なコンピュータ読取可能記録媒体

Publications (1)

Publication Number Publication Date
CN116724319A true CN116724319A (zh) 2023-09-08

Family

ID=82100060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280010334.XA Pending CN116724319A (zh) 2021-12-17 2022-12-08 酚醛清漆型酚醛树脂的搜索方法、信息处理装置以及非暂态计算机可读记录介质

Country Status (6)

Country Link
US (1) US20240086733A1 (zh)
JP (1) JP7088399B1 (zh)
KR (1) KR102609930B1 (zh)
CN (1) CN116724319A (zh)
TW (1) TW202328998A (zh)
WO (1) WO2023112837A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102457974B1 (ko) 2015-11-04 2022-10-21 삼성전자주식회사 신규 물질 탐색 방법 및 장치
TWI763715B (zh) * 2016-10-07 2022-05-11 日商迪愛生股份有限公司 含酚性羥基之樹脂及抗蝕劑材料
JP6912677B2 (ja) 2018-10-31 2021-08-04 昭和電工株式会社 材料探索装置、方法、およびプログラム
JP7174599B2 (ja) * 2018-11-09 2022-11-17 旭化成株式会社 装置、方法、プログラム、感光性樹脂組成物の製造方法および感光性樹脂積層体の製造方法
JP7450905B2 (ja) * 2019-09-05 2024-03-18 国立研究開発法人物質・材料研究機構 硬化性組成物の探索方法、及び、硬化性組成物の探索装置
JP7390250B2 (ja) 2020-04-28 2023-12-01 株式会社日立製作所 化合物構造表現を生成するシステム
CN111611748B (zh) 2020-05-25 2023-05-26 上海大学 一种数据驱动的材料逆向设计方法及系统

Also Published As

Publication number Publication date
KR102609930B1 (ko) 2023-12-04
US20240086733A1 (en) 2024-03-14
JP7088399B1 (ja) 2022-06-21
JP2023090563A (ja) 2023-06-29
KR20230106725A (ko) 2023-07-13
WO2023112837A1 (ja) 2023-06-22
TW202328998A (zh) 2023-07-16

Similar Documents

Publication Publication Date Title
CN102060980B (zh) 光刻胶下层聚合物和光刻胶下层组合物及用其图案化的方法
CN102053493B (zh) 放射线敏感性组合物、保护膜、层间绝缘膜以及它们的形成方法
TWI675051B (zh) 萘酚型杯芳烴化合物及其製造方法、感光性組成物、光阻材料、及塗膜
Kuo et al. Hydrogen bonding interactions and miscibility between phenolic resin and octa (acetoxystyryl) polyhedral oligomeric silsesquioxane (AS‐POSS) nanocomposites
TWI540383B (zh) 微影製程用共聚合物及其製造方法、抗蝕劑組成物、形成有圖案的基板的製造方法、共聚合物的評價方法、共聚合物組成分析方法
CN106462063A (zh) 永久膜用感光性组合物、抗蚀材料及涂膜
CN105467761A (zh) 触摸屏用感光性树脂组合物及其硬化膜、以及具有该硬化膜的触摸屏
CN107966879A (zh) 含有添加剂的含硅极紫外抗蚀剂下层膜形成用组合物
JP5681208B2 (ja) レジスト下層膜用芳香族環含有重合体およびこれを含むレジスト下層膜組成物
CN109790263B (zh) 含酚羟基树脂及抗蚀剂材料
CN107108418A (zh) 含酚性羟基化合物、包含其的组合物及其固化膜
CN116724319A (zh) 酚醛清漆型酚醛树脂的搜索方法、信息处理装置以及非暂态计算机可读记录介质
TWI606302B (zh) 負型感光性樹脂組成物及其用途
Shukla et al. Polymer informatics beyond homopolymers
CN112036963B (zh) 一种基于多层随机隐特征模型的网页广告投放装置和方法
CN107531858A (zh) 酚醛清漆型含酚性羟基树脂以及抗蚀膜
CN107001550A (zh) 酚醛清漆型酚醛树脂、其制造方法、感光性组合物、抗蚀材料、及涂膜
CN106795258B (zh) 含酚羟基树脂、制法、感光性或固化性组合物、抗蚀材料、涂膜、固化物、及抗蚀剂下层膜
CN107848926A (zh) 酚醛清漆型含酚性羟基树脂以及抗蚀膜
CN103113827A (zh) 用于光蚀刻法的组合物和防反射涂层
Porzelius et al. A general, prediction error‐based criterion for selecting model complexity for high‐dimensional survival models
Evans et al. Polymers of norbornenyl‐4‐phenol: Dissolution rate characteristics, positive tone photo‐patterning, and polymer properties
JP7380951B2 (ja) フェノール性水酸基含有樹脂
Ma et al. Influence of RAFT end‐groups on the water swelling of poly (N‐propyl methacrylate)
Liu et al. Synthesis of Acrylate Dual-Tone Resists and the Effect of Their Molecular Weight on Lithography Performance and Mechanism: An Investigation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination