JP2020187642A - 最適化装置、最適化システム、最適化方法および最適化プログラム - Google Patents
最適化装置、最適化システム、最適化方法および最適化プログラム Download PDFInfo
- Publication number
- JP2020187642A JP2020187642A JP2019093052A JP2019093052A JP2020187642A JP 2020187642 A JP2020187642 A JP 2020187642A JP 2019093052 A JP2019093052 A JP 2019093052A JP 2019093052 A JP2019093052 A JP 2019093052A JP 2020187642 A JP2020187642 A JP 2020187642A
- Authority
- JP
- Japan
- Prior art keywords
- parameters
- search space
- values
- search
- combination
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims description 22
- 239000013076 target substance Substances 0.000 claims abstract description 17
- 238000004088 simulation Methods 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 description 16
- 238000003860 storage Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000009826 distribution Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 229910018119 Li 3 PO 4 Inorganic materials 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000003792 electrolyte Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012761 high-performance material Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 229910001386 lithium phosphate Inorganic materials 0.000 description 1
- INHCSSUBVCNVSK-UHFFFAOYSA-L lithium sulfate Inorganic materials [Li+].[Li+].[O-]S([O-])(=O)=O INHCSSUBVCNVSK-UHFFFAOYSA-L 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 150000002926 oxygen Chemical class 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- RBTVSNLYYIMMKS-UHFFFAOYSA-N tert-butyl 3-aminoazetidine-1-carboxylate;hydrochloride Chemical compound Cl.CC(C)(C)OC(=O)N1CC(N)C1 RBTVSNLYYIMMKS-UHFFFAOYSA-N 0.000 description 1
- RIUWBIIVUYSTCN-UHFFFAOYSA-N trilithium borate Chemical compound [Li+].[Li+].[Li+].[O-]B([O-])[O-] RIUWBIIVUYSTCN-UHFFFAOYSA-N 0.000 description 1
- TWQULNDIKKJZPH-UHFFFAOYSA-K trilithium;phosphate Chemical compound [Li+].[Li+].[Li+].[O-]P([O-])([O-])=O TWQULNDIKKJZPH-UHFFFAOYSA-K 0.000 description 1
Images
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
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/052—Li-accumulators
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/056—Accumulators with non-aqueous electrolyte characterised by the materials used as electrolytes, e.g. mixed inorganic/organic electrolytes
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Electrochemistry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Manufacturing & Machinery (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Evolutionary Biology (AREA)
- Inorganic Chemistry (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Secondary Cells (AREA)
Abstract
Description
関連技術としては、例えば、ベイジアン理論によりイオン半径値の可能度と事前確率とから事後確率を計算し、対象元素の任意の酸化数に係わる半径値分布を求める技術が提案されている。また、既知物質に基づいてモデリングされた物質モデルに対して機械学習を行い、学習結果に目標物性を入力して候補物質を決定し、候補物質の中から新規物質を決定する技術が提案されている。
また、1つの実施態様では、最適化プログラムが提供される。
[第1の実施の形態]
図1は、第1の実施の形態の最適化システムの一例を示す図である。
最適化装置11は、制御部11aと記憶部11bを備える。
記憶部11bは、RAMなどの揮発性の記憶装置、または、HDD(Hard Disk Drive)やフラッシュメモリなどの不揮発性の記憶装置である。
〔ステップS1〕制御部11aは、入力データに基づいて、ベイズモデルを生成する。図1にはベイズモデルmの例が示されている。横軸は複数のパラメータの値の組合せを示し、縦軸は特性値を示す。ベイズモデルmは、縦軸方向に、後述する分散によって定義される不確実性領域をもっている。ベイズモデルの生成例については後述する。
なお、図示を省略しているが、その後、制御部11aは、上記の探索によって得られた複数のパラメータの値の組合せを、シミュレーション装置12に送信する。シミュレーション装置12は、最適化装置11から供給される複数のパラメータの値の組合せに基づいて特性値を計算し、その特性値とその特性値が得られる複数のパラメータの値の組合せを、最適化装置11に送信する。最適化装置11の制御部11aは、受信した情報に基づいて、ベイズモデルmを更新する。ベイズモデルmの更新例については後述する。
次に図2から図4を用いてベイズモデルの生成、更新例について説明する。図2、図3は、ベイズモデルの生成例を説明するための図である。この例では、xが入力したときにyが出力するブラックボックス関数があるとし、ベイズモデルはこの関数の形状に近いほど精度がよい。なお、図に示す横軸xは関数の入力値、縦軸yは関数の出力値である。関数の入力値は、前述の複数のパラメータの値の組合せに相当し、関数の出力値は、その組合せにおける前述の特性値に相当する。
入力データ(初期データ)に基づいて生成されたベイズモデルm1を用いた探索によってx11が探索結果として得られた場合、最適化装置11は、x11をシミュレーション装置12に送信する。
シミュレーション装置12は、最適化装置11から供給されるx12に基づいて、特性値p12を計算し、p12とx12を、最適化装置11に送信する。最適化装置11は、p12とx12に基づいて、ベイズモデルm2を更新したベイズモデルm3を生成する。
[第2の実施の形態]
次に第2の実施の形態について説明する。
第2の実施の形態の最適化装置20は、例えばコンピュータであり、CPU21、RAM22、HDD23、画像信号処理部24、入力信号処理部25、媒体リーダ26および通信インタフェース27を有する。上記ユニットは、バスに接続されている。
<機能ブロック>
図6は、最適化装置の機能ブロックの一例を示す図である。
記憶部32は、例えば、シミュレーション装置35からの入力データや、前述の入力された一部のパラメータの値などを記憶する。
なお、制御部31は、例えば、CPU21が実行するプログラムモジュールを用いて実装できる。記憶部32は、例えば、RAM22またはHDD23に確保した記憶領域を用いて実装できる。インタフェース部33は、例えば、図5の入力信号処理部25、通信インタフェース27を用いて実装できる。なお、シミュレーション装置35は、図5に示したハードウェアにより実現することができる。
次にスライダ空間の例を説明する。なお、以降では、3種類の材料(リチウム含有酸素酸塩)から合成されるリチウムイオン電池の電解質について、イオン伝導率の最適値を与える混合比率の探索を行う場合を例にして説明する。
図7では、3種類のリチウム含有酸素酸塩として、硫酸リチウム(Li2SO4)、リン酸リチウム(Li3PO4)およびホウ酸リチウム(Li3BO3)の混合比率が示されている。点p1、p2、p3は、例えば、実験やノウハウ等から得られ、イオン伝導率が高くなる2種類の材料の混合比率を用いて表される点である。これらの点を表すための混合比率の情報は、例えば外部から入力される。また、外部から入力されたこれらの点を表すための混合比率の情報が、予め記憶部32に記憶されている場合には、その記憶部32から制御部31が読み出して用いてもよい。
図8は、スライダ空間の生成動作の一例を示すフローチャートである。
図9は、最適化装置の動作の一例を示すフローチャートである。
〔ステップS30〕インタフェース部33は、入力データを取得する。入力データは、例えば、前述の3種類の材料の混合比率のいくつかの組合せを用いたときのイオン伝導率のシミュレーション結果または実験結果や、前述の集合Pbestを設定するための一部のパラメータの値を含む。
〔ステップS32〕評価部31bは、ベイズモデルの精度を表す精度評価値(例えば、図4に示したベイズモデルの分散)と、閾値との比較結果に基づいて、ベイズモデルの精度が良好か否かを評価する。例えば、評価部31bは、ベイズモデルの分散が、閾値以上の場合、精度が不良であると判定し、閾値未満の場合、精度が良好と判定する。
〔ステップS34〕探索空間生成部31cは、ベイズモデルの精度が不良と判定した場合、図8に示した処理により、スライダ空間を生成し、スライダ空間を探索空間として決定する。
リチウムイオン電池の電解質の候補材料として、5パターンの材料の組合せ(例えば、1つのパターンとして、前述の3つの材料の組合せがある)について得られた探索結果に対応したイオン伝導率の測定結果が示されている。初期の入力データに含まれる、前述の3つの材料の混合比率の組合せの数は、10個である。
プログラムは、コンピュータ読み取り可能な記録媒体(例えば、記録媒体26a)に記録しておくことができる。記録媒体として、例えば、磁気ディスク、光ディスク、光磁気ディスク、半導体メモリなどを使用できる。磁気ディスクには、FDおよびHDDが含まれる。光ディスクには、CD、CD−R(Recordable)/RW(Rewritable)、DVDおよびDVD−R/RWが含まれる。プログラムは、可搬型の記録媒体に記録されて配布されることがある。その場合、可搬型の記録媒体から他の記録媒体(例えば、HDD23)にプログラムをコピーして実行してもよい。
11 最適化装置
11a 制御部
11b 記憶部
12 シミュレーション装置
m ベイズモデル
Pm1,Pm2,Pm3 混合比率
r1,r2 点
s0 空間
Claims (6)
- 入力データに基づいて、目的物質に関する特性値の最適値を与える複数のパラメータの値の組合せを探索する問題をモデル化したベイズモデルを生成し、前記複数のパラメータのうち、入力された一部のパラメータの値に基づいて、前記複数のパラメータの値の全組合せによる全探索空間に含まれる空間であって前記全探索空間よりも狭い探索空間を生成し、前記探索空間において前記ベイズモデルを用いた前記組合せの探索を実行する制御部、
を有する最適化装置。 - 前記制御部は、前記一部のパラメータの値を用いて表される前記全探索空間の第1の点と第2の点とを結ぶ線状の前記探索空間を生成する、請求項1に記載の最適化装置。
- 前記制御部は、前記ベイズモデルの精度を表す精度評価値と、閾値との比較結果に基づいて前記精度の良否を判定し、前記精度が良いと判定した場合、前記探索空間の代りに、前記全探索空間において前記組合せの探索を実行する、請求項1または2に記載の最適化装置。
- 入力データに基づいて、目的物質に関する特性値の最適値を与える複数のパラメータの値の組合せを探索する問題をモデル化したベイズモデルを生成、または更新し、前記複数のパラメータのうち、入力された一部のパラメータの値に基づいて、前記複数のパラメータの値の全組合せによる全探索空間に含まれる空間であって前記全探索空間よりも狭い探索空間を生成し、前記探索空間において前記ベイズモデルを用いた前記組合せの探索を実行する制御部を有する最適化装置と、
前記組合せの探索結果を受信し、前記探索結果に基づいて前記特性値を計算し、計算した前記特性値と前記探索結果とを含む新たな入力データを前記最適化装置に送信するシミュレーション装置と、
を有する最適化システム。 - コンピュータが、
入力データに基づいて、目的物質に関する特性値の最適値を与える複数のパラメータの値の組合せを探索する問題をモデル化したベイズモデルを生成し、
前記複数のパラメータのうち、入力された一部のパラメータの値に基づいて、前記複数のパラメータの値の全組合せによる全探索空間に含まれる空間であって前記全探索空間よりも狭い探索空間を生成し、
前記探索空間において前記ベイズモデルを用いた前記組合せの探索を実行する
最適化方法。 - コンピュータに、
入力データに基づいて、目的物質に関する特性値の最適値を与える複数のパラメータの値の組合せを探索する問題をモデル化したベイズモデルを生成し、
前記複数のパラメータのうち、入力された一部のパラメータの値に基づいて、前記複数のパラメータの値の全組合せによる全探索空間に含まれる空間であって前記全探索空間よりも狭い探索空間を生成し、
前記探索空間において前記ベイズモデルを用いた前記組合せの探索を実行する、
処理を実行させる最適化プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019093052A JP7252449B2 (ja) | 2019-05-16 | 2019-05-16 | 最適化装置、最適化システム、最適化方法および最適化プログラム |
EP20171452.4A EP3739494A3 (en) | 2019-05-16 | 2020-04-27 | Method, apparatus, system, and program for optimizing solid electrolytes for li-ion batteries using bayesian optimization |
US16/862,614 US20200364594A1 (en) | 2019-05-16 | 2020-04-30 | Information processing apparatus, optimization system, and optimization method |
CN202010402039.1A CN111951901B (zh) | 2019-05-16 | 2020-05-13 | 优化设备、优化系统、优化方法及记录介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019093052A JP7252449B2 (ja) | 2019-05-16 | 2019-05-16 | 最適化装置、最適化システム、最適化方法および最適化プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020187642A true JP2020187642A (ja) | 2020-11-19 |
JP7252449B2 JP7252449B2 (ja) | 2023-04-05 |
Family
ID=70464946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019093052A Active JP7252449B2 (ja) | 2019-05-16 | 2019-05-16 | 最適化装置、最適化システム、最適化方法および最適化プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200364594A1 (ja) |
EP (1) | EP3739494A3 (ja) |
JP (1) | JP7252449B2 (ja) |
CN (1) | CN111951901B (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022196301A1 (ja) * | 2021-03-19 | 2022-09-22 | 株式会社日立製作所 | 候補アイディアを生成するシステム及び方法 |
JPWO2022254800A1 (ja) * | 2021-06-04 | 2022-12-08 | ||
WO2023058519A1 (ja) | 2021-10-04 | 2023-04-13 | 株式会社レゾナック | 組成探索方法 |
WO2023162004A1 (ja) * | 2022-02-22 | 2023-08-31 | 日本電信電話株式会社 | 合成条件生成方法、合成条件生成装置及びプログラム |
WO2023176062A1 (ja) * | 2022-03-15 | 2023-09-21 | 日本碍子株式会社 | 多孔質体の設計方法及び多孔質体の製造方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023104795A (ja) * | 2022-01-18 | 2023-07-28 | 富士通株式会社 | 情報処理プログラム、情報処理方法、および情報処理装置 |
CN115328063B (zh) * | 2022-09-15 | 2023-03-21 | 北京东华博泰科技有限公司 | 基于人工智能的设备优化系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008171282A (ja) * | 2007-01-12 | 2008-07-24 | Fujitsu Ltd | 最適パラメータ探索プログラム、最適パラメータ探索装置および最適パラメータ探索方法 |
WO2016151864A1 (ja) * | 2015-03-26 | 2016-09-29 | 日本電気株式会社 | 最適化処理装置、最適化処理方法、及びコンピュータ読み取り可能な記録媒体 |
JP2019008342A (ja) * | 2017-06-20 | 2019-01-17 | 株式会社東芝 | パラメータ最適化装置、パラメータ最適化方法およびプログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7085690B2 (en) * | 2000-06-10 | 2006-08-01 | Mark Edward Sale | Unsupervised machine learning-based mathematical model selection |
CN100589122C (zh) * | 2008-03-11 | 2010-02-10 | 浙江大学 | 基于模型的聚类法与贝叶斯网络法的基因芯片数据分析法 |
KR102224714B1 (ko) | 2013-12-03 | 2021-03-08 | 삼성전자주식회사 | 신규 물질 탐색 시스템 및 그 탐색 방법 |
US20160123175A1 (en) * | 2014-11-05 | 2016-05-05 | General Electric Company | Hybrid model based detection of compressor stall |
KR102457974B1 (ko) | 2015-11-04 | 2022-10-21 | 삼성전자주식회사 | 신규 물질 탐색 방법 및 장치 |
EP3575892B1 (en) * | 2017-01-27 | 2022-05-11 | Mitsubishi Power, Ltd. | Model parameter value estimation device and estimation method, program, recording medium with program recorded thereto, and model parameter value estimation system |
GB201711184D0 (en) * | 2017-07-12 | 2017-08-23 | Ibm | Efficiently populating a phase diagram for modeling of multiple substances |
WO2019055653A1 (en) * | 2017-09-13 | 2019-03-21 | Schlumberger Technology Corporation | PROBABILISTIC PREDICTION OF OIL PRODUCTION |
US20210222688A1 (en) * | 2019-01-31 | 2021-07-22 | Landmark Graphics Corporation | Pump systems and methods to improve pump load predictions |
-
2019
- 2019-05-16 JP JP2019093052A patent/JP7252449B2/ja active Active
-
2020
- 2020-04-27 EP EP20171452.4A patent/EP3739494A3/en active Pending
- 2020-04-30 US US16/862,614 patent/US20200364594A1/en not_active Abandoned
- 2020-05-13 CN CN202010402039.1A patent/CN111951901B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008171282A (ja) * | 2007-01-12 | 2008-07-24 | Fujitsu Ltd | 最適パラメータ探索プログラム、最適パラメータ探索装置および最適パラメータ探索方法 |
WO2016151864A1 (ja) * | 2015-03-26 | 2016-09-29 | 日本電気株式会社 | 最適化処理装置、最適化処理方法、及びコンピュータ読み取り可能な記録媒体 |
JP2019008342A (ja) * | 2017-06-20 | 2019-01-17 | 株式会社東芝 | パラメータ最適化装置、パラメータ最適化方法およびプログラム |
Non-Patent Citations (1)
Title |
---|
"第2部:開発事例 データごとにAI技術を選択 新理論の糸口発見のケースも", 日経エレクトロニクス, vol. 第1196号, JPN6023006919, 20 September 2018 (2018-09-20), pages 44 - 57, ISSN: 0004994913 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022196301A1 (ja) * | 2021-03-19 | 2022-09-22 | 株式会社日立製作所 | 候補アイディアを生成するシステム及び方法 |
JPWO2022254800A1 (ja) * | 2021-06-04 | 2022-12-08 | ||
WO2022254800A1 (ja) * | 2021-06-04 | 2022-12-08 | NatureArchitects株式会社 | 構造体の設計探索装置、構造体の設計探索方法及び構造体の製造方法 |
WO2022254731A1 (ja) * | 2021-06-04 | 2022-12-08 | NatureArchitects株式会社 | 構造体の設計探索装置および設計探索方法 |
JP7289110B2 (ja) | 2021-06-04 | 2023-06-09 | NatureArchitects株式会社 | 構造体の設計探索装置、構造体の設計探索方法及び構造体の製造方法 |
WO2023058519A1 (ja) | 2021-10-04 | 2023-04-13 | 株式会社レゾナック | 組成探索方法 |
WO2023162004A1 (ja) * | 2022-02-22 | 2023-08-31 | 日本電信電話株式会社 | 合成条件生成方法、合成条件生成装置及びプログラム |
WO2023176062A1 (ja) * | 2022-03-15 | 2023-09-21 | 日本碍子株式会社 | 多孔質体の設計方法及び多孔質体の製造方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111951901B (zh) | 2024-06-25 |
JP7252449B2 (ja) | 2023-04-05 |
CN111951901A (zh) | 2020-11-17 |
US20200364594A1 (en) | 2020-11-19 |
EP3739494A2 (en) | 2020-11-18 |
EP3739494A3 (en) | 2021-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7252449B2 (ja) | 最適化装置、最適化システム、最適化方法および最適化プログラム | |
JP6922945B2 (ja) | 情報処理方法 | |
US11599073B2 (en) | Optimization apparatus and control method for optimization apparatus using ising models | |
US20160031083A1 (en) | Method and apparatus for industrial robotic energy saving optimization using fly-by | |
JP2013242761A (ja) | マルコフ決定過程システム環境下における方策パラメータを更新するための方法、並びに、その制御器及び制御プログラム | |
US8762314B2 (en) | Predictions using aggregate information | |
US11631006B2 (en) | Optimization device and control method of optimization device | |
CN112187554B (zh) | 一种基于蒙特卡洛树搜索的运维系统故障定位方法和系统 | |
JPWO2015166637A1 (ja) | メンテナンス時期決定装置、劣化予測システム、劣化予測方法および記録媒体 | |
JP7467892B2 (ja) | 分子の化学反応の解析方法 | |
CA3188066A1 (en) | Methods and systems for hyperparameter tuning and benchmarking | |
JP2020205049A (ja) | 最適化装置、最適化装置の制御方法及び最適化装置の制御プログラム | |
CN113283046A (zh) | 优化装置、优化方法和记录介质 | |
CN116450486A (zh) | 多元异构计算系统内节点的建模方法、装置、设备及介质 | |
CN103885867A (zh) | 一种模拟电路性能的在线评价方法 | |
Saadallah et al. | Active learning for accurate settlement prediction using numerical simulations in mechanized tunneling | |
US20220012291A1 (en) | Information processing system, information processing method, and non-transitory computer-readable storage medium for storing program | |
WO2021193931A1 (ja) | 機械学習装置、学習モデルの生成方法及びプログラム | |
JP7384999B2 (ja) | 機械学習モデル決定システム及び機械学習モデル決定方法 | |
CN112817525A (zh) | 闪存芯片可靠性等级预测方法、装置及存储介质 | |
Gobert et al. | Surrogate-assisted optimization for multi-stage optimal scheduling of virtual power plants | |
Kaur et al. | Comparative analysis of the software effort estimation models | |
JP2020177508A (ja) | 予測システム、予測方法、および予測プログラム | |
CN115545188B (zh) | 基于不确定性估计的多任务离线数据共享方法及系统 | |
US20240119118A1 (en) | Computer-readable recording medium storing sampling program, sampling method, and information processing apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220208 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230210 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230306 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7252449 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |