JP2021038344A - 硬化性組成物の探索方法、及び、硬化性組成物の探索装置 - Google Patents
硬化性組成物の探索方法、及び、硬化性組成物の探索装置 Download PDFInfo
- Publication number
- JP2021038344A JP2021038344A JP2019161835A JP2019161835A JP2021038344A JP 2021038344 A JP2021038344 A JP 2021038344A JP 2019161835 A JP2019161835 A JP 2019161835A JP 2019161835 A JP2019161835 A JP 2019161835A JP 2021038344 A JP2021038344 A JP 2021038344A
- Authority
- JP
- Japan
- Prior art keywords
- model
- curable composition
- cured product
- searching
- measured value
- 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
- 239000000203 mixture Substances 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001070 adhesive effect Effects 0.000 claims abstract description 53
- 238000012549 training Methods 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 150000001412 amines Chemical class 0.000 claims abstract description 22
- 125000003277 amino group Chemical group 0.000 claims abstract description 11
- 125000003055 glycidyl group Chemical group C(C1CO1)* 0.000 claims abstract description 11
- 239000003795 chemical substances by application Substances 0.000 claims description 47
- 239000003822 epoxy resin Substances 0.000 claims description 24
- 229920000647 polyepoxide Polymers 0.000 claims description 24
- IISBACLAFKSPIT-UHFFFAOYSA-N bisphenol A Chemical compound C=1C=C(O)C=CC=1C(C)(C)C1=CC=C(O)C=C1 IISBACLAFKSPIT-UHFFFAOYSA-N 0.000 claims description 12
- 238000007637 random forest analysis Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 5
- 239000000853 adhesive Substances 0.000 abstract description 16
- 239000000463 material Substances 0.000 abstract description 6
- 239000004593 Epoxy Substances 0.000 abstract 1
- 230000006870 function Effects 0.000 description 15
- 238000005457 optimization Methods 0.000 description 14
- 239000000126 substance Substances 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 229920005989 resin Polymers 0.000 description 4
- 239000011347 resin Substances 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- PXKLMJQFEQBVLD-UHFFFAOYSA-N bisphenol F Chemical compound C1=CC(O)=CC=C1CC1=CC=C(O)C=C1 PXKLMJQFEQBVLD-UHFFFAOYSA-N 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 229920000642 polymer Polymers 0.000 description 3
- 125000006850 spacer group Chemical group 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- HCNHNBLSNVSJTJ-UHFFFAOYSA-N 1,1-Bis(4-hydroxyphenyl)ethane Chemical compound C=1C=C(O)C=CC=1C(C)C1=CC=C(O)C=C1 HCNHNBLSNVSJTJ-UHFFFAOYSA-N 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229920003986 novolac Polymers 0.000 description 2
- PUPZLCDOIYMWBV-UHFFFAOYSA-N (+/-)-1,3-Butanediol Chemical compound CC(O)CCO PUPZLCDOIYMWBV-UHFFFAOYSA-N 0.000 description 1
- VILCJCGEZXAXTO-UHFFFAOYSA-N 2,2,2-tetramine Chemical compound NCCNCCNCCN VILCJCGEZXAXTO-UHFFFAOYSA-N 0.000 description 1
- CDAWCLOXVUBKRW-UHFFFAOYSA-N 2-aminophenol Chemical group NC1=CC=CC=C1O CDAWCLOXVUBKRW-UHFFFAOYSA-N 0.000 description 1
- QTWJRLJHJPIABL-UHFFFAOYSA-N 2-methylphenol;3-methylphenol;4-methylphenol Chemical compound CC1=CC=C(O)C=C1.CC1=CC=CC(O)=C1.CC1=CC=CC=C1O QTWJRLJHJPIABL-UHFFFAOYSA-N 0.000 description 1
- LCFVJGUPQDGYKZ-UHFFFAOYSA-N Bisphenol A diglycidyl ether Chemical compound C=1C=C(OCC2OC2)C=CC=1C(C)(C)C(C=C1)=CC=C1OCC1CO1 LCFVJGUPQDGYKZ-UHFFFAOYSA-N 0.000 description 1
- XDTMQSROBMDMFD-UHFFFAOYSA-N Cyclohexane Chemical compound C1CCCCC1 XDTMQSROBMDMFD-UHFFFAOYSA-N 0.000 description 1
- RPNUMPOLZDHAAY-UHFFFAOYSA-N Diethylenetriamine Chemical compound NCCNCCN RPNUMPOLZDHAAY-UHFFFAOYSA-N 0.000 description 1
- PIICEJLVQHRZGT-UHFFFAOYSA-N Ethylenediamine Chemical compound NCCN PIICEJLVQHRZGT-UHFFFAOYSA-N 0.000 description 1
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 1
- ORLQHILJRHBSAY-UHFFFAOYSA-N [1-(hydroxymethyl)cyclohexyl]methanol Chemical compound OCC1(CO)CCCCC1 ORLQHILJRHBSAY-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 125000002723 alicyclic group Chemical group 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001588 bifunctional effect Effects 0.000 description 1
- 235000010290 biphenyl Nutrition 0.000 description 1
- 239000004305 biphenyl Substances 0.000 description 1
- -1 butane diol Chemical compound 0.000 description 1
- CDQSJQSWAWPGKG-UHFFFAOYSA-N butane-1,1-diol Chemical compound CCCC(O)O CDQSJQSWAWPGKG-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 229930003836 cresol Natural products 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- PDXRQENMIVHKPI-UHFFFAOYSA-N cyclohexane-1,1-diol Chemical compound OC1(O)CCCCC1 PDXRQENMIVHKPI-UHFFFAOYSA-N 0.000 description 1
- INSRQEMEVAMETL-UHFFFAOYSA-N decane-1,1-diol Chemical compound CCCCCCCCCC(O)O INSRQEMEVAMETL-UHFFFAOYSA-N 0.000 description 1
- 150000002009 diols Chemical class 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000007636 ensemble learning method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- LNEPOXFFQSENCJ-UHFFFAOYSA-N haloperidol Chemical compound C1CC(O)(C=2C=CC(Cl)=CC=2)CCN1CCCC(=O)C1=CC=C(F)C=C1 LNEPOXFFQSENCJ-UHFFFAOYSA-N 0.000 description 1
- ACCCMOQWYVYDOT-UHFFFAOYSA-N hexane-1,1-diol Chemical compound CCCCCC(O)O ACCCMOQWYVYDOT-UHFFFAOYSA-N 0.000 description 1
- 239000012761 high-performance material Substances 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- FVXBCDWMKCEPCL-UHFFFAOYSA-N nonane-1,1-diol Chemical compound CCCCCCCCC(O)O FVXBCDWMKCEPCL-UHFFFAOYSA-N 0.000 description 1
- OEIJHBUUFURJLI-UHFFFAOYSA-N octane-1,8-diol Chemical compound OCCCCCCCCO OEIJHBUUFURJLI-UHFFFAOYSA-N 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- ZUOUZKKEUPVFJK-UHFFFAOYSA-N phenylbenzene Natural products C1=CC=CC=C1C1=CC=CC=C1 ZUOUZKKEUPVFJK-UHFFFAOYSA-N 0.000 description 1
- CCDXIADKBDSBJU-UHFFFAOYSA-N phenylmethanetriol Chemical group OC(O)(O)C1=CC=CC=C1 CCDXIADKBDSBJU-UHFFFAOYSA-N 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 229920001451 polypropylene glycol Polymers 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- FAGUFWYHJQFNRV-UHFFFAOYSA-N tetraethylenepentamine Chemical compound NCCNCCNCCNCCN FAGUFWYHJQFNRV-UHFFFAOYSA-N 0.000 description 1
- 229920001187 thermosetting polymer Polymers 0.000 description 1
Abstract
Description
ところが、高分子化学における実験データセットは、通常、構築するのに時間的、及び、費用的に多大なコストを要することが知られている。特に、素材に非常に具体的な設計が必要な場合、実験データセットとして利用できる文献値はわずかしかないのが一般的である。
[2] 更に、上記ベイジアンモデルを用いて予測される接着特性が上記訓練データに含まれる実測値より高い硬化物についての接着特性の実測値を用いて、上記ベイジアンモデルを更新することを含む、[1]に記載の探索方法。
[3] 上記エポキシ樹脂が、ビスフェノールA型エポキシ樹脂である、[1]又は[2]に記載の硬化性組成物の探索方法。
[4] 上記モデルの生成、及び、更新が、線形回帰、ランダムフォレスト、及び、勾配ブースティング木からなる群から選択される少なくとも1つの方法により行われる、[1]〜[3]のいずれかに記載の硬化性組成物の探索方法。
[5] エポキシ樹脂からなる主剤と、アミン系硬化剤とを含有する硬化性組成物に含まれる、上記主剤の分子量、上記アミン系硬化剤の分子量、上記主剤中におけるグリシジル基の含有量に対する上記硬化剤中におけるアミノ基の含有量の含有モル比、及び、上記硬化性組成物を硬化させて硬化物を得るための硬化温度を特徴量として含む特徴量ベクトルと、それに対応する硬化物の接着特性の実測値と、を含む初期データセットの入力を受け付ける入力部と、上記初期データセットを訓練データとして、上記特徴量ベクトルと上記接着特性との関係を表すモデルを生成する生成部と、上記モデルを用いて、上記初期データセットに含まれる実測値より高い接着特性を示すことが予測される新たな硬化物の特徴量ベクトルを生成する提案部と、上記新たな硬化物についての上記モデルによる接着特性の予測値と、その実測値との差により定義される予測誤差が測定誤差との比較で予め定めた水準に到達したか否かを判断する判断部と、上記判断部により上記予測誤差が上記水準に到達したと判断された場合、上記モデルを学習済みモデルとして固定する設定部と、上記学習済みモデルを目的関数とし、上記訓練データに含まれる実測値のうちの最大値の更新幅の期待値によって定義される関数を獲得関数としてベイジアンモデルを生成する第2生成部とを有する硬化性組成物の探索装置。
[6] 上記設定部は、上記判断部により上記予測誤差が上記水準に到達していないと判断された場合、上記新たな硬化物の特徴量ベクトルとその接着特性の実測値とを上記訓練データに加えて上記モデルを更新する、[5]に記載の硬化性組成物の探索装置。
以下に記載する構成要件の説明は、本発明の代表的な実施形態に基づいてなされることがあるが、本発明はそのような実施形態に制限されるものではない。
なお、本明細書において、「〜」を用いて表される数値範囲は、「〜」の前後に記載される数値を下限値及び上限値として含む範囲を意味する。
本明細書で使用される用語の定義を以下に示す。なお、下記のとおり本明細書で特別に定義される場合を除いて、使用される全ての技術的、及び、科学的用語は、本発明が属する分野の当業者が通常理解する意味と同一の意味を有するものとする。
本明細書において、エポキシ樹脂とは、グリシジル基を有する高分子化合物を意味し、グリシジル基の個数としては特に制限されず、1分子あたり1個以上有していればよく、1分子あたり2個以上有していることが好ましく、1分子当たり2個有していることがより好ましい。
トリヒドロキシフェニルメタン骨格、アミノフェノール骨格を有する3官能性エポキシ樹脂;
フェノールノボラック樹脂、クレゾールノボラック樹脂、フェノールアラルキル樹脂、ビフェニルアラルキル樹脂、ナフトールアラルキル樹脂等をエポキシ化した多官能性エポキシ樹脂;が挙げられる。
なかでも、より優れた本発明の効果が得られる点で、エポキシ樹脂としてはビスフェノールA型エポキシ樹脂が好ましい。
本明細書において、アミン系硬化剤とは、アミノ基を有する硬化剤を有し、1分子当たり2個以上のアミノ基を有していることが好ましく、1分子当たり第1級アミノ基を2個有していることが好ましい。
図1は、硬化性組成物の探索装置10(以下、単に「探索装置10」ともいう。)のハードウェア構成図である。探索装置10は、プロセッサ11と、記憶デバイス12と、入力デバイス13と、出力デバイス14と、通信インターフェース(通信IF15)と、を有する。プロセッサ11、記憶デバイス12、入力デバイス13、出力デバイス14、及び、通信IF15は、バス16により接続される。プロセッサ11は、探索装置10を制御する。記憶デバイス12は、プロセッサ11の作業エリアとなる。また、記憶デバイス12は、各種プログラムやデータを記憶する非一時的な、又は、一時的な記録媒体である。記憶デバイス12としては、例えば、ROM(Read Only Memory)、RAM(Random Access Memory)、HDD(Hard Disk Drive)、及び、フラッシュメモリ等がある。入力デバイス13は、データを入力する。入力デバイス13としては、例えば、キーボード、マウス、タッチパネル、テンキー、及び、スキャナ等がある。出力デバイス14は、データを出力する。出力デバイス14としては、例えば、ディスプレイ、及び、プリンタがある。通信IF15は、ネットワークと接続し、データを送受信する。
判断部24は、接着特性の予測値と受け付けられた実測値との差を計算する。この差は例えば、ユークリッド距離等であってよい。本明細書において、上記を予測誤差と定義する。
上記ベイジアンモデルによって各特徴量が調整され、より高い接着特性を有する硬化物(条件)が提案される。
図3は、本発明の実施形態に係る硬化性組成物の探索方法のフローチャートである。探索装置10は、ユーザ操作、又は、データベース等からの読み込みにより、エポキシ樹脂からなる主剤と、アミン系硬化剤とを含有する硬化性組成物の硬化物において、上記主剤の分子量、上記硬化剤の分子量、上記主剤中におけるグリシジル基の含有量に対する上記硬化剤中におけるアミノ基の含有量の含有モル比、及び、硬化性組成物の硬化温度を特徴量として含む特徴量ベクトルと、それに対応する硬化物の接着特性の実測値と、を含む初期データセットの入力を受け付ける(ステップS31)。
次に、探索装置10は、上記新たな硬化物についての接着特性の実測値、及び、その測定誤差の入力を受け付ける(ステップS34)。
次に、探索装置10は、予測誤差と測定誤差との比較を行い(ステップS36)、予測誤差が予め定めた水準に到達している(ステップS36:YES)場合、上記モデルを学習済みモデルとして固定する(ステップS37)。
なお、図3のフローチャートには、ステップS40が含まれるが本探索方法としてはステップS40を含んでいなくてもよい。
なお、エポキシ樹脂としては、三菱化学社製の分子量が370、1650、2900、及び、3800のものを用いた。なお、上記分子量は、「MWE」に該当する。また、アミン系硬化剤としては、分子量が230、400、2000、及び、4000のものを用いた。なお、上記分子量は「MWC」に該当する。
接着強度σadは、最大引張荷重を接合部分の面積(25×12.5mm2)で割って計算した。各測定には少なくとも2つのサンプルを使用し、標準偏差とともに平均値を求めた。
ランダムフォレストは各回帰木を個別に構築し、それらをマージして正確で安定した予測を取得できる。XGBoostは回帰木を順次構築して、以前のツリーからの残留誤差を最小化する。XGBoostのトレーニング中は、トレーニングセットの過学習を最小限に抑えるために早期停止が適用された。MLモデルの精度は、上記のK分割交差検証による予測と観測のRMSE(低い方が良い)、MAE(低い方が良い)、及び、R2(1に近い方が良い)によって評価された。
次に、表1の可変パラメータの可能な組み合わせの全て(256通り−32通り)の硬化性組成物の接着強度σadが上記モデルにより予測され、予測されたσadが降順でランク付けされる。次に、σadを増加させる目的を達成するために、実験室で実行される次の測定の提案として、上位5位の実験条件が選択される。これらの新しい測定値は、ns=32+5個のサンプルの初期データセットに追加される。その後、σad予測のMLモデルは、この改善されたデータセットで再度トレーニングされる。その結果、MLモデルは、特に高いσadの範囲で、追加のデータを使用してσadの予測精度が向上し、次の実験条件を再度提案する。このタイプの反復的な教師あり学習、いわゆるアクティブ学習は、MLモデルの精度が十分に高いという予備的な目標に到達するまで、サイクルごとに繰り返される。本探索方法においては、予測誤差がシングルラップせん断試験で測定されたσadの実験誤差に略等しい場合、アクティブ学習が停止される。最終的なMLモデルは、より深いベイジアン最適化のために最終的に固定される。具体的なフローチャートを図5に示した。
「Final model」は所定の制度が得られて固定されたモデルを示し、「Bayesian optimization」はベイジアン最適化を示し、その下の「proposals」はベイジアンモデルによって提案される条件を示し、「Adhesive with desired properties」は上記により得られる所望の特性を有する硬化物(及びその硬化性組成物)を示している。
MWEとMWCは正確に制御するのが難しいため、4つの可能な離散値として保持される。従って、ベイジアン最適化から提案された実験条件は、予測されたσadに対して再び降順でランク付けされる。ランク1から新しい最高のσadが観察されるまで、一連の実験が実行される。
破線の直線は、予測値と実測値とが一致することを示している。また、ランダムフォレストとXGBoostアルゴリズムは、Elastic Net等の線形回帰モデルを介してアクセスできない可変パラメータ間の非線形関係を捉えられ、より高い予測精度が得られることがわかる。
上記結果から、データセットのサイズを大きくすると、予測されたσadと測定されたσadの対応が改善されることがわかる。
47サンプルのデータセットでは、XGBoostモデルのR2、RMSE、MAEはそれぞれ0.85、4.0MPa、3.0MPaだった。
初期データセットでのみトレーニングされたXGBoostモデルと比較して、それぞれ25%、26%、19%の改善が達成されている。このアクティブ学習パイプラインのサイクル3で、XGBoostモデルの予測パフォーマンスは、シングルラップせん断試験からの実験値の標準偏差に匹敵した。そこで、アクティブ学習はこの段階で停止され、XGBoostモデルは固定される。
図10の結果から、初期データセットのσadの値は、0〜31.9MPaの広い範囲にランダムに広がっていることがわかる。一方、アクティブ学習サイクルに続くすべてのサンプルは、σadの値は、20MPaを超える高い値を示し、更に、ベイジアン最適化データセットからの1つのサンプルは、σadの非常に高い値を示していることがわかる。
11 :プロセッサ
12 :記憶デバイス
13 :入力デバイス
14 :出力デバイス
16 :バス
21 :入力部
22 :生成部
23 :提案部
24 :判断部
25 :設定部
26 :第2生成部
Claims (6)
- コンピュータが実行する硬化性組成物の探索方法であって、
エポキシ樹脂からなる主剤と、アミン系硬化剤とを含有する硬化性組成物に含まれる前記主剤の分子量、前記アミン系硬化剤の分子量、前記主剤中におけるグリシジル基の含有量に対する前記アミン系硬化剤中におけるアミノ基の含有量の含有モル比、及び、前記硬化性組成物を硬化させて硬化物を得るための硬化温度を特徴量として含む特徴量ベクトルと、それに対応する前記硬化物の接着特性の実測値と、を含む初期データセットを訓練データとして前記特徴量ベクトルと前記接着特性との関係を表すモデルを生成することと、
前記初期データセットに含まれる前記実測値より高い接着特性を示すことが前記モデルを用いて予測される新たな硬化物についての接着特性の実測値と、その予測値との差により定義される予測誤差が、測定誤差との比較で予め定めた水準に到達するまで、前記新たな硬化物の接着特性の実測値を前記訓練データに加えて前記モデルを繰り返して更新し、学習済みモデルを得ることと、
前記学習済みモデルを目的関数とし、前記訓練データに含まれる実測値のうちの最大値の更新幅の期待値によって定義される関数を獲得関数としてベイジアンモデルを生成することを含む、硬化性組成物の探索方法。 - 更に、前記ベイジアンモデルを用いて予測される接着特性が前記訓練データに含まれる実測値より高い硬化物についての接着特性の実測値を用いて、前記ベイジアンモデルを更新することを含む、請求項1に記載の硬化性組成物の探索方法。
- 前記エポキシ樹脂が、ビスフェノールA型エポキシ樹脂である、請求項1又は2に記載の硬化性組成物の探索方法。
- 前記モデルの生成、及び、更新が、線形回帰、ランダムフォレスト、及び、勾配ブースティング木からなる群から選択される少なくとも1つの方法により行われる、請求項1〜3のいずれか1項に記載の硬化性組成物の探索方法。
- エポキシ樹脂からなる主剤と、アミン系硬化剤とを含有する硬化性組成物に含まれる前記主剤の分子量、前記アミン系硬化剤の分子量、前記主剤中におけるグリシジル基の含有量に対する前記硬化剤中におけるアミノ基の含有量の含有モル比、及び、前記硬化性組成物を硬化させて硬化物を得るための硬化温度を特徴量として含む特徴量ベクトルと、それに対応する硬化物の接着特性の実測値と、を含む初期データセットの入力を受け付ける入力部と、
前記初期データセットを訓練データとして、前記特徴量ベクトルと前記接着特性との関係を表すモデルを生成する生成部と、
前記モデルを用いて、前記初期データセットに含まれる実測値より高い接着特性を示すことが予測される新たな硬化物の特徴量ベクトルを生成する提案部と、
前記新たな硬化物についての前記モデルによる接着特性の予測値と、その実測値との差により定義される予測誤差が測定誤差との比較で予め定めた水準に到達したか否かを判断する判断部と、
前記判断部により前記予測誤差が前記水準に到達したと判断された場合、前記モデルを学習済みモデルとして固定する設定部と、
前記学習済みモデルを目的関数とし、前記訓練データに含まれる実測値のうちの最大値の更新幅の期待値によって定義される関数を獲得関数としてベイジアンモデルを生成する第2生成部とを有する硬化性組成物の探索装置。 - 前記設定部は、前記判断部により前記予測誤差が前記水準に到達していないと判断された場合、前記新たな硬化物の特徴量ベクトルとその接着特性の実測値とを前記訓練データに加えて前記モデルを更新する、請求項5に記載の硬化性組成物の探索装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019161835A JP7450905B2 (ja) | 2019-09-05 | 2019-09-05 | 硬化性組成物の探索方法、及び、硬化性組成物の探索装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019161835A JP7450905B2 (ja) | 2019-09-05 | 2019-09-05 | 硬化性組成物の探索方法、及び、硬化性組成物の探索装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021038344A true JP2021038344A (ja) | 2021-03-11 |
JP7450905B2 JP7450905B2 (ja) | 2024-03-18 |
Family
ID=74848278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019161835A Active JP7450905B2 (ja) | 2019-09-05 | 2019-09-05 | 硬化性組成物の探索方法、及び、硬化性組成物の探索装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7450905B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022230736A1 (ja) * | 2021-04-27 | 2022-11-03 | 昭和電工マテリアルズ株式会社 | 設計支援装置、設計支援方法及び設計支援プログラム |
WO2023112837A1 (ja) * | 2021-12-17 | 2023-06-22 | Dic株式会社 | 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 |
WO2023243544A1 (ja) * | 2022-06-15 | 2023-12-21 | Dic株式会社 | 熱硬化性エポキシ樹脂組成物の探索方法、情報処理装置、及びプログラム |
JP2023183283A (ja) * | 2022-06-15 | 2023-12-27 | Dic株式会社 | 熱硬化性エポキシ樹脂組成物の探索方法、情報処理装置、及びプログラム |
JP7416175B1 (ja) | 2022-11-10 | 2024-01-17 | Dic株式会社 | 予測プログラム、情報処理装置、および予測方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4037603B2 (ja) | 2000-11-24 | 2008-01-23 | 株式会社リコー | エポキシ樹脂組成物および、これを用いるインクジェットヘッドの製造方法 |
JP6953926B2 (ja) | 2017-03-06 | 2021-10-27 | 住友ゴム工業株式会社 | ゴム状弾性体の性能の予測方法 |
JP2019215750A (ja) | 2018-06-13 | 2019-12-19 | 国立研究開発法人宇宙航空研究開発機構 | 解析装置、解析方法、およびプログラム |
JP7302134B2 (ja) | 2019-08-05 | 2023-07-04 | 三井化学株式会社 | 物性情報推測方法、物性情報推測モデル生成方法、物性情報推測装置、物性情報推測モデル生成装置、物性情報推測プログラム、及び物性情報推測モデル生成プログラム |
-
2019
- 2019-09-05 JP JP2019161835A patent/JP7450905B2/ja active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022230736A1 (ja) * | 2021-04-27 | 2022-11-03 | 昭和電工マテリアルズ株式会社 | 設計支援装置、設計支援方法及び設計支援プログラム |
WO2023112837A1 (ja) * | 2021-12-17 | 2023-06-22 | Dic株式会社 | 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 |
WO2023243544A1 (ja) * | 2022-06-15 | 2023-12-21 | Dic株式会社 | 熱硬化性エポキシ樹脂組成物の探索方法、情報処理装置、及びプログラム |
JP2023183283A (ja) * | 2022-06-15 | 2023-12-27 | Dic株式会社 | 熱硬化性エポキシ樹脂組成物の探索方法、情報処理装置、及びプログラム |
JP7416175B1 (ja) | 2022-11-10 | 2024-01-17 | Dic株式会社 | 予測プログラム、情報処理装置、および予測方法 |
JP7468770B1 (ja) | 2022-11-10 | 2024-04-16 | Dic株式会社 | 予測プログラム、情報処理装置、および予測方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7450905B2 (ja) | 2024-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021038344A (ja) | 硬化性組成物の探索方法、及び、硬化性組成物の探索装置 | |
Pruksawan et al. | Prediction and optimization of epoxy adhesive strength from a small dataset through active learning | |
CN108804869B (zh) | 基于神经网络的分子结构和化学反应能量函数构建方法 | |
Afzal et al. | High-throughput molecular dynamics simulations and validation of thermophysical properties of polymers for various applications | |
Bostrom et al. | Coupled cluster and Møller–Plesset perturbation theory calculations of noncovalent intermolecular interactions using density fitting with auxiliary basis sets from Cholesky decompositions | |
Higuchi et al. | Prediction of the glass-transition temperatures of linear homo/heteropolymers and cross-linked epoxy resins | |
WO2020242766A1 (en) | Machine learning-based apparatus for engineering meso-scale peptides and methods and system for the same | |
Safaei et al. | The influence of the furan and maleimide stoichiometry on the thermoreversible diels–alder network polymerization | |
Kang et al. | Prediction of lap shear strength and impact peel strength of epoxy adhesive by machine learning approach | |
Zotti et al. | Aromatic hyperbranched polyester/RTM6 epoxy resin for extreme dynamic loading aeronautical applications | |
Lascano et al. | Kinetic analysis of the curing process of biobased epoxy resin from epoxidized linseed oil by dynamic differential scanning calorimetry | |
Guo et al. | Effect of sizing on interfacial adhesion property of glass fiber-reinforced polyurethane composites | |
Motiyenko et al. | Internal rotation of OH group in 4-hydroxy-2-butynenitrile studied by millimeter-wave spectroscopy | |
Bednarczyk et al. | Photocurable coatings based on bio-renewable oligomers and monomers | |
Miani et al. | Bituminous mixtures experimental data modeling using a hyperparameters-optimized machine learning approach | |
Wang et al. | Preparation of epoxy-acrylic latex based on bisphenol F epoxy resin | |
Ge et al. | Investigation of mechanical and damping performances of cylindrical viscoelastic dampers in wide frequency range | |
Bornosuz et al. | Benzoxazine copolymers with mono-and difunctional epoxy active diluents with enhanced tackiness and reduced viscosity | |
Dalla Libera Junior et al. | Influence of cure agent, treatment and fibre content on the thermal behaviour of a curaua/epoxy prepreg | |
Quiles-Díaz et al. | Designing New Sustainable Polyurethane Adhesives: Influence of the Nature and Content of Diels–Alder Adducts on Their Thermoreversible Behavior | |
Rudawska et al. | Effect of diluents on mechanical characteristics of epoxy compounds | |
Xie et al. | Directly modifying the nonbonded potential based on the standard iterative boltzmann inversion method for coarse-grained force fields | |
Tow et al. | Cross-Linking Methodology for Fully Atomistic Models of Hydroxyl-Terminated Polybutadiene and Determination of Mechanical Properties | |
Shukla et al. | Polymer informatics beyond homopolymers | |
Corte-Real et al. | Development and Characterisation of Joints with Novel Densified and Wood/Cork Composite Substrates |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220727 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230706 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230718 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231128 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231130 |
|
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: 20240227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7450905 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |