JP5044980B2 - 実験計画方法、実験計画システムおよび、実験計画プログラム - Google Patents

Description

本発明は、実験計画方法および実験計画システムに関し、特に、能動学習システムを用いた実験計画方法および実験計画システムに関する。

能動学習法とは、たとえば、創薬開発の現場などで、数十万から数百万個の全化合物の中からターゲットに対する活性を有する化合物を探索する必要があるような場合に、実測と学習とを繰り返すことでより少ない実測回数で高速に学習を行うことを可能とする手法である。あるいは、実験候補データとして出力されたものに従い実験を行うことで、実験の手順を示す実験計画法と言うこともできる。

従来の能動学習システムとしては、たとえば特許文献１や特許文献２に記載されたものがある。

主な能動学習法としては、たとえば、Query by boosting法（以下、「ブースティング法」と呼ぶ）、Query By Committee法（以下、「コミッティ法」と呼ぶ）、およびQuery By Bagging法（以下、「バギング法」と呼ぶ）などがある。（たとえば、非特許文献１参照。）

従来の能動学習システムでは、訓練データに基づいて、入力値と出力値の間に成り立つ関数を学習し、学習された関数に基づいて、評価データの入力値から予測出力値を求め、予測結果として出力するものである。
特開平１１−３１６７５４号公報 特開２００５−１０７７４３号公報 森下慎一編集、宮野悟編集、「発見科学とデータマイニング」、初版、共立出版、２００１年６月、ｐ．３１８

しかしながら、従来の能動学習システムでは、以下の点で改善の余地を有していた。

従来システムでは能動学習の結果として複数の予測結果データを出力することもできるが、そこで出力された複数のデータは同じ学習手法に基づく学習結果のため、お互いに類似しているデータとなってしまう。したがって、できる限り少ない実測回数で効果的な実験を行いたいという観点からは、効率を悪化させる要因となっていた。すなわち、学習結果としては、できる限り異なる特徴を有する少数のデータに基づいて、実験を行うことができるものが望ましく、効率向上により効果的である。

本発明は上記事情に鑑みてなされたものであり、その目的とするところは、能動学習システムを用いた効率の良い実験計画方法およびシステムを提供することにある。

本発明によれば、少なくとも一つの記述子と値の間に成り立つ所定の関数を訓練データに基づいて学習する能動学習装置を用いて、前記所定の関数を求めるための実測装置において使用する複数の実験候補データを選択する実験計画方法であって、
前記実験候補データを記憶する実験候補データ記憶部に接続された制御装置が、
前記少なくとも一つの記述子および前記値を含む訓練データを複数受け付け、
前記受け付けた複数の訓練データを前記能動学習装置に出力し、
前記能動学習装置が、所定のアルゴリズムを用いて前記関数を学習し、
前記制御装置が、
前記能動学習装置から順位付けされた実験候補データを入力し、
前記入力された前記実験候補データを前記実験候補データ記憶部に記憶し、
前記実験候補データに、取り得る異なる複数の予測値を割り当て、新たな訓練データを生成して、前記能動学習装置に出力し、
前記能動学習装置が、前記新たな訓練データに基づいて、再度前記関数を学習し、
前記制御装置が、
前記能動学習装置から前記順位付けされた前記実験候補データを入力し、前記実験候補データ記憶部に追加し、前記実験候補データが所定数、前記実験候補データ記憶部に記憶されるまで、前記新たな訓練データの生成、前記能動学習装置への出力、前記順位付けされた前記実験候補データの入力、および前記実験候補データ記憶部への追加を繰り返すことを特徴とする実験計画方法が提供される。

ここで、能動学習装置が用いる所定のアルゴリズムとは、たとえば、ブースティング法、コミッティ法、およびバギング法などを用いることができる。この発明によれば、能動学習システムを用いた実験計画を効率よく行えることとなる。

上記実験計画方法において、前記異なる複数の予測値をパラメータとして予め記憶する設定記憶部をさらに備えることができ、前記制御装置が、前記設定記憶部に記憶されている前記パラメータに従って、前記実験候補データに、前記取り得る異なる複数の予測値を割り当て、前記新たな訓練データを生成して、前記能動学習装置に出力することができる。また、上記実験計画方法において、前記異なる複数の予測値の設定を受け付け、前記予測値の割り当てに使用することができる。なお、受け付けた設定は、上記記憶部に記憶させることもできるし、設定を受け付けた時に、設定有効期間も同時に受け付け、その期間だけ使用することもできる。

上記実験計画方法において、前記能動学習装置が前記訓練データを入力したとき、複数の前記訓練データのうち前記記述子の距離が近い２つの訓練データ毎に前記記述子の中間値を算出し、前記中間値を記述子として前記実験候補データを生成し、順位付けして出力することができる。

ここで、中間値とは、たとえば、訓練データの記述子毎の中間値、標準偏差の所定範囲内の値などと定義することができる。また、２つの訓練データ間の距離とは、ｎ次元のデータを含むことができる。その場合、ｎ次元のデータ空間の中間点となる。

上記実験計画方法において、前記能動学習装置が前記訓練データを入力したとき、前記訓練データのうち前記記述子の距離が近い２つの訓練データ毎に前記記述子の平均値を算出し、前記平均値を記述子として前記実験候補データを生成し、順位付けして出力することができる。

上記実験計画方法において、前記所定数の前記実験候補データが前記実験候補データ記憶部に記憶された後、前記実測装置に前記実験候補データ記憶部から前記実験候補データを出力し、前記出力された前記実験候補データを前記実験候補データ記憶部から削除し、前記実測装置から実測結果データを入力し、新たな訓練データとして受け付け、前記実験候補データが所定数、前記実験候補データ記憶部に記憶されるまで、前記順位付けされた前記実験候補データを前記実験候補データ記憶部に追加することができる。

上記実験計画方法において、前記実測装置に前記実験候補データの出力を繰り返し、その結果得られた結果を訓練データとして前記能動学習装置に前記関数を学習させることができる。

上記実験計画方法において、前記訓練データの前記記述子および前記値は、化合物の属性を示す値とすることができる。
上記前記訓練データの前記値は、前記化合物の前記属性として、所定の置換基の有無およびその配置を示すビット列、分子量、疎水性の有無、回転結合数などを含むことができる。

本発明によれば、少なくとも一つの記述子と値の間に成り立つ所定の関数を訓練データに基づいて学習する能動学習装置を用いて、前記所定の関数を求めるための実測装置において使用する実験候補データを選択する実験計画システムであって、
前記少なくとも一つの記述子および前記値を含む訓練データの入力を複数受け付ける訓練データ受付部と、
前記訓練データ受付部が受け付けた複数の訓練データを前記能動学習装置に出力する出力部と、
前記能動学習装置に、所定のアルゴリズムを用いて前記関数を学習させ、前記能動学習装置から順位付けされた実験候補データを入力する入力部と、
前記入力部により入力された前記実験候補データを記憶する実験候補データ記憶部と、
前記実験候補データに、取り得る異なる複数の予測値を割り当て、新たな訓練データを生成して、前記出力部に、前記能動学習装置に出力させる訓練データ生成部と、
前記新たな訓練データに基づいて、再度前記能動学習装置に前記関数を学習させ、前記能動学習装置から前記順位付けされた前記実験候補データを前記入力部に入力させ、前記実験候補データ記憶部に追加し、前記実験候補データが所定数、前記実験候補データ記憶部に記憶されるまで、前記訓練データ生成部に前記新たな訓練データの生成、前記能動学習装置への出力、前記入力部に前記順位付けされた前記実験候補データの入力、および前記実験候補データ記憶部への追加を繰り返させる制御部と、
を備えることを特徴とする実験計画システムが提供される。
さらに、本発明によれば、少なくとも一つの記述子と値の間に成り立つ所定の関数を訓練データに基づいて学習する能動学習装置を用いて、前記所定の関数を求めるための実測装置において使用する実験候補データを選択する実験計画プログラムであって、
前記実験候補データを記憶する実験候補データ記憶部を備えるコンピュータを、
前記少なくとも一つの記述子および前記値を含む訓練データの入力を複数受け付ける訓練データを受け付ける手段、
受け付けた複数の訓練データを前記能動学習装置に出力する手段、
前記能動学習装置に、所定のアルゴリズムを用いて前記関数を学習させ、前記能動学習装置から順位付けされた実験候補データを入力する手段、
入力された前記実験候補データを前記実験候補データ記憶部に記憶する手段、
前記実験候補データに、取り得る異なる複数の予測値を割り当て、新たな訓練データを生成して、前記能動学習装置に出力する手段、
前記新たな訓練データに基づいて、再度前記能動学習装置に前記関数を学習させ、前記能動学習装置から前記順位付けされた実験候補データを前記入力する手段に入力させ、前記実験候補データ記憶部に追加し、前記実験候補データが所定数、前記実験候補データ記憶部に記憶されるまで、前記新たな訓練データの生成、前記能動学習装置への出力、前記順位付けされた実験候補データの入力、および前記実験候補データ記憶部への追加を繰り返させる手段、として機能させるための実験計画プログラムが提供される。

なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、能動学習システムを用いた効率の良い実験計画方法およびシステムが提供される。

以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。

図１は、本発明の実施の形態に係る実験計画システムの概略構成を示すブロック図である。本実施形態の実験計画システム１００は、少なくとも一つの記述子と値の間に成り立つ所定の関数を訓練データに基づいて学習する能動学習装置を用いて、所定の関数を求めるための実測装置において使用する実験候補データを選択する実験計画システム１００であって、少なくとも一つの記述子および値を含む訓練データの入力を複数受け付ける訓練データ受付部（制御装置２０）と、訓練データ受付部が受け付けた複数の訓練データを能動学習装置３０に出力する出力部（制御装置２０）と、能動学習装置３０に、所定のアルゴリズムを用いて関数を学習させ、能動学習装置３０から順位付けされた実験候補データを入力する入力部（制御装置２０）と、入力された実験候補データを記憶する実験候補データ記憶部（実験候補データ記憶装置４２）と、実験候補データに、取り得る異なる複数の予測値を割り当て、新たな訓練データを生成して、能動学習装置３０に出力する訓練データ生成部（制御装置２０）と、新たな訓練データに基づいて、再度能動学習装置３０に関数を学習させ、能動学習装置３０から順位付けされた実験候補データを入力部に入力させ、実験候補データ記憶部（実験候補データ記憶装置４２）に追加し、実験候補データが所定数、実験候補データ記憶部（実験候補データ記憶装置４２）に記憶されるまで、訓練データ生成部に新たな訓練データの生成、能動学習装置３０への出力、前記入力部に順位付けされた実験候補データの入力、および前記実験候補データ記憶部への追加を繰り返させる制御部（制御装置２０）と、を備える。

本発明の実施の形態に係る実験計画システム１００は、能動学習法を用いた実験計画法を提示するものである。ここで、能動学習法とは、予め準備された訓練データから複数の記述子と値を関連付ける関数を学習し、学習した関数を用いて予測データを作成するものである。特に、本実施形態の実験計画システム１００は、能動学習法によって出力された複数の予測データによる効率の良い実験計画法を提示するものである。主な能動学習法としては、特に限定されないが、たとえば、ブースティング法、コミッティ法、およびバギング法などを用いることができる。

特に本実施形態の実験計画システム１００は、創薬開発現場などで、数十万から数百万個もの化合物の中からターゲットに対する活性を有する化合物を探索する実験の手順を提示するのに好適である。化合物が予め配置される複数のウェルが形成された複数のプレートを用いて、実測装置でハイスループットスクリーニング（ＨＴＳ：High Throughput Screening）を行う場合に、できる限り少ない測定回数で効率良く実験結果を得るための実験計画法を提示するのに好適である。具体的には、実測装置で測定する際、ターゲットに対する活性を有する化合物をできる限り少ない測定回数で探索可能となるように、プレート上に配置すべき複数の化合物を複数選択して提示するものである。なお、以下に示す各図において、本発明の本質に関わらない部分の構成については省略してある。

また、実験計画システム１００の各構成要素は、任意のコンピュータのＣＰＵ、メモリ、メモリにロードされた本図の構成要素を実現するプログラム、そのプログラムを格納するハードディスクなどの記憶ユニット、ネットワーク接続用インタフェースを中心にハードウェアとソフトウェアの任意の組合せによって実現される。そして、その実現方法、装置にはいろいろな変形例があることは、当業者には理解されるところである。以下説明する各図は、ハードウェア単位の構成ではなく、機能単位のブロックを示している。

具体的には、図１に示すように、本実施形態の実験計画システム１００は、訓練データ記憶装置１２と、評価データ記憶装置１４と、仮訓練データ記憶装置１６と、仮評価データ記憶装置１８と、制御装置２０と、能動学習装置３０と、実験候補データ記憶装置４２と、実験候補データ記憶補助装置４４と、実測装置５０と、を備える。

訓練データ記憶装置１２は、能動学習装置３０で使用する訓練データを記憶する。本実施形態において、訓練データは、以下のフォーマットを有する。能動学習装置３０は、後述するように、訓練データに基づいて、記述子と値を関連付ける関数を学習し、学習した関数を用いて予測データを作成するものである。

Ｄｊ＝（記述子１ｊ，記述子２ｊ，記述子３ｊ，・・・，記述子Ｎｊ，値ｊ） ・・・ 式（１）

ここで、ｊは１〜Ｍの自然数である。このように訓練データＤｊは、複数の記述子および対応する値を有する。本実施形態において、訓練データの記述子は、たとえば、化合物の分子量や特定の置換基の有無とその配置を示すビット列、疎水性の有無、回転結合数などを含む各種の属性パラメータで示すことができる。また、訓練データの値は、少なくとも一つのターゲットに対する活性の有無を数値化したパラメータで示すことができ、たとえば、実数値または２値化された離散値で示すことができる。なお、以下の説明において、活性がある化合物を「正例」、および活性がない化合物を「負例」とも呼ぶこととする。

複数の記述子を含む場合、各値の多次元の数値で示すことができる。本発明の実施の形態に係る実験計画システム１００では、これらの多次元空間上の値のばらつきができる限り分散するように複数の実験候補データを選択する。また、たとえば記述子が化合物の属性を示す場合、化合物の類似度を示す尺度として、Ｔａｎｉｍｏｔｏ係数を用いることができる。たとえば、２つの化合物Ａおよび化合物Ｂが仮に５ビット列で定義されるとすると、２つの化合物の類似度は、以下の式で表すことができる。

Ｔａｎｉｍｏｔｏ係数＝（化合物Ａと化合物Ｂの論理積の５ビット列のうち１であるビットの個数）／（化合物Ａと化合物Ｂの論理和の５ビット列のうち１であるビットの個数） ・・・ 式（２）

このようにして得られたＴａｎｉｍｏｔｏ係数によって表現される化合物の類似度のばらつきを示す尺度として、たとえば、クラスター解析を用いることができる。

本実施形態では、訓練データの区切り記号として"，"（カンマ）を使用しているが、必ずしもこれでなくてもよく"："（コロン）や" "（スペース）などでもよい。また、全体は、括弧で区切られているが、必ずしもデータはこのような形式でなくてもよく、一つ一つのデータが区別できるような形式になっていればよい。

評価データ記憶装置１４は、能動学習装置３０で使用する評価データを記憶する。本実施形態において、評価データは、利用者によって与えられ、以下のフォーマットを有する。

Ｄｉ＝（記述子１ｉ，記述子２ｉ，記述子３ｉ，・・・，記述子Ｎｉ，？） ・・・ 式（３）

ここで、ｉは、１〜Ｌの自然数である。たとえば、評価データは、複数の訓練データの記述子の間を所定の間隔（精度）で分割して得られる離散点として、各記述子を決定することができる。

なお、能動学習装置３０によって学習された関数に基づいて作成される予測データも、これに限定はされないが、上式（３）と同様のフォーマットとすることができる。

仮訓練データ記憶装置１６は、訓練データ記憶装置１２に記憶された訓練データを複製して仮訓練データとして一時的に記憶するものである。仮評価データ記憶装置１８は、評価データ記憶装置１４に記憶された評価データを複製して仮評価データとして一時的に記憶するものである。

制御装置２０は、訓練データ記憶装置１２、評価データ記憶装置１４、仮訓練データ記憶装置１６、仮評価データ記憶装置１８、能動学習装置３０、実験候補データ記憶装置４２、実験候補データ記憶補助装置４４、および実測装置５０に接続され、本システム全体を制御する。

制御装置２０は、訓練データおよび評価データを能動学習装置３０に送信して、能動学習装置３０にて学習され、予測された予測データを受信し、実験候補データを生成する。生成された実験候補データは、実測装置５０に送信され、実測装置５０にて実測された結果が制御装置２０にフィードバックされる。

制御装置２０は、プログラム記憶部（不図示）に記憶されたプログラムをＣＰＵ（不図示）により実行し、本発明の実験計画システムを実現するものである。

本実施形態において、このプログラムは、少なくとも一つの記述子と値の間に成り立つ所定の関数を訓練データに基づいて学習する能動学習装置３０を用いて、所定の関数を求めるための実測装置において使用する実験候補データを選択する実験計画プログラムであって、実験候補データを記憶する実験候補データ記憶部（実験候補データ記憶装置４２）を備えるコンピュータ（制御装置２０）を、少なくとも一つの記述子および値を含む訓練データの入力を複数受け付ける手段、訓練データを受け付ける手段が受け付ける手段、受け付けた複数の訓練データを能動学習装置３０に出力する手段、能動学習装置３０に、所定のアルゴリズムを用いて関数を学習させ、能動学習装置３０から順位付けされた実験候補データを入力する手段、入力された実験候補データを実験候補データ記憶部に記憶する手段、実験候補データに、取り得る異なる複数の予測値を割り当て、新たな訓練データを生成して、能動学習装置３０に出力する手段、入力する手段により、新たな訓練データに基づいて、再度能動学習装置３０に関数を学習させ、能動学習装置３０から順位付けされた実験候補データを入力する手段に入力させ、実験候補データ記憶部（実験候補データ記憶装置４２）に追加し、実験候補データが所定数、実験候補データ記憶部（実験候補データ記憶装置４２）に記憶されるまで、新たな訓練データの生成、能動学習装置３０への出力、順位付けされた実験候補データの入力、および前記実験候補データ記憶部への追加を繰り返させる手段、として機能させるためのものである。

なお、制御装置２０および実測装置５０は、必ずしも電気的または機械的に接続されている必要はなく、制御装置２０によって得られた実験候補データに基づいて、実測装置５０にてユーザが実測を行い、実測装置５０から出力された予測結果をユーザが参照し、入力装置（不図示）を用いてユーザに制御装置２０に入力させる構成とすることもできる。すなわち、実測装置５０からの予測結果の出力は、ネットワークやシリアルあるいはパラレル通信ケーブルによる伝送媒体によってもよいし、モニタ画面上への表示や、プリンタへの印字出力、あるいは、記憶媒体へのデータの記録などとすることができる。

能動学習装置３０は、制御装置２０から送信された訓練データおよび評価データを用いて、複数の記述子と値を関連付ける関数を学習し、学習された関数に基づいて予測データを作成し、制御装置２０に返信する。制御装置２０および能動学習装置３０間は、ネットワークや、シリアルまたはパラレル通信手段によって電気的に接続される。なお、能動学習装置３０の詳細については、後述する。

実験候補データ記憶装置４２は、制御装置２０が能動学習装置３０から受信した予測データに基づいて生成した実験候補データを記憶する。実験候補データ記憶補助装置４４は、能動学習装置３０から受信した予測結果を一時的に実験候補データとして記憶する。

実測装置５０は、たとえば、９６ウェルのプレートを複数セットし、ＨＴＳを行い、ターゲットに対する活性の有無を検査し、探索する。上述したように、実測装置５０は、制御装置２０から実験候補データを入力し、実測した結果を制御装置２０に出力する。あるいは、実測装置５０は、実測のシミュレーションを行う装置であってもよい。

図２は、本実施形態の制御装置２０および能動学習装置３０の詳細を示す機能ブロック図である。本実施形態の制御装置２０は、訓練データ受付部１０２と、コピー部１０４と、評価データ受付部１０６と、送信部１０８と、制御部１１０と、設定記憶部１１２と、受信部１１４と、訓練データ生成部１１６と、判定部１１８と、候補データ出力部１２０と、実験結果入力部１２２と、次サイクル訓練データ生成部１２４と、を備える。

能動学習装置３０は、受信部２０２と、訓練データ記憶部（図中、「訓練データ」と示す）２０４と、評価データ記憶部（図中、「評価データ」と示す）２０６と、学習部２０８と、関数記憶部（図中、「関数」と示す）２１０と、学習結果データ順位記憶部（図中、「学習結果データ順位」と示す）２１２と、送信部２１４と、を備える。

制御装置２０において、訓練データ受付部１０２は、訓練データを受け付け、訓練データ記憶装置１２に記憶する。訓練データ受付部１０２が受け付ける訓練データは、上記式（１）のフォーマットとする。本実施形態において、制御装置２０は、キーボード、マウス、操作ボタン、スイッチ、レバー、タッチパネルなどのユーザが操作可能な操作入力部（不図示）あるいは、ネットワークや他の通信手段（シリアルまたはパラレル通信）を用いて他の記憶媒体あるいは記憶装置から有線または無線通信により受信する通信部（不図示）を備えることができる。訓練データ受付部１０２は、これらの操作入力部または通信部を介して訓練データを受け付ける。

コピー部１０４は、訓練データ受付部１０２が受け付けた訓練データを複製し、仮訓練データ記憶装置１６に仮訓練データとして記憶する。評価データ受付部１０６は、利用者が操作入力部を用いて入力、あるいは予め記録媒体などから通信部を介して入力された評価データを受け付け、評価データ記憶装置１４に記憶する。同時に、評価データ受付部１０６にて受け付けられ、評価データ記憶装置１４に記憶された評価データは、コピー部１０４によって複製され、仮評価データ記憶装置１８に仮評価データとして記憶される。

送信部１０８は、評価データ受付部１０６にて評価データが受け付けられた後、仮訓練データ記憶装置１６および仮評価データ記憶装置１８にそれぞれ記憶されている仮訓練データおよび仮評価データを能動学習装置３０に送信する。

制御部１１０は、制御装置２０の各構成要素と接続され、各構成要素とともに制御装置２０全体を制御する。なお、各構成要素と制御部１１０間の接続は図２では省略してある。設定記憶部１１２は、制御装置２０において必要とする、各種の設定値、パラメータ、フラグ、カウンタ値などを記憶する。たとえば、本実施形態においては、設定記憶部１１２は、能動学習装置３０で使用する学習アルゴリズムの選択やパラメータの設定値や、実測装置５０にて実測する実験候補データ数を記憶する。また、設定記憶部１１２は、能動学習装置３０から得られた実験候補データに、取り得る異なる複数の予測値を、パラメータとして記憶する。さらに、設定記憶部１１２は、上記予測値が実験候補データに割り当てられ、仮訓練データが生成されたとき、その値が確率的に十分取り得る値か否かを判定するのに使用する判定値を記憶する。この判定値は、必要に応じて入力装置によりユーザが入力し、変更することも可能とする。

受信部１１４は、能動学習装置３０から予測データを受信する。受信した予測データは、実験候補データ記憶補助装置４４に実験候補データとして記憶される。実験候補データのフォーマットは、上記式（３）のフォーマットとする。

訓練データ生成部１１６は、受信部１１４が予測データを受信したとき、実験候補データとして実験候補データ記憶補助装置４４に記憶する。そして、実験候補データ記憶補助装置４４に記憶した実験候補データに対応する評価データを仮評価データ記憶装置１８から削除する。そして、設定記憶部１１２に記憶されているパラメータに従って、実験候補データに、取り得る異なる複数の予測値を割り当て、仮訓練データを生成し、仮訓練データ記憶装置１６に記憶する。また、後述する判定部１１８において、実験候補データに割り当てられた予測値があり得ないと判定された場合は、仮評価データ記憶装置１８に記憶された仮訓練データを仮評価データ記憶装置１８から削除させる。

判定部１１８は、実験候補データ記憶補助装置４４に記憶された実験候補データ数が所定数以上になったか否かを判定し、所定数に満たない場合、新たな訓練データの生成を訓練データ生成部１１６に指示する。たとえば、本システムを創薬スクリーニングに適用する場合であれば、所定数とは、１つのプレートに配置可能な９６ウェル分の化合物の個数とすることができる。

さらに、判定部１１８は、訓練データ生成部１１６で割り当てられた値が確率的に十分取り得るか否かを上記設定記憶部１１２に記憶されている判定値に基づいて判定し、十分取り得る場合には、送信部１０８に仮訓練データの送信を指示する。一方、確率的にあり得ない値の場合は、訓練データ生成部１１６に仮訓練データ記憶装置１６から仮訓練データの削除を指示する。

候補データ出力部１２０は、判定部１１８で実験候補データ数が所定数以上になったときに、実験候補データ記憶補助装置４４から実験候補データ記憶装置４２に実験候補データを移動し、実測装置５０に出力する。

実験結果入力部１２２は、実測装置５０にて、制御装置２０から送信された実験候補データに対する実験結果を入力する。ここで、制御部１１０が、実験結果入力部１２２が入力した実験結果に基づいて、所望の関数が推測可能かどうかを判断し、推測可能である場合は、処理を終了する。一方、得られた実験結果の精度が低く、未だ所望の関数の推測が可能ではない場合、次サイクル訓練データ生成部１２４に指示して、次サイクル用の訓練データの生成を指示する。

次サイクル訓練データ生成部１２４は、実験結果入力部１２２が入力した実験結果に基づいて、次サイクル用の訓練データを生成する。このとき、制御部１１０は、実験結果入力部１２２から入力された実験結果が所望の関数が得られたか否かを判別し、得られた場合は、処理を終了する。一方、所望の関数が所定の精度で得られなかった場合、次サイクル訓練データ生成部１２４は、得られた結果データの中から適切なデータを訓練データとして選択し、訓練データ受付部１０２に入力する。訓練データ受付部１０２に入力された訓練データに基づいて、次のサイクル処理が繰り返し行われることとなる。

また、能動学習装置３０において、受信部２０２は制御装置２０から訓練データおよび評価データを受信する。訓練データ記憶部２０４は、受信部２０２が受信した訓練データを記憶する。評価データ記憶部２０６は、受信部２０２が受信した評価データを記憶する。

学習部２０８は、訓練データ記憶部２０４および評価データ記憶部２０６に記憶された訓練データおよび評価データに基づいて、訓練データの複数の記述子と値を関連付ける関数を学習する。学習部２０８は、たとえば、ブースティング法、コミッティ法、またはバギング法などの手法を用いて学習を行うことができる。これらは、組み合わせて使用することもできる。関数記憶部２１０は、学習部２０８が学習した関数を記憶する。なお、学習部２０８は、学習した関数に基づいて予測データの生成も行い、その生成された予測データの優先順位付けも行う。

学習結果データ順位記憶部２１２は、学習部２０８が学習した関数に基づいて予測された予測データと、その予測データの優先順位を記憶する。送信部２１４は、制御装置２０に優先順位付けされた予測データを送信する。

このように構成にされた本実施形態の実験計画システム１００の動作について、以下に説明する。図３乃至図５は、本実施形態の実験計画システム１００の動作の一例を示すフローチャートである。

本発明の実施の形態の実験計画方法は、少なくとも一つの記述子と値の間に成り立つ所定の関数を訓練データに基づいて学習する能動学習装置３０を用いて、所定の関数を求めるための実測装置５０において使用する実験候補データを選択する実験計画方法であって、実験候補データを記憶する実験候補データ記憶部（実験候補データ記憶装置４２）を準備し、少なくとも一つの記述子および値を含む訓練データの入力を複数受け付け（図３のステップＳ１０３）、受け付けた複数の訓練データを能動学習装置３０に出力し（図３のステップＳ１１３）、能動学習装置３０に、所定のアルゴリズムを用いて関数を学習させ（図３のステップＳ１５）、能動学習装置３０から順位付けされた実験候補データを入力し（図３のステップＳ１１５）、入力された実験候補データを実験候補データ記憶部（実験候補データ記憶装置４２および実験候補データ記憶補助装置４４）に記憶し（図３のステップＳ１１７）、実験候補データに、取り得る異なる複数の予測値を割り当て、新たな訓練データを生成して（図４のステップＳ１３３）、能動学習装置３０に出力し（図３のステップＳ１１３）、新たな訓練データに基づいて、再度能動学習装置３０に関数を学習させ（図３のステップＳ１５）、能動学習装置３０から順位付けされた実験候補データを入力し、実験候補データ記憶部（実験候補データ記憶装置４２）に追加し、実験候補データが所定数、実験候補データ記憶部（実験候補データ記憶装置４２）に記憶されるまで（図３のステップＳ１２１のＮＯ）、新たな訓練データの生成、能動学習装置３０への出力、順位付けされた実験候補データの入力、および前記実験候補データ記憶部への追加を繰り返す。

このように、実験計画システム１００は、能動学習装置３０にて訓練データに基づいて能動学習を行い、その結果得られた予測データに基づいて所定数の実験候補データを生成し、実測装置５０にて実測を行った結果を制御装置２０にフィードバックし、新たな訓練データを生成し、予測データの精度を高めて行くものである。

また、本実施形態において、能動学習装置３０から取得した予測データに基づいた実験候補データに異なる複数の予測値を割り当て、仮訓練データとして生成する。この生成された異なる値を有する異なる訓練データを用いて能動学習装置３０にて能動学習を再度行わせることにより、予測データを実験候補データとして記憶していき、これらの動作を所定数の実験候補データが得られるまで繰り返すものである。

まず、制御装置２０が１サイクル目の実験候補データを生成するサイクルを開始する。ここで、制御部１１０により１サイクル目であることを示すカウンタｉに１がセットされる（ステップＳ１０１）。訓練データ受付部１０２が訓練データの入力を受け付ける（ステップＳ１０３）。訓練データ受付部１０２が受け付けた訓練データに基づいて、評価データ受付部１０６が評価データを受け付ける（ステップＳ１０５）。

そして、ステップＳ１０３およびステップＳ１０５でそれぞれ受け付けられた訓練データおよび評価データがそれぞれ訓練データ記憶装置１２および評価データ記憶装置１４に記憶される（ステップＳ１０７）。つづいて、コピー部１０４が訓練データ記憶装置１２に記憶された訓練データを複製し、仮訓練データ記憶装置１６に仮訓練データとして記憶するとともに、評価データ記憶装置１４に記憶された評価データを複製し、仮評価データ記憶装置１８に仮評価データとして記憶する（ステップＳ１０９）。

つづいて、送信部１０８が仮評価データ記憶装置１８に記憶された仮評価データを能動学習装置３０に送信する（ステップＳ１１１）。ここで、制御部１１０が実験候補データの順位カウンタｊに１をセットし、設定記憶部１１２に記憶する（ステップＳ１１２）。さらに、送信部１０８が仮訓練データ記憶装置１６に記憶された仮訓練データを能動学習装置３０に送信する（ステップＳ１１３）。

そして、能動学習装置３０において、受信部２０２が制御装置２０から仮訓練データおよび仮評価データをそれぞれ受信し、訓練データ記憶部２０４および評価データ記憶部２０６にそれぞれ記憶する（ステップＳ１１およびステップＳ１３）。

そして、学習部２０８が訓練データ記憶部２０４および評価データ記憶部２０６に記憶された訓練データおよび評価データに基づいて、能動学習を実施する（ステップＳ１５）。学習された関数は関数記憶部２１０に記憶される。学習部２０８は学習した関数に従って予測データの生成を行い、さらに優先順位付けを行い学習結果データ順位記憶部２１２に記憶する。送信部２１４が、学習結果データ順位記憶部２１２に記憶された優先順位付けされた予測データを制御装置２０に送信する（ステップＳ１７）。

そして、制御装置２０において、受信部１１４が優先順位付けされた予測データを実験候補データとして受信する（ステップＳ１１５）。そして、ステップＳ１１５で受信した予測データおよび優先順位を対応付けて実験候補データ記憶補助装置４４に記憶する（ステップＳ１１７）。なお、ここで、実験候補データとして受信するデータ数は、もっとも効果のある設定として、１個の実験候補データとし、実験候補データ記憶補助装置４４に記憶するものとする。このデータ数も設定記憶部１１２に記憶しておく。他の実施形態では、所定数の実験候補データを実験候補データ記憶補助装置４４に記憶することもできる。ただし、データ数を増やすにつれて効果は低下してくる可能性が高い。

ステップＳ１１７で実験候補データ記憶補助装置４４に記憶された実験候補データに対応する評価データを仮評価データ記憶装置１８から削除する（ステップＳ１１９）。

つづいて、訓練データ生成部１１６は、実験候補データ記憶補助装置４４に記憶された実験候補データ数が設定記憶部１１２に記憶されている所定数以上か否かを判定する。所定数未満の場合（ステップＳ１２１のＮＯ）、図４のステップＳ１３１に進む。所定数以上の場合（ステップＳ１２１のＹＥＳ）、図５のステップＳ１５１に進む。

図４では、図３のステップＳ１１７で実験候補データ記憶補助装置４４に記憶された実験候補データのうち順位ｊの実験候補データに対して、取り得る複数の予測値の全てについて割り当て処理が終了したか否かが、判定部１１８により判定される（ステップＳ１３１）。順位ｊの実験候補データに対して全ての予測値について処理が終了したと判定された場合（ステップＳ１３１のＹＥＳ）、制御部１１０が設定記憶部１１２の順位カウンタｊをインクリメントし（ステップＳ１３９）、次の順位ｊの実験候補データについて、処理を行うためにステップＳ１３１に戻る。

一方、順位ｊの実験候補データに対応して全ての予測値について処理が終了していない場合（ステップＳ１３１のＮＯ）、訓練データ生成部１１６は、順位ｊの実験候補データに予測値を割り当て、仮訓練データを生成し、仮訓練データ記憶装置１６に記憶する（ステップＳ１３３）。そして、判定部１１８がステップＳ１３３で割り当てられた値が確率的に十分取り得るか否かを判定し、十分取り得ると判定された場合（ステップＳ１３５のＹＥＳ）、図３のステップＳ１１３に戻り、生成された仮訓練データでステップＳ１１３以降の処理が繰り返されることとなる。

一方、判定部１１８がステップＳ１３３で割り当てられた値が確率的にあり得ないと判定した場合（ステップＳ１３５のＮＯ）、仮訓練データ記憶装置１６から生成された仮訓練データを除外し（ステップＳ１３７）、ステップＳ１３１に戻る。

次に、図３および図４の処理が繰り返された後、実験候補データ数が所定数以上になった時（図３のステップＳ１２１のＹＥＳ）、図５のフローに進む。得られた所定数の実験候補データを実験候補データ記憶補助装置４４から実験候補データ記憶装置４２に移動し、実験候補データ記憶装置４２から読み出して候補データ出力部１２０が実測装置５０に出力する（ステップＳ１５１）。

実測装置５０では、制御装置２０から実験候補データを入力する（ステップＳ２０１）。そして入力された実験候補データに基づいてＨＴＳを行い、実験候補データについて実測を行い（ステップＳ２０３）、その結果を実測装置５０から制御装置２０に出力する（ステップＳ２０５）。

制御装置２０では、実験結果入力部１２２が実測装置５０から実験結果を入力する（ステップＳ１５３）。そして、制御部１１０は、実験結果入力部１２２から入力された実験結果が所望の関数が得られたか否かを判別し、得られた場合は（ステップＳ１５５のＹＥＳ）、処理を終了する。一方、所望の関数が所定の精度で得られなかった場合（ステップＳ１５５のＮＯ）、次サイクル訓練データ生成部１２４は、得られた結果データの中から適切なデータを訓練データとして選択し、訓練データ受付部１０２に入力する（ステップＳ１５７）。そして、カウンタｉをインクリメントし（ステップＳ１５９）、図３のステップＳ１０３に戻り、次サイクルｉの処理を繰り返し行うこととなる。

以上説明したように、本実施形態の実験計画システム１００によれば、能動学習システムを用いた実験計画を効率よく行えることとなる。具体的には、以下の実施例にも示すように、相互に類似することが少ないデータを選び出すことができるので、より少ない実測回数で実測装置５０にて効果的な実測を行うことができ、結果として、精度の良い所望とする関数を取得することが可能となる。

また、特に、創薬において、たとえば９６ウェルのプレートに化合物を配置して実測装置５０にて実測を行う場合に、本実施形態の実験計画システム１００にて選択された相互に類似することが少ない実験候補データをプレート上に化合物を配置することにより、所望とする活性を有する化合物をより少ない実験回数で効率良く特定することが可能となる。

（実施例）
本発明の実験計画システム１００を用いて、０〜１の区間におけるステップ関数が存在しているとし、その関数を能動学習によって推測した。

ステップ関数は、記述子として０〜１を１０００分割した離散点の各点で与えるものとする。ここでは能動学習装置３０が推測する関数の正解を０．３で値が１に変わるステップ関数とした。また簡単のため各データは（記述子，値）という形式表現する。また制御装置２０の出力として１０個ずつ実験候補データを得るものとする。

図３において、制御装置２０にて処理が開始し、制御部１１０により設定記憶部１１２のサイクルカウンタｉに１がセットされる（ステップＳ１０１）。訓練データ受付部１０２は、訓練データとして（０，０）および（１，１）の２データを受け付ける（ステップＳ１０３）。つづいて、評価データ受付部１０６が利用者から入力された評価データを受け付ける。ここでは、（０．００１，？），（０．００２，？），・・・，（０．９９９，？）の９９９データが受け付けられる（ステップＳ１０５）。受け付けられた評価データは、評価データ記憶装置１４に記憶される（ステップＳ１０７）。

つづいて、コピー部１０４が訓練データおよび評価データを複製し、仮訓練データ記憶装置１６および仮評価データ記憶装置１８にそれぞれ記憶する（ステップＳ１０９）。仮評価データ記憶装置１８に記憶された仮評価データは、送信部１０８により能動学習装置３０に送信される（ステップＳ１１１）。そして、制御部１１０により設定記憶部１１２の順位カウンタｊに１がセットされる（ステップＳ１１２）。そして、仮訓練データ記憶装置１６に記憶された仮訓練データは、送信部１０８により能動学習装置３０に送信される（ステップＳ１１３）。

これにより、第１番目の訓練データ（０，０）および（１，１）が能動学習装置３０に受信され（ステップＳ１１およびステップＳ１３）、能動学習が実施され（ステップＳ１５）、学習結果として、優先順位が１位の（０．５，？）という予測データが能動学習装置３０から制御装置２０に送信される（ステップＳ１７）。そして、制御装置２０にて受信部１１４が実験候補データとして受信し（ステップＳ１１５）、訓練データ生成部１１６が実験候補データ記憶補助装置４４に優先順位１位の実験候補データ（０．５，？）を記憶する（ステップＳ１１７）。そして、ステップＳ１７７で実験候補データ記憶補助装置４４に記憶された実験候補データに対応する評価データ（０．５，？）を仮評価データ記憶装置１８から削除する（ステップＳ１１９）。

つづいて、判定部１１８は、実験候補データ記憶補助装置４４に記憶された実験候補データ数が所定数以上か否かを判定し、ここでは、実験候補データは１データであり、所定数１０個未満であるので（ステップＳ１２１のＮＯ）、図４のステップＳ１３１に進む。図４の処理では、実験候補データ記憶補助装置４４に記憶された優先順位に従って実験候補データを元に、仮訓練データの生成を行う。なお、ステップＳ１１５で得られた１位の実験候補データ（０．５，？）が取り得る値は、１または０である。これらの値は、予めパラメータとして設定記憶部１１２に記憶しておく。したがって、以下の処理において、異なる予測値"１"および"０"をそれぞれ割り当てることとなる。

ここでは、設定記憶部１１２の順位カウンタｊに１がセットされているので、訓練データ生成部１１６は、１位（ｊ＝１）の実験候補データ（０．５，？）が取り得る値について、以下の処理が全て終了したか否かを判断する。ここでは、未だ終了していないので（ステップＳ１３１のＮＯ）、訓練データ生成部１１６は、ステップＳ１１７で記憶した優先順位に従って、実験候補データに、予測値を割り当て、仮訓練データを生成し、仮訓練データ記憶装置１６に記憶する。

まず、１位の実験候補データ（０．５，？）について、予測値"１"を割り当て、仮訓練データ（０．５，１）を生成し、仮訓練データ記憶装置１６に記憶する（ステップＳ１３３）。そして、判定部１１８がステップＳ１３３で割り当てられた値が確率的に十分取り得るか否かを判定し、十分取り得るので（ステップＳ１３５のＹＥＳ）、図３のステップＳ１１３に戻る。この判定は一様にあり得るという代表的な入力値に対する判定値を予め設定記憶部１１２に記憶しておく。

そして、送信部１０８が仮訓練データを能動学習装置３０に送信し（ステップＳ１１３）、能動学習装置３０にて、受信、能動学習が実施される（ステップＳ１３およびステップＳ１５）。ここでは、学習結果として、仮訓練データ（０．５，１）から優先順位が２位の（０．２５，？）が得られ、能動学習装置３０から制御装置２０に送信される（ステップＳ１７）。

そして、制御装置２０にて受信部１１４が実験候補データとして受信し（ステップＳ１１５）、訓練データ生成部１１６が実験候補データ記憶補助装置４４に優先順位２位の実験候補データ（０．２５，？）を記憶する（ステップＳ１１７）。ステップＳ１１７で実験候補データ記憶補助装置４４に記憶された実験候補データに対応する評価データ（０．２５，？）を仮評価データ記憶装置１８から削除する（ステップＳ１１９）。

つづいて、訓練データ生成部１１６は、実験候補データ記憶補助装置４４に記憶された実験候補データ数が所定数以上か否かを判定し、ここでは、実験候補データは２データであり、所定数１０個未満であるので（ステップＳ１２１のＮＯ）、図４のステップＳ１３１に進む。

ステップＳ１３１では、訓練データ生成部１１６は、実験候補データ（０．５，？）が取り得る値について、以下の処理が全て終了したか否かを判断する。ここでは、未だ予測値"０"について処理が終了していないので（ステップＳ１３１のＮＯ）、訓練データ生成部１１６は、予測値"０"を割り当てた仮訓練データ（０．５，０）を生成し、仮訓練データ記憶装置１６に記憶する（ステップＳ１３３）。そして、判定部１１８がステップＳ１３３で割り当てられた値が確率的に十分取り得るか否かを判定し、十分取り得るので（ステップＳ１３５のＹＥＳ）、図３のステップＳ１１３に戻る。そして、送信部１０８が仮訓練データを能動学習装置３０に送信し（ステップＳ１１３）、能動学習装置３０にて、受信、能動学習が実施される（ステップＳ１３およびステップＳ１５）。ここでは、学習結果として、仮訓練データ（０．５，０）から優先順位が３位の（０．７５，？）が得られ、能動学習装置３０から制御装置２０に送信される（ステップＳ１７）。

そして、制御装置２０にて受信部１１４が実験候補データとして受信し（ステップＳ１１５）、訓練データ生成部１１６が実験候補データ記憶補助装置４４に優先順位３位の実験候補データ（０．７５，？）を記憶する（ステップＳ１１７）。

つづいて、訓練データ生成部１１６は、実験候補データ記憶補助装置４４に記憶された実験候補データ数が所定数以上か否かを判定し、ここでは、実験候補データは３データであり、所定数１０個未満であるので（ステップＳ１２１のＮＯ）、図４のステップＳ１３１に進む。本実施形態において、各実験候補データが取り得る値は、異なる２つのデータ"１"および"０"のいずれかである。ステップＳ１３１では、実験候補データ（０．５，？）が取り得る２つの予測値"１"および"０"について処理が終了しているので（ステップＳ１３１のＹＥＳ）、制御部１１０が設定記憶部１１２の順位カウンタｊをインクリメントし、ｊ＝２とし（ステップＳ１３９）、ステップＳ１３１に戻る。

ステップＳ１３１では、訓練データ生成部１１６は、優先順位２位の実験候補データ（０．２５，？）が取り得る値について、以下の処理が全て終了したか否かを判断する。ここでは、未だ処理が終了していないので（ステップＳ１３１のＮＯ）、訓練データ生成部１１６は、予測値"１"を割り当てた仮訓練データ（０．２５，１）を生成し、仮訓練データ記憶装置１６に記憶する（ステップＳ１３３）。そして、判定部１１８がステップＳ１３３で割り当てられた値が確率的に十分取り得るか否かを判定し、十分取り得るので（ステップＳ１３５のＹＥＳ）、図３のステップＳ１１３に戻る。そして、送信部１０８が仮訓練データを能動学習装置３０に送信し（ステップＳ１１３）、能動学習装置３０にて、受信、能動学習が実施される（ステップＳ１３およびステップＳ１５）。ここでは、学習結果として、仮訓練データ（０．２５，１）から優先順位が４位の（０．１２５，？）が得られ、能動学習装置３０から制御装置２０に送信される（ステップＳ１７）。

そして、制御装置２０にて受信部１１４が実験候補データとして受信し（ステップＳ１１５）、訓練データ生成部１１６が実験候補データ記憶補助装置４４に優先順位４位の実験候補データ（０．１２５，？）を記憶する（ステップＳ１１７）。そして、ステップＳ１７７で実験候補データ記憶補助装置４４に記憶された実験候補データに対応する評価データ（０．１２５，？）を仮評価データ記憶装置１８から削除する（ステップＳ１１９）。

つづいて、訓練データ生成部１１６は、実験候補データ記憶補助装置４４に記憶された実験候補データ数が所定数以上か否かを判定し、ここでは、実験候補データは４データであり、所定数１０個未満であるので（ステップＳ１２１のＮＯ）、図４のステップＳ１３１に進む。

以下、同様にして、処理を続けると、実験候補データとして、以下の表１のデータが１０個得られる。

１０個の実験候補データが得られた後（ステップＳ１２１のＹＥＳ）、図５のステップＳ１５１に進む。なお、上記の処理で得られた訓練データは、以下の表２に示される仮訓練データが得られるが、（０．３７５，０）以降の仮訓練データは、図３のステップＳ１１３で制御装置２０から能動学習装置３０に送信されない。

図２の制御装置２０の候補データ出力部１２０が実測装置５０に表１に示される１０個の実験候補データが出力される（ステップＳ１５１）。そして、実測装置５０が実験候補データを受信し（ステップＳ２０１）、ＨＴＳを行い、実験候補データについて実測を行う（ステップＳ２０３）。そして、実験結果を制御装置２０に出力する（ステップＳ２０５）。

制御装置２０において、図２の実験結果入力部１２２が実測装置５０から実験結果データを入力する（ステップＳ１５３）。ここでは、表３に示される実験結果データが得られる。

表３に示されるように、この１サイクル目（ｉ＝１）の実験では、（０．２５，０）および（０．３１３，１）から、０．２５と０．３１３の間に０から１への切り替え点が存在することが推定されるが、まだ所望の関数が所定の精度で得られたとは言えないので（ステップＳ１５５のＮＯ）、次サイクル訓練データ生成部１２４は、上記の（０．２５，０）および（０．３１３，１）を第１の訓練データとして選択する（ステップＳ１５７）。次サイクル訓練データ生成部１２４が選択した訓練データ受付部１０２により受け付けられる。そして、制御部１１０により設定記憶部１１２のカウンタｉがインクリメントされ、ｉ＝２となり（ステップＳ１５９）、図３のステップＳ１０３に戻り、２サイクル目の処理が開始される。

２サイクル目の処理では、表４に示される仮訓練データが生成され、制御装置２０から能動学習装置３０に送信され、能動学習装置３０にて表５に示される１０個の実験候補データが得られる。

そして、実測装置５０にて実測を行い、表５に示される実験結果が得られた。

これにより、第３サイクル目の第１の訓練データとして、（０．２８７，０）および（０．３０５，１）が取得され、さらに能動学習装置３０により学習が繰り返される。３サイクル目では、表６に示される仮訓練データが生成され、表７に示される実験候補データが取得された。

本実施例では、実験候補データは、７個以上は取得されない。そして、７個の実験候補データを用いて実測装置５０にて実測を行い、表７に示される実験結果が得られた。

このように本実施例において、３サイクル目で正確な関数、すなわち、０．３で０から１に変化するステップ関数を取得することができた。

（比較例）
上記実施例と同じ、０〜１の区間におけるステップ関数を従来の能動学習装置によって推測した。

訓練データとして、訓練データとして（０，０）および（１，１）の２データを入力した。評価データは、（０．００１，？），（０．００２，？），・・・，（０．９９９，？）の９９９データを入力した。

従来の能動学習装置にこれらの訓練データおよび評価データを適用すると、順位付けされた予測データが出力される。順位は、（０．５，？）からの距離順となる。

１サイクル目の処理では、表８に示すように、能動学習装置により、１０個の実験候補データが生成される。これらを用いて実測装置にて実測を行い得られた結果も表８に示す。

１サイクル目の実験結果に基づいて、次の２サイクル目の訓練データとして、（０．４９５，１）が追加される。これにより、（０．２４８，？）を基準として順位付けされた予測データが出力され、実測装置にて表９に示す結果が得られた。

２サイクル目の実験結果に基づいて、３サイクル目の訓練データとして、（０．２５２，０）が追加される。これにより、（０．３７４，？）を基準として順位付けされた予測データが出力され、実測装置にて表９に示す結果が得られた。以後、同様の処理を繰り返し、表９に示すように、６サイクル目で正しい関数が予測された。したがって、比較例の６サイクルに比べて、実施例の実験計画システム１００では、３サイクルで正しい関数を予測することができたので、５０％の費用を削減することができるようになったと言える。

以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。

たとえば、図４のステップＳ１３５およびステップＳ１３７は必ずしも必要ではない。この構成は、特に、データに対する予測を全く行うことができないような場合に有効である。本実施形態においても、上記実施形態と同様な効果を奏することができる。

また、他の実施形態として、制御装置２０は、送信部１０８、制御部１１０、設定記憶部１１２、受信部１１４、訓練データ生成部１１６、判定部１１８のみを最低限含む構成とすればよく、その他の構成要素は他の装置にて実現させることもできる。すなわち、制御装置２０は、図４のステップＳ１３１、ステップＳ１３３、ステップＳ１３７のみを行えばよい。図４のステップＳ１３５は必ずしも必須ではない。

また、訓練データ記憶装置１２および評価データ記憶装置１４は、制御装置２０に含むこともできる。仮訓練データ記憶装置１６および仮評価データ記憶装置１８は、一つの記憶装置とすることもできる。

また、実験候補データの値に異なる複数の予測値を割り当てる場合、

本発明の実施の形態に係る実験計画システムの概略構成を示すブロック図である。 図１の実験計画システムの制御装置および能動学習装置の詳細を示す機能ブロック図である。 本実施形態の実験計画システムの動作の一例を示すフローチャートである。 図３の続きを示し、実験候補データに予測値を割り当てる動作の一例を示すフローチャートである。 図３の続きを示し、実験候補データに基づいて、実測を行い、新たな訓練データを生成する動作の一例を示すフローチャートである。

符号の説明

１２ 訓練データ記憶装置
１４ 評価データ記憶装置
１６ 仮訓練データ記憶装置
１８ 仮評価データ記憶装置
２０ 制御装置
３０ 能動学習装置
４２ 実験候補データ記憶装置
４４ 実験候補データ記憶補助装置
５０ 実測装置
１００ 実験計画システム
１０２ 訓練データ受付部
１０４ コピー部
１０６ 評価データ受付部
１０８ 送信部
１１０ 制御部
１１２ 設定記憶部
１１４ 受信部
１１６ 訓練データ生成部
１１８ 判定部
１２０ 候補データ出力部
１２２ 実験結果入力部
１２４ 次サイクル訓練データ生成部
２０２ 受信部
２０４ 訓練データ記憶部
２０６ 評価データ記憶部
２０８ 学習部
２１０ 関数記憶部
２１２ 学習結果データ順位記憶部
２１４ 送信部

Claims (18)

1. 少なくとも一つの記述子と値の間に成り立つ所定の関数を訓練データに基づいて学習する能動学習装置を用いて、前記所定の関数を求めるための実測装置において使用する複数の実験候補データを選択する実験計画方法であって、
   前記実験候補データを記憶する実験候補データ記憶部に接続された制御装置が、
   前記少なくとも一つの記述子および前記値を含む訓練データを複数受け付け、
   前記受け付けた複数の訓練データを前記能動学習装置に出力し、
   前記能動学習装置が、所定のアルゴリズムを用いて前記関数を学習し、
   前記制御装置が、
   前記能動学習装置から順位付けされた実験候補データを入力し、
   前記入力された前記実験候補データを前記実験候補データ記憶部に記憶し、
   前記実験候補データに、取り得る異なる複数の予測値を割り当て、新たな訓練データを生成して、前記能動学習装置に出力し、
   前記能動学習装置が、前記新たな訓練データに基づいて、再度前記関数を学習し、
   前記制御装置が、
   前記能動学習装置から前記順位付けされた前記実験候補データを入力し、前記実験候補データ記憶部に追加し、前記実験候補データが所定数、前記実験候補データ記憶部に記憶されるまで、前記新たな訓練データの生成、前記能動学習装置への出力、前記順位付けされた前記実験候補データの入力、および前記実験候補データ記憶部への追加を繰り返すことを特徴とする実験計画方法。
2. 請求項１に記載の実験計画方法において、
   前記異なる複数の予測値をパラメータとして予め記憶する設定記憶部をさらに備え、
   前記制御装置が、前記設定記憶部に記憶されている前記パラメータに従って、前記実験候補データに、前記取り得る異なる複数の予測値を割り当て、前記新たな訓練データを生成して、前記能動学習装置に出力することを特徴とする実験計画方法。
3. 請求項１または２に記載の実験計画方法において、
   前記異なる複数の予測値の設定を受け付け、
   前記予測値の割り当てに使用することを特徴とする実験計画方法。
4. 請求項１乃至３いずれかに記載の実験計画方法において、
   前記能動学習装置が前記訓練データを入力したとき、
   複数の前記訓練データのうち前記記述子の距離が近い２つの訓練データ毎に前記記述子の中間値を算出し、
   前記中間値を記述子として前記実験候補データを生成し、順位付けして出力することを特徴とする実験計画方法。
5. 請求項１乃至３いずれかに記載の実験計画方法において、
   前記能動学習装置が前記訓練データを入力したとき、
   前記訓練データのうち前記記述子の距離が近い２つの訓練データ毎に前記記述子の平均値を算出し、
   前記平均値を記述子として前記実験候補データを生成し、順位付けして出力することを特徴とする実験計画方法。
6. 請求項１乃至５いずれかに記載の実験計画方法において、
   前記所定数の前記実験候補データが前記実験候補データ記憶部に記憶された後、前記実測装置に前記実験候補データ記憶部から前記実験候補データを出力し、
   前記出力された前記実験候補データを前記実験候補データ記憶部から削除し、
   前記実測装置から実測結果データを入力し、新たな訓練データとして受け付け、
   前記実験候補データが所定数、前記実験候補データ記憶部に記憶されるまで、前記順位付けされた前記実験候補データを前記実験候補データ記憶部に追加することを特徴とする実験計画方法。
7. 請求項６に記載の実験計画方法において、
   前記実測装置に前記実験候補データの出力を繰り返し、その結果得られた結果を訓練データとして前記能動学習装置に前記関数を学習させることを特徴とする実験計画方法。
8. 請求項１乃至７いずれかに記載の実験計画方法において、
   前記訓練データの前記記述子および前記値は、化合物の属性を示す値であることを特徴とする実験計画方法。
9. 請求項８に記載の実験計画方法において、
   前記訓練データの前記値は、前記化合物の前記属性として、所定の置換基の有無およびその配置を示すビット列、分子量、疎水性の有無、回転結合数などを含むことを特徴とする実験計画方法。
10. 少なくとも一つの記述子と値の間に成り立つ所定の関数を訓練データに基づいて学習する能動学習装置を用いて、前記所定の関数を求めるための実測装置において使用する実験候補データを選択する実験計画システムであって、
    前記少なくとも一つの記述子および前記値を含む訓練データの入力を複数受け付ける訓練データ受付部と、
    前記訓練データ受付部が受け付けた複数の訓練データを前記能動学習装置に出力する出力部と、
    前記能動学習装置に、所定のアルゴリズムを用いて前記関数を学習させ、前記能動学習装置から順位付けされた実験候補データを入力する入力部と、
    前記入力部により入力された前記実験候補データを記憶する実験候補データ記憶部と、
    前記実験候補データに、取り得る異なる複数の予測値を割り当て、新たな訓練データを生成して、前記出力部に、前記能動学習装置に出力させる訓練データ生成部と、
    前記新たな訓練データに基づいて、再度前記能動学習装置に前記関数を学習させ、前記能動学習装置から前記順位付けされた前記実験候補データを前記入力部に入力させ、前記実験候補データ記憶部に追加し、前記実験候補データが所定数、前記実験候補データ記憶部に記憶されるまで、前記訓練データ生成部に前記新たな訓練データの生成、前記能動学習装置への出力、前記入力部に前記順位付けされた前記実験候補データの入力、および前記実験候補データ記憶部への追加を繰り返させる制御部と、
    を備えることを特徴とする実験計画システム。
11. 請求項１０に記載の実験計画システムにおいて、
    前記異なる複数の予測値をパラメータとして予め記憶する設定記憶部を備え、
    前記訓練データ生成部が、前記設定記憶部に記憶されている前記パラメータに従って、前記実験候補データに、前記取り得る異なる複数の予測値を割り当て、前記新たな訓練データを生成して、前記能動学習装置に出力することを特徴とする実験計画システム。
12. 請求項１０または１１に記載の実験計画システムにおいて、
    前記異なる複数の予測値の設定を受け付ける設定受付部を備え、
    前記訓練データ生成部が前記予測値の割り当てに使用することを特徴とする実験計画システム。
13. 請求項１０乃至１２いずれかに記載の実験計画システムにおいて、
    前記能動学習装置は、
    前記訓練データを入力する訓練データ入力部と、
    前記入力部が入力した前記訓練データのうち前記記述子の距離が近い２つの訓練データ毎に前記記述子の中間値を算出する算出部と、
    前記中間値を記述子として前記実験候補データを生成し、順位付けして出力する順位出力部と、を備えることを特徴とする実験計画システム。
14. 請求項１０乃至１３いずれかに記載の実験計画システムにおいて、
    前記所定数の前記実験候補データが前記実験候補データ記憶部に記憶された後、前記実測装置に前記実験候補データ記憶部から前記実験候補データを出力する実験候補データ出力部と、
    前記出力された前記実験候補データを前記実験候補データ記憶部から削除する削除部と、
    前記実測装置から実測結果データを入力する実測結果入力部と、を備え、
    前記訓練データ受付部は、前記入力された前記実測結果データを新たな訓練データとして受け付け、
    前記実験候補データが所定数、前記実験候補データ記憶部に記憶されるまで、前記順位付けされた前記実験候補データを追加することを特徴とする実験計画システム。
15. 請求項１４に記載の実験計画システムにおいて、
    前記実測装置に前記実験候補データの出力を繰り返し、その結果得られた結果を訓練データとして前記能動学習装置に前記関数を学習させることを特徴とする実験計画システム。
16. 請求項１０乃至１５いずれかに記載の実験計画システムにおいて、
    前記訓練データの前記記述子および前記値は、化合物の属性を示す値であることを特徴とする実験計画システム。
17. 請求項１６に記載の実験計画システムにおいて、
    前記訓練データの前記値は、前記化合物の前記属性として、所定の置換基の有無およびその配置を示すビット列、分子量、疎水性の有無、回転結合数などを含むことを特徴とする実験計画システム。
18. 少なくとも一つの記述子と値の間に成り立つ所定の関数を訓練データに基づいて学習する能動学習装置を用いて、前記所定の関数を求めるための実測装置において使用する実験候補データを選択する実験計画プログラムであって、
    前記実験候補データを記憶する実験候補データ記憶部を備えるコンピュータを、
    前記少なくとも一つの記述子および前記値を含む訓練データの入力を複数受け付ける訓練データを受け付ける手段、
    受け付けた複数の訓練データを前記能動学習装置に出力する手段、
    前記能動学習装置に、所定のアルゴリズムを用いて前記関数を学習させ、前記能動学習装置から順位付けされた実験候補データを入力する手段、
    入力された前記実験候補データを前記実験候補データ記憶部に記憶する手段、
    前記実験候補データに、取り得る異なる複数の予測値を割り当て、新たな訓練データを生成して、前記能動学習装置に出力する手段、
    前記新たな訓練データに基づいて、再度前記能動学習装置に前記関数を学習させ、前記能動学習装置から前記順位付けされた実験候補データを前記入力する手段に入力させ、前記実験候補データ記憶部に追加し、前記実験候補データが所定数、前記実験候補データ記憶部に記憶されるまで、前記新たな訓練データの生成、前記能動学習装置への出力、前記順位付けされた実験候補データの入力、および前記実験候補データ記憶部への追加を繰り返させる手段、として機能させるための実験計画プログラム。

Images