JP7217696B2 - ポリマーの物性予測装置、プログラム、及びポリマーの物性予測方法 - Google Patents
ポリマーの物性予測装置、プログラム、及びポリマーの物性予測方法 Download PDFInfo
- Publication number
- JP7217696B2 JP7217696B2 JP2019224516A JP2019224516A JP7217696B2 JP 7217696 B2 JP7217696 B2 JP 7217696B2 JP 2019224516 A JP2019224516 A JP 2019224516A JP 2019224516 A JP2019224516 A JP 2019224516A JP 7217696 B2 JP7217696 B2 JP 7217696B2
- Authority
- JP
- Japan
- Prior art keywords
- polymer
- physical property
- unit
- partial
- regression model
- 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.)
- Active
Links
- 229920000642 polymer Polymers 0.000 title claims description 222
- 230000000704 physical effect Effects 0.000 title claims description 203
- 238000000034 method Methods 0.000 title claims description 46
- 238000003860 storage Methods 0.000 claims description 42
- 230000009467 reduction Effects 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 24
- 238000002910 structure generation Methods 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 239000002994 raw material Substances 0.000 claims description 6
- 230000009477 glass transition Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 125000004429 atom Chemical group 0.000 description 40
- 238000012545 processing Methods 0.000 description 37
- 239000013598 vector Substances 0.000 description 24
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 238000011156 evaluation Methods 0.000 description 9
- 238000000611 regression analysis Methods 0.000 description 9
- 238000012795 verification Methods 0.000 description 9
- 230000000052 comparative effect Effects 0.000 description 8
- 229920000089 Cyclic olefin copolymer Polymers 0.000 description 7
- 125000004432 carbon atom Chemical group C* 0.000 description 7
- -1 poly(ethylene) Polymers 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 3
- 125000004430 oxygen atom Chemical group O* 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 229920003171 Poly (ethylene oxide) Polymers 0.000 description 2
- 239000004698 Polyethylene Substances 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 229920000573 polyethylene Polymers 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- 239000005977 Ethylene Substances 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F110/00—Homopolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond
- C08F110/02—Ethene
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/44—Resins; Plastics; Rubber; Leather
- G01N33/442—Resins; Plastics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Food Science & Technology (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Polymers & Plastics (AREA)
- Organic Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
ドライブ装置18は、ドライブ装置18にセットされた記憶媒体19(例えば、CD-ROM(Compact Disc Read-Only Memory)等)と物性予測装置100とのインターフェースを行う。
図3は、物性予測装置の第1の機能構成例を示す図である。図3において、物性予測装置100は、予測処理部40を有する。予測処理部40は、CPU11が対応するプログラムを実行することで行われる予測処理に相当する。
部分構造数密度 = 部分構造数 ÷ 原子数
により得られる。得られた部分構造数密度33dは、部分構造数33bと同じn次元のベクトルで表され、記憶部130に記憶される。
y=f(x)
で表し、部分構造数密度33dを変数xに代入することで、ある物性の予測値yを得る。
y=f(x) (1)
で表される。次元が削減されない場合、部分構造数密度ベクトルxの個数は、次元数のnであるが、次元削減後には、部分構造数密度ベクトルxの次元はn'個となる。重要部分構造33eにより、予測精度に寄与する次元のみを用いて予測値を算出するため、効率よく物性予測処理を行える。
yA=f(xA) (2)
により得られる。
図10は、物性予測装置の第2の機能構成例を示す図である。図10において、第2の機能構成例では、図3に示す第1の機能構成例のうち、モデル構造生成部43aと次元削減部43eとが省略され、したがって、モデル構造33aと重要部分構造33eとは生成されない。
図11は、物性予測装置の第3の機能構成例を示す図である。図11において、第3の機能構成例では、図3に示す第1の機能構成例のうち、モデル構造生成部43aが省略され、したがって、モデル構造33aは生成されない。
図12は、物性予測装置の第4の機能構成例を示す図である。図12において、第4の機能構成例では、図3に示す第1の機能構成例のうち、次元削減部43eが省略され、したがって、重要部分構造33eは生成されない。
[既存の機能構成例]
図13は、既存の技術に基づく物性予測装置の機能構成例を示す図である。図13において、物性予測装置9は、既存の技術に基づく機能構成を有する。図13に示す比較例では、物性予測装置9の予測処理部90は、モデル作成部91と、物性予測部95とを有する。
次に、比較例としての機能構成例、第1~第4の機能構成例のそれぞれの予測精度を検証した結果を説明する。各機能構成例において、発明者は、屈折率を予測する場合で検証を行った。
実施例1では、モデル構造生成部43aと次元削減部43eとが省略される第2の機能構成例(図10)で検証を行った。実施例1では、モデル構造33aは生成されない。また、回帰分析は、回帰モデル構築部43fにより1回のみ行われる。
実施例2では、モデル構造生成部43aが省略される第3の機能構成例(図11)で検証を行った。モデル構造33aが生成されないため、ポリマー構造・物性DB31の繰り返し単位から部分構造数密度33dが求められる。回帰分析は、次元削減部43eと、回帰モデル構築部43fとで2回行われる。
実施例3では、次元削減部43eが省略される第4の機能構成例(図12)で検証を行った。重要部分構造33eは取得されない。部分構造数密度33dの次元数で回帰モデル33fが構築される。
実施例4では、重要部分構造33e及び次元削減部43eを含む第1の機能構成例(図3)で検証を行った。
比較例1では、部分構造数計算部93bと回帰モデル構築部93fのみで回帰モデル83fを求める既存の機能構成例(図13)で検証を行った。
3 端末
6a ポリマー構造
6b 物性値
31 ポリマー構造・物性DB
33a モデル構造
33b 部分構造数
33c 原子数
33d 部分構造数密度
33e 重要部分構造
33f 回帰モデル
40 予測処理部
41 モデル作成部
43a モデル構造生成部
43b 部分構造数計算部
43c 原子数計算部
43d 部分構造数密度計算部
43e 次元削減部
43f 回帰モデル構築部
45 物性予測部
47a ポリマー構造入力部
47b ポリマー物性予測部
100 物性予測装置
Claims (14)
- 記憶部から繰り返しによりポリマーを構成する構造単位を読み込み、該構造単位を用いて、該ポリマーの部分構造の数を計算する部分構造数計算部と、
前記構造単位の原子数を計算する原子数計算部と、
前記部分構造の数と前記構造単位の原子数とから該部分構造の数密度を計算する部分構造数密度計算部と、
前記記憶部から得られる前記ポリマーの物性の実験値と、前記部分構造の数密度とを用いて、物性値を予測する回帰モデルを構築する回帰モデル構築部と、
前記物性値を予測したいポリマー構造を入力するポリマー構造入力部と、
前記回帰モデルを用いて、入力した前記ポリマー構造に対応する前記物性値を予測するポリマー物性予測部と、を備え、
前記物性は、屈折率またはガラス転移点であるポリマーの物性予測装置。 - 前記部分構造数計算部は、前記ポリマーの部分構造の種類をアルゴリズムに基づき特定し、該種類の数を前記部分構造の数とする請求項1に記載のポリマーの物性予測装置。
- 前記部分構造数密度計算部により得られた前記部分構造の数密度の一部を削除する削除部を備える請求項1又は2に記載のポリマーの物性予測装置。
- 前記記憶部から得られた前記構造単位を複数用いてモデル構造を生成するモデル構造生成部を備える請求項1又は2に記載のポリマーの物性予測装置。
- 前記記憶部から得られた前記構造単位を複数用いてモデル構造を生成するモデル構造生成部と、
前記部分構造数密度計算部により得られた前記部分構造の数密度を示す構造記述子の一部を削除する次元削減部とを備え、
前記部分構造数計算部と原子数計算部は、生成された前記モデル構造から、前記部分構造の数と原子の数を計算する請求項1又は2に記載のポリマーの物性予測装置。 - ポリマー物性予測部は、入力した前記ポリマー構造を用いて、該ポリマー構造の部分構造の数と原子数とを計算し、得られた該部分構造と該原子数とから該部分構造の数密度を計算し、前記回帰モデル構築部によって構築された前記回帰モデルに対して、得られた該数密度を適用することで、該ポリマー構造の該物性値を予測する請求項1に記載のポリマーの物性予測装置。
- ポリマー物性予測部は、入力した前記ポリマー構造を用いて、該ポリマー構造の部分構造の数と原子数とを計算し、得られた該部分構造と該原子数とから該部分構造の数密度を計算し、得られた該部分構造の数密度の一部を削除し、前記回帰モデル構築部によって構築された前記回帰モデルに対して、該一部が削除された該数密度を適用することで、該ポリマー構造の該物性値を予測する請求項3に記載のポリマーの物性予測装置。
- ポリマー物性予測部は、入力した前記ポリマー構造を用いて、該ポリマー構造を複数用いてモデル構造を生成し、該モデル構造の部分構造の数と原子数とを計算し、得られた該部分構造と該原子数とから該部分構造の数密度を計算し、前記回帰モデル構築部によって構築された前記回帰モデルに対して、得られた該数密度を適用することで、該ポリマー構造の該物性値を予測する請求項4に記載のポリマーの物性予測装置。
- ポリマー物性予測部は、入力した前記ポリマー構造を用いて、該ポリマー構造を複数用いてモデル構造を生成し、該モデル構造の部分構造の数と原子数とを計算し、得られた該部分構造と該原子数とから該部分構造の数密度を計算し、得られた該部分構造の数密度を示す構造記述子の一部を削除し、前記回帰モデル構築部によって構築された前記回帰モデルに対して、該一部が削除された該数密度を適用することで、該ポリマー構造の該物性値を予測する請求項5に記載のポリマーの物性予測装置。
- コンピュータに、
記憶部から繰り返しによりポリマーを構成する構造単位を読み込み、該構造単位を用いて、該ポリマーの部分構造の数を計算するステップと、
前記構造単位の原子数を計算するステップと、
前記部分構造の数と前記構造単位の原子数とから該部分構造の数密度を計算するステップと、
前記記憶部から得られる前記ポリマーの物性の実験値と、前記部分構造の数密度とを用いて、物性値を予測する回帰モデルを構築するステップと、
前記回帰モデルを用いて、前記物性値を予測したいポリマー構造を入力するステップと、
入力した前記ポリマー構造に対応する前記物性値を予測するステップと、を実行させ、
前記物性は、屈折率またはガラス転移点であるポリマーの物性予測プログラム。 - 前記予測するステップは、入力した前記ポリマー構造を用いて、該ポリマー構造の部分構造の数と原子数とを計算し、得られた該部分構造と該原子数とから該部分構造の数密度を計算し、前記回帰モデルに対して、得られた該数密度を適用することで、該ポリマー構造の該物性値を予測する請求項10に記載のポリマーの物性予測プログラム。
- コンピュータが、
記憶部から繰り返しによりポリマーを構成する構造単位を読み込み、該構造単位を用いて、該ポリマーの部分構造の数を計算するステップと、
前記構造単位の原子数を計算するステップと、
前記部分構造の数と前記構造単位の原子数とから該部分構造の数密度を計算するステップと、
前記記憶部から得られる前記ポリマーの物性の実験値と、前記部分構造の数密度とを用いて、物性値を予測する回帰モデルを構築するステップと、
前記物性値を予測したいポリマー構造を入力するステップと、
前記回帰モデルを用いて、入力した前記ポリマー構造に対応する前記物性値を予測するステップと、を実行し、
前記物性は、屈折率またはガラス転移点であるポリマーの物性予測方法。 - 前記予測するステップは、入力した前記ポリマー構造を用いて、該ポリマー構造の部分構造の数と原子数とを計算し、得られた該部分構造と該原子数とから該部分構造の数密度を計算し、前記回帰モデルに対して、得られた該数密度を適用することで、該ポリマー構造の該物性値を予測する請求項12に記載のポリマーの物性予測方法。
- 請求項12又は13に記載のポリマーの物性予測方法により予測された物性値を有するポリマー構造を得るステップと、
前記ポリマー構造を構成するための原料を準備するステップと、
前記原料を反応させて、前記ポリマー構造で表されるポリマーを得るステップと、
を含むポリマーの製造方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018043171 | 2018-03-09 | ||
JP2018043171 | 2018-03-09 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019538694A Division JP6633820B1 (ja) | 2018-03-09 | 2019-03-05 | ポリマーの物性予測装置、プログラム、及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020074095A JP2020074095A (ja) | 2020-05-14 |
JP7217696B2 true JP7217696B2 (ja) | 2023-02-03 |
Family
ID=67847075
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019538694A Active JP6633820B1 (ja) | 2018-03-09 | 2019-03-05 | ポリマーの物性予測装置、プログラム、及び方法 |
JP2019224516A Active JP7217696B2 (ja) | 2018-03-09 | 2019-12-12 | ポリマーの物性予測装置、プログラム、及びポリマーの物性予測方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019538694A Active JP6633820B1 (ja) | 2018-03-09 | 2019-03-05 | ポリマーの物性予測装置、プログラム、及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11915799B2 (ja) |
EP (1) | EP3764252A4 (ja) |
JP (2) | JP6633820B1 (ja) |
CN (1) | CN111819441B (ja) |
WO (1) | WO2019172280A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7330712B2 (ja) * | 2019-02-12 | 2023-08-22 | 株式会社日立製作所 | 材料特性予測装置および材料特性予測方法 |
JP7353874B2 (ja) * | 2019-09-03 | 2023-10-02 | 株式会社日立製作所 | 材料特性予測装置および材料特性予測方法 |
JP7267883B2 (ja) * | 2019-09-18 | 2023-05-02 | 株式会社日立製作所 | 材料特性予測システムおよび材料特性予測方法 |
JP7468542B2 (ja) | 2019-10-25 | 2024-04-16 | コニカミノルタ株式会社 | 特性予測装置 |
JP7448353B2 (ja) | 2019-12-25 | 2024-03-12 | 太陽ホールディングス株式会社 | コンピュータの動作方法、プログラム、情報処理装置、及びデータ構造 |
CN117396970A (zh) * | 2021-06-02 | 2024-01-12 | 柯尼卡美能达株式会社 | 阻燃性预测装置、阻燃性预测模型生成装置、阻燃性预测模型及特征量提取装置 |
WO2022270530A1 (ja) | 2021-06-23 | 2022-12-29 | 昭和電工株式会社 | 物性予測装置、物性予測方法、及びプログラム |
CN113326664B (zh) * | 2021-06-28 | 2022-10-21 | 南京玻璃纤维研究设计院有限公司 | 一种基于m5p算法预测玻璃介电常数的方法 |
CN117836861A (zh) | 2021-08-31 | 2024-04-05 | 株式会社力森诺科 | 特性预测装置、特性预测方法和程序 |
JP7288207B2 (ja) * | 2021-10-04 | 2023-06-07 | ダイキン工業株式会社 | 低分子化合物探索方法、プログラム、装置、およびシステム |
WO2023120290A1 (ja) * | 2021-12-20 | 2023-06-29 | 株式会社レゾナック | 設計支援装置、設計支援方法、及びプログラム |
WO2024054900A1 (en) * | 2022-09-07 | 2024-03-14 | Georgia Tech Research Corporation | Systems and methods for predicting polymer properties |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002077772A2 (en) | 2001-03-23 | 2002-10-03 | Transform Pharmaceuticals, Inc. | Method and system for high-throughput screening |
WO2008116495A1 (en) | 2007-03-26 | 2008-10-02 | Molcode Ltd | Method and apparatus for the design of chemical compounds with predetermined properties |
JP2017188032A (ja) | 2016-04-08 | 2017-10-12 | 住友ゴム工業株式会社 | ポリマー組成物の性能の予測方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5946045B2 (ja) | 1976-08-10 | 1984-11-10 | ソニー株式会社 | 磁気再生装置 |
US4365303A (en) * | 1980-02-07 | 1982-12-21 | The Perkin-Elmer Corporation | Method and apparatus for determining the nature of an unknown chemical substance |
CA2012139C (en) * | 1990-03-08 | 2004-01-13 | Michael P. Teter | Apparatus and method for predicting physical and chemical properties of materials |
US5260882A (en) * | 1991-01-02 | 1993-11-09 | Rohm And Haas Company | Process for the estimation of physical and chemical properties of a proposed polymeric or copolymeric substance or material |
JPH06271823A (ja) * | 1993-03-19 | 1994-09-27 | Sekisui Chem Co Ltd | 配合設計システム |
JPH08255190A (ja) * | 1995-03-17 | 1996-10-01 | Sekisui Chem Co Ltd | 粘着剤及び粘着テープの設計支援システム |
EP1337916A4 (en) | 2000-11-20 | 2007-09-05 | Procter & Gamble | PREDICTIVE PROCESS FOR POLYMERS |
EP2889791A4 (en) | 2012-08-27 | 2016-04-13 | Kyoto Constella Technologies Co Ltd | DEVICE FOR DESIGNING A CONNECTION PROCESS FOR THE DESIGN OF A CONNECTION AND COMPUTER PROGRAM |
WO2015032505A1 (en) * | 2013-09-06 | 2015-03-12 | Maersk Olie Og Gas A/S | Evaluation of chemical components |
JP6225136B2 (ja) * | 2015-03-24 | 2017-11-01 | 日本電信電話株式会社 | 推定方法および推定装置 |
CN105868540B (zh) * | 2016-03-25 | 2018-04-13 | 哈尔滨理工大学 | 应用智能支持向量机对多环芳烃性质/毒性的预测方法 |
JP6630640B2 (ja) | 2016-07-12 | 2020-01-15 | 株式会社日立製作所 | 材料創成装置、および材料創成方法 |
JP6810447B2 (ja) | 2016-09-12 | 2021-01-06 | 株式会社三谷バルブ | エアゾール用スプレーキャップ、および、エアゾール |
US20200082913A1 (en) | 2017-11-29 | 2020-03-12 | Xgenomes Corp. | Systems and methods for determining sequence |
EP3775759A4 (en) | 2018-04-06 | 2022-04-27 | Braskem America, Inc. | RAMAN SPECTROSCOPY AND QUALITY CONTROL MACHINE LEARNING |
US10896744B2 (en) | 2018-08-13 | 2021-01-19 | American Chemical Society | Systems and methods for validating and predicting polymer functions using polymer properties |
-
2019
- 2019-03-05 CN CN201980017349.7A patent/CN111819441B/zh active Active
- 2019-03-05 EP EP19763785.3A patent/EP3764252A4/en active Pending
- 2019-03-05 JP JP2019538694A patent/JP6633820B1/ja active Active
- 2019-03-05 WO PCT/JP2019/008704 patent/WO2019172280A1/ja active Application Filing
- 2019-12-12 JP JP2019224516A patent/JP7217696B2/ja active Active
-
2020
- 2020-09-01 US US17/008,999 patent/US11915799B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002077772A2 (en) | 2001-03-23 | 2002-10-03 | Transform Pharmaceuticals, Inc. | Method and system for high-throughput screening |
WO2008116495A1 (en) | 2007-03-26 | 2008-10-02 | Molcode Ltd | Method and apparatus for the design of chemical compounds with predetermined properties |
JP2017188032A (ja) | 2016-04-08 | 2017-10-12 | 住友ゴム工業株式会社 | ポリマー組成物の性能の予測方法 |
Non-Patent Citations (1)
Title |
---|
後藤俊 外2名,ポリマー設計のための物性推算法と逆解析手法の開発,Journal of Computer Aided Chemistry [online],Chemical Society of Japan,2009年,Vol. 10,pp. 30-37,[検索日 2019.05.15], インターネット <URL: https://www.jstage.jst.go.jp/article/jcac/10/0/10_0_30/_article/-char/ja> |
Also Published As
Publication number | Publication date |
---|---|
JP2020074095A (ja) | 2020-05-14 |
US11915799B2 (en) | 2024-02-27 |
EP3764252A1 (en) | 2021-01-13 |
JPWO2019172280A1 (ja) | 2020-04-16 |
CN111819441A (zh) | 2020-10-23 |
US20200395102A1 (en) | 2020-12-17 |
CN111819441B (zh) | 2022-08-09 |
EP3764252A4 (en) | 2021-12-01 |
JP6633820B1 (ja) | 2020-01-22 |
WO2019172280A1 (ja) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7217696B2 (ja) | ポリマーの物性予測装置、プログラム、及びポリマーの物性予測方法 | |
CN109657805B (zh) | 超参数确定方法、装置、电子设备及计算机可读介质 | |
CN112464641A (zh) | 基于bert的机器阅读理解方法、装置、设备及存储介质 | |
JP2017049674A (ja) | 予測性能曲線推定プログラム、予測性能曲線推定装置および予測性能曲線推定方法 | |
JP6240804B1 (ja) | 改良した情報測定とgaに基づくフィルター式特徴選択アルゴリズム | |
Kulkarni et al. | Weka powerful tool in data mining | |
CN116802741A (zh) | 逆合成系统和方法 | |
Colaco et al. | A review on feature selection algorithms | |
JP7071624B2 (ja) | 探索プログラム、探索方法および探索装置 | |
CN112634992A (zh) | 分子性质预测方法及其模型的训练方法及相关装置、设备 | |
CN112086144A (zh) | 分子生成方法、装置、电子设备及存储介质 | |
KR102407120B1 (ko) | 분자 단편 기반 분자 생성 딥러닝 모델을 이용한 분자 설계 방법 및 분석장치 | |
KR102617958B1 (ko) | 교차 어텐션 매커니즘 기반의 화합물-단백질 상호작용 예측 방법 및 장치 | |
CN115345106B (zh) | 电子器件的Verilog-A模型构建方法、系统及设备 | |
JP7387962B2 (ja) | 強化学習及びドッキングに基づく医薬品分子のインテリジェント生成方法 | |
US11482304B2 (en) | Alignment methods, devices and systems | |
Belcak et al. | Fact: Learning governing abstractions behind integer sequences | |
JP7275504B2 (ja) | 情報処理装置、分析モデル管理方法及び分析モデル管理プログラム | |
JP5008096B2 (ja) | 文書自動分類方法及び文書自動分類システム | |
JP7224263B2 (ja) | モデル生成方法、モデル生成装置及びプログラム | |
WO2023007848A1 (ja) | データ解析方法、データ解析装置、及び、データ解析プログラム | |
Klusáček et al. | Comparing fitness functions for genetic feature transformation | |
CN117473170B (zh) | 基于代码表征的智能合约模版推荐方法、装置及电子设备 | |
US20230059056A1 (en) | Regression analysis device, regression analysis method, and program | |
US20240135141A1 (en) | Method and apparatus for predicting recipe property reflecting similarity between chemical materials |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211216 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221222 |
|
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: 20230117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230124 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7217696 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20230131 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20230201 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |