JP7302297B2 - 材料特性予測装置、材料特性予測方法、及び材料特性予測プログラム - Google Patents
材料特性予測装置、材料特性予測方法、及び材料特性予測プログラム Download PDFInfo
- Publication number
- JP7302297B2 JP7302297B2 JP2019101217A JP2019101217A JP7302297B2 JP 7302297 B2 JP7302297 B2 JP 7302297B2 JP 2019101217 A JP2019101217 A JP 2019101217A JP 2019101217 A JP2019101217 A JP 2019101217A JP 7302297 B2 JP7302297 B2 JP 7302297B2
- Authority
- JP
- Japan
- Prior art keywords
- node
- property
- value
- characteristic
- similarity
- 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
- 239000000463 material Substances 0.000 title claims description 216
- 238000000034 method Methods 0.000 title claims description 102
- 239000013077 target material Substances 0.000 claims description 139
- 238000011156 evaluation Methods 0.000 claims description 73
- 238000000137 annealing Methods 0.000 claims description 32
- 239000000126 substance Substances 0.000 claims description 31
- 238000000547 structure data Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 8
- 125000004429 atom Chemical group 0.000 description 145
- 238000005516 engineering process Methods 0.000 description 87
- 150000001875 compounds Chemical class 0.000 description 56
- 230000007704 transition Effects 0.000 description 49
- 229910052799 carbon Inorganic materials 0.000 description 37
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 32
- 238000010586 diagram Methods 0.000 description 31
- 230000006870 function Effects 0.000 description 21
- 230000008859 change Effects 0.000 description 19
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 18
- 238000007796 conventional method Methods 0.000 description 10
- OHLUUHNLEMFGTQ-UHFFFAOYSA-N N-methylacetamide Chemical compound CNC(C)=O OHLUUHNLEMFGTQ-UHFFFAOYSA-N 0.000 description 9
- 238000005457 optimization Methods 0.000 description 9
- 229910052760 oxygen Inorganic materials 0.000 description 8
- XBDQKXXYIPTUBI-UHFFFAOYSA-M Propionate Chemical compound CCC([O-])=O XBDQKXXYIPTUBI-UHFFFAOYSA-M 0.000 description 6
- KXKVLQRXCPHEJC-UHFFFAOYSA-N acetic acid trimethyl ester Natural products COC(C)=O KXKVLQRXCPHEJC-UHFFFAOYSA-N 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 238000009835 boiling Methods 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 230000005366 Ising model Effects 0.000 description 4
- ATHHXGZTWNVVOU-UHFFFAOYSA-N N-methylformamide Chemical compound CNC=O ATHHXGZTWNVVOU-UHFFFAOYSA-N 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- 125000003178 carboxy group Chemical group [H]OC(*)=O 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- RMIODHQZRUFFFF-UHFFFAOYSA-N methoxyacetic acid Chemical compound COCC(O)=O RMIODHQZRUFFFF-UHFFFAOYSA-N 0.000 description 3
- FXHOOIRPVKKKFG-UHFFFAOYSA-N N,N-Dimethylacetamide Chemical compound CN(C)C(C)=O FXHOOIRPVKKKFG-UHFFFAOYSA-N 0.000 description 2
- 150000001721 carbon Chemical group 0.000 description 2
- 230000005283 ground state Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 125000004430 oxygen atom Chemical group O* 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/40—Searching chemical structures or physicochemical data
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Crystallography & Structural Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Description
ここで、構造が互いに類似する化合物の探索は、例えば、化合物どうしにおける構造の類似度を評価し、構造の類似度が高い化合物を類似する化合物として特定することにより行うことができる。
化合物どうしにおける構造の類似度を評価する手法としては、様々な手法が提案されているが、例えば、フィンガープリント法が広く用いられている。フィンガープリント法では、例えば、問い合わせ化合物における部分構造が、比較対象の化合物に含まれているか否かを、0又は1で表して類似度を評価する。
さらに、化合物の構造をグラフ化して扱う場合などにおいて、グラフの各頂点(化合物における各原子に相当)に、頂点どうしの接続情報(例えば、原子どうしの結合情報など)を加味してラベルを付す技術も知られている(例えば、非特許文献2参照)。
すなわち、一つの実施態様では、材料特性予測装置は、対象材料の特性の特性値を予測する材料特性予測装置であって、対象材料と特性の特性値が第1の値である第1材料との、特性に係る類似度を求めることにより対象材料の特性値を予測する特性予測部を備える。
本件で開示する材料特性予測装置は、対象材料の特性の特性値を予測する装置である。本件で開示する材料特性予測装置は、特性予測部を有し、更に必要に応じてその他の部(手段)を有する。
化合物の構造は、例えば、MOL形式や、SDF(Structure Data File)形式の表現を用いて表すことができる。通常、SDF形式とは、MOL形式で表現された複数の化合物の構造情報を、一つのファイルにまとめたものを意味する。また、SDF形式のファイルにおいては、MOL形式の構造情報の他に、化合物ごとの付加情報(例えば、カタログ番号、CAS番号、分子量など)を扱うことが可能である。これらの化合物の構造は、例えば、「原子1(の名称)、原子2(の名称)、原子1の元素の情報、原子2の元素の情報、原子1と原子2の結合次数」を1つの行とするCSV(Comma-Separated Value)形式としてグラフ化できる。
まず、酢酸(以下では、「分子A」と称することがある)と酢酸メチル(以下では、「分子B」と称することがある)をグラフ化すると、図1のようになる。図1においては、酢酸を形成する原子をA1、A2、A3、及びA5で示し、酢酸メチルを形成する原子をB1からB5で示している。また、図1では、A1、A2、B1、B2、及びB4は炭素を示し、A3、A5、B3、及びB5は酸素を示すとともに、単結合を細い実線で、二重結合を太い実線で示している。なお、図1に示す例においては、水素以外の原子を選択してグラフ化しているが、化合物をグラフ化する際には、水素も含めて全ての原子を選択してグラフ化してもよい。
図2の例では、分子Aの炭素と分子Bの炭素との組み合わせにより6個、分子Aの酸素と分子Bの酸素との組み合わせにより4個のノードを作成するため、グラフ化した分子A及びBから作成されるコンフリクトグラフにおけるノードの数は10個となる。
まず、図3に示す例において、ノード〔A1B1〕とノード〔A2B2〕との間にエッジを作成するか否かについて説明する。図3におけるグラフ化した分子Aの構造からわかるように、ノード〔A1B1〕に含まれる分子Aの炭素A1と、ノード〔A2B2〕に含まれる分子Aの炭素A2は、互いに結合(単結合)している。同様に、ノード〔A1B1〕に含まれる分子Bの炭素B1と、ノード〔A2B2〕に含まれる分子Bの炭素B2は、互いに結合(単結合)している。すなわち、炭素A1と炭素A2の結合の状況と、炭素B1と炭素B2の結合の状況は互いに同一になっている。
このように、図3の例においては、分子Aにおける炭素A1と炭素A2の状況と、分子Bにおける炭素B1と炭素B2の状況が互いに同一となっており、ノード〔A1B1〕とノード〔A2B2〕は、互いに同一の状況の原子で構成されるノードどうしとなる。このため、図3に示す例では、ノード〔A1B1〕とノード〔A2B2〕との間には、エッジを作成しない。
つまり、図3の例においては、分子Aにおける炭素A1と炭素A2の状況と、分子Bにおける炭素B4と炭素B2の状況が互いに異なっており、ノード〔A1B4〕とノード〔A2B2〕は、互いに異なる状況の原子で構成されるノードどうしとなる。このため、図3に示す例では、ノード〔A1B4〕とノード〔A2B2〕との間に、エッジを作成する。
図4は、分子Aと分子Bにおけるコンフリクトグラフの一例を示す図である。図4に示すように、例えば、ノード〔A2B2〕とノード〔A5B5〕においては、分子Aにおける炭素A2と酸素A5の結合の状況と、分子Bにおける炭素B2と炭素B5の結合の状況は互いに同一になっている。このため、ノード〔A2B2〕とノード〔A5B5〕は、互いに同一の状況にある原子で構成されるノードとなるため、ノード〔A2B2〕とノード〔A5B5〕との間には、エッジを作成していない。
コンフリクトグラフにおける最大独立集合(Maximum Independent Set;MIS)とは、コンフリクトグラフを構成するノードの集合のうち、ノード間にエッジが存在しないノードが最も多く含まれる集合を意味する。言い換えると、コンフリクトグラフにおける最大独立集合とは、互いのノードの間にエッジが存在しないノードで形成される集合のうち、最大の大きさ(ノード数)を有する集合を意味する。
図5に示す例においては、ノード間にエッジが存在しないノードで構成される集合のうち、ノードの数が最大となる集合は3つあり、これらの集合のノード数は3である。すなわち、図5に示す例では、グラフにおける最大独立集合は、一点鎖線で囲んだ3つの集合となる。
図6には、分子A(酢酸)と分子B(酢酸メチル)とにおける最大の共通部分構造を、コンフリクトグラフの最大独立集合を求める(最大独立集合問題を解く)ことにより求める場合における流れの一例を示す。図6に示すように、分子Aと分子Bをそれぞれグラフ化し、同じ元素どうしを組み合わせてノードとし、ノードを構成する原子の状況に応じてエッジを形成してコンフリクトグラフを作成する。そして、作成したコンフリクトグラフにおける最大独立集合を求めることにより、分子Aと分子Bにおける最大の共通部分構造を求めることができる。
コンフリクトグラフの最大独立集合の探索は、例えば、最小化することが最大独立集合の探索をすることを意味するハミルトニアンを用いることにより行うことができる。より具体的には、例えば、下記の式(1)に示すハミルトニアン(H)を用いることにより行うことができる。
さらに、wijは、i番目のノードとj番目のノードとの間にエッジが存在するときは、0ではない正の数であり、i番目のノードとj番目のノードとの間にエッジが存在しないときは、0である。
また、xiは、i番目のノードが0又は1であることを表すバイナリ変数であり、xjは、j番目のノードが0又は1であることを表すバイナリ変数である。
なお、α及びβは、正の数である。
上記式(1)において、xiは、1である場合、i番目のノードが最大独立集合の候補となる集合に含まれることを意味し、0である場合、i番目のノードが最大独立集合の候補となる集合に含まれないことを意味する。同様に、上記式(1)において、xjは、1である場合、j番目のノードが最大独立集合の候補となる集合に含まれることを意味し、0である場合、j番目のノードが最大独立集合の候補となる集合に含まれないことを意味する。
このため、上記式(1)について、状態を1とした(ビットを1にした)ノード間にはエッジが存在しないという制約の下で、できるだけ多くのノードの状態が1となる組み合わせを探索することにより、最大独立集合を探索することができる。
上記式(1)における右辺の一項目(係数が-αの項)は、xiが1となるiが多いほど(最大独立集合の候補となる集合に含まれるノードの数が多いほど)、値が小さくなる項である。なお、上記式(1)における右辺の一項目において値が小さくなるとは、大きな負の数になることを意味する。つまり、上記式(1)においては、右辺の一項目の作用により、多くのノードのビットが1となると、ハミルトニアン(H)の値が小さくなる。
ノードの数が6個のグラフにおいて、図7に示す例のように各ノードにビットを設定する場合を考える。図7の例では、図5と同様に、ノード間にエッジが存在する箇所は実線で当該ノードどうしを結び、エッジが存在しない箇所は点線で当該ノードどうしを結んでいる。
分子どうしの構造の類似度は、例えば、下記の式(2)を用いて算出することができる。
また、VAは、グラフ化した第一の分子におけるノード原子の総数を表し、Vc Aは、グラフ化した第一の分子におけるノード原子の内、コンフリクトグラフの最大独立集合に含まれるノード原子の数を表す。なお、ノード原子とは、グラフ化した分子における頂点の原子を意味する。
さらに、VBは、グラフ化した第二の分子におけるノード原子の総数を表し、Vc Bは、グラフ化した第二の分子におけるノード原子の内、コンフリクトグラフの最大独立集合に含まれるノード原子の数を表す。
δは、0~1の数である。
図9に示したコンフリクトグラフにおいて、最大独立集合は、ノード〔A1B1〕、ノード〔A2B2〕、ノード〔A3B3〕、及びノード〔A5B5〕の4つのノードで構成される。つまり、図9の例においては、|VA|は4となり、|Vc A|は4となり、|VB|は5となり、|Vc B|は4となる。また、この例において、δを0.5として、第一の分子と第二の分子の平均を取る(均等に扱う)こととすると、上記式(2)は次のようになる。
しかしながら、このような従来技術においては、化合物の構造の情報のみに基づいて、類似度を算出している。このため、このような従来技術を用いて算出された構造の類似度に基づいて、化合物の特性(物性)の特性値を予測しようとすると、予測する特性によっては予測の精度が悪くなってしまう場合があった。より具体的には、例えば、化合物の比誘電率は、化合物の分極率などに影響される特性であり、化合物の単純な構造の情報のみに基づいて精度良く算出することが難しい場合がある。
さらに、上述したような従来技術では、予測する特性ごとに化合物の類似度を算出することができず、所望の特性に着目して類似する化合物を探索することができないという問題があった。より具体的には、従来技術では、化合物の構造の情報のみに基づいて類似度を算出するため、例えば、沸点を予測する場合と熱伝導率を予測する場合とにおいて、類似度が高い(特性値が近い)と評価される化合物は同一の化合物となる。しかし、実際には、沸点が近い化合物どうしの熱伝導率が近いとは限らない。
このように、従来技術においては、予測する特性に応じて類似する化合物を探索することはできなかった。
以下では、本件で開示する技術の一例について説明する。
本件で開示する技術の一例において、対象材料とは、特性値を予測する対象となる材料を意味する。また、対象材料としては、例えば、予測する特性の特性値が未知のものとすることができる。
対象材料としては、特に制限はなく、目的に応じて適宜選択することができ、分子であってもよいし、分子でなくてもよい。分子以外の対象材料としては、例えば、無機結晶などが挙げられる。
また、コンフリクトグラフにおける最大独立集合問題を解くことにより特性値を予測する場合、対象材料としては、グラフ化可能な材料であれば、特に制限はなく、目的に応じて適宜選択することができる。
第1材料としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、対象材料と同様のものとすることができる。
対象材料及び第1材料の化学構造データ群の形式(データ構造)としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、上述したSDF形式などが挙げられる。本件で開示する技術の一例においては、例えば、第1材料の化学構造データ群に含まれる対象材料の特性に関する情報に基づいて、特性に係る類似度を求めることができる。
また、本件で開示する技術の一例においては、必要に応じて、対象材料の化学構造データベースを、新たな化学構造データを追加することにより更新(アップデート)してもよい。同様に、本件で開示する技術の一例においては、必要に応じて、第1材料の化学構造データベースを、新たな化学構造データを追加することにより更新(アップデート)してもよい。
本件で開示する技術の一例を用いて予測する対象材料の特性としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、比誘電率、沸点、融点、熱伝導率、比熱、粘度、蒸気圧、蒸発潜熱、引火点などが挙げられる。また、第1材料において、特定の物質に対する活性(例えば、結合性、反応性など)が既知である場合には、本件で開示する技術の一例を用いて、このような活性を予測してもよい。
本件で開示する技術の一例では、特性に係る類似度を求める。例えば、本件で開示する技術の一例としての材料特性予測装置は、対象材料と第1材料との、特性に係る類似度を求めることにより対象材料の特性値を予測する特性予測部を備える。
以下では、本件で開示する技術における、特性に係る類似度を求める手法の一例について説明する。なお、本件で開示する技術の一例としての材料特性予測装置における、特性に係る類似度の算出や対象材料の特性値の予測は、例えば、材料特性予測装置が有する特性予測部により行うことができる。
nは、グラフ化した対象材料及び第1材料のコンフリクトグラフにおけるノードの数として理解されるものである。
また、コンフリクトグラフは、グラフ化した対象材料を構成する各ノード原子と、グラフ化した第1材料を構成する各ノード原子との組合せをノードとし、複数あるノードどうしを比較して互いに同一でないノード間にはエッジを作成し、複数あるノードどうしを比較して互いに同一であるノード間にはエッジを作成しないというルールに基づき作成されるグラフとして理解されるものである。
biは、i番目のノードに対するバイアスを表す数値である。
wijは、i番目のノードとj番目のノードとの間にエッジが存在するときは、0ではない正の数であり、i番目のノードとj番目のノードとの間にエッジが存在しないときは、0である。
xiは、i番目のノードが0又は1であることを表すバイナリ変数であり、xjは、j番目のノードが0又は1であることを表すバイナリ変数である。
なお、α及びβは、正の数である。
このため、本件で開示する技術は、一つの側面では、上記式(1)を用いることで、アニーリングマシンなどを用いた焼き鈍し法により最大独立集合を探索することができるため、より短時間で対象材料の特性値を予測することができる。言い換えると、本件で開示する技術は、一つの側面では、焼き鈍し法により上記式(1)におけるハミルトニアン(H)の最小化をすることにより最大独立集合の探索をすることにより、より短時間で対象材料の特性値を予測することができる。なお、焼き鈍し法の詳細については後述する。
また、VAは、グラフ化した対象材料におけるノード原子の総数を表し、Vc Aは、グラフ化した対象材料におけるノード原子の内、コンフリクトグラフの最大独立集合に含まれるノード原子の数を表す。
VBは、グラフ化した第1材料におけるノード原子の総数を表し、Vc Bは、グラフ化した第1材料におけるノード原子の内、コンフリクトグラフの最大独立集合に含まれるノード原子の数を表す。
なお、δは、0~1の数である。
ノード原子どうしの接続情報を加味してラベルを付す方法としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、非特許文献2などで開示されている、Weisfeiler-Lehman手続により行うことができる。
つまり、ノード原子に対しWeisfeiler-Lehman手続によるWLラベルを付すことにより、ノード原子のラベルに、当該ノード原子の周囲に存在するノード原子の情報を取り込むことができる。これにより、本件で開示する技術は、一つの側面では、式(1)を用いて特性に係る類似度を求める際に、ノード原子に対しWLラベルを付すことにより、当該ノード原子の状況を考慮したラベルを付すことができる。より具体的には、例えば、第1材料における特性値と、対象材料と第1材料の類似度との相関が高くなるように、各ノード原子にWLラベルを付して特性に係る類似度を求めることで、対象材料の特性値をより高精度に予測できる。
図10の左部に示す、水素以外の原子を選択してグラフ化したメトキシ酢酸の構造においては、各ノード原子には、当該ノード原子の種類(元素)をラベルとして付している。このグラフ化したメトキシ酢酸の構造に対して、Weisfeiler-Lehman手続によりリラベリングを1回行うことでWLラベルを付した状態を、図10の中央部に示す。図10の中央部の上側に示す例において、例えば、カルボキシ基における炭素に付されるWLラベルは〔C,COO〕となっている。この〔C,COO〕というWLラベルは、当該WLラベルが付されたノード原子が、一つの炭素原子と2つの酸素原子と結合している炭素原子であることを意味するラベルである。
また、図10の中央部の下側には、図10の中央部の上側に示すWLラベルを、WLラベルの内容の種類ごとに書き換えたものを示す。例えば、図10の中央部の上側で〔O,C〕というWLラベルが付されているノード原子のWLラベルを、図10の中央部の下側においては、〔O1〕というWLラベルに書き換えている。このように、WLラベルを書き換えることにより、WLラベルの表記を簡素化することができる。
なお、図10の例では、WLラベルの表記を書き換える際やWeisfeiler-Lehman手続を複数回行う際に、前の状態の情報が失われる場合について説明したが、本件で開示する技術は、これに限られるものではない。すなわち、本件で開示する技術の一例においては、リラベリングを複数回行う際に、前の状態の情報(リラベリングする前のWLラベルの情報)が、リラベリング後のWLラベルに含まれるようにしてもよい。
こうすることにより、本件で開示する技術は、一つの側面では、各ノード原子のWLラベルに、当該ノード原子が結合するノード原子の情報を取り込むことができるため、当該ノード原子の周囲の状況を適切に考慮してWLラベルを付すことができる。
本件で開示する技術の一例において、予測する特性の発現に対する寄与値ΔBは、例えば、対象材料及び第1材料におけるノード原子の種類(元素)毎に算出する。言い換えると、本件で開示する技術の一例では、評価指数Biが、対象材料及び第1材料におけるノード原子の種類(元素)毎に算出した、特性の発現に対する寄与値ΔBの合計を意味する。
また、予測する特性の発現に対する寄与値ΔBは、例えば、特性に係る類似度と特性に係る特性値との相関係数が大きくなるような数値を選択することが好ましい。寄与値ΔBを、特性に係る類似度と特性に係る特性値との相関係数が大きくなるような数値とする具体的な手法については後述する。
こうすることにより、本件で開示する技術は、一つの側面では、特性の発現に寄与している類似度の算出に用いるべきノード原子を適切に選択して、対象材料の特性値をより高精度に予測することができる。
また、本件で開示する技術の一例においては、対象材料及び第1材料におけるノード原子の全ての組み合わせを含むコンフリクトグラフを作成し、上述した手法などにより選択したノード原子を含むノードが、最大独立集合に含まれ得るようにしてもよい。言い換えると、本件で開示する技術の一例においては、上述した手法などにより選択したノード原子を含むノードを対象として、最大独立集合の探索を行うようにしてもよい。
選択されたノード原子を含むノードを対象とした最大独立集合の探索は、例えば、上記式(1)におけるbiを、i番目のノードを構成するノード原子に付されたWLラベルの情報に含まれる評価指数Biの大きさに対応した数値とすることにより行うことができる。ここで、上記式(1)におけるbiを評価指数Biの大きさに対応した数値とすることは、例えば、上記式(1)におけるbiの数値と評価指数Biの数値との大小関係を対応させることにより行うことができる。具体的には、例えば、評価指数Biの数値が大きいノードにおけるbiの数値を大きくし、評価指数Biの数値が小さいノードにおけるbiの数値を小さくすることにより行うことができる。
こうすることにより、本件で開示する技術は、一つの側面では、特性の発現に寄与していると考えられる評価指数Biが大きいノード原子を有するノードが含まれるように、最大独立集合の探索を行うことができる。これにより、本件で開示する技術は、一つの側面では、特性の発現に寄与している原子を適切に考慮して、特性に係る類似度を求めることができるため、対象材料の特性値をより高精度に予測することができる。
[条件]
i番目のノードを構成するノード原子に付されたWLラベルの情報に含まれる評価指数Biが閾値を超えたときに、正の数とし、i番目のノードを構成するノード原子に付されたWLラベルの情報に含まれる評価指数Biが閾値以下のときに、負の数とする。
一方、上記式(1)において、biが負の数(0より小さい数)である場合は、上記式(1)における右辺の一項目は、i番目のノードが独立集合に含まれるとき(i番目のノードのビットが1となるとき)に値が大きくなる。つまり、上記式(1)において、biが負の数である場合は、右辺の一項目の作用により、i番目のノードが独立集合に含まれると、ハミルトニアン(H)の値が大きくなる。これは、i番目のノードが含まれないように最大独立集合を探索することに対応する。
なお、上記式(1)におけるbiが正の数である場合の数値の大きさとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、1とすることができる。同様に、上記式(1)におけるbiが負の数である場合の数値の大きさとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、-1とすることができる。
具体的には、本件で開示する技術の一例においては、一度求めた特性に係る類似度と特性に係る特性値との相関係数が大きくなるように、以下の<A>から<D>のパラメータ、及び<E>の類似度評価式Sの数式自体の少なくともいずれかの更新をすることが好ましい。
<A> 上記式(1)において、i番目のノードを構成するノード原子に付されたWLラベルの情報に含まれる評価指数Biの値の算定基準となる、ノード原子の種類(元素)毎の寄与値ΔBの数値
<B> 上記式(1)において、i番目のノードを構成するノード原子に付されたWLラベルの情報に含まれる評価指数Biの閾値
<C> 上記式(1)におけるbiの数値
<D> 上記式(1)におけるwijの数値
<E> 上記式(2)で表される類似度評価式S
本件で開示する技術の一例においては、求めた特性に係る類似度と特性に係る特性値との相関係数が大きくなるように、例えば、複数の類似度評価式Sの中から下記の式を選択して、上記式(2)で表される類似度評価式Sの更新を行ってもよい。
さらに、上記の式のδ1、δ2、及びδ3を、求めた特性に係る類似度と特性に係る特性値との相関係数が大きくなるように更新することで、沸点の予測精度をより向上させることができる。沸点の予測に分子量が大きく影響する場合には、上記の式のδ1、δ2、及びδ3を更新して最適化すると、δ3が、δ1及びδ2よりも大きな値となると考えられる。
遺伝的アルゴリズムとは、データ(解の候補)を遺伝子で表現した「個体」を複数用意し、適応度の高い個体を優先的に選択して、交叉(組み換え)・突然変異などの操作を繰り返しながら解を探索する手法である。
本件で開示する技術は、一つの側面では、上記<A>から<E>のパラメータの少なくともいずれかの更新を、遺伝的アルゴリズムにより行うことで、特性に係る類似度と特性に係る特性値との相関係数を、より効率的に向上させることができる。
なお、求めた特性に係る類似度と特性に係る特性値との相関係数における閾値としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、0.7とすることができる。
図11に、本件で開示する材料特性予測装置のハードウェア構成例を示す。
材料特性予測装置10においては、例えば、制御部11、メモリ12、記憶部13、表示部14、入力部15、出力部16、I/Oインターフェース部17がシステムバス18を介して接続されている。
制御部11としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、CPU(Central Processing Unit)であってもよいし、後述する焼き鈍し法に用いる最適化装置であってもよく、これらの組み合わせでもよい。
本件で開示する材料特性予測装置における特性予測部は、例えば、制御部11により実現することができる。
また、本件で開示する材料特性予測プログラムは、例えば、記憶部13に格納され、メモリ12のRAM(主メモリ)にロードされ、制御部11により実行される。
入力部15は、各種データの入力装置であり、例えば、キーボード、ポインティングデバイス(例えば、マウス等)などである。
出力部16は、各種データの出力装置であり、例えば、プリンタなどである。
I/Oインターフェース部17は、各種の外部装置を接続するためのインターフェースである。I/Oインターフェース部17は、例えば、CD-ROM(Compact Disc Read Only Memory)、DVD-ROM(Digital Versatile Disk Read Only Memory)、MOディスク(Magneto-Optical disk)、USBメモリ〔USB(Universal Serial Bus) flash drive〕などのデータの入出力を可能にする。
図12に示す例は、材料特性予測装置をクラウド型にした場合の例であり、制御部11が、記憶部13などとは独立している。図13に示す例においては、ネットワークインターフェース部19、20を介して、記憶部13などを格納するコンピュータ30と、制御部11を格納するコンピュータ40とが接続される。
ネットワークインターフェース部19、20は、インターネットを利用して、通信を行うハードウェアである。
図13に示す例は、結合構造探索装置をクラウド型にした場合の例であり、記憶部13が、制御部11などとは独立している。図13に示す例においては、ネットワークインターフェース部19、20を介して、制御部11等を格納するコンピュータ30と、記憶部13を格納するコンピュータ40とが接続される。
図14に示すように、材料特性予測装置10は、対象材料構造取得部51と、第1材料構造取得部52と、類似度計算部53、特性予測精度評価部54、及びパラメータ更新部55を有する特性予測部56と、を備える。
第1材料構造取得部52は、入力として特性値が既知の材料群の化学構造データ群620をSDF等のファイル形式から読み込む。
類似度計算部53では、読み込んだ化学構造データ610と化学構造データ群620の中の各構造との間でコンフリクトグラフを作成し、式(1)のハミルトニアンをアニーリング等により最小化することで最大独立集合を探索する。そして、類似度計算部53は、その結果に基づいて式(2)から類似度を算出する。
特性予測精度評価部54では、類似度と特性に係る特性値との相関係数を算出し、予測精度を評価する。
そして、算出した予測精度がより高くなるように(類似度と特性に係る特性値との相関係数が大きくなるように)、パラメータ更新部55で上記式(1)中のパラメータを更新する。
まず、特性予測部56は、対象材料及び第1材料の入力を受け付ける(S101)。このとき、特性予測部56が、対象材料及び第1材料の化学構造データ群(データベース)から、対象材料と第1材料を選択するようにしてもよい。
続いて、特性予測部56は、WLラベルが付された対象材料及び第1材料についてのコンフリクトグラフにおける、最大独立集合の探索を行うことが可能な上記式(1)の形式のハミルトニアンを作成する(S103)。言い換えると、S103において、特性予測部56は、WLラベルが付された対象材料及び第1材料の情報に基づいて、Hを最小化することが最大独立集合の探索をすることを意味するハミルトニアンである上記式(1)を作成する。
アニーリングマシンとしては、イジングモデルで表されるエネルギー関数について基底状態探索を行なうアニーリング方式を採用するコンピュータであれば特に制限はなく、目的に応じて適宜選択することができる。アニーリングマシンとしては、例えば、量子アニーリングマシン、半導体技術を用いた半導体アニーリングマシン、CPUやGPU(Graphics Processing Unit)を用いてソフトウェアにより実行されるシミュレーテッド・アニーリング(Simulated Annealing)を行うマシンなどが挙げられる。また、アニーリングマシンとしては、例えば、デジタルアニーラ(登録商標)を用いてもよい。
続いて、特性予測部56は、求めた特性に係る類似度と特性に係る特性値の相関係数が閾値を超えたか否かを判定する(S106)。特性予測部56は、求めた特性に係る類似度と特性に係る特性値の相関係数が閾値以下であると判定した場合は、処理をS107に移す。一方、特性予測部56は、求めた特性に係る類似度と特性に係る特性値の相関係数が閾値を超えたと判定した場合は、処理をS108に移す。
特性予測部56は、S107において、パラメータを更新すると、処理をS103に戻す。
図17Aに、N-メチルアセトアミドの分子構造の一例を示す。図17Aに示した分子構造を、ノード原子のラベルを原子の種類(元素)としてグラフ化したものを図17Bに示す。
図17Cに示す、本件で開示する技術の一例におけるWLラベルを付した分子構造においては、〔H,C〕、〔C,CHHH〕、〔C,CON〕、〔O,C〕、〔N,CHC〕、〔H,N〕のように、最近接ノード(直接つながっているノード)のラベル情報を取り込んだWLラベルが付されている。つまり、この例では、Weisfeiler-Lehman手続を1回行うことによりWLラベルをノード原子に付している。
ここで、図17Cに示す例における、( )の中の数字は、各ノード原子における評価指数Biの一例を示す数値である。この例においては、各元素の寄与値ΔBを、ΔB(H)=1、ΔB(C)=6、ΔB(O)=16、ΔB(N)=20とし、各ノード原子における評価指数Biを当該ノード原子の寄与値ΔBの合計としている。なお、各元素の寄与値ΔBは、材料に含まれる元素に基づいて適宜選択することができ、例えば、対象材料又は第1材料に硫黄(S)が含まれる場合には、寄与値ΔBの一つとして、ΔB(S)を加えてもよい。
まず、特性予測部56は、初期のパラメータの値として、ΔB(H)=1、ΔB(C)=1、ΔB(O)=1、ΔB(N)=1、Bth=1を設定する(S201)。
次に、特性予測部56は、各ノード原子について、評価指数Bi=ΔB(H)+ΔB(C)+ΔB(O)+ΔB(N)という数式に基づいて、評価指数Biを算出する(S202)。
S205では、特性予測部56は、上記式(1)におけるbiを-1に設定する。ここで、上述したように、biを-1に設定することは、上記式(1)において、i番目のノードが含まれないように最大独立集合を探索することに対応する。
続いて、S207では、特性予測部56は、特性に係る類似度と特性に係る特性値とをプロットしたグラフを線形近似した場合のR2値(相関係数)を算出する。
次に、特性予測部56は、算出したR2値が、相関係数の閾値(R2 th)を超えたか否かを判定する(S208)。S208において、特性予測部56は、算出したR2値がR2 th以下であると判定すると、処理をS209に移す。また、S208において、特性予測部56は、算出したR2値がR2 thを超えたと判定すると、パラメータが最適化されたとみなし、処理を終了する。
S209では、特性予測部56は、遺伝的アルゴリズムにより、ΔB(H)、ΔB(C)、ΔB(O)、ΔB(N)、及びBthの数値を更新すると、処理をS202に戻し、各ノード原子について、S202からS205の処理をもう一度行う。
焼き鈍し法は、乱数値や量子ビットの重ね合わせを用いて確率的に解を求める方法である。以下では最適化したい評価関数の値を最小化する問題を例に説明し、評価関数の値をエネルギーと呼ぶことにする。また、評価関数の値を最大化する場合は、評価関数の符号を変えればよい。
もし、これを決定論的にエネルギーが下がる場合に採択とし、上がる場合に不採択とすれば、エネルギーの変化は時間に対して広義単調減少となるが、局所解に到達したらそれ以上変化が起こらなくなってしまう。上記のように離散最適化問題には非常に多数の局所解が存在するために、状態が、ほとんど確実にあまり最適値に近くない局所解に捕まってしまう。したがって、離散最適化問題を解く際には、その状態を採択するかどうかを確率的に決定することが重要である。
以下では、焼き鈍し法を用いて最適解を求める方法について、順序を追って説明する。
(1)の式で表される許容確率を用いた場合、十分な反復後に定常状態に達したとすると、各状態の占有確率は熱力学における熱平衡状態に対するボルツマン分布に従う。
そして、高い温度から徐々に下げていくとエネルギーの低い状態の占有確率が増加するため、十分温度が下がるとエネルギーの低い状態が得られると考えられる。この様子が、材料を焼き鈍したときの状態変化とよく似ているため、この方法は焼き鈍し法(または、疑似焼き鈍し法)と称される。なお、エネルギーが上がる状態遷移が確率的に起こることは、物理学における熱励起に相当する。
まず、候補発生部114aは、状態保持部111に保持された現在の状態Sから次の状態への状態遷移の候補(候補番号{Ni})を1つまたは複数発生する。次に、エネルギー計算部112は、現在の状態Sと状態遷移の候補を用いて候補に挙げられた各状態遷移に対するエネルギー変化値{-ΔEi}を計算する。可否判定部114bは、温度制御部113で発生した温度値Tと乱数発生部114dで生成した確率変数(乱数値)を用い、各状態遷移のエネルギー変化値{-ΔEi}に応じて、上記(1)の式の許容確率でその状態遷移を許容する。
そして、可否判定部114bは、各状態遷移の可否{fi}を出力する。許容された状態遷移が複数ある場合には、遷移決定部114cは、乱数値を用いてランダムにそのうちの1つを選択する。そして、遷移決定部114cは、選択した状態遷移の遷移番号Nと、遷移可否fを出力する。許容された状態遷移が存在した場合、採択された状態遷移に応じて状態保持部111に記憶された状態変数の値が更新される。
遷移制御部114は、乱数発生回路114b1、セレクタ114b2、ノイズテーブル114b3、乗算器114b4、比較器114b5を有する。
比較器114b5は、乗算器114b4が出力した乗算結果と、セレクタ114b2が選択したエネルギー変化値である-ΔEとを比較した比較結果を遷移可否fとして出力する。
2つの数に同じ単調増加関数を作用させても大小関係は変化しない。したがって、比較器の2つの入力に同じ単調増加関数を作用させても出力は変わらない。この単調増加関数として、fの逆関数f-1を採用すると、-ΔE/Tがf-1(u)より大きいとき1を出力する回路とすることができることがわかる。さらに、温度値Tが正であることから、-ΔEがTf-1(u)より大きいとき1を出力する回路でよいことがわかる。
図21中のノイズテーブル114b3はこの逆関数f-1(u)を実現するための変換テーブルであり、区間[0,1)を離散化した入力に対して次の関数の値を出力するテーブルである。
本件で開示する材料特性予測方法は、対象材料の特性の特性値を予測する材料特性予測方法であって、対象材料と特性の特性値が第1の値である第1材料との、特性に係る類似度を求めることにより対象材料の特性値を予測する特性予測工程、を含む。
本件で開示する材料特性予測プログラムは、対象材料の特性の特性値を予測する材料特性予測プログラムであって、対象材料と特性の特性値が第1の値である第1材料との、特性に係る類似度を求めることにより対象材料の特性値を予測する特性予測処理を、コンピュータに行わせる。
さらに、本件で開示する材料特性予測プログラムを、上記の記録媒体に記録する場合には、必要に応じて、コンピュータシステムが有する記録媒体読取装置を通じて、これを直接又はハードディスクにインストールして使用することができる。また、コンピュータシステムから情報通信ネットワークを通じてアクセス可能な外部記憶領域(他のコンピュータなど)に本件で開示する材料特性予測プログラムを記録しておいてもよい。この場合、外部記憶領域に記録された本件で開示する材料特性予測プログラムは、必要に応じて、外部記憶領域から情報通信ネットワークを通じてこれを直接、又はハードディスクにインストールして使用することができる。
なお、本件で開示する材料特性予測プログラムは、複数の記録媒体に、任意の処理毎に分割されて記録されていてもよい。
本件で開示するコンピュータが読み取り可能な記録媒体は、本件で開示する材料特性予測プログラムを記録してなる。
本件で開示するコンピュータが読み取り可能な記録媒体としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、内蔵ハードディスク、外付けハードディスク、CD-ROM、DVD-ROM、MOディスク、USBメモリなどが挙げられる。
また、本件で開示するコンピュータが読み取り可能な記録媒体は、本件で開示する材料特性予測プログラムが任意の処理毎に分割されて記録された複数の記録媒体であってもよい。
本件で開示する材料特性予測装置の一計算例として、図16及び18に示したフローに従って、各元素の寄与値ΔB、及びの評価指数Biの閾値Bthを最適化して、特性としての比誘電率に係る類似度を算出した例について説明する。
下記の表1に示す7個の材料について、No.0のN-メチルアセトアミドを問い合わせ材料として、類似度を算出した。
ΔB(H)=1、ΔB(C)=6、ΔB(O)=16、ΔB(N)=20、Bth=20
また、比較対象として、非特許文献1に記載されている従来技術を用いて、材料の構造のみに基づいた類似度S0を求めた。結果を表2に示す。
図23に示すように、本件で開示する技術の一実施形態を用いて算出した類似度S1と、非誘電率の相関係数は、0.7477となった。一方、従来技術を用いて求めた類似度S0と非誘電率の相関係数は、0.0139となった。
このことから、本件で開示する技術の一実施形態において、各元素の寄与値ΔB、及びの評価指数Biの閾値Bthを最適化することにより、特性に係る類似度を求めることができることがわかる。
このように、本件で開示する技術の一実施形態においては、特性に係る類似度を求めることにより、対象材料の特性値を、当該特性に応じて高精度に予測できる。
従来技術では、上記式(2)におけるパラメータは、Vc A=11、VA=12、Vc B=11、VB=15であり、本実施形態では、Vc A=2、VA=4、Vc B=2、VB=3である。したがって、式(2)におけるδを0.5とすると、従来技術では、S0=0.5×(11/12+11/15)=0.825となるが、本実施形態では、S1=0.5×(3/5+3/5)=0.6となる。
このように、本実施形態では、比誘電率が近くない材料間の類似度は、従来技術に比べて低く算出され、特性に係る類似度が算出されていることがわかる。
従来技術では、上記式(2)におけるパラメータは、Vc A=8、VA=12、Vc B=8、VB=9であり、本実施形態では、Vc A=4、VA=5、Vc B=4、VB=5である。したがって、式(2)におけるδを0.5とすると、従来技術では、S0=0.5×(8/12+8/9)=0.7777となるが、本実施形態では、S1=0.5×(4/5+4/5)=0.8となる。
このように、本実施形態では、比誘電率が近い材料間の類似度は、従来技術に比べて高く算出され、特性に係る類似度が算出されていることがわかる。
図26に示すように、N-メチルアセトアミドを問い合わせ材料とした場合における、従来技術としての構造のみから算出された類似度は、比誘電率が182.4であるN-メチルホルムアミドについては、0.7777となる。同様に、N-メチルアセトアミドを問い合わせ材料とした場合における、従来技術としての構造のみから算出された類似度は、比誘電率が37.78であるN,N-ジメチルアセトアミドについては、0.825となる。
一方、N-メチルアセトアミドを問い合わせ材料とした場合における、本件で開示する技術の一例における特性に係る類似度は、N-メチルホルムアミドについては、0.8となる。同様に、N-メチルアセトアミドを問い合わせ材料とした場合における、本件で開示する技術の一例における特性に係る類似度は、N,N-ジメチルアセトアミドについては、0.6となる。
(付記1)
対象材料の特性の特性値を予測する材料特性予測装置であって、
前記対象材料と前記特性の前記特性値が第1の値である第1材料との、前記特性に係る類似度を求めることにより前記対象材料の前記特性値を予測する特性予測部を備えることを特徴とする材料特性予測装置。
(付記2)
前記特性予測部が、下記式(1)を用いて、前記対象材料及び前記第1材料の分子構造に基づく最大独立集合の探索をすることにより前記特性に係る前記類似度を求める、付記1に記載の材料特性予測装置。
前記Hは、当該Hを最小化することが前記最大独立集合の探索をすることを意味するハミルトニアンであり、
前記nは、グラフ化した前記対象材料及び前記第1材料のコンフリクトグラフにおけるノードの数として理解されるものであり、
前記コンフリクトグラフは、グラフ化した前記対象材料を構成する各ノード原子と、グラフ化した前記第1材料を構成する各ノード原子との組合せを前記ノードとし、複数ある前記ノードどうしを比較して互いに同一でない前記ノード間にはエッジを作成し、複数ある前記ノードどうしを比較して互いに同一である前記ノード間にはエッジを作成しないというルールに基づき作成されるグラフとして理解されるものであり、
前記biは、i番目の前記ノードに対するバイアスを表す数値であり、
前記wijは、
前記i番目の前記ノードと前記j番目の前記ノードとの間にエッジが存在するときは、0ではない正の数であり、
前記i番目の前記ノードと前記j番目の前記ノードとの間にエッジが存在しないときは、0であり、
前記xiは、i番目の前記ノードが0又は1であることを表すバイナリ変数であり、
前記xjは、j番目の前記ノードが0又は1であることを表すバイナリ変数であり、
前記α及び前記βは、正の数である。
(付記3)
前記特性予測部が、下記式(2)を用いて、探索された最大独立集合について前記特性に係る前記類似度を求める、付記2に記載の材料特性予測装置。
前記GAは、グラフ化した前記対象材料を表し、
前記GBは、グラフ化した前記第1材料を表し、
前記S(GA,GB)は、グラフ化した前記対象材料とグラフ化した前記第1材料との類似度を表し、0~1で表され、1に近づく程、類似度が高いことを意味し、
前記VAは、グラフ化した前記対象材料における前記ノード原子の総数を表し、
前記Vc Aは、グラフ化した前記対象材料における前記ノード原子の内、前記コンフリクトグラフの最大独立集合に含まれる前記ノード原子の数を表し、
前記VBは、グラフ化した前記第1材料における前記ノード原子の総数を表し、
前記Vc Bは、グラフ化した前記第1材料における前記ノード原子の内、前記コンフリクトグラフの最大独立集合に含まれる前記ノード原子の数を表し、
前記δは、0~1の数である。
(付記4)
前記特性予測部が、前記式(1)を用いて前記特性に係る前記類似度を求める際に、
前記ノード原子に対しWeisfeiler-Lehman手続によるWLラベルを付す、付記3に記載の材料特性予測装置。
(付記5)
前記WLラベルが、前記ノード原子に付され、前記ノード原子における一のノード原子において、当該一のノード原子の情報と、当該一のノード原子が結合する結合ノード原子の情報とに由来する、付記4に記載の材料特性予測装置。
(付記6)
前記特性予測部が、前記式(1)を用いて前記特性に係る前記類似度を求める際に、
前記ノード原子を、前記WLラベルの情報に基づき前記特性の発現に対する評価指数Biに応じて選択する、付記4から5のいずれかに記載の材料特性予測装置。
(付記7)
前記評価指数Biが、前記対象材料及び前記第1材料における前記ノード原子の種類(元素)毎に算出した、前記特性の発現に対する寄与値ΔBの合計を意味する、付記6に記載の材料特性予測装置。
(付記8)
前記特性予測部が、前記式(1)を用いて前記特性に係る前記類似度を求める際に、
前記式(1)における前記biを、
i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biの大きさに対応した数値とする、付記6から7のいずれかに記載の材料特性予測装置。
(付記9)
前記特性予測部が、前記式(1)を用いて前記特性に係る前記類似度を求める際に、
前記式(1)における前記biを、
i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biが閾値を超えたときに、正の数とし、
i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biが閾値以下のときに、負の数とする、付記6から8のいずれかに記載の材料特性予測装置。
(付記10)
前記特性予測部が、焼き鈍し法により前記式(1)におけるハミルトニアン(H)の最小化をすることにより前記最大独立集合の探索をする、付記2から9のいずれかに記載の材料特性予測装置。
(付記11)
前記特性予測部が、求めた前記特性に係る前記類似度と前記特性に係る前記特性値との相関係数が大きくなるように、
<A> 前記式(1)において、i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biの値の算定基準となる、前記ノード原子の種類(元素)毎の寄与値ΔBの数値、
<B> 前記式(1)において、i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biの閾値、
<C> 前記式(1)における前記biの数値、
<D> 前記式(1)における前記wijの数値、及び、
<E> 前記式(2)で表される類似度評価式S、
の少なくともいずれかの更新をする、付記6から10のいずれかに記載の材料特性予測装置。
(付記12)
前記更新が、遺伝的アルゴリズムにより行われる、付記11に記載の材料特性予測装置。
(付記13)
前記特性予測部が、求めた前記特性に係る前記類似度と前記特性に係る前記特性値との相関係数が閾値を超えたときに、前記対象材料の前記特性に係る前記類似度を出力する、付記1から12のいずれかに記載の材料特性予測装置。
(付記14)
前記特性予測部が、求めた前記特性に係る前記類似度と前記特性に係る前記特性値との相関係数が閾値を超えたときに、前記対象材料における前記特性値を予測する、付記1から13のいずれかに記載の材料特性予測装置。
(付記15)
多数の前記第1材料の化学構造データ群を有する、付記1から14のいずれかに記載の材料特性予測装置。
(付記16)
多数の前記対象材料の化学構造データ群を有する、付記1から15のいずれかに記載の材料特性予測装置。
(付記17)
対象材料の特性の特性値を予測する材料特性予測方法であって、
前記対象材料と前記特性の前記特性値が第1の値である第1材料との、前記特性に係る類似度を求めることにより前記対象材料の前記特性値を予測する特性予測工程を含むことを特徴とする材料特性予測方法。
(付記18)
対象材料の特性の特性値を予測する材料特性予測プログラムであって、
前記対象材料と前記特性の前記特性値が第1の値である第1材料との、前記特性に係る類似度を求めることにより前記対象材料の前記特性値を予測する特性予測処理を、コンピュータに行わせることを特徴とする材料特性予測プログラム。
11 制御部
12 メモリ
13 記憶部
14 表示部
15 入力部
16 出力部
17 I/Oインターフェース部
18 システムバス
19 ネットワークインターフェース部
20 ネットワークインターフェース部
30 コンピュータ
40 コンピュータ
51 対象材料構造取得部
52 第1材料構造取得部
53 類似度計算部
54 特性予測精度評価部
55 パラメータ更新部55
56 特性予測部
510、610 化学構造データ
520、620 化学構造データ群
Claims (17)
- 対象材料の特性の特性値を予測する材料特性予測装置であって、
前記対象材料と前記特性の前記特性値が第1の値である第1材料との、前記特性に係る類似度を求めることにより前記対象材料の前記特性値を予測する特性予測部を備え、
前記特性予測部が、下記式(1)を用いて、前記対象材料及び前記第1材料の分子構造に基づく最大独立集合の探索をすることにより前記特性に係る前記類似度を求め、
前記特性予測部が、求めた前記特性に係る前記類似度と前記特性に係る前記特性値との相関を示す相関係数が閾値を超えたときに、前記対象材料の前記特性に係る前記類似度を出力し、
前記特性予測部が、前記第1の値と前記類似度と前記相関とに基づいて、前記対象材料の前記特性値を予測することを特徴とする材料特性予測装置。
前記Hは、当該Hを最小化することが前記最大独立集合の探索をすることを意味するハミルトニアンであり、
前記nは、グラフ化した前記対象材料及び前記第1材料のコンフリクトグラフにおけるノードの数として理解されるものであり、
前記コンフリクトグラフは、グラフ化した前記対象材料を構成する各ノード原子と、グラフ化した前記第1材料を構成する各ノード原子との組合せを前記ノードとし、複数ある前記ノードどうしを比較して互いに同一でない前記ノード間にはエッジを作成し、複数ある前記ノードどうしを比較して互いに同一である前記ノード間にはエッジを作成しないというルールに基づき作成されるグラフとして理解されるものであり、
前記b i は、i番目の前記ノードに対するバイアスを表す数値であり、
前記w ij は、
前記i番目の前記ノードと前記j番目の前記ノードとの間にエッジが存在するときは、0ではない正の数であり、
前記i番目の前記ノードと前記j番目の前記ノードとの間にエッジが存在しないときは、0であり、
前記x i は、i番目の前記ノードが0又は1であることを表すバイナリ変数であり、
前記x j は、j番目の前記ノードが0又は1であることを表すバイナリ変数であり、
前記α及び前記βは、正の数である。 - 前記特性予測部が、下記式(2)を用いて、探索された最大独立集合について前記特性に係る前記類似度を求める、請求項1に記載の材料特性予測装置。
前記GAは、グラフ化した前記対象材料を表し、
前記GBは、グラフ化した前記第1材料を表し、
前記S(GA,GB)は、グラフ化した前記対象材料とグラフ化した前記第1材料との類似度を表し、0~1で表され、1に近づく程、類似度が高いことを意味し、
前記VAは、グラフ化した前記対象材料における前記ノード原子の総数を表し、
前記Vc Aは、グラフ化した前記対象材料における前記ノード原子の内、前記コンフリクトグラフの最大独立集合に含まれる前記ノード原子の数を表し、
前記VBは、グラフ化した前記第1材料における前記ノード原子の総数を表し、
前記Vc Bは、グラフ化した前記第1材料における前記ノード原子の内、前記コンフリクトグラフの最大独立集合に含まれる前記ノード原子の数を表し、
前記δは、0~1の数である。 - 前記特性予測部が、前記式(1)を用いて前記特性に係る前記類似度を求める際に、
前記ノード原子に対しWeisfeiler-Lehman手続によるWLラベルを付す、請求項2に記載の材料特性予測装置。 - 前記WLラベルが、前記ノード原子に付され、前記ノード原子における一のノード原子において、当該一のノード原子の情報と、当該一のノード原子が結合する結合ノード原子の情報とに由来する、請求項3に記載の材料特性予測装置。
- 前記特性予測部が、前記式(1)を用いて前記特性に係る前記類似度を求める際に、
前記ノード原子を、前記WLラベルの情報に基づき前記特性の発現に対する評価指数Biに応じて選択する、請求項3から4のいずれかに記載の材料特性予測装置。 - 前記評価指数Biが、前記対象材料及び前記第1材料における前記ノード原子の種類(元素)毎に算出した、前記特性の発現に対する寄与値ΔBの合計を意味する、請求項5に記載の材料特性予測装置。
- 前記特性予測部が、前記式(1)を用いて前記特性に係る前記類似度を求める際に、
前記式(1)における前記biを、
i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biの大きさに対応した数値とする、請求項5から6のいずれかに記載の材料特性予測装置。 - 前記特性予測部が、前記式(1)を用いて前記特性に係る前記類似度を求める際に、
前記式(1)における前記biを、
i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biが閾値を超えたときに、正の数とし、
i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biが閾値以下のときに、負の数とする、請求項5から7のいずれかに記載の材料特性予測装置。 - 前記特性予測部が、焼き鈍し法により前記式(1)におけるハミルトニアン(H)の最小化をすることにより前記最大独立集合の探索をする、請求項5から8のいずれかに記載の材料特性予測装置。
- 前記特性予測部が、求めた前記特性に係る前記類似度と前記特性に係る前記特性値との相関係数が大きくなるように、
<A> 前記式(1)において、i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biの値の算定基準となる、前記ノード原子の種類(元素)毎の寄与値ΔBの数値、
<B> 前記式(1)において、i番目の前記ノードを構成する前記ノード原子に付された前記WLラベルの情報に含まれる前記評価指数Biの閾値、
<C> 前記式(1)における前記biの数値、
<D> 前記式(1)における前記wijの数値、及び、
<E> 前記式(2)で表される類似度評価式S、
の少なくともいずれかの更新をする、請求項5から9のいずれかに記載の材料特性予測装置。 - 前記更新が、遺伝的アルゴリズムにより行われる、請求項10に記載の材料特性予測装置。
- 前記特性予測部が、求めた前記特性に係る前記類似度と前記特性に係る前記特性値との相関係数が閾値を超えたときに、前記対象材料における前記特性値を予測する、請求項1から11のいずれかに記載の材料特性予測装置。
- 前記特性に係る前記類似度と前記特性に係る前記特性値との相関係数における前記閾値が、0.7である請求項1から12のいずれかに記載の材料特性予測装置。
- 多数の前記第1材料の化学構造データ群を有する、請求項1から13のいずれかに記載の材料特性予測装置。
- 多数の前記対象材料の化学構造データ群を有する、請求項1から14のいずれかに記載の材料特性予測装置。
- 対象材料の特性の特性値を予測する材料特性予測方法であって、
前記対象材料と前記特性の前記特性値が第1の値である第1材料との、前記特性に係る類似度を求めることにより前記対象材料の前記特性値を予測する特性予測工程を含み、
前記特性予測工程が、下記式(1)を用いて、前記対象材料及び前記第1材料の分子構造に基づく最大独立集合の探索をすることにより前記特性に係る前記類似度を求め、
前記特性予測工程が、求めた前記特性に係る前記類似度と前記特性に係る前記特性値との相関を示す相関係数が閾値を超えたときに、前記対象材料の前記特性に係る前記類似度を出力し、
前記特性予測工程が、前記第1の値と前記類似度と前記相関とに基づいて、前記対象材料の前記特性値を予測することを特徴とする材料特性予測方法。
前記Hは、当該Hを最小化することが前記最大独立集合の探索をすることを意味するハミルトニアンであり、
前記nは、グラフ化した前記対象材料及び前記第1材料のコンフリクトグラフにおけるノードの数として理解されるものであり、
前記コンフリクトグラフは、グラフ化した前記対象材料を構成する各ノード原子と、グラフ化した前記第1材料を構成する各ノード原子との組合せを前記ノードとし、複数ある前記ノードどうしを比較して互いに同一でない前記ノード間にはエッジを作成し、複数ある前記ノードどうしを比較して互いに同一である前記ノード間にはエッジを作成しないというルールに基づき作成されるグラフとして理解されるものであり、
前記b i は、i番目の前記ノードに対するバイアスを表す数値であり、
前記w ij は、
前記i番目の前記ノードと前記j番目の前記ノードとの間にエッジが存在するときは、0ではない正の数であり、
前記i番目の前記ノードと前記j番目の前記ノードとの間にエッジが存在しないときは、0であり、
前記x i は、i番目の前記ノードが0又は1であることを表すバイナリ変数であり、
前記x j は、j番目の前記ノードが0又は1であることを表すバイナリ変数であり、
前記α及び前記βは、正の数である。 - 対象材料の特性の特性値を予測する材料特性予測プログラムであって、
前記対象材料と前記特性の前記特性値が第1の値である第1材料との、前記特性に係る類似度を求めることにより前記対象材料の前記特性値を予測する特性予測処理を、コンピュータに行わせ、
前記特性予測処理が、下記式(1)を用いて、前記対象材料及び前記第1材料の分子構造に基づく最大独立集合の探索をすることにより前記特性に係る前記類似度を求め、
前記特性予測処理が、求めた前記特性に係る前記類似度と前記特性に係る前記特性値との相関を示す相関係数が閾値を超えたときに、前記対象材料の前記特性に係る前記類似度を出力し、
前記特性予測処理が、前記第1の値と前記類似度と前記相関とに基づいて、前記対象材料の前記特性値を予測することを特徴とする材料特性予測プログラム。
前記Hは、当該Hを最小化することが前記最大独立集合の探索をすることを意味するハミルトニアンであり、
前記nは、グラフ化した前記対象材料及び前記第1材料のコンフリクトグラフにおけるノードの数として理解されるものであり、
前記コンフリクトグラフは、グラフ化した前記対象材料を構成する各ノード原子と、グラフ化した前記第1材料を構成する各ノード原子との組合せを前記ノードとし、複数ある前記ノードどうしを比較して互いに同一でない前記ノード間にはエッジを作成し、複数ある前記ノードどうしを比較して互いに同一である前記ノード間にはエッジを作成しないというルールに基づき作成されるグラフとして理解されるものであり、
前記b i は、i番目の前記ノードに対するバイアスを表す数値であり、
前記w ij は、
前記i番目の前記ノードと前記j番目の前記ノードとの間にエッジが存在するときは、0ではない正の数であり、
前記i番目の前記ノードと前記j番目の前記ノードとの間にエッジが存在しないときは、0であり、
前記x i は、i番目の前記ノードが0又は1であることを表すバイナリ変数であり、
前記x j は、j番目の前記ノードが0又は1であることを表すバイナリ変数であり、
前記α及び前記βは、正の数である。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019101217A JP7302297B2 (ja) | 2019-05-30 | 2019-05-30 | 材料特性予測装置、材料特性予測方法、及び材料特性予測プログラム |
US16/886,307 US11915798B2 (en) | 2019-05-30 | 2020-05-28 | Material characteristic prediction apparatus and material characteristic prediction method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019101217A JP7302297B2 (ja) | 2019-05-30 | 2019-05-30 | 材料特性予測装置、材料特性予測方法、及び材料特性予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020194488A JP2020194488A (ja) | 2020-12-03 |
JP7302297B2 true JP7302297B2 (ja) | 2023-07-04 |
Family
ID=73546488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019101217A Active JP7302297B2 (ja) | 2019-05-30 | 2019-05-30 | 材料特性予測装置、材料特性予測方法、及び材料特性予測プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11915798B2 (ja) |
JP (1) | JP7302297B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022099827A (ja) * | 2020-12-23 | 2022-07-05 | 富士通株式会社 | 量子コンピューティング技術にも好適に適用可能な、結晶解析方法、結晶解析装置、及び結晶解析プログラム |
JPWO2022149394A1 (ja) * | 2021-01-07 | 2022-07-14 | ||
JP2022150078A (ja) | 2021-03-26 | 2022-10-07 | 富士通株式会社 | 情報処理プログラム、情報処理装置、及び情報処理方法 |
JP2022188603A (ja) * | 2021-06-09 | 2022-12-21 | 富士通株式会社 | 安定構造探索システム、安定構造探索方法及び安定構造探索プログラム |
KR102683299B1 (ko) * | 2021-06-09 | 2024-07-08 | 서울대학교산학협력단 | 그래프 컨볼루션 머신 러닝을 이용한 분자의 상 분류 방법 및 그 장치 |
CN117597698A (zh) * | 2021-06-10 | 2024-02-23 | 株式会社力森诺科 | 信息处理系统、材料组成探索方法、材料组成探索装置和程序 |
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 |
CN113488114B (zh) * | 2021-07-13 | 2024-03-01 | 南京邮电大学 | 含螺环的芴基分子晶体中分子间非共价键弱相互作用能预测方法及其预测模型训练方法 |
EP4227951A1 (en) * | 2022-02-11 | 2023-08-16 | Samsung Display Co., Ltd. | Method for predicting and optimizing properties of a molecule |
CN117521421B (zh) * | 2024-01-04 | 2024-04-23 | 广东大湾区空天信息研究院 | 介电复合材料设计方法、装置、设备、计算系统及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007153767A (ja) | 2005-12-01 | 2007-06-21 | Univ Of Tokushima | 化学構造の類似度を算出し化合物の安全性を評価する方法及びこれを用いた医薬品安全性情報システム |
JP2011170444A (ja) | 2010-02-16 | 2011-09-01 | Kansai Bunri Sogo Gakuen | 分子間の類似度を評価するための高速グラフマッチ検索装置及び方法 |
WO2019048965A1 (ja) | 2017-09-06 | 2019-03-14 | 株式会社半導体エネルギー研究所 | 物性予測方法および物性予測システム |
WO2019079580A1 (en) | 2017-10-19 | 2019-04-25 | Schrodinger, Inc. | PREDICTING AN ACTIVE ASSEMBLY OF COMPOUNDS HAVING ALTERNATIVE HEARTS |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004295654A (ja) | 2003-03-27 | 2004-10-21 | National Institute Of Agrobiological Sciences | リガンドライブラリを利用したタンパク質の機能推定法 |
JP2004334753A (ja) | 2003-05-12 | 2004-11-25 | Hitachi Ltd | 情報検索方法 |
US8244504B1 (en) * | 2007-12-24 | 2012-08-14 | The University Of North Carolina At Charlotte | Computer implemented system for quantifying stability and flexibility relationships in macromolecules |
-
2019
- 2019-05-30 JP JP2019101217A patent/JP7302297B2/ja active Active
-
2020
- 2020-05-28 US US16/886,307 patent/US11915798B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007153767A (ja) | 2005-12-01 | 2007-06-21 | Univ Of Tokushima | 化学構造の類似度を算出し化合物の安全性を評価する方法及びこれを用いた医薬品安全性情報システム |
JP2011170444A (ja) | 2010-02-16 | 2011-09-01 | Kansai Bunri Sogo Gakuen | 分子間の類似度を評価するための高速グラフマッチ検索装置及び方法 |
WO2019048965A1 (ja) | 2017-09-06 | 2019-03-14 | 株式会社半導体エネルギー研究所 | 物性予測方法および物性予測システム |
WO2019079580A1 (en) | 2017-10-19 | 2019-04-25 | Schrodinger, Inc. | PREDICTING AN ACTIVE ASSEMBLY OF COMPOUNDS HAVING ALTERNATIVE HEARTS |
Also Published As
Publication number | Publication date |
---|---|
US11915798B2 (en) | 2024-02-27 |
US20200381085A1 (en) | 2020-12-03 |
JP2020194488A (ja) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7302297B2 (ja) | 材料特性予測装置、材料特性予測方法、及び材料特性予測プログラム | |
CN113544711B (zh) | 用于使用聚类收缩的混合算法系统和方法 | |
JP7493526B2 (ja) | 量子コンピューティングにおける適応エラー修正 | |
JP6525002B2 (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 | |
JP7248907B2 (ja) | 最適化装置および最適化装置の制御方法 | |
JP6451735B2 (ja) | エネルギー量推定装置、エネルギー量推定方法、及び、エネルギー量推定プログラム | |
Tsin | Yet another optimal algorithm for 3-edge-connectivity | |
JP2022082064A (ja) | 混合物物性特定方法、混合物物性特定装置、及び混合物物性特定プログラム | |
Rhouma et al. | An efficient multilevel scheme for coarsening large scale social networks | |
JP2023507139A (ja) | 離散二次モデルの解を求めるためのハイブリッドアルゴリズムのシステム及び方法 | |
JP6477703B2 (ja) | Cm計画支援システムおよび売上予測支援システム | |
EP4071764A2 (en) | Information processing program, information processing apparatus, and information processing method for determining properties of molecules | |
JP2014074994A (ja) | 評価支援方法、情報処理装置、及びプログラム | |
Trygubenko et al. | Kinetic analysis of discrete path sampling stationary point databases | |
JP2010211783A (ja) | 設計支援装置、方法、及びプログラム | |
CN113255094A (zh) | 优化设备、优化程序和优化方法 | |
US20210232728A1 (en) | Similarity calculation device, similarity calculation method, and computer-readable recording medium recording program | |
US20220188678A1 (en) | Computer-readable recording medium storing optimization program, optimization method, and information processing apparatus | |
WO2011016281A2 (ja) | ベイジアンネットワーク構造学習のための情報処理装置及びプログラム | |
Gomes et al. | The design space root finding method for efficient risk optimization by simulation | |
JP2021184148A (ja) | 最適化装置、最適化方法、および最適化プログラム | |
JP7338315B2 (ja) | 化学物質探索装置、化学物質探索方法、及び化学物質探索プログラム | |
Crossley | A Genetic Algorithm with population-based sampling for optimization under uncertainty | |
Shepard | The efficient conversion between linear wave function expansions and nonlinear graphically contracted function expansions | |
JP6999207B1 (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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220208 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20220601 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230404 |
|
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: 20230523 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230605 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7302297 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |