JP7414194B1 - 情報処理装置、情報処理システム、プログラム、及びイジングモデル作成支援方法 - Google Patents
情報処理装置、情報処理システム、プログラム、及びイジングモデル作成支援方法 Download PDFInfo
- Publication number
- JP7414194B1 JP7414194B1 JP2023562966A JP2023562966A JP7414194B1 JP 7414194 B1 JP7414194 B1 JP 7414194B1 JP 2023562966 A JP2023562966 A JP 2023562966A JP 2023562966 A JP2023562966 A JP 2023562966A JP 7414194 B1 JP7414194 B1 JP 7414194B1
- Authority
- JP
- Japan
- Prior art keywords
- model
- information processing
- learning
- ising
- machine
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 90
- 230000005366 Ising model Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims description 28
- 238000005457 optimization Methods 0.000 claims abstract description 105
- 238000000137 annealing Methods 0.000 claims abstract description 81
- 238000010801 machine learning Methods 0.000 claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000013178 mathematical model Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 description 54
- 239000002131 composite material Substances 0.000 description 34
- 238000010586 diagram Methods 0.000 description 21
- 239000000463 material Substances 0.000 description 17
- 230000000704 physical effect Effects 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 12
- 238000003860 storage Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 239000004065 semiconductor Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 150000001875 compounds Chemical class 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000013500 data storage Methods 0.000 description 6
- 239000000853 adhesive Substances 0.000 description 5
- 230000001070 adhesive effect Effects 0.000 description 5
- 238000013329 compounding Methods 0.000 description 4
- 239000003566 sealing material Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 239000000696 magnetic material Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000003993 interaction Effects 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
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
Abstract
Description
学習済み機械学習モデルを用いて作成した学習用データセットに含まれる説明変数をバイナリ化するように構成された変換部と、
バイナリ化した前記説明変数と、前記学習用データセットの予測値との関係をイジングモデルに機械学習させるように構成された学習部と、
学習済みの前記イジングモデルを出力するように構成された出力部と、
を有することを特徴とする情報処理装置。
[1]記載の情報処理装置。
ことを特徴とする[1]又は[2]記載の情報処理装置。
[2]記載の情報処理装置。
[1]乃至[4]の何れか一項に記載の情報処理装置。
[1]乃至[5]の何れか一項に記載の情報処理装置。
学習済み機械学習モデルを用いて作成した学習用データセットに含まれる説明変数をバイナリ化するように構成された変換部と、
バイナリ化した前記説明変数と、前記学習用データセットの予測値との関係をイジングモデルに機械学習させるように構成された学習部と、
学習済みの前記イジングモデルを出力するように構成された出力部と、
学習済みの前記イジングモデルを用いて、前記最適解探索問題の最適解を算出するように構成された最適解算出部と、
前記最適解を表示するように構成された表示部と、
を有することを特徴とする情報処理システム。
学習済み機械学習モデルを用いて作成した学習用データセットに含まれる説明変数をバイナリ化する手順、
バイナリ化した前記説明変数と、前記学習用データセットの予測値との関係をイジングモデルに機械学習させる手順、
学習済みの前記イジングモデルを出力する手順、
を実行させるためのプログラム。
学習済み機械学習モデルを用いて作成した学習用データセットに含まれる説明変数をバイナリ化し、
バイナリ化した前記説明変数と、前記学習用データセットの予測値との関係をイジングモデルに機械学習させ、
学習済みの前記イジングモデルを出力する、
イジングモデル作成支援方法。
図1は本実施形態に係る情報処理システムの一例の構成図である。図1に示した情報処理システム1は、アニーリング型最適化マシン10、及び情報処理装置12を有する構成である。アニーリング型最適化マシン10及び情報処理装置12はローカルエリアネットワーク(LAN)又はインターネットなどの通信ネットワーク18を介してデータ通信可能に接続されている。
図1の情報処理装置12は、例えば図2に示すハードウェア構成のコンピュータ500により実現する。
本実施形態に係る情報処理システム1の構成について説明する。なお、以下では最適化問題の一例として、複合材料の配合の全ての組み合わせの中から、所望する特性を満たす最適な配合の組み合わせを探索する組み合わせ最適化問題の例を説明する。
AI技術の発展により、予測モデルが確立できていれば、複合材料の物性は高速に予測できるようになった。しかし、配合の組み合わせの多い複合材料では、配合の全ての組み合わせの中から、最適な物性を持つ組み合わせを選択することが、いわゆる組み合わせ爆発により困難である。
10 アニーリング型最適化マシン
12 情報処理装置
18 通信ネットワーク
20 呼出受付部
22 最適解算出部
30 入力受付部
32 学習用データセット作成部
34 変換部
36 学習部
38 出力部
40 入力情報作成部
42 表示部
50 実験データ記憶部
52 学習用データセット記憶部
54 モデル記憶部
Claims (9)
- 最適解探索問題をアニーリング型最適化マシンに解かせるためのイジングモデルの作成を支援する情報処理装置であって、
学習済み機械学習モデルを用いて作成した学習用データセットに含まれる説明変数をバイナリ化するように構成された変換部と、
バイナリ化した前記説明変数と、前記学習用データセットの予測値との関係をイジングモデルに機械学習させるように構成された学習部と、
学習済みの前記イジングモデルを出力するように構成された出力部と、
を有することを特徴とする情報処理装置。 - 前記学習部は、入力をバイナリデータに制限することで前記イジングモデルと等価になるイジング型数理モデルに、バイナリ化した前記説明変数と、前記学習用データセットの予測値との関係を機械学習させるように構成されている
請求項1記載の情報処理装置。 - 学習済みの前記イジングモデルのパラメータ、及び制約条件を含む前記アニーリング型最適化マシンの入力情報を作成するように構成された入力情報作成部、を更に有する
ことを特徴とする請求項1又は2記載の情報処理装置。 - 前記イジング型数理モデルは、FM(Factorization Machines)モデル、FFM(Field-aware Factorization Machines)モデル、又は一般線形モデルである
請求項2記載の情報処理装置。 - 前記学習済み機械学習モデルは、線形回帰モデル、ランダムフォレストモデル、ガウス過程モデル、若しくはニューラルネットワークモデルからなる群から選ばれる何れか一つのアルゴリズム、又はこれらを組み合わせたアンサンブルモデルである
請求項1又は2記載の情報処理装置。 - 実験データにより学習済みの前記学習済み機械学習モデルを用いて、前記学習用データセットを作成するように構成された学習用データセット作成部、を更に有する
請求項1又は2記載の情報処理装置。 - アニーリング型最適化マシンと、最適解探索問題を前記アニーリング型最適化マシンに解かせるためのイジングモデルの作成を支援する情報処理装置と、を有する情報処理システムであって、
学習済み機械学習モデルを用いて作成した学習用データセットに含まれる説明変数をバイナリ化するように構成された変換部と、
バイナリ化した前記説明変数と、前記学習用データセットの予測値との関係をイジングモデルに機械学習させるように構成された学習部と、
学習済みの前記イジングモデルを出力するように構成された出力部と、
学習済みの前記イジングモデルを用いて、前記最適解探索問題の最適解を算出するように構成された最適解算出部と、
前記最適解を表示するように構成された表示部と、
を有することを特徴とする情報処理システム。 - 最適解探索問題をアニーリング型最適化マシンに解かせるためのイジングモデルの作成を支援する情報処理装置に、
学習済み機械学習モデルを用いて作成した学習用データセットに含まれる説明変数をバイナリ化する手順、
バイナリ化した前記説明変数と、前記学習用データセットの予測値との関係をイジングモデルに機械学習させる手順、
学習済みの前記イジングモデルを出力する手順、
を実行させるためのプログラム。 - 最適解探索問題をアニーリング型最適化マシンに解かせるためのイジングモデルの作成を支援する情報処理装置のイジングモデル作成支援方法であって、
学習済み機械学習モデルを用いて作成した学習用データセットに含まれる説明変数をバイナリ化し、
バイナリ化した前記説明変数と、前記学習用データセットの予測値との関係をイジングモデルに機械学習させ、
学習済みの前記イジングモデルを出力する、
イジングモデル作成支援方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023216519A JP2024039040A (ja) | 2022-07-07 | 2023-12-22 | 複合材料の配合組成の提案方法及び複合材料の製造方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022109916 | 2022-07-07 | ||
JP2022109916 | 2022-07-07 | ||
PCT/JP2023/024237 WO2024009893A1 (ja) | 2022-07-07 | 2023-06-29 | 情報処理装置、情報処理システム、プログラム、及びイジングモデル作成支援方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023216519A Division JP2024039040A (ja) | 2022-07-07 | 2023-12-22 | 複合材料の配合組成の提案方法及び複合材料の製造方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7414194B1 true JP7414194B1 (ja) | 2024-01-16 |
Family
ID=89453497
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023562966A Active JP7414194B1 (ja) | 2022-07-07 | 2023-06-29 | 情報処理装置、情報処理システム、プログラム、及びイジングモデル作成支援方法 |
JP2023216519A Pending JP2024039040A (ja) | 2022-07-07 | 2023-12-22 | 複合材料の配合組成の提案方法及び複合材料の製造方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023216519A Pending JP2024039040A (ja) | 2022-07-07 | 2023-12-22 | 複合材料の配合組成の提案方法及び複合材料の製造方法 |
Country Status (2)
Country | Link |
---|---|
JP (2) | JP7414194B1 (ja) |
WO (1) | WO2024009893A1 (ja) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7114864B2 (ja) | 2017-08-31 | 2022-08-09 | ブラザー工業株式会社 | プログラムおよび印刷システム |
JP7283307B2 (ja) | 2019-08-27 | 2023-05-30 | 富士通株式会社 | 設計プログラム、及び設計方法 |
-
2023
- 2023-06-29 WO PCT/JP2023/024237 patent/WO2024009893A1/ja unknown
- 2023-06-29 JP JP2023562966A patent/JP7414194B1/ja active Active
- 2023-12-22 JP JP2023216519A patent/JP2024039040A/ja active Pending
Non-Patent Citations (2)
Title |
---|
TERAYAMA, Kei et al.,Black-Box Optimization for Automated Discovery,Accounts of Chemical Research 2021 54 (6) [online],2021年,1334-1346,[検索日 2023.11.06], インターネット: <URL: https://pubs.acs.org/doi/epdf/10.1021/acs.accounts.0c00713> |
関 優也,Factorization Machineとイジングマシンを利用した整数変数最適化,情報処理学会 研究報告 量子ソフトウェア(QS) 2022-QS-005,日本,2022年03月17日,1-7頁 |
Also Published As
Publication number | Publication date |
---|---|
JP2024039040A (ja) | 2024-03-21 |
WO2024009893A1 (ja) | 2024-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zeng et al. | Revealing high-fidelity phase selection rules for high entropy alloys: A combined CALPHAD and machine learning study | |
Jacobs et al. | The Materials Simulation Toolkit for Machine learning (MAST-ML): An automated open source toolkit to accelerate data-driven materials research | |
US8171390B1 (en) | Method and system for viewing and transferring data between documents | |
US9411798B1 (en) | Methods and apparatus for reusing report design components and templates | |
JP2022529178A (ja) | 人工知能推奨モデルの特徴処理方法、装置、電子機器、及びコンピュータプログラム | |
US20110302228A1 (en) | Calculator with Dynamic Computation Environment | |
JP7068299B2 (ja) | 特徴量選択装置、特徴量選択方法及び特徴量選択プログラム | |
CN113838541B (zh) | 设计配体分子的方法和装置 | |
JP7414194B1 (ja) | 情報処理装置、情報処理システム、プログラム、及びイジングモデル作成支援方法 | |
WO2020004575A1 (ja) | 学習方法、混合率予測方法及び学習装置 | |
Pintér et al. | Global Optimization Toolbox for Maple: An introduction with illustrative applications | |
JP7468812B1 (ja) | 情報処理装置、情報処理システム、プログラム、及びイジングモデル作成支援方法 | |
Suetake et al. | A workflow reproducibility scale for automatic validation of biological interpretation results | |
US20210109894A1 (en) | Automated customized modeling of datasets with intuitive user interfaces | |
Leonard et al. | Evolution of interface binding strengths in simplified model of protein quaternary structure | |
WO2023167107A1 (ja) | 情報処理装置、情報処理システム、プログラム、及び材料組成探索方法 | |
JP7424544B2 (ja) | 情報処理システム、材料組成探索方法、材料組成探索装置、及びプログラム | |
WO2022260030A1 (ja) | 情報処理システム、材料組成探索方法、材料組成探索装置、及びプログラム | |
WO2024062837A1 (ja) | 設計支援装置、設計支援方法、プログラム及び情報処理システム | |
Leitold et al. | Network-based observability and controllability analysis of dynamical systems: The NOCAD toolbox | |
Soneson et al. | ExploreModelMatrix: interactive exploration for improved understanding of design matrices and linear models in R | |
CN109683883A (zh) | 一种流程图设计方法及装置 | |
WO2023063333A1 (ja) | 情報処理装置、プログラム、及び入力支援方法 | |
US20230060812A1 (en) | Information processing system, information processing method, and storage medium | |
US20210365799A1 (en) | Optimization device, non-transitory computer-readable storage medium for storing optimization program, and optimization method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231020 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20231020 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231114 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231121 |
|
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: 20231128 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231211 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7414194 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |