JP7828444B2 - 分析装置および分析方法 - Google Patents

分析装置および分析方法

Info

Publication number
JP7828444B2
JP7828444B2 JP2024522979A JP2024522979A JP7828444B2 JP 7828444 B2 JP7828444 B2 JP 7828444B2 JP 2024522979 A JP2024522979 A JP 2024522979A JP 2024522979 A JP2024522979 A JP 2024522979A JP 7828444 B2 JP7828444 B2 JP 7828444B2
Authority
JP
Japan
Prior art keywords
crystal form
precipitate
type
parameters
crystal
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
Application number
JP2024522979A
Other languages
English (en)
Other versions
JPWO2023228657A5 (ja
JPWO2023228657A1 (ja
Inventor
良夫 近藤
和成 山田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NGK Insulators Ltd
Original Assignee
NGK Insulators Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NGK Insulators Ltd filed Critical NGK Insulators Ltd
Publication of JPWO2023228657A1 publication Critical patent/JPWO2023228657A1/ja
Publication of JPWO2023228657A5 publication Critical patent/JPWO2023228657A5/ja
Application granted granted Critical
Publication of JP7828444B2 publication Critical patent/JP7828444B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16CCOMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70Machine learning, data mining or chemometrics
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16CCOMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30Prediction of properties of chemical compounds, compositions or mixtures
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3577Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/77Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • G01N21/82Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a precipitate or turbidity

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、分析装置および分析方法に関する。本発明は、特に、複数の結晶形を取りうる結晶多形の分析対象に対し、結晶形の種類を予測できる分析装置および分析方法に関する。
分析対象が、複数の結晶形を取りうる結晶多形の物質である場合、結晶形により溶解度などの特性が異なることから、析出する結晶形を予測できることが望ましい。従来技術として、機械学習により結晶構造に対応するエネルギーの情報を推定する方法が存在する。
特許文献1では、複数の結晶構造候補のうちから選択した、選択結晶構造候補のそれぞれに係るエネルギーの情報を、第一原理計算により求め、結晶構造候補を表す構造記述情報のうち、選択結晶構造候補に対応する構造記述情報を入力情報とし、選択結晶構造候補に係るエネルギーの情報を教師情報として、構造記述情報に対応するエネルギーの情報を推定するよう機械学習を行う。そしてこの機械学習手段により得られた機械学習の結果が、構造記述情報で特定される結晶構造に対応するエネルギーの情報を推定する処理を行う装置が開示されている。
特開2020-166706号公報
しかしながら、結晶の生成過程は、複合的かつ複雑な物理化学現象である。よって、結晶を析出させるときの乾燥条件、温度条件など、結晶の生成過程における種々の条件に対応させて結晶形を計算により予測することは困難である。また、結晶形は、特に析出するときの時間変動に対し、変化しやすい。よって、このような条件を反映させて計算等を行い、結晶構造そのものを予測することは、多大な時間およびコストを要するのみならず、非常に困難であった。
本発明は、結晶多形をとる分析対象に対し、析出する結晶形の種類と、それぞれの結晶形の析出条件を予測することができる分析装置および分析方法を提供することを目的とする。
上記の課題を解決するため本発明は、結晶多形の分析の対象となる分析対象の結晶の析出に影響を与えるパラメータを受け付ける受付部と、受け付けた構造式およびパラメータに基づき、析出する結晶形の種類を予測する予測部と、パラメータが分析対象の結晶の析出に影響を与える程度である影響度に基づき、析出する結晶形の種類とパラメータとの関連を評価する評価部と、析出する結晶の結晶形の情報として、析出する結晶形の種類および析出条件をユーザに提供する提供部と、を備える分析装置を提供するものである。
また、本発明は、分析対象の結晶の析出に影響を与えるパラメータを受け付け、受け付けた前記パラメータに基づき、析出する結晶形の種類を予測し、パラメータが前記分析対象の結晶の析出に影響を与える程度である影響度に基づき、析出する結晶形の種類と前記パラメータとの関連を評価し、析出する結晶の結晶形の情報として、析出する結晶形の種類および析出条件をユーザに提供する、分析方法を提供するものである。
結晶多形をとる分析対象に対し、析出する結晶形の種類と、それぞれの結晶形の析出条件を予測することができる分析装置および分析方法を提供することができる。
(a)~(e)は、結晶多形の例について示した図である。 本実施の形態の分析装置の機能構成について示したブロック図である。 出する結晶形の種類とパラメータとの関連を推定する際に使用する評価シートについて示した図である。 (a)~(c)は、寄与率の探索の結果を示した図である。 本実施の形態で、結晶形の予測をする際の一連のフローを示した図である。 分析装置の動作として、結晶形を予測する場合について説明したフローチャートである。 分析装置の動作として、結晶形を評価する場合について説明したフローチャートである。
以下、添付図面を参照し、本発明の実施の形態について詳細に説明する。
本実施の形態では、分析装置10は、分析対象の結晶の析出に影響を与えるパラメータを受け付ける。そして、分析装置10は、このパラメータを基に、分析対象が溶解した溶液を乾燥させて結晶を析出させたときの結晶形を予測する。なお、「結晶多形」とは、同一の化学組成を有する化合物で、結晶構造の異なるものを言う。
図1(a)~(e)は、結晶多形の例について示した図である。
図1では、結晶多形をとる物質として、フェブキソスタットを例にとり説明を行う。
フェブキソスタットは、図1(a)で示すF1、図1(b)で示すF2、図1(c)で示すH1、図1(d)で示すQ、の4通りの結晶形を取りうる。それぞれの図で、図中左側は、結晶形の3次元構造を示し、図中右側は、分子同士の結合状態を示す。また、フェブキソスタットは、図1(e)で示す構造式を有する。
このうち、図1(a)で示すF1の結晶形は、2つの分子のCOOH基(カルボキシ基)同士が強い水素結合で結びつき、2分子で1つの塊となって、結晶形を形成する。
また、図1(b)で示すF2の結晶形は、COOH基、CN基(ニトリル基)、HOを介した水素結合ネットワークを形成する結晶形である。
さらに、図1(c)で示すH1の結晶形は、図1(a)と同様に、2つの分子のCOOH基(カルボキシ基)同士が強い水素結合で結びつき、2分子で1つの塊となって、結晶形を形成するが、図1(a)の場合とは、結晶形が異なる。
そして、図1(d)に示すQの結晶形は、CN基とOH基(水酸基)との弱い水素結合で結びつき、結晶形を形成する。
なお、以下の説明では、図示したフェブキソスタットについて例にとり、析出する結晶形を予測する場合について説明を行う。
なお、本実施の形態で、「析出する結晶形を予測する」とは、図1(a)~(d)に挙げた具体的な結晶構造を分子論的に計算するものではない。詳しくは以下に説明するが、分析装置10は、結晶形の構造を予測するわけではなく、複数の結晶形の中で、どのような条件であれば、どのような性質の結晶形が析出するかを予測する。これは複数の結晶形を持ちうるかの予測も含む。
なお、以下では、図示したフェブキソスタットを例にとり、析出する結晶形の種類と析出条件を予測する場合について説明する。
<分析装置10の全体説明>
図2は、本実施の形態の分析装置10の機能構成について示したブロック図である。
図示する分析装置10は、受付部11と、溶解度曲線推定部12と、予測部13と、評価部14と、提供部15とを備える。
受付部11は、結晶多形の分析の対象となる結晶の析出に影響を与えるパラメータを受け付ける。ここで、「パラメータ」は、結晶の析出に影響を与える指標であれば、特に限られるものではない。パラメータは、例えば、分析対象の構造式である。なおこの構造式は、分子全体の構造式でもよいが、部分的に判明している構造式であってもよい。例えば、分子が有する官能基の種類であってもよい。また、パラメータは、例えば、分析対象を溶液へ溶解させた後に乾燥させ、分析対象を結晶化させるときの溶液の条件である。溶液の条件としては、溶媒の種類、溶解した分析対象の濃度などが挙げられる。さらに、パラメータは、この析出を行うときの析出条件である。析出条件としては、例えば、析出温度、溶媒の乾燥速度、湿度、雰囲気、照射する赤外線の波長・強度、析出装置の構造などが挙げられる。
また、受付部11は、析出すると予想される結晶形の傾向である傾向予測を受けつける。傾向予測は、例えば、析出しうる結晶形の数、種類等の析出する可能性がある結晶形の大体の予測である。傾向予測として、図1で示したように、取りうる結晶形が既知の場合は、その結晶形をそのまま使用できる。
一方、取りうる結晶形が、未知の場合は、以下の方法で求めることができる。傾向予測を求める方法としては、例えば、類似物質との比較により予測する方法が挙げられる。そのための手段としては、分析対象を、DTA分析(Differential Thermal Analysis:示差熱分析)やDSC(Differential Scanning Calorimeter:示差走査熱量測定)分析する等があげられる。
溶解度曲線推定部12は、傾向予測から分析対象の溶解度曲線を推定する。
分析対象の溶解度曲線を推定するには、例えば、DSC分析を行う。そして、DSC分析により求められる融点や融解熱を基に式化できる。この場合、溶解度曲線は、より精度よく求められる。なお、溶解度曲線推定部12は必須ではない。溶解度曲線を分析装置10の一機能としたが、実験の結果から求め、求めた溶解度曲線を分析装置10に入力してもよい。
予測部13は、受け付けたパラメータに基づき、析出する結晶形の種類を予測する。
予測部13に入力される項目(INPUT)として、ヒータ温度、狙い波長、冷却方法、初期温度、溶媒初期濃度が挙げられる。また、予測部13に入力される項目として、溶媒の特性が挙げられる。溶媒の物性は、例えば、溶媒の種類、吸収スペクトル、密度や比熱、蒸気圧定数などである。さらに、予測部13に入力される項目として、溶質の特性が挙げられる。溶質の物性は、例えば、溶質の種類、吸収スペクトル、密度や比熱、溶解熱や融点などである。なお、これらは、すべて必要なわけではなく、この中から必要な項目の選択を行う。
そして、本実施の形態では、予測部13は、例えば、分析対象の赤外放射エネルギー、分析対象の赤外吸収エネルギー、製品湿度、溶媒の乾燥速度、溶媒濃度、溶質濃度、溶解度、過飽和度などを解析指標にする。なお、これらは、すべて必要なわけではなく、この中から必要な解析指標の選択を行う。
解析指標は、入力項目を基に、どのような解析を行うかを示す。例えば、分析対象の赤外放射エネルギー、分析対象の赤外吸収エネルギーは、ヒータ温度、波長、冷却方法などを基に解析できる。そして、分析対象の赤外放射エネルギーや分析対象の赤外吸収エネルギーを解析することで、分析対象が溶解する溶液の温度や濃度の変化を予測する。
そして、本実施の形態では、解析指標による解析結果により、出力(OUTPUT)として、結晶1/結晶2の最終比率を求める。
また、予測部13は、推定された溶解度曲線を基に、析出する結晶形を予測する。予測部13は、例えば、上記解析指標により、分析対象が含まれる溶液の温度や濃度の変化を予測する。つまり、結晶形が異なる場合、溶解度曲線も異なる。そして、予測部13は、複数の結晶形の中で、一の結晶形に対する溶解度曲線に対し、上記解析指標を適用し、この結晶形が析出するかどうかを予測する。また、予測部13は、他の結晶形に対する溶解度曲線に対しても、上記解析指標を適用し、それぞれの結晶形が析出するかどうかを予測する。
評価部14は、パラメータが分析対象の結晶の析出に影響を与える程度である影響度に基づき、析出する結晶形の種類とパラメータとの関連を推定する。このとき、評価部14は、下記に示す評価シートSを利用する。
図3は、析出する結晶形の種類とパラメータとの関連を推定する際に使用する評価シートSについて示した図である。
評価部14は、予測部13により析出すると予測した結晶形に基づき、それぞれのパラメータについて、影響度を求める。影響度は、各パラメータが、それぞれの結晶形の析出に影響を与える程度である。また、影響度は、各結晶形についてそれぞれ求める。つまり、評価部14は、結晶形毎に、結晶の析出に影響を与える影響度を、パラメータ毎に求める。この影響度は、それぞれの結晶形が生じる確からしさ、即ち、重み付けと言ってもよい。図示する評価シートSでは、この影響度をパラメータ毎に列方向に並べている。
図示する評価シートSでは、結晶の析出に影響を与えるパラメータとして、濃度要因、温度要因、赤外要因、その他の4つを挙げている。濃度要因は、例えば、初期物質濃度に対応する。また、温度要因は、析出温度に対応する。さらに、赤外要因は、赤外波長に対応する。そして、F1(最安定)、F2(水和)、H1(準安定)、Q(不安定)のそれぞれの結晶形について、影響度を0.00、0.33、0.67、1.00のように点数付けした場合を示している。
また、評価シートSでは、これらの要因(パラメータ)に対し、結晶が析出する際の寄与率(各項目寄与率)が設定される。この寄与率は、各要因(パラメータ)が析出する結晶形に与える度合いである。これは、要因(パラメータ)毎に設定される、そして4つの要因(パラメータ)の寄与率は、合計が1になるようにする。図示する評価シートSでは、寄与率を行方向に並べている。具体的には、寄与率として、0.90、0.00、0.00、0.10が設定される。
そして、評価部14は、それぞれの結晶形について、影響度と寄与率とを乗算し、さらに、要因(パラメータ)毎に積算して点数付けする。そして、これを評価点とし、評価部14は、評価点が高い結晶形が析出すると予測する。析出すると予測する結晶形は、最も上位の点数の結晶形としてもよく、予め定められた点数以上の結晶形が析出するとしてもよい。これは影響度に従い、点数付け(評価点を算出)し、析出しうるそれぞれの結晶形に対しランキングを決め、さらにランキングとして上位の結晶形が析出すると予測する、と言うこともできる。そして、評価部14は、結晶を析出させるときの条件毎にこの予測をする。ここでは、条件1、条件2、…、について予測した場合を示している。この条件は、結晶を析出する際に設定する条件である。
そして、評価部14は、この予測結果と、実際にその条件で析出させた結晶形と比較する。そして、それぞれの要因(パラメータ)が、析出する結晶形に与える寄与率の妥当性を調べる。これは、評価部14は、影響度とパラメータの寄与率に基づき、点数付けを行い、点数付けの結果により、析出する結晶形を予測し、析出する結晶形の種類とパラメータとの関連を評価する、と言うこともできる。また、評価部14は、点数付けした結果により析出すると予測した結晶形と、同じ条件で実際に析出した結晶形とを比較し、析出する結晶形の種類とパラメータとの関連を推定する、と言うこともできる。そして、評価部14は、比較の結果により、寄与率を変更し、それぞれの要因(パラメータ)が、生成する結晶形にどのように寄与するかを探索していく。これは、評価部14は、比較の結果により、寄与率を探索する、と言うこともできる。
図4(a)~(c)は、寄与率の探索の結果を示した図である。
ここでは、図4(a)に示す構造式を有するフェブキソスタットについて作成した場合を示している。そして、図4(b)では、結晶を析出する際に設定する条件として、溶液の条件や乾燥条件について示している。ここでは、溶液として、溶媒種類を変更できることを示している。また、初期物質濃度を変更できることを示している。さらに析出温度を変更できることを示している。またさらに赤外波長(赤外線の波長)を変更できることを示している。これらは、上述した、析出する結晶形に影響を与えるパラメータの一例である。
そして、図4(c)では、図4(b)に示した変更可能な各種条件の中から、6つの条件を選択し、この条件での探索の結果を示している。ここでは、溶媒種類として、エタノールを選択し、初期物質濃度として、25[mL/mg]および40[mL/mg]の2通りを選択している。また、放射波長として、3.2μmを選択している。これは、赤外線の波長領域であり、図4(a)の実線で囲んだカルボキシ基の吸収波長である。さらに、析出温度として、20[℃]、40[℃]、70[℃]の3通りをした。即ち、初期物質濃度と析出温度との組み合わせで6通りの条件が生ずる。そしてこの6通りの条件において、評価シートSで予測した結晶形と、実際に析出した結晶形とを比較した表が図4(c)である。
この場合、結晶の析出に影響を与えるパラメータとして、濃度要因、温度要因、赤外要因、その他の4つについて考察している。濃度要因は、図4(b)では、初期物質濃度に対応する。また、温度要因は、析出温度に対応する。さらに、赤外要因は、赤外波長に対応する。
そしてこれらの要因(パラメータ)に対し、結晶が析出する際の寄与率(各項目寄与率)が設定される。4つの要因(パラメータ)の寄与率は、合計が1になるようにする。
そして、各パラメータについて寄与率および影響度を、点数付け1、点数付け2、点数付け3で評価した場合を表Tに示す。
表Tで、点数付け1では、濃度要因を0.9とし、その他を0.1とする。このとき、評価部14は、全ての条件で、F1の結晶形が単独で析出すると予測した場合を示す。そして、実際に析出した結晶形としては、F1の結晶形が優先的に析出した場合は1つの条件しかなく、他の条件では、3つの条件において、F1の結晶形は析出したが、最優先でなかったことを示す。なお、他の2つの条件では、F1の結晶形は析出しなかったことを示す。また、ここでは、析出した結晶形のうちで、最も多く析出した結晶形を、「優先的に析出」した結晶形であると表現している。また、析出はするものの最も多く析出した結晶形でなかった場合を、「最優先でなかった」結晶形であると表現している。そしてこれを評価シートSでは、整合:1/6、一部整合:3/6として記載している。
点数付け2では、濃度要因を0.55、温度要因を0.35、その他を0.1とする。このとき、評価部14は、2つの条件で、F1の結晶形が単独で析出すると予測し、4つの条件で、F2の結晶形が単独で析出すると予測した場合を示す。なお、他の2つの条件では、F1の結晶形は析出しなかったことを示す。そして、実際に析出した結晶形としては、これらの結晶形が優先的に析出した場合は2つの条件であり、他の条件では、2つの条件において、これらの結晶形は析出したが、最優先でなかったことを示す。そしてこれを評価シートSでは、整合:2/6、一部整合:2/6として記載している。
点数付け3では、濃度要因を0.30、温度要因を0.35、赤外要因を0.25、その他を0.1とする。このとき、評価部14は、全ての条件で、F1、F2、H1の結晶形が混合した状態で析出すると予測した場合を示す。そして、実際に析出した結晶形としては、これらの結晶形が優先的に析出した場合は4つの条件であり、他の2つの条件では、これらの結晶形は析出したが、最優先でなかったことを示す。そしてこれを評価シートSでは、整合:4/6、一部整合:2/6として記載している。
このように、本実施の形態では、評価部14は、影響度に基づき予測した結晶形と実際に析出する結晶形との整合性を評価する。この影響度は、溶解度曲線を用い、求められる。そして、評価部14は、影響度とそれぞれの析出条件(パラメータ)の寄与率に基づき、点数付けを行い、点数付けの結果により析出すると予測した結晶形と実際に析出した結晶形との整合性を評価する。さらに、評価部14は、整合性を基に、析出する結晶形の種類と析出条件(パラメータ)との関連を評価する。さらに、評価部14は、この関連を基に寄与率を探索する。これは、評価部14は、点数付けの結果により析出すると予測した結晶形と実際に析出した結晶形との整合性を基に、寄与率を探索する、と言うこともできる。このとき本実施の形態では、上述した評価シートSを使用する。そして評価シートSにより、寄与率を変更して結晶形を予測し、実際に析出する結晶形と比較する。これにより、それぞれのパラメータの寄与率が判明する。そして、ある条件のときに、どのような結晶形が析出するかを予測することができる。なお、寄与率だけでなく、影響度を変更するようにしてもよい。
提供部15は、析出する結晶の結晶形の情報として析出する結晶の種類および析出条件(確定されたパラメータ)をユーザに提供する。この場合、ユーザは、分析装置10の操作者や分析対象のサンプル提供者などが該当する。析出する結晶の結晶形の情報は、例えば、目的とする結晶形が析出しやすい条件である。この条件は、例えば、溶液の初期濃度や、乾燥条件である。また、例えば、条件を変更したときに、析出すると予測される結晶形である。
<効果の説明>
以上説明した形態によれば、結晶多形をとる分析対象に対し、析出する結晶形の種類を予測することができる。そして、より有用な結晶形を析出させるための条件をユーザに提供することができる。ただし、上述したように、本実施の形態では、具体的な結晶構造を分子論的に計算するものではない。本実施の形態では、結晶構造がわかる必要はなく、複数の結晶形が析出することを予測し、その中で、どの結晶形が析出するかを予測する。
結晶の生成過程は、複合的かつ複雑な物理化学現象である。そのため、従来は、作り分けに膨大な実験試行が必要であった。しかしながら、本実施の形態では、結晶多形をとる分析対象に対し、析出する結晶形の種類を予測することができるため、このような膨大な実験試行は必要なくなる。
また、本実施の形態では、予測部13が、溶解度曲線を使用し、数値シミュレーションを行い、析出する結晶形を予測する。
また、例えば、従来は、結晶形の予測をする際に、析出する際の赤外線の効果を組み込むことは行われていなかったが、本実施の形態では、赤外線の効果を組み込み、析出する結晶形の種類を予測することができる。また、赤外線のみならず、種々のパラメータの入力に対応し、析出する結晶形の種類を予測することができる。
さらに、析出条件などが変更になっても、迅速に析出する結晶形の種類を予測することができる。即ち、本実施の形態では、結晶形を予測する時間や計算コストが小さくてすむ。つまり、パラメータと析出する結晶形との関連がわかる。そして、本実施の形態では、この関連に基づき、溶質、溶媒および析出条件が指定されたときに、析出する結晶形を予測することができる。また、この関連に基づき、少なくとも1種類の結晶形が析出するときの、溶質、溶媒および析出条件を予測することができる。
<結晶形を予測する場合の具体的なフロー>
次に、結晶多形を有する分析対象に対し、溶液から析出する際に生じる結晶形を予測する具体的なフローについてさらに詳しく説明する。
図5は、本実施の形態で、結晶形の予測をする際の一連のフローを示した図である。
まず、ユーザ情報として、分析対象の構造式および初期評価用のサンプルを受け取る(ステップS701)。なお、分析対象の構造式の代わりに、分析対象が有する官能基の情報であってもよい。これにより、析出の際に、吸収する赤外線の波長がわかる。
次に、最初期検討として、析出すると予想される結晶形の傾向を予測する傾向予測を行い、分析対象に含まれる結晶形を予測する(ステップS702)。これは、先行事例調査を行い、類似物質との比較により行うことができる。また、ユーザから受け取ったサンプルを、DTA分析やDSC分析することで行うことができる。
そして、分析装置10の受付部11がこれらの情報を受け付け、溶解度曲線推定部12が、分析対象の溶解度曲線の初期推定を行う(ステップS703)。溶解度曲線の推定は、上述したように、DSC分析を行うことで、推定することができる。
次に、予測ソフトによる結晶多形の析出の傾向の類推をし、各種条件において析出する結晶の傾向を大まかに予測する(ステップS704)。上述した例では、予測部13が、推定された溶解度曲線を基にシミュレーションを行い、析出する結晶形の種類や含有率を予測する処理に対応する。
次に、評価シートSによる適正実験条件の抽出をする(ステップS705)。上述した例では、評価部14が、評価シートSを使用して、寄与率を決める処理に対応する。寄与率を決定することで、析出条件(パラメータ)と析出する結晶形との関連がわかる。
そして、実際にサンプルを製作する(ステップS706)。これにより異種結晶と思われるものを複数作成する。
さらに、製作したサンプルの評価を行う(ステップS707)。これにより目的とする結晶形が製作できているかどうかを確認する。評価は、例えば、DSC分析などにより行うことができる。
そして、製作したサンプルをユーザに提供し、ユーザによる試験等に供する(ステップS708)。また、ステップS702に戻り、傾向予測としてフィードバックすることもできる。
ユーザは、これにより有用な結晶形を特定することができる(ステップS709)。
図6は、分析装置10の動作として、結晶形を予測する場合について説明したフローチャートである。これは、図5では、ステップS704に対応する。
まず、受付部11が、分析対象の結晶の析出に影響を与えるパラメータを受け付ける(ステップS801)。このパラメータは、上述したように、結晶の析出に影響を与える指標であれば、特に限られるものではない。図3の評価シートSで挙げた例では、パラメータは、濃度要因、温度要因、赤外要因、その他の4つである。
また、受付部11は、図5で説明した傾向予測を受け付ける(ステップS802)。
そして、溶解度曲線推定部12は、受付部11が受け付けたパラメータや傾向予測を基にして、溶解度曲線を推定する(ステップS803)。
次に、予測部13は、推定された溶解度曲線を基にシミュレーションを行い、析出する結晶形の種類や含有率を予測する(ステップS804)。
図6で示した処理は、コンピュータ装置を使用し、ソフトウェアとハードウェア資源とが協働することにより実現される。即ち、分析装置10に設けられたCPU等のプロセッサが、分析装置10の各機能を実現するプログラムをメモリからロードし、このプログラムを実行することで、これらの各機能を実現させる。
よって、分析装置10が、上述した結晶形を予測する処理は、コンピュータに、溶質(分析対象)の種類、この溶質を溶解する溶媒の種類、およびこの溶質を結晶として析出させるときの析出条件(パラメータ)を含む入力データを取得する取得機能と、溶質、溶媒および析出条件で析出する結晶の結晶形について予測する予測機能と、を実現させるためのプログラムとして捉えることもできる。
また、溶解度曲線推定部12が行う処理は、このプログラムが、分析対象の溶解度曲線を推定する溶解度曲線推定機能を備えると捉えることができる。そして、予測機能は、推定された溶解度曲線に基づき、析出する結晶形を予測する。
図7は、分析装置10の動作として、結晶形を評価する場合について説明したフローチャートである。これは、図5では、ステップS705に対応する。
まず、評価部14が、予測部13により析出すると予測した結晶形に基づき、それぞれのパラメータについて、影響度を求める(ステップS901)。
次に、評価部14は、各パラメータが、結晶が析出する際に寄与する程度を表す寄与率を設定する(ステップS902)。
そして、評価部14は、評価シートSを使用し、影響度とパラメータの寄与率に基づき、点数付けを行う(ステップS903)。
さらに、評価部14は、点数付けの結果により析出する結晶形を予測する(ステップS904)。
次に、評価部14は、予測した結晶形と、同じ条件で実際に析出した結晶形とを比較して整合性を求める(ステップS905)。
そして、評価部14は、整合性が予め定められた基準を満たし、両者が整合しているかどうかを判断する(ステップS906)。
その結果、満たしていた場合(ステップS906でYes)、寄与率を確定する(ステップS907)。
対して、満たしていない場合(ステップS906でNo)、ステップS902に戻り、新たな寄与率を設定して、ステップS903以降の処理を行う。
本実施の形態における分析装置10の評価部14が行う処理は、コンピュータ装置を使用し、ソフトウェアとハードウェア資源とが協働することにより実現される。
よって、本実施の形態で分析装置10の評価部14が行う処理は、コンピュータに、溶質(分析対象)の種類、この溶質を溶解する溶媒の種類、およびこの溶質を結晶として析出させるときの析出条件(パラメータ)を含む入力データを取得する取得機能と、溶質、溶媒および析出条件で析出する結晶の結晶形について、予測した結晶形と実際に析出する結晶形との整合性を評価する評価機能と、を実現させるためのプログラムとして捉えることもできる。
そして、このプログラムの評価機能は、整合性を基に、析出する結晶形の種類と析出条件との関連を評価する。さらにこの評価機能は、関連に基づき、溶質、溶媒および析出条件が指定されたときに、析出する結晶形を予測することができる。また、この評価機能は、関連に基づき、少なくとも1種類の結晶形が析出するときの、溶質、溶媒および析出条件を予測する。ここで、ある物質について評価部14の点数付けが確定した場合、それは同様の分子構造を持つ他物質も適用できる可能性が高い。したがって、本サイクルを所定回数運用した後には評価部14は、予測部13として適用することが可能になる。つまり、評価した溶質とは別の物質に対して結晶形を予測するときに、探索し確定した後の寄与率を使用することができる。
このプログラムによれば、複数の結晶形のうち、何れの結晶形が析出するかを予測する際に、予測精度を向上させることができる。
なお、本実施の形態を実現するプログラムは、通信手段により提供することはもちろん、CD-ROM等の記録媒体に格納して提供することも可能である。
<変形例>
次に、分析装置10の変形例について説明する。変形例では、予測部13は、新たな結晶形についてさらに予測する。これを行うには、例えば、以下の(1)~(5)の手順により行うことができる。
(1)分析対象について、既に判明しており、最安定と目される結晶形に対し、現状最安定形の結晶形として設定する。ここではこれを、例えば、結晶形1とする。
(2)さらに安定な未知の、より高い安定性を有する結晶形が存在すると仮定して、これを仮想結晶形として設定する。ここではこれを、例えば、結晶形2とする。
(3)評価部14の機能を使用して、結晶形1と結晶形2との析出しやすさを比較し、結晶形2が析出するとすれば、どのような条件で析出するかを導出する。
(4)導出した条件で実際に析出させる実験を行う。
(5)実験の結果、結晶形2が析出すれば、新たな最安定の結晶形を見い出せたことになる。一方、結晶形2が析出しなければ、結晶形1が最安定の結晶形である可能性が高い。
<分析方法の説明>
ここで、分析装置10が行う処理は、分析対象の結晶の析出に影響を与えるパラメータを受け付け、受け付けた前記パラメータに基づき、析出する結晶形の種類を予測し、パラメータが前記分析対象の結晶の析出に影響を与える程度である影響度に基づき、析出する結晶形の種類と前記パラメータとの関連を評価し、析出する結晶の結晶形の情報として、析出する結晶形の種類および析出条件をユーザに提供する、分析方法であると捉えることもできる。
以上、本実施の形態について説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、種々の変更または改良を加えたものも、本発明の技術的範囲に含まれることは、特許請求の範囲の記載から明らかである。
10…分析装置、11…受付部、12…溶解度曲線推定部、13…予測部、14…評価部、15…提供部、S…評価シート

Claims (12)

  1. 分析対象の結晶の析出に影響を与えるパラメータを受け付ける受付部と、
    受け付けた前記パラメータに基づき、析出する結晶形の種類を予測する予測部と、
    前記パラメータが前記分析対象の結晶の析出に影響を与える程度である影響度に基づき、前記予測部が析出すると予測した結晶形の種類と前記パラメータとの関連を評価し、析出条件に対する結晶形の種類を予測する評価部と、
    前記評価部による結果に基づき、析出する結晶の結晶形の情報として、析出する結晶形の種類析出条件との関係をユーザに提供する提供部と、
    を備える分析装置。
  2. 前記予測部は、前記結晶形を有する前記分析対象の溶解度曲線を基に、析出する前記結晶形を予測する請求項1に記載の分析装置。
  3. 前記予測部は、析出すると予想される前記結晶形の傾向である傾向予測に基づき推定された前記溶解度曲線を使用する請求項2に記載の分析装置。
  4. 前記パラメータには、結晶を析出させるときに使用する赤外線の波長が含まれる請求項1に記載の分析装置。
  5. 前記赤外線の波長は、析出すると予想される前記結晶形を有する前記分析対象が吸収する波長を選択する請求項4に記載の分析装置。
  6. 前記評価部は、前記予測部により析出すると予測した結晶形に基づき、それぞれの前記パラメータについて前記影響度を求める請求項1に記載の分析装置。
  7. 前記評価部は、前記影響度と前記パラメータの寄与率に基づき、点数付けを行い、前記点数付けの結果により析出する結晶形を予測し、析出する結晶形の種類と前記パラメータとの関連を評価する請求項6に記載の分析装置。
  8. 前記評価部は、前記点数付けの結果により析出すると予測した結晶形と、実際に析出した結晶形とを比較し、前記寄与率を探索する請求項7に記載の分析装置。
  9. 前記評価部は、前記点数付けの結果により析出すると予測した結晶形と実際に析出した結晶形との整合性を基に、前記寄与率を探索する請求項8に記載の分析装置。
  10. 前記予測部は、新たな結晶形についてさらに予測する請求項1に記載の分析装置。
  11. 分析対象の結晶の析出に影響を与えるパラメータを受け付け、
    受け付けた前記パラメータに基づき、析出する結晶形の種類を予測し、
    前記パラメータが前記分析対象の結晶の析出に影響を与える程度である影響度に基づき、析出すると予測した結晶形の種類と前記パラメータとの関連を評価し、析出条件に対する結晶形の種類を予測し、
    析出する結晶の結晶形の情報として、析出する結晶形の種類析出条件との関係をユーザに提供する、
    分析方法。
  12. 分析対象の結晶の析出に影響を与え、前記分析対象の構造式を含むパラメータを受け付け、
    受け付けた前記パラメータおよびそれぞれの前記パラメータの寄与率に基づいて、析出する第1のタイプの結晶形を予測し、
    それぞれの前記パラメータが前記分析対象の結晶の析出に与える影響の程度を表す影響度に基づき、析出すると予測した結晶形の種類と前記パラメータとの関係を評価し、析出条件に対する結晶形の種類を予測し、
    析出する結晶の結晶形に関する情報として、析出する結晶形の種類と析出条件との関係をユーザに提供し、
    前記パラメータと提供された前記析出条件に基づき結晶を析出させ、
    析出した結晶形と予測された第1のタイプの結晶形とを比較し、
    比較に基づき前記寄与率を変更し、
    変更した前記寄与率に基づき、析出する第2のタイプの結晶形を予測する、
    分析方法。
JP2024522979A 2022-05-25 2023-04-21 分析装置および分析方法 Active JP7828444B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2022021472 2022-05-25
JPPCT/JP2022/021472 2022-05-25
PCT/JP2023/016024 WO2023228657A1 (ja) 2022-05-25 2023-04-21 分析装置および分析方法

Publications (3)

Publication Number Publication Date
JPWO2023228657A1 JPWO2023228657A1 (ja) 2023-11-30
JPWO2023228657A5 JPWO2023228657A5 (ja) 2024-12-20
JP7828444B2 true JP7828444B2 (ja) 2026-03-11

Family

ID=88876710

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2024522979A Active JP7828444B2 (ja) 2022-05-25 2023-04-21 分析装置および分析方法

Country Status (5)

Country Link
US (1) US20230386616A1 (ja)
EP (1) EP4534167A4 (ja)
JP (1) JP7828444B2 (ja)
CN (1) CN119095657A (ja)
WO (1) WO2023228657A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12587274B2 (en) 2023-03-28 2026-03-24 Quantum Generative Materials Llc Satellite optimization management system based on natural language input and artificial intelligence
US12368503B2 (en) 2023-12-27 2025-07-22 Quantum Generative Materials Llc Intent-based satellite transmit management based on preexisting historical location and machine learning
US12627372B2 (en) 2023-12-27 2026-05-12 Quantum Generative Materials Llc Advanced mission control predictive systems for low earth orbit semi-autonomous satellites
US12603701B2 (en) 2023-12-27 2026-04-14 Quantum Generative Materials Llc Distributed satellite constellation management and control system
CN118522386B (zh) * 2024-07-22 2024-11-01 中南大学 复杂环境条件下混凝土细观参数设计方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000166706A (ja) 1998-12-04 2000-06-20 Yoichiro Kuroiwa 寝 具

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2002305092A1 (en) * 2001-03-23 2002-10-08 Transform Pharmaceuticals, Inc. Method and system for high-throughput screening
JP2020166706A (ja) * 2019-03-29 2020-10-08 株式会社クロスアビリティ 結晶形予測装置、結晶形予測方法、ニューラルネットワークの製造方法、及びプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000166706A (ja) 1998-12-04 2000-06-20 Yoichiro Kuroiwa 寝 具

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
M.A. Neumann, et al.,Combined crystal structure prediction and high-pressure crystallization in rational pharmaceutical p,Nature Communications [online],2015年07月22日,Vol.6, No.7793,pages 1-7,[検索日:2022年6月22日], インターネット:<URL:https://www.nature.com/articles/ncomms8793/>
五十嵐幸一,高度に結晶特性を制御するための晶析操作と装置, [online],2013年09月,[検索日:2022年6月22日], インターネット:<URL:https://core.ac.uk/download/pdf/35270975.pdf>
北村光孝,結晶多形減少を伴う晶析操作と種々の問題,粉体工学会誌,1992年,Vol.29, No.2,pp.118-123
深水啓朗,固体医薬品の物性評価法,薬剤学 [online],2005年,第65巻第4号,239-242ページ,[検索日:2022年6月22日],インターネット: <URL:https://www.jstage.jst.go.jp/article/jpstj/65/4/65_239/

Also Published As

Publication number Publication date
EP4534167A4 (en) 2026-05-13
CN119095657A (zh) 2024-12-06
US20230386616A1 (en) 2023-11-30
EP4534167A1 (en) 2025-04-09
WO2023228657A1 (ja) 2023-11-30
JPWO2023228657A1 (ja) 2023-11-30

Similar Documents

Publication Publication Date Title
US20230386616A1 (en) Analysis apparatus and analysis method
Zheng et al. Predicting drug–protein interaction using quasi-visual question answering system
Oprisiu et al. Modeling of non-additive mixture properties using the Online CHEmical database and Modeling environment (OCHEM)
Carlson Don't gamble with physical properties for simulations
Rodriguez-Perez et al. Feature importance correlation from machine learning indicates functional relationships between proteins and similar compound binding characteristics
Ciarella et al. Finding defects in glasses through machine learning
Mohammadi et al. Modeling the solubility of light hydrocarbon gases and their mixture in brine with machine learning and equations of state
WO2007005465A2 (en) Analysis of topic dynamics of web search
Ukić et al. Development of gradient retention model in ion chromatography. Part I: conventional QSRR approach
CN112463638A (zh) 基于神经网络的模糊测试方法及计算机可读存储介质
Mohan et al. Predictive understanding of the surface tension and velocity of sound in ionic liquids using machine learning
Ukić et al. Development of gradient retention model in ion chromatography. Part II: artificial intelligence QSRR approach
Arshad et al. Experimental measurements and modelling of viscosity and density of calcium and potassium chlorides ternary solutions
EP2392928B1 (en) Analysis system, analysis device, vessel, analysis method, program, and recording medium
JP5211486B2 (ja) 化合物の仮想スクリーニング方法及び装置
Bhushan et al. New efficient logarithmic estimators using multi‐auxiliary information under ranked set sampling
Clegg et al. Isopiestic determination of the osmotic and activity coefficients of NaCl+ SrCl2+ H2O at 298.15 K and representation with an extended ion-interaction model
Soleimani et al. Insights into the estimation of surface tensions of mixtures based on designable green materials using an ensemble learning scheme
Besharati et al. Prediction of CO2 solubility in aqueous and organic solvent systems through machine learning techniques
Malarvannan et al. Assessment of computational approaches in the prediction of spectrogram and chromatogram behaviours of analytes in pharmaceutical analysis: assessment review
Tyrin et al. Digitization of molecular complexity with machine learning
Hayer et al. Prediction of activity coefficients by similarity-based imputation using quantum-chemical descriptors
Brauner et al. Linear QSPRs for predicting pure compound properties in homologous series
Ryu et al. Group contribution based graph convolution network: predicting vapor–liquid equilibrium with cosmo-sac-ml
Obaidullah et al. Modeling and validation of purification of pharmaceutical compounds via hybrid processing of vacuum membrane distillation

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20241001

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20241122

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20251014

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20251120

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: 20260210

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20260227

R150 Certificate of patent or registration of utility model

Ref document number: 7828444

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150