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
Links
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
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems 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
- G01N21/82—Systems 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、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。
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)、H2O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、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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)。
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)。
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。
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。
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。
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。
(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。
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。
Claims (12)
- 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と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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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と析出条件との関係をユーザに提供する、
分析方法。 - 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。
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)
| 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)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000166706A (ja) | 1998-12-04 | 2000-06-20 | Yoichiro Kuroiwa | 寝 具 |
Family Cites Families (2)
| 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 |
-
2023
- 2023-04-21 JP JP2024522979A patent/JP7828444B2/ja active Active
- 2023-04-21 WO PCT/JP2023/016024 patent/WO2023228657A1/ja not_active Ceased
- 2023-04-21 EP EP23811535.6A patent/EP4534167A4/en active Pending
- 2023-04-21 CN CN202380039568.1A patent/CN119095657A/zh active Pending
- 2023-05-15 US US18/317,265 patent/US20230386616A1/en active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000166706A (ja) | 1998-12-04 | 2000-06-20 | Yoichiro Kuroiwa | 寝 具 |
Non-Patent Citations (4)
| 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 |