JPWO2021054402A5

JPWO2021054402A5 - 推定装置、訓練装置、推定方法及びモデル生成方法

Info

Publication number: JPWO2021054402A5
Application number: JP2021546951A
Authority: JP
Filing date: 2020-09-17
Publication date: 2023-05-23
Anticipated expiration: 2040-09-17

Claims

少なくとも１つの記憶装置と、
少なくとも１つのプロセッサと、を備え、
前記少なくとも１つのプロセッサは、
複数の原子の情報をニューラルネットワークに入力することで前記複数の原子の物性値を推定し、
前記複数の原子の情報は、前記複数の原子の立体的な位置関係の情報を含み、
前記ニューラルネットワークは、グラフベースの構成を含む、
推定装置。
前記立体的な位置関係の情報は、原子間の距離及び角度に関する情報を含む、
請求項１に記載の推定装置。
前記物性値はエネルギーである、
請求項１又は請求項２に記載の推定装置。
前記少なくとも１つのプロセッサは、
前記エネルギーを位置微分することにより、各原子に働く力を算出する、
請求項３に記載の推定装置。
前記少なくとも１つのプロセッサは、
前記複数の原子の情報を含むグラフを生成し、
前記グラフを前記ニューラルネットワークに入力する、
請求項１乃至請求項４の何れか一項に記載の推定装置。
前記少なくとも１つのプロセッサは、
前記複数の原子の座標情報、前記複数の原子の種類、及び、境界条件に基づいて、前
記グラフを生成する、
請求項５に記載の推定装置。
前記グラフは、少なくとも並進不変又は回転不変な情報である、
請求項５又は請求項６に記載の推定装置。
前記グラフは、ノード特徴及びエッジ特徴を含む、
請求項５乃至請求項７の何れか一項に記載の推定装置。
前記ノード特徴は、前記複数の原子の種類に基づく特徴を含み、
前記エッジ特徴は、原子間の距離及び角度に関する情報を含む、
請求項８記載の推定装置。
前記少なくとも１つのプロセッサは、
前記複数の原子に含まれる着目原子に関する情報と前記着目原子から所定範囲内に存在する複数の原子に関する情報とに基づいて、前記エッジ特徴を生成する、
請求項８又は請求項９に記載の推定装置。
前記ニューラルネットワークは、
少なくとも前記ノード特徴を入力すると更新ノード特徴を出力する第２ニューラルネットワークと、
少なくとも前記エッジ特徴を入力すると更新エッジ特徴を出力する第３ニューラルネットワークと、
少なくとも前記更新ノード特徴及び前記更新エッジ特徴を入力すると前記物性値を出力する第４ニューラルネットワークと、を含む、
請求項８乃至請求項１０の何れか一項に記載の推定装置。
前記少なくとも１つの記憶装置は、原子の種類ごとの特徴を記憶しており、
少なくとも１つのプロセッサは、
前記複数の原子に含まれる原子の種類に基づいて、対応する前記特徴を前記少なくとも１つの記憶装置から取得し、
取得した前記特徴を用いて前記グラフを生成する、
請求項５乃至請求項１１の何れか一項に記載の推定装置。
前記少なくとも１つの記憶装置に記憶されている前記特徴は、第１ニューラルネットワークを用いて抽出されたものである、
請求項１２に記載の推定装置。
前記少なくとも１つのプロセッサは、
前記複数の原子に含まれる原子の種類に関する情報を第１ニューラルネットワークに入力することで、特徴を取得し、
取得した前記特徴を用いて前記グラフを生成する、
請求項５乃至請求項１１の何れか一項に記載の推定装置。
前記第１ニューラルネットワークは、原子の物性値を教師データとして訓練されたモデルである、
請求項１３又は請求項１４に記載の推定装置。
前記第１ニューラルネットワークは、Variational Encoder Decoderにより訓練されたモデルである、
請求項１５に記載の推定装置。
前記特徴は、潜在空間におけるベクトルである、
請求項１２乃至請求項１６の何れか一項に記載の推定装置。
前記ニューラルネットワークの構成は、前記複数の原子に含まれる原子の種類に依らず共通である、
請求項１乃至請求項１７の何れか一項に記載の推定装置。
前記ニューラルネットワークは、少なくともグラフニューラルネットワーク又はグラフ畳み込みネットワークの何れかを含む、
請求項１乃至請求項１８の何れか一項に記載の推定装置。
前記複数の原子は、少なくとも、分子又は結晶の何れかを構成する原子である、
請求項１乃至請求項１９の何れか一項に記載の推定装置。
請求項１乃至請求項２０の何れか一項に記載の推定装置を用いて、前記複数の原子の前記物性値を推定する、
推定方法。
少なくとも１つの記憶装置と、
少なくとも１つのプロセッサと、を備え、
前記少なくとも１つのプロセッサは、
複数の原子の情報をニューラルネットワークに入力することで前記複数の原子の物性値を推定し、
推定した前記物性値と教師データとの誤差を算出し、
算出した前記誤差を逆伝播して、前記ニューラルネットワークを更新し、
前記複数の原子の情報は、前記複数の原子の立体的な位置関係の情報を含み、
前記ニューラルネットワークは、グラフベースの構成を含む、
訓練装置。
前記少なくとも１つのプロセッサは、
前記複数の原子の情報を含むグラフを生成し、
前記グラフを前記ニューラルネットワークに入力する、
請求項２２に記載の訓練装置。
前記少なくとも１つのプロセッサは、
前記複数の原子に含まれる原子の種類に関する情報を第１ニューラルネットワークに入力することで、特徴を取得し、
取得した前記特徴を用いて前記グラフを生成し、
算出した前記誤差を逆伝播して、前記第１ニューラルネットワークを更新する、
請求項２３に記載の訓練装置。
前記ニューラルネットワークの構成は、前記複数の原子に含まれる原子の種類に依らず共通である、
請求項２２乃至請求項２４の何れか一項に記載の訓練装置。
請求項２２乃至請求項２５の何れか一項に記載の訓練装置を用いて、前記ニューラルネットワークを生成する、
モデル生成方法。