TW202207239A

TW202207239A - 推算裝置、訓練裝置、推算方法、訓練方法及獲得反應生成物之方法

Info

Publication number: TW202207239A
Application number: TW110124391A
Authority: TW
Inventors: 澤田亮人; 南昌樹; 尾野秀樹; 工藤孝夫; 浅野裕介; 入口広紀
Original assignee: 日商首選網絡股份有限公司; 日商引能仕股份有限公司
Priority date: 2020-07-03
Filing date: 2021-07-02
Publication date: 2022-02-16
Also published as: WO2022004883A1; JP2022013367A

Abstract

本發明之課題係以高精度預測產率。推算裝置具備：1個或複數個記憶體；及1個或複數個處理器。上述1個或複數個處理器對輸入之反應式進行分類，將上述分類之結果輸入推理模型，獲得上述推理模型輸出之反應速度參數。

Description

推算裝置、訓練裝置、推算方法、訓練方法及獲得反應生成物之方法

本發明係關於一種推算裝置、訓練裝置、推算方法、訓練方法及獲得反應生成物之方法。

以樹脂為代表之有機材料於合成過程中經歷了各種複雜之中間狀態之過渡。因此，材料之產率難以控制。作為預測材料之產率之方法，已知反應動力學，於反應動力學中，化學反應由將反應速度作為參數之隨機模型表示。已開發了一種技術，該技術嘗試對反應動力學之反應速度進行擬合以使其與實驗結果相匹配，藉此對產率進行預測。

但是，由於該技術需要進行資料擬合，因此需要大量的實驗結果。由於有機材料之反應路徑多種多樣，例如，若是聚合物，聚合路徑之數量較單體而指數函數性地增加。其結果，使用反應動力學之擬合僅侷限於單一之單體聚合等反應路徑較少之系統。於聚合物中，由於聚合路徑之數量往往超過實驗資料之數量，因此難以獲得足以用於擬合之數量之資料並且難以進行擬合。 [先前技術文獻] [專利文獻]

[專利文獻1]日本專利特開2009-301379號公報

[發明所欲解決之問題]

本發明實現了預測產率之推算裝置、訓練裝置、推算方法、訓練方法及獲得反應生成物之方法。 [解決問題之技術手段]

根據一實施方式，推算裝置具備：1個或複數個記憶體；及1個或複數個處理器。上述1個或複數個處理器對輸入之反應式進行分類，將上述分類之結果輸入推理模型，獲得上述推理模型輸出之反應速度參數。

以下，參照圖式對本發明之實施方式進行說明。圖式及實施方式之說明僅作為示例示出，並不限制本發明。

圖1係示意性地表示一實施方式之推算裝置之一例之方塊圖。本實施方式之推算裝置1具備：輸入部100、記憶部102、預處理部104、標記部106、最佳化部108、推算部110、及輸出部112。推算裝置例如基於推理模型200之輸出，推算用於聚合物之合成之反應物之比率，輸出進行材料合成之反應物之比率等。以下，輸入反應物等描述係指輸入反應物之化學結構式、表示反應物之圖表等反應物相關之資料。

輸入部100接收推算裝置1之輸入。例如，於執行最佳化以提高推算裝置1之推理模型200之推算精度之情形時，作為教示資料之實驗資料經由輸入部100被輸入至推算裝置1。又，於希望得到用於合成特定之生成物之材料、材料之比率、產率等資料之情形時，該特定之生成物等目標物質、材料之候補物質等之資料經由輸入部100被輸入至推算裝置1。

記憶部102存儲推算裝置1之處理所需之資料等。記憶部102例如可存儲經由輸入部100輸入之資料。於處理過程中，記憶部102與其他構成要素之間適當地輸入及輸出其中所存儲之資料。

關於其他構成要素，於利用軟體進行之資訊處理係利用硬體資源具體實現之情形時，可存儲該資訊處理所需之程式等資料。又，推理模型200、模擬器202之各種參數亦可記憶於記憶部102。視需要，該等資料由推算裝置1所具備之處理線路適當地使用。又，模擬器202可為黑盒，於此情形時，用於啟動該模擬器202之程式等亦可存儲於記憶部102。

預處理部104執行預處理。預處理部104彙集存儲於記憶部102之實驗資料或自輸入部100獲得之實驗資料，列舉其結果。列舉之實驗資料例如為使物質彼此發生化學反應之情形時之鍵結相關之資料。作為一例，預處理部104列舉如下資料：若使反應物A與反應物B反應，則生成生成物(反應生成物)AB之資料；若使反應物AB與反應物B反應，則生成生成物ABB之資料。

列舉之資料可不僅包含簡單反應，亦可包含複合反應。於此情形時，預處理部104亦列舉複合反應之中間狀態，例如過渡狀態，即，如生成何種中間物。預處理部104亦可列舉基本反應，該基本反應係將複合反應作為簡單反應之連續。又，作為另一例子，預處理部104亦可列舉省略了複合反應之中間狀態之最終的反應物及生成物。

即，預處理部104列舉反應物及生成物之組合之資料。例如，於生成樹脂之情形時，關於生成之樹脂之成分如何相互鍵結、以及經歷怎樣的中間狀態之過渡，可藉由參照一般之公開之資料庫等而獲得。又，預處理部104亦可列舉用戶獲得之知識資料作為用戶實際已經進行了實驗之資料。進而，預處理部104可使用公知之關於合成之模型等，藉由模擬等獲得資料。

標記部106基於反應速度賦予預處理部104列舉之資料標籤(標記)。標記部106基於反應速度對預處理部104列舉之各資料進行標記。標記部106基於反應物彼此之鍵結中之鍵結位置，對反應速度進行標記。即，標記部106基於鍵結位置周邊之原子或單體對於反應式進行分類、標記。

一般而言，反應物之鍵結之鍵結位置往往是固定的。因此，標記部106基於反應物彼此之鍵結位置之周邊之原子進行標記。例如，於在鍵結於苯酚之苯環之OH之鄰位與其他反應物鍵結之情形時，基於該OH之鄰位進行標記。

更詳細而言，於OH之鄰位，於該其他鍵結物之NH₂ 之鄰位鍵結之情形時賦予標籤。並且，於其他組合中，於在OH之鄰位、NH₂ 之鄰位鍵結之情形時，賦予相同之標籤。

如此，標記部106基於鍵結之位置、或鍵結之位置之周邊位置之原子，或單體之狀態等，對反應式進行標記。作為另一個例子，於苯酚之OH與其他反應物之NH₂ 部分於水溶液中鍵結之情形時，賦予與上述不同之標籤。

如上所述，標記部106基於反應產物之化學鍵結部分及其周邊之原子進行標記，並適當地賦予複數個反應式不同之標籤。換言之，標記部106基於反應物之鍵結位置及其周邊之原子對反應式進行反應速度相關之分類。

對於各個鍵結，反應速度應該是唯一的。於本實施方式中，標記部106施加了如下約束，即，屬於同一類別之反應物之反應參數相同。藉由給出該等約束，可減少反應速度參數之數量。

如上所述，該約束係由發生反應(鍵結)之位置之周邊之原子決定。例如，考慮反應物A與反應物B鍵結之情形及反應物A與反應物C鍵結之情形。於該等兩個鍵結中，若反應物B與反應物A鍵結之位置及反應物C與反應物A鍵結之位置與其周邊之原子相同，則判斷為具有相同之反應速度參數。

又，例如，亦可做如下假設，即，於鍵結位置之周邊之原子略有不同，但仍可被認為是相同之情形時，亦具有相同之反應速度參數。該假設例如可藉由對與鍵結之原子之距離或鍵結位置與分子圖表上之距離施加約束而獲得。又，例如，對反應之貢獻較小之原子、基可忽略不計。

例如，重點關注位於與鍵結之原子之特定距離之範圍內之原子或位於鍵結位置與分子圖表上之特定距離之範圍內之原子。具體而言，於分子圖表上，考慮將與鍵結之原子之距離為n以下之原子作為周邊之原子。為了有效地減少反應速度參數之數量，n較佳為2或3，但並不限於此，亦可為4以上之數。

作為其中一例，關於苯并㗁𠯤化合物之反應，假設與某個苯環鍵結之羥基及與其他苯環鍵結之胺基為鍵結位置。例如，假設於作為反應物A之對胺基苯酚(化學式(I))及作為反應物B之對甲苯胺(化學式(II))中，反應物A之羥基與反應物B之胺基反應。於此情形時，反應物B之鍵結位置對應之對位為碳原子。

同樣地，假設反應物A之羥基與反應物C之胺基反應。此時，與反應物C鍵結之位置對應之對位為碳原子，因此可認為鍵結位置之周邊之原子與反應物B相同，可進行標記。

另一方面，若反應物D為3-乙基苯胺(化學式(IV))，則相對於與反應物A鍵結之位置，碳原子處於間位而不是對位。因此，鍵結位置之周邊之原子與反應物B不同。但是，即使該等鍵結位置之周邊之原子不同，視需要，根據情況亦可假設該等鍵結位置之周邊之原子具有相同之反應速度參數，或亦可以此方式進行標記。 [化1]

[化2]

[化3]

[化4]

進而，使用以下所示之化學式對標記為具有相同之反應速度之例子進行說明。例如，考慮化學式(V)所示之反應物之OH基與化學式(I)所示之反應物之NH₂ 基鍵結之情形。 [化5]

若將與鍵結部相鄰之基列舉至圖距離2，則於NH₂ 側苯環與OH基相連，於OH側苯環與苯并基相連。若該等鍵結，則成為化學式(VI)所示之生成物。 [化6]

進而，假設該化學式(VI)所示之化學式為反應物，該反應物之OH基與化學式(I)所示之反應物之NH₂ 基鍵結。於此情形時，同樣地，若將與鍵結部相鄰之基列舉至圖距離2，則於NH₂ 側苯環與OH基相連，於OH側苯環與苯并基相連。若該等鍵結，則成為化學式(VII)所示之生成物，於此情形時，由於與鍵結部相鄰之原子相同，因此被標記為具有與上述反應相同之反應速度。 [化7]

關於反應物彼此鍵結之位置，可使用一般之技術或公知之組合進行判斷。於此情形時，標記部106例如可參照公知之組合之資料庫，或使用公知之模型判斷反應位置。一般而言，有很多與反應速度相關之參數，但藉由此種標記方式，能夠減少其參數。又，如上所述，藉由使用公知之技術或公知之組合提取鍵結位置，可減少反應速度相關之參數，並且能夠獲得作為具有物理化學意義之參數之標籤。

如此，標記部106基於物理化學約束列舉反應式，並基於物理化學約束將反應速度參數分配給所列舉之反應式。於進行推理模型200之最佳化之情形時，標記部106藉由對實驗資料進行標記，基於物理化學約束對反應式進行歸類(分類)。於希望獲得某種生成物之情形時，標記部106可對反應物之候補進行標記，或者，推算部110可使用同等之方法進行標記。

最佳化部108基於標記部106賦予之標籤，藉由最佳化設定實際之反應速度。更具體而言，對推理模型200進行最佳化，該推理模型200對使化學反應再現之模擬器202之輸入進行推理。雖然標記部106對反應速度參數進行了分類，但該標記部106並不對實際之反應速度之具體數值進行計算、推算等。因此，最佳化部108基於預先獲得之實驗資料對標記部106賦予之反應物之標籤進行擬合。

例如，關於被標記之反應物，最佳化部108對推理模型200進行最佳化以對具有相同標記之反應物之反應速度進行擬合。如此，推理模型200根據反應速度相關之被標記之資料對模型參數進行定義，最佳化，以對基於實際之實驗資料之反應速度進行擬合。

例如，推理模型200係若有標籤輸入則輸出反應速度參數之神經網路。該推理模型200例如可由最佳化部108藉由TPE(Tree-Structured Parzen Estimator，樹狀結構Parzen估計方法)進行最佳化，亦可藉由其他黑盒最佳化進行最佳化。

推算部110藉由模擬器202計算反應速度，該模擬器202根據推理模型200輸出之反應速度參數計算實際之反應速度。例如，對於目標生成物之候補反應物之組合，推算部110將該反應物之組合之被標記之資料輸入至推理模型200，獲得反應速度參數。然後，將反應速度參數輸入至模擬器202，獲得反應速度、反應時間、或生成物之生成量等結果。

推算部110以與標記部106相同之方式賦予新材料之組合、新材料之組成標籤，並輸入至推理模型200。然後，推算部110將自推理模型200輸出之結果，即，反應速度參數輸入至模擬器202。推算部110基於模擬器202之輸出，獲得例如期望之生成物之生成程度。

於獲得期望之結果之情形時，推算部110經由輸出部112輸出結果。此處，輸出係指輸出至推算裝置1之外部，但亦包括存儲至記憶部102。於獲得不理想之結果之情形時，可將該結果追加為實驗資料，再次進行解析。不理想之結果係指，例如於模擬得到期望之生成物之情形時，實際進行了化學反應實驗，相對於實驗結果，推理結果之精度不佳，或發生了意料之外之反應之結果。

模擬器202可基於最佳化部108輸出之反應速度參數預先做好準備。作為另一例子，模擬器生成部114可基於推理模型200輸出之反應速度參數生成模擬器202，該推理模型200由最佳化部108藉由黑盒最佳化實現了最佳化。

模擬器生成部114基於實驗資料生成反應模擬器(模擬器202)，該反應模擬器(模擬器202)自輸入至推理模型200之標籤資訊獲得反應速度或合成時間。該模擬器202係以如下方式生成，即，基於推理模型200輸出之反應速度參數，例如基於物理化學約束生成，以使合成時間與實驗資料相匹配。

模擬器202可藉由公知之技術生成。關於模擬器202，只要輸入至推理模型200之資料與自模擬器202輸出之值之組合與實驗資料相吻合即可。此處，吻合不限於解的精確匹配，例如，只要為不存在顯著誤差(誤差之方差小於特定值)之程度之吻合即可。

推算部110基於模擬器202之輸出，輸出反應生成物相關之資訊。該輸出例如可為複數個反應物之混合比率。

例如，推算部110使用推理模型200輸出之反應速度參數藉由模擬器202計算反應速度。於該計算過程中，推算部110可一面改變反應物彼此之組合之比率，一面輸入至模擬器202。然後，推算部110可根據模擬結果輸出例如產率、生成時間等結果。又，推算部110亦可輸出生成物之生成量較多(產率較高)、生成物之生成時間較短等評估結果。

又，作為另一例子，用戶可輸入反應物及其比率。於此情形時，模擬器202可基於由推理模型200推理之反應速度參數，輸出如下結果，即，於該反應物之輸入之比率之組合之條件下，何種生成物可於何時間生成何種程度。

圖2係表示本實施方式之推算裝置1之反應速度參數之推理模型200的最佳化處理之一例之流程圖。

推算裝置1經由輸入部100獲得實驗資料(S100)。

繼而，標記部106列舉反應式(S102)。

繼而，標記部106藉由對列舉之反應式進行標記而分配反應速度(S104)。如上所述，該標記例如係基於鍵結部之原子執行。

繼而，最佳化部108對推理模型200進行最佳化以獲得關於被標記之反應式之適當之反應速度參數(S106)。如上所述，該最佳化可藉由黑盒最佳化執行。此處，設定反應速度參數，以符合實驗結果。

最佳化部108基於特定之條件判斷最佳化是否已經完成(S108)。該判斷係基於一般之黑盒最佳化之判斷而進行，例如包括損失已滿足特定條件、運算之重複次數已達到特定次數等。

於判斷模型生成已經完成之情形時(S108：是(YES))，適當輸出模型相關之參數等後結束本操作。於判斷模型生成尚未完成之情形時(S108：否(NO))，自S102或S104開始重複處理。

例如，可使用模擬器202判斷模型之最佳化之精度。即，將推理模型200之輸出結果輸入至模擬器202，判斷與實驗結果是否達到理想之匹配程度。於此情形時，於S108之處理中，模擬器生成部114基於自推理模型200取得之反應速度參數生成反應模擬器(模擬器202)。然後，基於該生成之模擬器202之輸出結果，判斷模型生成是否已經完成。

如此，推理模型200得到最佳化。即，藉由最佳化部108之處理，本發明中之推算裝置1亦可作為訓練推理模型200之訓練裝置動作。如上所述，推算裝置1可於推算材料合成之同時進行訓練。另一方面，於作為訓練裝置動作之情形時，訓練裝置可為推理模型200之參數設定適當之初始值，然後基於訓練資料對推理模型200進行訓練及最佳化。

圖3係表示本實施方式之推算裝置1之材料合成之生成，即，推理處理之一例之流程圖。

推算裝置1藉由輸入部100獲得化合物之資料(S200)。

繼而，推算部110對反應物之化學式進行標記(S202)。該標記可由標記部106執行。

繼而，推算部110使用經過訓練之推理模型200獲得反應速度參數(S204)。

繼而，推算部110將反應速度參數輸入至模擬器202，判斷是否生成了期望之結果以及是否結束推理(S208)。以如上之方法判斷是否獲得期望之結果。

於獲得期望之結果之情形時(S208：是)，結束合成。於未得到期望之結果之情形時，基於推理之結果及已經獲得之實驗資料，藉由最佳化部108重新對推理模型200進行最佳化(S210)。

然後，自S202開始重複處理。又，於此情形時，亦可自S200開始重複處理，即，可自輸入新的反應物之化學式之步驟開始重複處理。

如上所述，根據本實施方式，可藉由對於鍵之周邊具有類似之組成之反應物貼上相同之標籤，利用模型推理該標籤對應之反應速度參數，並使用將推理結果作為輸入之模擬器判斷是否生成了所需之生成物。其結果，如上所述，推算裝置1輸出關於化合物之生成之反應物之混合比率、生成物之生成量、生成物之生成時間等結果。用戶可基於該輸出結果進行實驗，亦可執行進一步之最佳化。又，基於該輸出結果，用戶可獲得反應生成物。

如在本實施方式中，藉由對鍵結部周邊之原子、單體等貼上具有物理化學約束之標籤，可減少實驗結果之數量，即，原本需要與反應物之組合之數量相當之實驗結果。可藉由黑盒最佳化對用於獲得反應模擬器之輸入之推理模型進行最佳化從而減少該實驗結果之所需數量。藉由黑盒最佳化，即使根據少數之實驗結果亦可獲得適當之反應速度參數，並且亦可實現與實驗結果相匹配之反應速度之擬合。

關於黑盒最佳化，只要能夠執行多維度最佳化即可。例如，可使用上述TPE。關於此種利用TPE進行之黑盒最佳化，可使用Optuna(註冊商標)執行。當然，其他應用、程式亦可用於該最佳化。於化學合成中，於物理化學約束下，難以獲得參數稍有變化時之行為。即，獲得或近似損失之梯度是不現實的。因此，可藉由進行如本實施方式中之黑盒最佳化提高精度。

又，於上文中，作為一例，標記部106使用與鍵結部相鄰之原子作為周邊之原子進行標記，但並不限於此。標記部106例如亦可於反應物之立體結構中，基於距離鍵結部特定半徑內之原子進行標記。

(變化例) 於上文中，將反應速度參數輸入至模擬器202以計算產率等，但並不限於此。例如，作為模擬器202之輸入，亦可輸入溫度、壓力等與反應相關之環境相關之資料。例如，Cantera(https://cantera.org/)提供一模擬器，該模擬器考慮了溫度、壓力、及其時間變化、以及反應爐之形狀。如上所述，藉由將被標記之反應速度適用於Cantera，可於考慮該等環境之情況下對產率進行最佳化。於此情形時，除了反應物之比率等，溫度、壓力等環境相關之參數之最佳值可由推算部110以與上述相同之方式進行推算。

進而，除了溫度、壓力等環境相關之參數以外，亦可考慮觸媒。模擬器202可接收該等環境參數、觸媒等資訊之輸入，基於包含該資訊之輸入模擬反應。

於上文中，模擬器202一旦設置好環境等，就不會改變，但並不限於此。例如，推算部110亦可使用模擬器202模擬諸如改變反應速度之狀態之變化，例如中途追加反應物、觸媒，或中途改變溫度等環境參數。推算裝置1可輸出該等種種模擬之結果。

進而，推理模型200之輸出可包含該等環境參數、狀態變化相關之參數等。該推理模型200之輸出可藉由進行黑盒最佳化而實現。

例如，若推算部110將反應物之化學式之組合輸入至推理模型200，則包含上述環境參數、狀態變化等之參數被輸出，可將該輸出作為模擬器202之輸入。對於該輸入，模擬器202可輸出生成物之產率等資料。

若有適當之教示資料，推理模型200可輸出如上之資料。例如，若有包含溫度等環境參數之實驗資料、有觸媒之狀態及無觸媒之狀態下之實驗資料、中途追加新反應物之實驗資料等，則可輸出與該等資料對應之參數。即使於此情形下，如上述實施方式所述，藉由對反應物進行標記，即使資料較少亦可搜索更廣泛之反應物。

如上所述，根據本實施方式，即使於實驗結果較少之情形時，亦可製作能夠使用反應動力學再現實驗結果之反應模型，並於該反應模型內對所需之材料之產率進行最佳化，藉此獲得非經驗材料合成程序。換言之，亦可有效減少需要最佳化之參數之數量(反應速度相關之參數等)。其結果，可對能夠實現產率得到控制之材料合成之模型進行最佳化，藉由該模型實現具有所需之產率之構成。

如上所述，上述結果係藉由利用反應附近之原子對化學反應進行分類，將具有各種反應速度係數之反應模型轉換為具有少量速度係數之反應模型而實現。藉由該反應模型，即使是少數之實驗資料，亦能夠以高精度預測產率。根據本實施方式之推算裝置，例如，針對反應之路徑多樣但對於反應之路徑只能獲得少量之實驗資料之聚合反應，亦能夠預測產率。例如，亦能夠適用於實施方式中所示之苯并㗁𠯤化合物之合成反應。

上述所有經過訓練之模型例如可為包含按照描述進行了訓練，進而藉由一般之技術得到提煉之模型之概念。

上述實施方式中之各裝置(推算裝置1)之一部分或全部可包含硬體，亦可包含CPU(Central Processing Unit，中央處理單元)、或GPU(Graphics Processing Unit，圖形處理單元)等執行之軟體(程式)之資訊處理。於上述實施方式中之各裝置(推算裝置1)之一部分或全部包含軟體之資訊處理之情形時，可將實現上述實施方式中之各裝置之至少一部分之功能之軟體存儲於軟碟、CD-ROM(Compact Disc-Read Only Memory，唯讀光碟)或USB(Universal Serial Bus，通用串列匯流排)記憶體等非暫時性記憶媒體(非暫時性電腦可讀媒體)，並加載至電腦，藉此執行軟體之資訊處理。又，亦可藉由通信網路下載該軟體。進而，可藉由將軟體安裝於ASIC(Application Specific Integrated Circuit，特殊應用積體電路)或FPGA(Field Programmable Gate Array，現場可編程門陣列)等電路，利用硬體執行資訊處理。

存儲軟體之記憶媒體之種類並無特別限定。記憶媒體並不限定於磁碟或光碟等可裝卸者，亦可為硬碟或記憶體等固定型記憶媒體。又，記憶媒體可設置於電腦內部，亦可設置於電腦外部。

圖4係表示上述實施方式中之各裝置(推算裝置1)之硬體構成之一例之方塊圖。作為一例，各裝置可實現為電腦7，該電腦7具備：處理器71、主記憶裝置72(記憶體)、輔助記憶裝置73(記憶體)、網路介面74、及設備介面75，該等經由匯流排76連接。

圖4之電腦7為各個構成要素配備了一個，但亦可具備複數個相同之構成要素。又，於圖4中，示出了1台電腦7，但軟體亦可安裝於複數台電腦，該複數台電腦之每一個亦可執行軟體之相同或不同之部分之處理。於此情形時，各個電腦可為藉由網路介面74等進行通信以執行處理之分佈式計算之形態。即，上述實施方式中之各裝置(推算裝置1)可被配置為藉由使7台或複數台電腦執行記憶於7個或複數個記憶裝置中之命令而實現功能之系統。又，上述實施方式中之各裝置(推算裝置1)亦可以如下方式配置，即，利用設置於雲端之1台或複數台電腦處理自終端發送之資訊，並將該處理結果發送至終端。

關於上述實施方式中之各裝置(推算裝置1)之各種運算，可使用1個或複數個處理器以並行處理之方式執行，或使用複數台電腦經由網路以並行處理之方式執行。又，各種運算亦可被分配至處理器內之複數個運算核以並行處理之方式執行。又，本發明之處理、手段等之一部分或全部可藉由設置於雲端之處理器及記憶裝置之至少一個執行，上述設置於雲端之處理器及記憶裝置可經由網路與電腦7通信。如此，上述實施方式中之各裝置亦可為利用1台或複數台電腦進行之並行計算之形態。

處理器71可為包含電腦之控制裝置及運算裝置之電子線路(處理線路、Processing circuit、Processing circuitry、CPU、GPU、FPGA或ASIC等)。又，處理器71亦可為包含專用處理線路之半導體裝置等。處理器71並不限定於使用電子邏輯元件之電子線路，亦可藉由使用光邏輯元件之光電路實現。又，處理器71亦可包括基於量子計算之運算功能。

處理器71可基於自電腦7之內部構成之各裝置等輸入之資料或軟體(程式)進行運算處理，並將運算結果或控制信號輸出至各裝置等。處理器71可藉由執行電腦7之OS(Operating System，操作系統)或應用等而控制構成電腦7之各構成要素。

上述實施方式中之各裝置(推算裝置1(包含訓練裝置，以下亦同))可藉由1個或複數個處理器71實現。此處，處理器71可為配置於1個晶片上之1個或複數個電子線路，亦可為配置於2個以上之晶片或2個以上之設備上之1個或複數個電子線路。於使用複數個電子線路之情形時，各個電子線路可藉由有線或無線進行通信。

主記憶裝置72係記憶處理器71執行之命令及各種資料等之記憶裝置，記憶於主記憶裝置72之資訊由處理器71讀出。輔助記憶裝置73係除主記憶裝置72以外之記憶裝置。再者，該等記憶裝置係指能夠存儲電子資訊之任意之電子零件，可為半導體之記憶體。半導體之記憶體可為易失性記憶體或非易失性記憶體。上述實施方式中之各裝置(推算裝置1)中用於保存各種資料之記憶裝置可藉由主記憶裝置72或輔助記憶裝置73實現，亦可藉由內建於處理器71之內建記憶體實現。例如，上述實施方式中之記憶部102可藉由主記憶裝置72或輔助記憶裝置73實現。

對於1個記憶裝置(記憶體)，可連接(耦合)有複數個處理器，亦可連接有單個處理器。對於1個處理器，可連接(耦合)有複數個記憶裝置(記憶體)。於上述實施方式中之各裝置(推算裝置1)包含至少1個記憶裝置(記憶體)及與該至少1個記憶裝置(記憶體)連接(耦合)之複數個處理器之情形時，上述實施方式中之各裝置(推算裝置1)包含複數個處理器中之至少1個處理器與至少1個記憶裝置(記憶體)相連接(耦合)之構成。又，該構成可藉由複數台電腦中包含之記憶裝置(記憶體))及處理器實現。進而，上述實施方式中之各裝置(推算裝置1)亦可包含記憶裝置(記憶體)與處理器成為一體之構成(例如，包含L1快取及L2快取之快取記憶體)。

網路介面74係用於以無線或有線方式連接至通信網路8之介面。關於網路介面74，使用適當之介面即可，例如符合既有之通信標準之介面。藉由網路介面74，可與經由通信網路8連接之外部裝置9A交換資訊。再者，通信網路8可為WAN(Wide Area Network，廣域網路)、LAN(Local Area Network，區域網路)、PAN(Personal Area Network，個人區域網路)等之任一者，或該等之組合，只要能夠於電腦7與外部裝置9A之間交換資訊即可。作為WAN之一例，有網際網路等，作為LAN之一例，有IEEE802.11及乙太網路(註冊商標)等，作為PAN之一例，有Bluetooth(註冊商標)及NFC(Near Field Communication，近場通信)等。

設備介面75係直接連接至外部裝置9B之USB等介面。

外部裝置9A係經由網路與電腦7連接之裝置。外部裝置9B係直接連接至電腦7之裝置。

作為一例，外部裝置9A或外部裝置9B可為輸入裝置。輸入裝置例如為相機、麥克風、動作捕捉器、各種感測器等、鍵盤、滑鼠、或觸控面板等設備，並將取得之資訊提供至電腦7。又，外部裝置9A或外部裝置9B亦可為具備個人電腦、平板終端、或智慧型手機等輸入部、記憶體及處理器之裝置。

又，作為一例，外部裝置9A或外部裝置9B亦可為輸出裝置。輸出裝置例如可為LCD(Liquid Crystal Display，液晶顯示裝置)、CRT(Cathode Ray Tube，陰極射線管)、PDP(Plasma Display Panel，電漿顯示器)、或有機EL(Electro Luminescence，電致發光)面板等顯示裝置，亦可為輸出聲音等之揚聲器等。又，外部裝置9A或外部裝置9B亦可為具備個人電腦、平板終端、或智慧型手機等輸出部、記憶體及處理器之裝置。

又，外部裝置9A或外部裝置9B亦可為記憶裝置(記憶體)。例如，外部裝置9A可為網路儲存器等，外部裝置9B可為HDD(Hard Disk Drive，硬式磁碟機)等儲存器。

又，外部裝置9A或外部裝置9B亦可為具有上述實施方式中之各裝置(推算裝置1)之構成要素之部分功能之裝置。即，電腦7可發送或接收外部裝置9A或外部裝置9B之處理結果之一部分或全部。

於本說明書(包含請求項)中，於使用「a、b及c中之至少1個(一個)」或「a、b或c中之至少1個(一個)」之表述(包含同樣之表述)之情形時，該表述係指包括a、b、c、a-b、a-c、b-c、或a-b-c中之任一者。又，關於任意之要素，亦包括複數種實例(instance)，例如a-a、a-b-b、a-a-b-b-c-c等。進而，亦包括於列舉之要素(a、b及c)以外增加其他要素，例如a-b-c-d，其中具有d。

於本說明書(包含請求項)中，於使用「將資料作為輸入/基於資料/根據資料/按照資料」等表述(包含同樣之表述)之情形時，除非另有說明，否則包括：將各種資料本身用作輸入之情形；及使用經過了某種處理之各種資料(例如，加入了雜訊之資料、標準化資料、各種資料之中間表現等)作為輸入之情況。又，於存在「基於資料/根據資料/按照資料」獲得某種結果之描述之情形時，包括僅基於該資料獲得該結果之情形，亦可包括於該資料以外之其他資料、因素、條件、及/或狀態等之影響下獲得該結果之情形。又，於存在「輸出資料」之描述之情形時，除非另有說明，否則包括：將各種資料本身用作輸出之情形；及將經過了某種處理之各種資料(例如，加入了雜訊之資料、標準化資料、各種資料之中間表現等)作為輸出之情形。

於本說明書(包含請求項)中，於使用「被連接(connected)」及「被耦合(coupled)」用語之情形時，該用語意在作為一個非限制性用語，包括以下任意一種：直接連接/耦合、間接連接/耦合、電性(electrically)連接/耦合、通信(communicatively)連接/耦合、功能性(operatively)連接/耦合、物理性(physically)連接/耦合等。關於該用語，應該根據使用該用語之上下文適當解釋，但應以非限制性的方式解釋，任何沒有刻意或自然排除之連接/耦合形態均包含於該用語中。

於本說明書(包含請求項)中，於使用「A被配置為B(A configured to B)」之表述之情形時，該表述可包括：要素A之物理構造具有能夠執行動作B之構成，且要素A之永久的(permanent)或暫時的(temporary)設定(setting/configuration)被設定(configured/set)為實際執行動作B。例如，於要素A為通用處理器之情形時，該處理器被設定(configured)為具有能夠執行動作B之硬體構成，且藉由永久的(permanent)或暫時的(temporary)程式(命令)之設定，實際執行動作B即可。又，於要素A為專用處理器或專用運算電路等情形時，無論實際是否附有控制用命令及資料，該處理器之電路構造被配置(implemented)為實際執行動作B即可。

於本說明書(包含請求項)中，於使用表示含有或具有之含義之用語(例如，「包含(comprising/including)」及具有「(having)等)」之情形時，該用語意在作為開放式(open-ended)用語，包括如下情形，即，含有或具有除該用語之賓語所示之對象物以外之物。於該等表示含有或具有之含義之用語之賓語為不指定數量或表示單數之表述(帶有冠詞a或an之表述)之情形時，該表述應被解釋為不限於特定之數量。

於本說明書(包含請求項)中，某些位置使用了「1個或複數個(one or more)」或「至少1個(at least one)」等表述，即使於其他位置使用了不指定數量或表示單數之表述(帶有冠詞a或an之表述)，後者之表述亦並非意在表示「1個」。一般而言，不指定數量或表示單數之表述(帶有冠詞a或an之表述)應被解釋為不一定限定於特定之數量。

於本說明書中，於具有關於某個實施例具有之特定構成，能夠獲得特定之效果(advantage/result)之描述之情形時，除非有特定原因，否則應被理解為：關於具有該構成之其他1個或複數個實施例，亦能夠獲得該效果。但是，該效果之有無通常取決於各種因素、條件、及/或狀態等，因此應該理解為：藉由該構成並不一定能夠獲得該效果。該效果只有於各種因素、條件、及/或狀態得到滿足時，才能藉由實施例記載之該構成獲得，於規定了該構成或類似之構成之申請專利範圍之發明中，並不一定能夠獲得該效果。

於本說明書(包含請求項)中，於使用「最大化(maximize)」等用語之情形時，包括：求出全局最大值、求出全局最大值之近似值、求出局部最大值、及獲得局部最大值之近似值，應該根據使用該用語之上下文適當解釋。又，亦包括以概率性的或啟發式的方式求出該等最大值之近似值。同樣地，於使用「最小化(minimize)」等用語之情形時，包括：求出全局最小值、求出全局最小值之近似值、求出局部最小值、及求出局部最小值之近似值，應該根據使用該用語之上下文適當解釋。又，亦包括以概率性的或啟發式方式求出該等最小值之近似值。同樣地，於使用「最佳化(optimize)」等用語之情形時，包括：求出全局最佳值、求出全局最佳值之近似值、求出局部最佳值、及求出局部最佳值之近似值，應該根據使用該用語之上下文適當解釋。又，亦包括以概率性的或啟發式方式求出該等最佳值之近似值。

於本說明書(包含請求項)中，於複數個硬體執行特定之處理之情形時，可由各硬體協同執行特定之處理，亦可由部分硬體執行所有特定之處理。又，亦可由部分硬體執行特定之處理之一部分，由其他硬體執行剩餘之特定之處理。於本說明書(包含請求項)中，於使用「1個或複數個硬體執行第1處理，上述1個或複數個硬體執行第2處理」等表述之情形時，執行第1處理之硬體與執行第2處理之硬體可相同亦可不同。即，執行第1處理之硬體及執行第2處理之硬體包含於上述1個或複數個硬體即可。再者，硬體可包含電子線路或含有電子線路之裝置等。

以上，關於本發明之實施方式進行了詳細描述，但本發明並不限定於上述各個實施方式。於不脫離自專利申請範圍所規定之內容及其等價體引出之本發明之精神及主旨之範圍內，可進行各種追加、變更、替換、及部分刪除等。例如，於上述所有實施方式中，於使用數值或數式進行說明之情形時，均作為示例示出，但並不限定於此。又，實施方式中之各動作之順序係作為示例示出，但並不限定於此。

1:推算裝置 7:電腦 8:通信網路 9A:外部裝置 9B:外部裝置 71:處理器 72:主記憶裝置 73:輔助記憶裝置 74:網路介面 75:設備介面 76:匯流排 100:輸入部 102:記憶部 104:預處理部 106:標記部 108:最佳化部 110:推算部 112:輸出部 114:模擬器生成部 200:推理模型 202:模擬器

圖1係示意性地表示一實施方式之推算裝置之方塊圖。圖2係表示一實施方式之推算裝置之最佳化處理之一例之流程圖。圖3係表示一實施方式之推算裝置之推理處理之一例之流程圖。圖4係表示一實施方式之裝置之安裝例之圖。

1:推算裝置

100:輸入部

102:記憶部

104:預處理部

106:標記部

108:最佳化部

110:推算部

112:輸出部

114:模擬器生成部

200:推理模型

202:模擬器

Claims

一種推算裝置，其具備： 1個或複數個記憶體；及 1個或複數個處理器；上述1個或複數個處理器對輸入之反應式進行分類，將上述分類之結果輸入推理模型，獲得上述推理模型輸出之反應速度參數。
如請求項1之推算裝置，其中上述1個或複數個處理器基於上述反應式中包含之反應物鍵結之位置及該位置之周邊之原子進行上述分類。
如請求項1之推算裝置，其中上述推理模型之輸入為被標記之反應物或反應式。
如請求項1之推算裝置，其中上述推理模型為經黑盒最佳化技術最佳化之模型。
如請求項4之推算裝置，其中上述推理模型為基於TPE(Tree-structured Parzen Estimator)得到最佳化之模型。
如請求項1之推算裝置，其中上述1個或複數個處理器進而將上述反應速度參數輸入模擬器，輸出由上述反應式合成之反應生成物相關之資訊。
如請求項6之推算裝置，其中上述1個或複數個處理器輸出反應物之混合比率、生成物之產率、及生成物之合成時間中之至少1個作為上述反應生成物相關之資訊。
如請求項7之推算裝置，其中上述1個或複數個處理器進而輸出反應之環境參數作為上述生成物相關之資訊。
如請求項8之推算裝置，其中上述環境參數包含溫度或濕度中之至少1個。
如請求項1之推算裝置，其中上述1個或複數個處理器基於自上述推理模型輸出之結果對上述推理模型進行訓練。
一種訓練裝置，其具備： 1個或複數個記憶體；及 1個或複數個處理器；上述1個或複數個處理器獲得反應式，對上述反應式進行分類，基於推理模型，自上述分類獲得反應速度參數，將上述反應速度參數輸入模擬器，基於上述模擬器之輸出，對上述推理模型進行最佳化。
一種推算方法，其藉由1個或複數個處理器對輸入之反應式進行分類，將上述分類之結果輸入推理模型，獲得上述推理模型輸出之反應速度參數。
一種訓練方法，其中1個或複數個處理器獲得反應式，對上述反應式進行分類，基於推理模型，自上述分類獲得反應速度參數，將上述反應速度參數輸入模擬器，基於上述模擬器之輸出，對上述推理模型進行最佳化。
一種獲得反應生成物之方法，其藉由1個或複數個處理器，自輸入之反應物獲得反應式，對上述反應式進行分類，將上述分類之結果輸入推理模型，獲得上述推理模型輸出之反應速度參數，將上述反應速度參數輸入模擬器，基於自上述模擬器輸出之結果，輸出反應生成物相關之資訊，並基於上述反應生成物相關之資訊生成反應生成物。