WO2020166300A1 - 計測ガイド装置、及び、それに用いるシミュレーション演算装置 - Google Patents

計測ガイド装置、及び、それに用いるシミュレーション演算装置 Download PDF

Info

Publication number
WO2020166300A1
WO2020166300A1 PCT/JP2020/002319 JP2020002319W WO2020166300A1 WO 2020166300 A1 WO2020166300 A1 WO 2020166300A1 JP 2020002319 W JP2020002319 W JP 2020002319W WO 2020166300 A1 WO2020166300 A1 WO 2020166300A1
Authority
WO
WIPO (PCT)
Prior art keywords
measurement
unit
guide device
virtual
simulation
Prior art date
Application number
PCT/JP2020/002319
Other languages
English (en)
French (fr)
Inventor
拓也 金澤
彰規 淺原
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to CN202080012982.XA priority Critical patent/CN113396327A/zh
Priority to SG11202106084SA priority patent/SG11202106084SA/en
Priority to US17/413,040 priority patent/US11741113B2/en
Publication of WO2020166300A1 publication Critical patent/WO2020166300A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials

Definitions

  • the present invention relates to a measurement guide device that proposes the next measurement target based on the result of the measurement already performed.
  • Patent Document 1 discloses an X-ray analysis operation guide system that performs measurement simulation under a plurality of measurement conditions to acquire virtual measurement results and display comparison results. Based on this comparison, the experimenter can adopt appropriate measurement conditions and start the measurement.
  • Patent Document 2 discloses an area survey support system for instructing a researcher on a recommended route for an area survey based on an image database stored in advance. The researcher can follow the directions of this system to visit the appropriate research area.
  • Patent Document 1 A method of optimizing the measurement conditions at the start of the experiment by simulating the experimental conditions in advance as in Patent Document 1 may be considered. However, when performing a plurality of measurements while changing the measurement conditions during an experiment, in Patent Document 1, since only a simulation is performed in advance, the measurement results already obtained are reflected and subsequent measurement conditions are optimized. Not considered how to do.
  • Patent Document 2 a method may be considered in which image data of the entire survey target area is acquired in advance from satellites/aircrafts and the survey route is optimized based on the image data.
  • image data of the entire survey target area is acquired in advance from satellites/aircrafts and the survey route is optimized based on the image data.
  • the present invention has been made in view of the above, and can be used even by a person who is not a measurement expert, and does not require real data to be analyzed in advance, and based on the result of measurement already obtained, the following An object of the present invention is to provide a measurement guide device capable of selecting a measurement target and a simulation operation device used for the measurement guide device.
  • the present invention is a measurement guide device that proposes the next measurement point based on the obtained measurement result, and a virtual measurement signal obtained by simulation, if one example thereof is given in view of the background art and problems described above. 1 from the database that stores the measurement procedure, the similarity search unit that extracts the virtual measurement signal group and the measurement procedure group that are similar to the measurement result obtained by the measurement device from the database, and the measurement procedure group that is obtained by the similarity search unit. It has a second-point proposal unit that selects one or more measurement procedures and determines the next measurement point.
  • FIG. 3 is a functional configuration block diagram showing the functional configurations of the measurement guide device, the simulation calculation device, and the measurement device in Embodiment 1.
  • FIG. 5 is a flowchart of a process of the simulation calculation device according to the first exemplary embodiment. 6 is an example of a simulation condition acceptance screen in the first embodiment.
  • FIG. 5 is a diagram illustrating a method of selecting a virtual measurement target by using a clustering method in the virtual measurement target generation unit of the simulation calculation device according to the first exemplary embodiment.
  • 3 is an example of a data structure of a virtual measurement signal database in the first embodiment.
  • 3 is an example of a data structure of a measurement procedure database in the first embodiment.
  • 5 is a flowchart of processing of the measurement guide device according to the first embodiment.
  • 6 is an example of a display screen of a display unit in the first embodiment.
  • 6 is an example of a data structure of a measurement signal in the first embodiment.
  • 6 is a flowchart of processing of a similarity search unit in the first embodiment.
  • 5 is an example of a data structure of the output of the similarity search unit in the first embodiment.
  • 5 is a flowchart of a process of a runner-up suggestion unit in the first embodiment.
  • 6 is an example of a display screen of a display unit in the first embodiment.
  • 6 is an example of a display screen of a display unit in the first embodiment.
  • 5 is a flowchart of processing of a measurement result output unit in the first embodiment.
  • 6 is an example of a display screen of the measurement result output unit in the first embodiment.
  • FIG. 9 is a functional configuration block diagram showing a functional configuration of a measurement guide device in Example 2.
  • FIG. 9 is a flowchart of the process of the measurement guide device according to the second embodiment.
  • 9 is an example of a display screen of a measurement signal input unit in the second embodiment.
  • 9 is a flowchart of processing of a similarity search unit in the second embodiment.
  • 9 is an example of a data structure of an output from the similarity search unit in the second embodiment.
  • 7 is a flowchart of the processing of the measurement signal interpolation unit in the second embodiment.
  • FIG. 9 is a diagram illustrating an interpolation process of a measurement signal interpolation unit according to the second embodiment.
  • 9 is a flowchart of a process of a measurement target state estimation unit in the second embodiment.
  • 9 is an example of a data structure of the output of the measurement target state estimation unit in the second embodiment.
  • 9 is a flowchart of processing of a measurement signal estimation unit in the second embodiment.
  • 9 is a flowchart of a process of a runner-up suggesting unit in the second embodiment.
  • 9 is an example of a screen displayed on the user by the display unit according to the second embodiment.
  • FIG. 9 is an explanatory diagram of a measurement process in the third embodiment.
  • FIG. 1 is a functional configuration block diagram showing an example of the functional configuration of the measurement guide device, the simulation operation device, and the measurement device in this embodiment.
  • the measurement guide device 101 includes a measurement signal reception unit 111 that receives a measurement signal from the measurement device 103, a measurement signal storage unit 108 that stores the measurement signal, and a virtual measurement signal that stores a virtual measurement signal generated by simulation.
  • Database 110 measurement procedure database 109 that stores the measurement procedure obtained by simulation, similarity search unit 107 that searches a virtual measurement signal similar to the measurement signal, and proposes the next measurement point based on the measurement signal and the similar virtual measurement signal.
  • a second-order suggestion unit 106 is provided with a display unit 105 that displays the suggestion to the user and selects whether or not to continue the measurement, and outputs the measurement condition to the measuring device, and a measurement result output unit 104 that outputs the measurement result. ..
  • the measurement guide device 101 is realized, as hardware, by a device having a processor, a memory, a storage device, and a communication unit (interface), which is a general information processing device. That is, the measurement signal reception unit 111 acquires the measurement signal by the communication unit, the measurement signal storage unit 108 stores the measurement signal in the memory, and the virtual measurement signal database 110 and the measurement procedure database 109 store the data in the storage device. To do.
  • the similarity search unit 107, the next point proposing unit 106, and the measurement result output unit 104 are executed by the processor by software processing that executes the program stored in the memory.
  • the display unit 105 also serves as a commonly used operation unit and display unit, and is composed of, for example, a display, a keyboard, a mouse, or the like, and may be a display having a touch panel.
  • the simulation operation device 102 is a device that generates data to be stored in the virtual measurement signal database 110 and the measurement procedure database 109.
  • the simulation operation device 102 includes a condition acceptance unit 113 that allows a user to input simulation conditions, a virtual measurement target generation unit 114 that generates a virtual measurement target by simulation, and a measurement procedure determination for determining a desired measurement procedure for the virtual measurement target.
  • the unit 112 is provided.
  • the simulation arithmetic device 102 is similarly realized by a device having a processor and a memory, which is a general information processing device, as hardware, and is executed by software processing.
  • the measuring device 103 includes a measuring unit 115 that performs measurement and an output unit 116 that outputs the result to the measurement guide device 101.
  • This example will be described by taking a neutron scattering experiment as an example. That is, by irradiating a sample such as a metal with a neutron beam and detecting scattered neutrons with a detector, information (for example, a particle size distribution function of a scatterer) regarding the fine structure inside the sample is obtained.
  • the measurement signal corresponds to the detected neutron scattering intensity. In one measurement, the value of the scattering intensity for a certain wave number of scattered neutron rays is obtained.
  • This example deals with the problem of estimating the particle size distribution function of a sample by an experiment for obtaining the neutron scattering intensity.
  • FIG. 2 is a flowchart of the process of the simulation computing device 102 in this embodiment.
  • the condition receiving unit 113 acquires simulation execution conditions such as the allowable range of setting parameters from the user.
  • Figure 3 shows an example of the user input acceptance screen. As shown in FIG. 3, the user inputs various simulation execution conditions using a keyboard or the like and confirms them by selecting an OK button. The input data can be corrected with the Cancel button.
  • step S202 the virtual measurement target generation unit 114 stochastically generates the particle size distribution function of the virtual sample group. This generation target can be randomly selected.
  • FIG. 4 is a diagram illustrating a method of selecting a virtual measurement target by using the clustering method in the virtual measurement target generation unit. As shown in FIG. 4, a clustering method may be applied to a set of randomly generated samples and a representative sample may be selected from each cluster so that the difference between the samples becomes large.
  • the measurement procedure determination unit 112 acquires the particle size distribution function group of the virtual sample from the virtual measurement target generation unit 114, and determines the measurement procedure for each of them according to a predetermined algorithm. For example, assuming that one measurement at a certain wave number q is completed, a plurality of candidates for the wave number q to be measured next are generated randomly or according to a predetermined reference, and are made into a table. Next, the scattering intensity I(q) at each point is calculated from the particle size distribution function p(r) according to the following formula (1).
  • the value of the newly obtained scattering intensity is added to the result of the scattering intensity obtained by the previous measurement, and the overall result is used to perform p(r) by a nonlinear regression method (for example, a known indirect Fourier transform method).
  • a nonlinear regression method for example, a known indirect Fourier transform method.
  • the error between this estimated particle size distribution function and the true particle size distribution function generated by simulation can be quantified, and q that minimizes this amount can be selected as the next measurement point. You may select q using criteria other than this. For example, when the time required for measurement is given for each q, q may be selected based on the amount obtained by weighting and combining the time and the error. In other words, the measurement procedure is determined according to the number of measurements required to achieve the predetermined measurement accuracy, the measurement time, or a criterion that minimizes their weighted sum.
  • step S204 the scattering intensity of each virtual sample is output to the virtual measurement signal database 110, and the measurement procedure of each virtual sample is output to the measurement procedure database 109.
  • FIG. 5 shows a format of data output to the virtual measurement signal database 110. As shown in FIG. 5, this data includes information on the virtual measurement target ID 501, wave number 502, and scattering intensity 503.
  • FIG. 6 shows the structure of data output to the measurement procedure database 109. As shown in FIG. 6, this data includes a virtual measurement target ID 601 and wave number information 602 arranged in the order in which the scattering intensity is measured.
  • FIG. 7 is a flow chart for explaining the processing of the measurement guide device 101 in this embodiment.
  • the display unit 105 prompts the user to input a measurement point at the start of measurement.
  • FIG. 8 is an example of a display screen of the display unit 105.
  • the user inputs a wave number measurement point using a keyboard or the like, and selects the “Yes” button to confirm the measurement point. Also, the "No” button can correct the input data or stop the execution.
  • step S702 the measurement device 103 performs a neutron scattering experiment based on the measurement points input on the display unit 105 and acquires the scattering intensity.
  • step S703 the measurement signal receiving unit 111 acquires information on the scattering intensity from the output unit 116 of the measuring device 103.
  • FIG. 9 shows an example of the data structure of the measurement signal.
  • the data structure acquired at this time includes information 901 on the wave number at which the measurement was performed and information 902 on the scattering intensity.
  • step S704 the measurement signal storage unit 108 adds new scattering intensity information to the previous scattering intensity information and stores it.
  • the structure of the data stored at this time is the same as that of FIG. 9, and a plurality of data is stored.
  • FIG. 10 is a flowchart of the processing of the similarity search unit 107 performed in step S705.
  • the similarity search unit 107 acquires information on total scattering intensity from the measurement signal storage unit 108, and in step S1102, searches the virtual measurement signal database 110 for information on similar scattering intensity.
  • the result is output to the runner-up suggestion unit 106 as a virtual measurement target similarity table.
  • a generalized/modified similarity can be adopted as in the following Expression (3) in which a positive weight w and a positive constant p are introduced.
  • the similarity can be calculated for each scattering intensity stored in the virtual measurement signal database 110, and the scattering intensities can be arranged in descending order of similarity.
  • FIG. 11 shows an example of the data structure of the output of the similarity search unit 107.
  • the data output from the similarity search unit 107 includes information on the similarity rank 1201, the similarity 1202, and the virtual measurement target ID 1203.
  • FIG. 12 is a flowchart of the process of the runner-up suggestion unit 106 performed in step S706.
  • the runner-up suggestion unit 106 acquires the total scattering intensity from the measurement signal storage unit 108, and acquires the virtual measurement target similarity table from the similarity search unit 107.
  • the runner-up suggestion unit 106 reads out from the measurement procedure database 109 the measurement procedure associated with the virtual measurement target ID with the higher similarity in the virtual measurement target similarity table.
  • the next point proposing unit 106 selects one point from the measurement points q included in this measurement procedure, and in step S1304, outputs it to the display unit 105 as the next measurement point.
  • q when q is selected, for example, one procedure is selected from a plurality of measurement procedures by a probabilistic method, and among the wave numbers included therein, those not included in the total scattering intensity (not yet measured) There is a method of choosing. It is also possible to decide not to select a q that does not match the already measured q but is close to it. Further, when outputting the next measurement point to the display unit 105, a plurality of qs may be output.
  • step S707 the display unit 105 displays the next measurement point acquired from the next point proposal unit 106 to the user, and allows the user to select whether or not to measure the next measurement point.
  • An example of this user display screen is shown in FIG. Although only one next measurement point is proposed in FIG. 8, a plurality of candidate points may be displayed and the user may be allowed to select the next measurement point from among them as shown in FIG. Further, as shown in FIG. 14, a plurality of measurement points may be proposed and the user may be allowed to select whether or not to execute all the measurement.
  • a command to perform the next measurement at the specified measurement point is transmitted to the measurement unit 115 of the measurement device 103 in step S708. If the user selects not to perform the measurement, the measurement ends in step 709, and the measurement result output unit 104 performs the end process.
  • FIG. 15 is a flowchart outlining the processing performed by the measurement result output unit 104.
  • the measurement result output unit 104 acquires the scattering intensity from the measurement signal storage unit 108.
  • the particle size distribution function is estimated based on the scattering intensity by a general nonlinear regression method including a known indirect Fourier transform method.
  • the particle size distribution function is output to the display unit 105, and the process ends.
  • FIG. 16 is an example of a screen displayed to the user on the measurement result display unit 105 output from the measurement result output unit 104.
  • the distribution function with respect to the particle size is displayed, and the measurement result can be saved by selecting the “Save” button. Also, the display can be ended by clicking the “End” button.
  • the next measurement point was directly output from the measurement guide device to the measurement device, but the measurement guide device proposes the next measurement point to the user, and the user manually inputs the next measurement point to the measurement device.
  • the format may be such that a measurement point is input and the next measurement is performed.
  • the first measurement point is designated by the user, and the second and subsequent measurement points are determined according to the proposal of the measurement guide device.
  • the present invention is not limited to this, and the first plurality of measurement points may be determined.
  • the format may be such that the user specifies it and the measurement guide device determines the remaining measurement points.
  • the user determines the end time point of the measurement experiment, but the present invention is not limited to this, and the measurement guide device automatically determines the measurement point of the measurement device until the end condition designated in advance is satisfied.
  • the format may be such that the instruction is continuously sent and the measurement is automatically terminated when the termination condition is satisfied.
  • the termination condition is, for example, that the number of measurements reaches a certain threshold. It is also possible to set other termination conditions.
  • the effective next measurement point can be quickly selected only by inputting the measured data. It is possible to improve the efficiency of the measurement experiment.
  • many simulations are required as a preliminary preparation, but once the database construction is performed, it is not necessary to recalculate later. Therefore, in the case of repeating the measurement experiment for many measurement objects, The effect of the embodiment is remarkable.
  • the measurement procedures for the target measurement target are configured by reading them out during measurement.
  • the present embodiment an example in which only the database of measurement signals is prepared without performing simulation of the measurement procedure in advance will be described.
  • the feature of this embodiment is that, during measurement, the measurement signal is predicted for an unmeasured point every time new measurement data is acquired, and this is compared with the measurement signal inferred from the measurement signal stored in the database. This is the point that determines the next measurement point.
  • FIG. 17 is a functional configuration block diagram showing the functional configuration of the measurement guide device according to the present embodiment.
  • the measurement guide device 1601 includes a measurement signal input unit 1605, a measurement signal storage unit 1604, a measurement target state estimation unit 1603, a measurement signal estimation unit 1602, a similarity search unit 1608, a measurement signal interpolation unit 1607, and a next point proposing unit. 1606, the display part 1609, and the measurement signal database 1610 are provided.
  • the measurement guide device 1601 is realized as a hardware by a general information processing device as in the first embodiment.
  • the measurement signal input unit 1605 is a commonly used operation unit, and may be, for example, a keyboard, a mouse, or the like, or a display having a touch panel.
  • the display unit 1609 is configured by a commonly used display, and may be integrated with the measurement signal input unit 1605 as a display having a touch panel.
  • FIG. 18 is a flowchart of the processing performed by the measurement guide device 1601.
  • the measurement signal input unit 1605 acquires the scattering intensity from the user.
  • FIG. 19 is an example of a display screen of the measurement signal input unit 1605. As shown in FIG. 19, the user inputs the wave number and the value of the scattering intensity acquired by the measurement here. Input data is confirmed by selecting the OK button. The input data can be corrected with the Cancel button. The data structure acquired at this time is the same as in FIG.
  • step S1702 the measurement signal storage unit 1604 acquires the scattering intensity from the measurement signal input unit 1605 and stores it together with the total scattering intensity input by the user so far.
  • the structure of the data stored at this time is the same as that of FIG. 9, and a plurality of data is stored.
  • FIG. 20 shows a flowchart of the processing of the similarity search unit 1608 performed in step S1703.
  • the similarity search unit 1608 acquires the scattering intensity from the measurement signal storage unit 1604.
  • the similarity search unit 1608 searches the measurement signal database 1610 for a scattering intensity similar to the acquired scattering intensity, and calculates the similarity with the input scattering intensity.
  • the data structure of the measurement signal database 1610 is the same as that shown in FIG.
  • the similarity search unit 1608 rearranges the scattering intensities in descending order of similarity and outputs the rearranged scattering intensity to the measurement signal interpolation unit 1607.
  • FIG. 21 shows an example of the data structure of the output from the similarity search unit. As shown in FIG. 21, it includes information on the degree of similarity 2001, the degree of similarity 2002, the virtual measurement target ID 2003, the wave number 2004, and the scattering intensity 2005.
  • the definition of the degree of similarity shown in Expressions (2) and (3) can be used as in the first embodiment. Definitions other than these can be used.
  • the similarity may be calculated after applying a predetermined linear or non-linear conversion to the scattering intensity.
  • FIG. 22 is a flowchart of the processing of the measurement signal interpolation unit 1607 performed in step S1704.
  • the measurement signal interpolating unit 1607 acquires information on the similar scattering intensity from the similarity searching unit 1608, and acquires the measured scattering intensity from the measurement signal storing unit 1604.
  • the scattering intensity at the unmeasured wave number is predicted by a nonlinear regression method including machine learning such as the K nearest neighbor method, and the scattering intensity is interpolated. To do.
  • FIG. 23 is a diagram for explaining the interpolation processing of the measurement signal interpolation unit 1607.
  • the points represented by black circles are the measured scattering intensities. Interpolation is performed between these measured values as indicated by a dotted line between them.
  • step S2103 the measurement signal interpolating unit 1607 outputs the interpolated scattering intensity information to the next point proposing unit 1606.
  • the structure of this output data is the same data structure as in FIG. 9, and is composed of a plurality of data.
  • FIG. 24 is a flowchart of the process executed by the measurement target state estimation unit 1603 in step S1705.
  • the measurement target state estimation unit 1603 acquires the measured scattered intensity data from the measurement signal storage unit 1604.
  • the structure of the data acquired at this time is similar to that of FIG. 9, and is composed of a plurality of data.
  • the measurement target state estimation unit 1603 estimates the state inside the sample, that is, the particle size distribution function, from this scattering intensity using a known method such as indirect Fourier transform.
  • the measurement target state estimation unit 1603 outputs the estimated value of the particle size distribution function to the measurement signal estimation unit 1602.
  • FIG. 25 is an example of the data structure of the output of the measurement target state estimation unit 1603. As shown in FIG. 25, the scatterer has a radius 2501 and a particle size distribution function value 2502.
  • FIG. 26 is a flowchart of the process performed by the measurement signal estimation unit 1602 in step S1706.
  • the measurement signal estimation unit 1602 acquires the estimated value of the particle size distribution function from the measurement target state estimation unit 1603.
  • the measurement signal estimation unit 1602 calculates the scattering intensity from the particle size distribution function according to the equation (1).
  • the measurement signal estimation unit 1602 outputs the thus calculated estimated scattering intensity to the runner-up suggestion unit 1606.
  • the structure of the data output at this time is the same as in FIG.
  • FIG. 27 is a flowchart of the process performed by the runner-up suggestion unit 1606 in step S1707.
  • the measurement signal estimation unit 1602 acquires information on the scattered intensity interpolated from the measurement signal interpolation unit 1607, acquires information on the scattered intensity estimated from the measurement signal estimation unit 1602, and saves the measurement signal. Information on the measured scattering intensity is acquired from the unit 1604.
  • the measurement signal estimation unit 1602 selects the next measurement point based on the comparison between the supplemented scattering intensity and the estimated scattering intensity. In the process of this comparison, for example, the difference between these two scattering intensities can be taken and the point having the larger absolute value can be selected as the next measurement point.
  • Non-linear conversion may be applied to each of these two scattering intensities, and the difference between them may be calculated. Further, the next measurement point may be selected while avoiding a point that coincides with or is close to the already measured wave number.
  • the measurement signal estimation unit 1602 outputs the value of the next measurement point to the display unit 1609.
  • the scattering intensities predicted by the two methods can be compared, and based on the difference, it is possible to judge at which wave number the scattering intensity based on the currently estimated particle size distribution function is unreliable. It is possible to estimate a measurement point that is expected to have a large effect of modifying the particle size distribution function.
  • step S1708 the display unit 1609 displays the next measurement point to the user.
  • FIG. 28 is an example of a screen displayed on the display unit 1609 for the user.
  • FIG. 28 shows a method of proposing the next measurement point, as shown in FIG. 13 and FIG. 14, the display unit 1609 proposes to the user a predetermined number of measurement points of two or more points. But it's okay.
  • the user performs the next measurement based on the proposal of the display unit 1609, and inputs the obtained information of the scattering intensity to the measurement signal input unit 1605 of the measurement guide device 1601 again. In this way, the measurement experiment can be performed by the user repeating steps S1701 to S1708 any number of times.
  • the measurement points are determined according to the proposal of the measurement guide device 1601 as described above, but the measurement points determined by the user by another method may be measured during the measurement.
  • the user inputs the measurement result information to the measurement guide device 1601 and the user inputs the next measurement point output by the measurement guide device 1601 to the measurement device.
  • the measurement guide device 1601 may directly output the next measurement point to the measurement device.
  • a function of displaying the particle size distribution function estimated by the measurement target state estimation unit 1603 to the user on the display unit 1609 as shown in FIG. 16 may be added.
  • the data stored in the measurement signal database 1610 may be data obtained by a field survey or an actual measurement experiment, or may be virtual data generated by simulation. Also, a combination of them may be used.
  • the measurement procedure simulation is not required in advance, and since it is sufficient to prepare the database of the measurement signals, the measurement can be started quickly.
  • the sample analysis in the neutron scattering experiment is explained, but the application destination of the method of the second embodiment is not limited to this.
  • an application example for measuring the shape of an object surface will be described.
  • FIG. 29 is an explanatory diagram of the measurement process in this embodiment.
  • the surface of the object represented by diagonal lines is repeatedly measured (scanned) at equal intervals D.
  • the specific subject of this scan may be an electron microscope for observing the microscopic structure of the sample surface, an artificial satellite for measuring the ground topography, or a ship for exploring the shape of the seabed. Alternatively, any other measuring means may be used.
  • the quantity D characterizing the measurement interval may be time instead of length, but the case of length will be described below.
  • D is fixed and one scan is performed, then another scan is performed with another D, and this scan is repeated any number of times desired by the measurer to estimate the shape of the object surface with high accuracy, A problem arises as to how to select D for each scan.
  • the second embodiment can be applied to solve this problem.
  • the quantity characterizing the measurement point was the wave number, but it is the distance D between the adjacent measurements that gives the measurement point in the scan of the object shape.
  • the measurement signal obtained from one measurement in the neutron scattering experiment was the scattering intensity, but the measurement signal in one scan of the object shape is information on the height of each point measured at equal intervals.
  • the measurement target state was the particle size distribution function, but in the scan of the object shape, the measurement target state is the object shape. 17 to 28 can be applied under the above-mentioned conceptual correspondence relationship.
  • the present invention is not limited to the above embodiments and various modifications are included.
  • the above-described embodiments have been described in detail in order to explain the present invention in an easy-to-understand manner, and are not necessarily limited to those having all the configurations described.
  • a part of the configuration of one embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of one embodiment.
  • Reference numeral 101 measurement guide device, 102: simulation operation device, 103: measurement device, 106: runner-up suggestion unit, 107: similarity search unit, 109: measurement procedure database, 110: virtual measurement signal database, 1601: measurement guide device, 1602 : Measurement signal estimation unit, 1603: measurement target state estimation unit, 1606: runner-up suggestion unit, 1607: measurement signal interpolation unit, 1608: similarity search unit, 1610: measurement signal database

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本発明の目的は、既に得られた計測の結果に基づいて次の計測の対象を容易に選定することが可能な計測ガイド装置、及び、それに用いるシミュレーション演算装置を提供することである。　上記目的を達成するために、得られた計測結果を基に次の測定点を提案する計測ガイド装置であって、シミュレーションで得られた仮想計測信号および計測手順を保存するデータベースと、計測装置で得られた計測結果に類似する仮想計測信号群およびその計測手順群をデータベースから抽出する類似検索部と、類似検索部で得られた計測手順群から１つ以上の計測手順を選んで次の測定点を決める次点提案部を有する。

Description

計測ガイド装置、及び、それに用いるシミュレーション演算装置
　本発明は、既に行われた測定の結果に基づいて次の測定対象を提案する計測ガイド装置に関する。
　対象の精確な情報を得るため複数回の測定や調査を行うことは広く行われている。例えば国勢調査や社会経済調査では調査対象が広大であるため一人や一社の状況を調査するだけでは断片的な情報しか得られず、より規模の大きいサンプリングによって情報を集めることが必要となる。農地調査、漁場調査、交通調査、建造物の点検調査においても同様である。また材料の研究開発においても、材料試験によって材料の特性を測定する際に精度を上げる目的で同一試料に対する複数回の計測が行われている。しかし、調査および実験が長引くほど、調査員や実験者の作業量は増大し、その結果として必要となる時間や費用が大きくなるため、調査と実験の負担、費用を削減するような支援システムが求められている。
　例えば以下の特許文献１には、複数の測定条件の下で計測シミュレーションを行って仮想測定結果を取得し比較結果を表示するＸ線分析の操作ガイドシステムが開示されている。実験者はこの比較を基にして適切な測定条件を採用し計測を開始することができる。
　また、特許文献２では、予め格納した画像データベースに基づいてエリア調査の推薦経路を調査員に指示するエリア調査支援システムが開示されている。調査者はこのシステムの指示に従って適切な調査エリアを巡ることができる。
特開２０１７－３２５２１号公報 特開２０１３－３３３４６号公報
　複数回の計測を実施する際は、得られる情報が最大化されるよう、既に実施した計測の結果に基づく判断によって次の測定点を選択することが望ましい。調査員や実験者がこれを経験に基づいて行うことがあるが、熟練者ではない者がこの方法で計測を調整することは困難である。また、分析の対象の種類、例えば材料開発における材料の種類に応じて効率的な計測手順は異なるため、過去の経験にない新しい対象に対応することはできない。さらに、長い計測プロセスの全体を人手で調整する場合には時間がかかり計測全体が遅延するため、何らかの自動化が必要となる。
　特許文献１のように、予め実験条件のシミュレーションを行うことによって実験開始時に測定条件を最適化するという方法も考えられる。しかしながら、実験中に測定条件を変えながら複数の測定を行う場合、特許文献１では事前にシミュレーションを行うだけであるので、既に得られた測定結果を反映させてそれ以降の測定条件を最適化するための方法について考慮されていない。
　また、特許文献２のように、予め衛星・航空機等から調査対象地域全体の画像データを取得し、それらに基づいて調査経路を最適化するという方法も考えられる。しかしながら、調査対象に関する網羅的な予備実データが常に前もって入手可能とは限らない。
　本発明は上記に鑑みてなされたものであって、計測の熟練者でなくとも使用可能で、かつ分析対象の実データを事前に必要とせず、既に得られた計測の結果に基づいて次の計測の対象を選定することが可能な計測ガイド装置、及び、それに用いるシミュレーション演算装置を提供することを目的とする。
　本発明は、上記背景技術及び課題に鑑み、その一例を挙げるならば、得られた計測結果を基に次の測定点を提案する計測ガイド装置であって、シミュレーションで得られた仮想計測信号および計測手順を保存するデータベースと、計測装置で得られた計測結果に類似する仮想計測信号群およびその計測手順群をデータベースから抽出する類似検索部と、類似検索部で得られた計測手順群から１つ以上の計測手順を選んで次の測定点を決める次点提案部を有する。
　本発明によれば、計測の熟練者でなくとも使用可能で、既に得られた計測の結果に基づいて次の計測の対象を選定することが可能な計測ガイド装置、及び、それに用いるシミュレーション演算装置を提供できる。
実施例１における計測ガイド装置、シミュレーション演算装置、計測装置の機能構成を示す機能構成ブロック図である。 実施例１におけるシミュレーション演算装置の処理のフローチャートである。 実施例１におけるシミュレーション条件受付画面の一例である。 実施例１におけるシミュレーション演算装置の仮想計測対象生成部において、クラスタリング法を利用して仮想計測対象を選定する方法を説明する図である。 実施例１における仮想計測信号データベースのデータ構造の一例である。 実施例１における計測手順データベースのデータ構造の一例である。 実施例１における計測ガイド装置の処理のフローチャートである。 実施例１における表示部の表示画面の一例である。 実施例１における計測信号のデータ構造の一例である。 実施例１における類似検索部の処理のフローチャートである。 実施例１における類似検索部の出力のデータ構造の一例である。 実施例１における次点提案部の処理のフローチャートである。 実施例１における表示部の表示画面の一例である。 実施例１における表示部の表示画面の一例である。 実施例１における計測結果出力部の処理のフローチャートである。 実施例１における計測結果出力部の表示画面の一例である。 実施例２における計測ガイド装置の機能構成を示す機能構成ブロック図である。 実施例２における計測ガイド装置の処理のフローチャートである。 実施例２における計測信号入力部の表示画面の一例である。 実施例２における類似検索部の処理のフローチャートである。 実施例２における類似検索部からの出力のデータ構造の一例である。 実施例２における計測信号補間部の処理のフローチャートである。 実施例２における計測信号補間部の補間処理を説明する図である。 実施例２における計測対象状態推定部の処理のフローチャートである。 実施例２における計測対象状態推定部の出力のデータ構造の一例である。 実施例２における計測信号推定部の処理のフローチャートである。 実施例２における次点提案部の処理のフローチャートである。 実施例２における表示部がユーザに表示する画面の一例である。 実施例３における計測過程の説明図である。
　以下、本発明の実施例について、図面を参照しながら詳細に説明する。
　図１は本実施例における計測ガイド装置、シミュレーション演算装置、計測装置の機能構成の一例を示す機能構成ブロック図である。
　図１において、計測ガイド装置１０１は、計測装置１０３から計測信号を受けとる計測信号受取部１１１、計測信号を蓄積するための計測信号保存部１０８、シミュレーションで生成した仮想計測信号を保存する仮想計測信号データベース１１０、シミュレーションで求めた計測手順を保存する計測手順データベース１０９、計測信号と類似する仮想計測信号を検索する類似検索部１０７、計測信号と類似仮想計測信号に基づいて次の測定点を提案する次点提案部１０６、その提案をユーザに表示し計測を継続するか否かを選択させ計測装置に測定条件を出力する表示部１０５、計測結果の出力を行う計測結果出力部１０４を備えている。
　なお、計測ガイド装置１０１は、ハードウェアとしては、一般的な情報処理装置である、プロセッサとメモリと記憶装置と通信部（インターフェース）を有する装置によって実現される。すなわち、計測信号受取部１１１は通信部によって計測信号を取得し、計測信号保存部１０８はメモリに計測信号を保存し、仮想計測信号データベース１１０、及び、計測手順データベース１０９は記憶装置にデータを保存する。また、類似検索部１０７、次点提案部１０６、及び、計測結果出力部１０４は、プロセッサにより、メモリに格納されたプログラムを実行するソフトウェア処理で実行される。また、表示部１０５は、一般的に用いられる操作部と表示部を兼用しており、例えばディスプレイ、キーボード、マウス等からなり、また、タッチパネルを有したディスプレイでもよい。
　また、シミュレーション演算装置１０２は、仮想計測信号データベース１１０および計測手順データベース１０９に格納するデータを生成する装置である。シミュレーション演算装置１０２は、シミュレーションの条件をユーザに入力させる条件受付部１１３、シミュレーションによって仮想計測対象を生成する仮想計測対象生成部１１４、その仮想計測対象に対する望ましい計測手順を決定するための計測手順決定部１１２を備えている。なお、シミュレーション演算装置１０２は、ハードウェアとしては、同様に、一般的な情報処理装置である、プロセッサとメモリを有する装置によって実現され、ソフトウェア処理で実行される。
　さらに、計測装置１０３は、計測を実施する計測部１１５、結果を計測ガイド装置１０１に出力する出力部１１６を備えている。
　本実施例は中性子散乱実験を例に説明する。すなわち、中性子線を金属等の試料に照射し、散乱された中性子を検出器で検出することによって、試料内部の微細構造に関する情報（例えば散乱体の粒径分布関数）を得る。前記の計測信号にあたるものは検出される中性子の散乱強度である。一度の測定においては、散乱される中性子線のある波数の値に対する散乱強度の値が得られる。本実施例では中性子の散乱強度を得る実験によって試料の粒径分布関数を推定する問題を取り扱う。
　図２は、本実施例におけるシミュレーション演算装置１０２の処理のフローチャートである。図２において、ステップＳ２０１では条件受付部１１３が設定パラメータの許容範囲等のシミュレーション実行条件をユーザから取得する。
　図３にユーザ入力受付画面の例を示す。図３に示すように、ユーザは、種々のシミュレーション実行条件をキーボード等を用いて入力し、ＯＫボタンを選択することで確定する。また、Cancelボタンにより、入力データを訂正できる。
　図２に戻って、ステップＳ２０２では仮想計測対象生成部１１４が仮想的な試料群の粒径分布関数を確率的に生成する。この生成対象はランダムに選ぶことができる。
　図４は、仮想計測対象生成部において、クラスタリング法を利用して仮想計測対象を選定する方法を説明する図である。図４に示すように、試料間の違いが大きくなるよう、ランダムに生成した試料の集合にクラスタリング手法を適用し、各クラスターから代表的な試料を選んでもよい。
　ステップＳ２０３では計測手順決定部１１２が前記仮想計測対象生成部１１４から仮想試料の粒径分布関数群を取得し、所定のアルゴリズムに従ってそれら一つ一つに対する計測手順を決定する。例えば、ある波数ｑにおける一つの測定が完了したとして、その次に測定する波数ｑの候補をランダムに、または所定の基準により複数生成し、表にする。次にその各点における散乱強度Ｉ（ｑ）を下記式（１）に従って粒径分布関数ｐ（ｒ）から算出する。
Figure JPOXMLDOC01-appb-M000001
   なお、式（１）におけるＣは既知の定数係数である。　
　そして、前の測定によって得られていた散乱強度の結果に新しく得られた散乱強度の値を付け加え、全体の結果を利用して非線形回帰法（例えば公知の間接フーリエ変換法）によりｐ（ｒ）を推定する。この推定粒径分布関数と、シミュレーションで生成した真の粒径分布関数との誤差を定量化し、この量が最も小さくなるようなｑを次の測定点として選択することができる。これ以外の基準を用いてｑを選択してもよい。例えば測定に要する時間が各ｑに対して与えられている場合に、時間と誤差を重み付けして組み合わせた量を基準にしてｑを選択することもできる。言い換えれば、予め定められた測定精度を達成するために必要な測定回数、または測定時間、またはそれらの重み付き和を最小化する基準に従って計測手順を決定する。
　ステップＳ２０４では各仮想試料の散乱強度を仮想計測信号データベース１１０に出力し、各仮想試料の計測手順を計測手順データベース１０９に出力する。
　図５は、仮想計測信号データベース１１０に出力されるデータの形式を示す。図５に示すように、このデータは仮想計測対象ＩＤ５０１、波数５０２、散乱強度５０３の情報を含む。
　図６は計測手順データベース１０９に出力されるデータの構造である。図６に示すように、このデータは仮想計測対象ＩＤ６０１および、散乱強度の測定を行う順に並んだ波数の情報６０２を含む。
　図７は本実施例における計測ガイド装置１０１の処理について説明するフローチャートである。図７において、まずステップＳ７０１では、表示部１０５においてユーザに計測開始時の測定点を入力させる。
　図８は表示部１０５の表示画面の一例である。図８においては、例えば、ユーザは、波数の測定点としてキーボード等を用いて入力し、「はい」のボタンを選択することで測定点を確定する。また、「いいえ」ボタンにより、入力データを訂正、または、実行を停止できる。
　ステップＳ７０２では計測装置１０３が、表示部１０５で入力された測定点に基づいて中性子散乱実験を実施し、散乱強度を取得する。次のステップＳ７０３では計測信号受取部１１１が計測装置１０３の出力部１１６から散乱強度の情報を取得する。
　図９は計測信号のデータ構造の一例である。図９に示す通り、このとき取得するデータ構造は測定を実施した波数の情報９０１と散乱強度の情報９０２を含んでいる。
　ステップＳ７０４では計測信号保存部１０８が新しい散乱強度の情報を前の散乱強度の情報に追加して保存する。このとき保存されるデータの構造は、図９と同様のデータ構造であり、複数のデータが保存される。
　図１０はステップＳ７０５で行われる類似検索部１０７の処理のフローチャートである。図１０において、まずステップＳ１１０１で、類似検索部１０７が計測信号保存部１０８から全散乱強度の情報を取得し、ステップＳ１１０２で、これと類似する散乱強度の情報を仮想計測信号データベース１１０において検索し、ステップＳ１１０３で、結果を仮想計測対象類似表として次点提案部１０６に出力する。類似する散乱強度を検索する際、類似性の基準としては例えば下記式（２）のようにユークリッド距離の逆数を用いて定義する方法がある。もしくは正の重みｗおよび正の定数ｐを導入した下記式（３）のように、一般化・改変された類似度を採用することもできる。
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
こうした類似度の定義を用いると仮想計測信号データベース１１０に保存された各々の散乱強度に対して類似度を算出し、その類似度の大きい順に並べることができる。
　図１１は類似検索部１０７の出力のデータ構造の一例である。図１１に示す通り、類似検索部１０７から出力されるデータは類似度順位１２０１、類似度１２０２、仮想計測対象ＩＤ１２０３の情報から成る。
　図１２はステップＳ７０６で行われる次点提案部１０６の処理のフローチャートである。図１２において、まず、ステップＳ１３０１で、次点提案部１０６が計測信号保存部１０８から全散乱強度を取得し、類似検索部１０７からは仮想計測対象類似表を取得する。次にステップＳ１３０２で、次点提案部１０６は仮想計測対象類似表の類似度上位の仮想計測対象ＩＤに紐づけられた計測手順を計測手順データベース１０９から読み出す。ステップＳ１３０３で、次点提案部１０６は、この計測手順に含まれる測定点ｑから１点を選択し、ステップＳ１３０４で、次の測定点として表示部１０５に出力する。このように類似度を基準にしてデータベースの読み出しを行うことにより、たとえ現在の計測対象と正確に一致する事例がデータベース内には存在しなかったとしても、類似度の比較的高い事例における効率的な計測手順を参考にすることによって、現在の計測対象に対する準最適な計測手順を構成することが可能になると期待できる。
　なおｑを選択するとき、例えば複数の計測手順から確率的な方法で１つの手順を選択し、その中に含まれる波数のうち全散乱強度にまだ含まれていない（まだ測定されていない）ものを選ぶという方法がある。また、既に測定されたｑと一致はしないが近接しているｑを選択しないという判断をすることも可能である。また、表示部１０５に次の測定点を出力する際、複数のｑを出力してもよい。
　ステップＳ７０７では表示部１０５が次点提案部１０６から取得した次の測定点をユーザに表示し、この測定点を次に計測するか否かをユーザに選択させる。前記の図８にこのユーザ表示画面の一例が示されている。なお図８では次の測定点を１点のみ提案しているが、図１３のように、複数の候補点を表示してその中から次の測定点をユーザに選択させてもよい。また、図１４のように、複数の測定点を提案してそれら全ての計測を実行するか否かをユーザに選択させてもよい。ユーザが表示画面で計測の実行を選択した場合、ステップＳ７０８で、指定された測定点で次の計測を行う命令が計測装置１０３の計測部１１５に送信される。また、ユーザが計測を実行しない選択をした場合、ステップ７０９で、計測は終了し、計測結果出力部１０４で終了処理が行われる。
　図１５は計測結果出力部１０４で行われる処理の概要のフローチャートである。図１５において、ステップＳ１６１では、計測結果出力部１０４が計測信号保存部１０８から散乱強度を取得する。ステップＳ１６２では、散乱強度を基にして、公知の間接フーリエ変換法を含む一般的な非線形回帰法により、粒径分布関数を推定する。ステップＳ１６３では、粒径分布関数を表示部１０５に出力し終了する。
　図１６は計測結果出力部１０４から出力される計測結果の表示部１０５でユーザに表示される画面の一例である。図１６においては、粒径に対する分布関数が表示され、「保存」ボタンを選択することで計測結果を保存できる。また、「終了」ボタンにより表示を終了できる。
　なお、本実施例では次の測定点を計測ガイド装置から計測装置へ直接出力する形式であったが、計測ガイド装置がユーザに次の測定点を提案し、ユーザが人手で計測装置へ次の測定点を入力して次の計測を行うという形式であってもよい。
　また、本実施例では最初の測定点をユーザが指定し、２点目以降の測定点を計測ガイド装置の提案に従って決定する形式であったが、これに限らず、最初の複数の測定点をユーザが指定し、残りの測定点を計測ガイド装置が決定するという形式であってもよい。
　さらに、本実施例では計測実験の終了時点をユーザが決定するという形式であったが、これに限らず、あらかじめ指定した終了条件が満たされるまでは自動で計測ガイド装置が計測装置に測定点の指示を送り続け、終了条件が満たされた時点で自動的に計測を終了するという形式であってもよい。終了条件は、例えば計測回数が一定の閾値に達する事である。その他の終了条件を設定することも可能である。
　以上のように、本実施例によれば、計測の熟練者ではなく、計測対象の事前情報が無い場合にも、測定済みのデータを入力するだけで効果的な次の測定点を迅速に選択することができ、計測実験の効率が向上する。なお、本実施例においては事前準備として多くのシミュレーションが必要であるが、データベース構築は一度行えば後で計算し直す必要はないので、多くの計測対象に対して計測実験を繰り返し行う場合において本実施例のもたらす効果は顕著となる。
　実施例１では、数多くの計測手順を予めシミュレーションによって準備しておき、計測中にそれらを読み出すことによって目的の計測対象に対する計測手順を構成する。これに対して、本実施例では、事前に計測手順のシミュレーションを実施せず、計測信号のデータベースのみ準備すればよい例について説明する。
　本実施例の特徴は、計測中は、新たな測定データが取得される度に未測定点に対する計測信号の予測を行い、これをデータベースに保存された計測信号から類推される計測信号と比較することによって次の測定点を決定する点である。
　なお、本実施例は、実施例１と同様に、中性子散乱実験によって得た中性子の散乱強度の情報から試料の散乱体の粒径分布関数の推定を行う場合について説明する。したがって計測信号にあたるものは検出される中性子の散乱強度であり、各々の測定点を特徴づける量は中性子線の波数である。
　図１７は、本実施例における計測ガイド装置の機能構成を示す機能構成ブロック図である。図１７において、計測ガイド装置１６０１は、計測信号入力部１６０５、計測信号保存部１６０４、計測対象状態推定部１６０３、計測信号推定部１６０２、類似検索部１６０８、計測信号補間部１６０７、次点提案部１６０６、表示部１６０９、計測信号データベース１６１０を具えている。なお、計測ガイド装置１６０１は、ハードウェアとしては、実施例１と同様に、一般的な情報処理装置によって実現される。また、計測信号入力部１６０５は、一般的に用いられる操作部であり、例えばキーボード、マウス等からなり、または、タッチパネルを有したディスプレイでもよい。また、表示部１６０９は、一般的に用いられるディスプレイで構成され、タッチパネルを有したディスプレイとして計測信号入力部１６０５と一体としてもよい。
　図１８は計測ガイド装置１６０１が行う処理のフローチャートである。図１８において、まずステップＳ１７０１において、計測信号入力部１６０５がユーザから散乱強度を取得する。
　図１９は計測信号入力部１６０５の表示画面の一例である。図１９に示すように、ユーザは波数と計測によって取得した散乱強度の値をここで入力する。ＯＫボタンを選択することで入力データを確定する。また、Cancelボタンにより、入力データを訂正できる。また、このとき取得するデータ構造は図９と同様である。
　次に、ステップＳ１７０２で、計測信号保存部１６０４が計測信号入力部１６０５から散乱強度を取得し、これまでにユーザが入力した全散乱強度と併せて保存する。このとき保存されるデータの構造は、図９と同様のデータ構造であり、複数のデータが保存される。
　図２０にステップＳ１７０３で行われる類似検索部１６０８の処理のフローチャートを示す。図２０のステップＳ１９０１で、類似検索部１６０８は計測信号保存部１６０４から散乱強度を取得する。ステップＳ１９０２では、類似検索部１６０８が前記取得した散乱強度に類似する散乱強度を計測信号データベース１６１０内で検索し、入力された散乱強度との類似度を算出する。なお計測信号データベース１６１０のデータ構造は前記の図５と同様である。ステップＳ１９０３では、類似検索部１６０８が各散乱強度を類似度の高い順に並べ替えて計測信号補間部１６０７に出力する。
　図２１は類似検索部からの出力のデータ構造の一例である。図２１に示すように、類似度順位２００１、類似度２００２、仮想計測対象ＩＤ２００３、波数２００４、散乱強度２００５の情報を含む。類似度の計算においては、実施例１と同様に、式（２）や式（３）に示された類似度の定義を用いることができる。これら以外の定義を用いることも可能である。また、予め定められた線形または非線形の変換を散乱強度に施してから類似度の計算を行ってもよい。
　図２２はステップＳ１７０４で行われる計測信号補間部１６０７の処理のフローチャートである。図２２において、ステップＳ２１０１では計測信号補間部１６０７が類似検索部１６０８から類似散乱強度の情報を取得し、計測信号保存部１６０４から測定済み散乱強度を取得する。ステップＳ２１０２では類似散乱強度の情報および測定済み散乱強度の情報に基づいて、未計測の波数における散乱強度を、Ｋ最近傍法等の機械学習を含む非線形回帰法により予測し、散乱強度の補間を行う。
　図２３は、計測信号補間部１６０７の補間処理を説明する図である。図２３において、黒丸で表された点は測定済みの散乱強度である。この測定済みの値から、その間を補間処理により点線のように補間する。
　ステップＳ２１０３では計測信号補間部１６０７が、補間した散乱強度の情報を次点提案部１６０６に出力する。この出力データの構造は、図９と同様のデータ構造であり、複数のデータで構成される。
　図２４はステップＳ１７０５で計測対象状態推定部１６０３が実行する処理のフローチャートである。図２４において、まずステップＳ２４０１では計測対象状態推定部１６０３が計測信号保存部１６０４から測定済みの散乱強度のデータを取得する。このとき取得するデータの構造は図９と同様であり、複数のデータで構成される。続くステップＳ２４０２で、計測対象状態推定部１６０３は公知の間接フーリエ変換等の方法を用いてこの散乱強度から試料内部の状態、すなわち粒径分布関数を推定する。ステップＳ２４０３では、計測対象状態推定部１６０３が計測信号推定部１６０２に粒径分布関数の推定値を出力する。
　図２５は、計測対象状態推定部１６０３の出力のデータ構造の一例である。図２５に示すように、散乱体の半径２５０１と粒径分布関数の値２５０２から成る。
　図２６はステップＳ１７０６において計測信号推定部１６０２が行う処理のフローチャートである。図２６のステップＳ２６０１において計測信号推定部１６０２が計測対象状態推定部１６０３から粒径分布関数の推定値を取得する。ステップＳ２６０２では計測信号推定部１６０２が式（１）に則って粒径分布関数から散乱強度を算出する。ステップＳ２６０３では、こうして算出された推定散乱強度を計測信号推定部１６０２が次点提案部１６０６に出力する。このとき出力されるデータの構造は図２５と同様である。
　図２７はステップＳ１７０７において次点提案部１６０６が行う処理のフローチャートである。図２７において、ステップＳ２７０１では計測信号推定部１６０２が計測信号補間部１６０７から補間された散乱強度の情報を取得し、計測信号推定部１６０２から推定された散乱強度の情報を取得し、計測信号保存部１６０４から測定済みの散乱強度の情報を取得する。ステップＳ２７０２では、計測信号推定部１６０２が補完された散乱強度と推定された散乱強度の比較に基づいて次の測定点を選択する。この比較のプロセスにおいて、例えばこれら２つの散乱強度の差をとり、その絶対値が大きい点を次の測定点に選択することができる。これら２つの散乱強度それぞれに非線形の変換を施してからその差をとってもよい。また、既に測定済みの波数と一致または近接する点を避けて次の測定点を選択してもよい。ステップＳ２７０３では計測信号推定部１６０２が次の測定点の値を表示部１６０９に出力する。
　こうして二通りの方法で予測した散乱強度を比較し、その差異に基づき、現時点の推定粒径分布関数に基づく散乱強度がどの波数において信頼性が低いかを判断することができ、これによって、推定粒径分布関数を修正する効果が大きいと期待される測定点を推定することが可能になる。
　ステップＳ１７０８では、表示部１６０９が次の測定点をユーザに表示する。図２８は表示部１６０９がユーザに表示する画面の一例である。図２８では次の測定点を一点提案する方式を示しているが、図１３や図１４に示したように表示部１６０９が予め指定された二点以上の個数の測定点をユーザに提案する方式でもよい。この表示部１６０９の提案に基づいてユーザは次の計測を実行し、得られた散乱強度の情報を再び計測ガイド装置１６０１の計測信号入力部１６０５へ入力する。こうしてステップＳ１７０１～Ｓ１７０８をユーザが任意の回数繰り返すことで計測実験を行うことができる。ただし、このように計測ガイド装置１６０１の提案に従って測定点を決定するのみでなく、別の方法によってユーザが決めた測定点の計測を途中で実施しても差し支えない。
　また、本実施例では計測結果の情報をユーザが計測ガイド装置１６０１に入力し、計測ガイド装置１６０１が出力する次の測定点をユーザが計測装置に入力するという方式であるが、これを変更して実施例１のように計測ガイド装置１６０１が計測装置に直接次の測定点を出力するという方式にしてもよい。
　また、計測対象状態推定部１６０３が推定した粒径分布関数を図１６のように表示部１６０９でユーザに表示する機能を追加してもよい。
　また、計測信号データベース１６１０に保存されるデータは実地調査や実際の測定実験により得られたデータであってもよく、シミュレーションによって生成した仮想データであってもよい。またそれらを組み合わせたものであってもよい。
　以上のように、本実施例によれば、計測者が計測の非熟練者でない場合であってもリアルタイムで計測中に効果的な測定点を選択することができ、計測プロセスの効率化が可能となる。また、実施例１と比較して、本実施例では計測手順シミュレーションが事前に必要なく、計測信号のデータベースを準備するだけでよいため迅速に計測を開始することができる。
　実施例２では中性子散乱実験における試料の解析を対象として説明したが、実施例２の方式の適用先はこれに限られるものではない。本実施例では、物体表面の形状計測に対する適用例について説明する。
　図２９は本実施例における計測過程の説明図である。図２９に示すように、計測過程では、斜線で表現された物体の表面を等間隔Ｄで繰り返し計測（スキャン）する。このスキャンの具体的主体は、試料表面のミクロな構造を観察する電子顕微鏡であってもよく、地上の地形を計測する人工衛星であってもよく、海底の形状を探査する船舶であってもよく、その他のいかなる計測手段であってもよい。なお計測の間隔を特徴づける量Ｄは長さでなく時間であってもよいが、以下では長さの場合について説明する。
　Ｄが小さいほど精確な情報が得られるが、計測回数が増えることによる時間・費用等のデメリットが生じるため、小さすぎるＤは好ましくない。Ｄを固定して１回のスキャンを行い、次に別のＤで新たなスキャンを行い、このスキャンを計測者が所望する任意の回数繰り返すことで物体表面の形状を高い精度で推定したい場合、どのように各スキャンのＤを選択すればよいかという課題が生ずる。この課題を解決するために前記の実施例２を適用することができる。中性子散乱実験において測定点を特徴づける量は波数であったが、物体形状のスキャンにおいて測定点を与えるのは隣り合う測定間の距離Ｄである。また中性子散乱実験において一回の計測から得られる計測信号は散乱強度であったが、物体形状の一回のスキャンにおける計測信号は等間隔で測定された各点の高さの情報である。また中性子散乱実験において計測対象状態とは粒径分布関数であったが、物体形状のスキャンにおいては計測対象状態とは物体形状である。図１７～図２８は上記の概念対応関係の下で適用可能となる。
　以上の実施例について説明したが、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を具えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
１０１：計測ガイド装置、１０２：シミュレーション演算装置、１０３：計測装置、１０６：次点提案部、１０７：類似検索部、１０９：計測手順データベース、１１０：仮想計測信号データベース、１６０１：計測ガイド装置、１６０２：計測信号推定部、１６０３：計測対象状態推定部、１６０６：次点提案部、１６０７：計測信号補間部、１６０８：類似検索部、１６１０：計測信号データベース

Claims (7)

  1. 　得られた計測結果を基に次の測定点を提案する計測ガイド装置であって、
    　シミュレーションで得られた仮想計測信号および計測手順を保存するデータベースと、
    　計測装置で得られた計測結果に類似する仮想計測信号群およびその計測手順群を前記データベースから抽出する類似検索部と、
    　前記類似検索部で得られた前記計測手順群から１つ以上の計測手順を選んで、次の測定点を決める次点提案部を有することを特徴とする計測ガイド装置。
  2. 　請求項１に記載の計測ガイド装置で使用する前記データベースを作成するためのシミュレーション演算装置であって、
    　シミュレーションの条件を入力する条件受付部と、
    　シミュレーションによって仮想計測対象を生成する仮想計測対象生成部と、
    　前記仮想計測対象に対する計測手順を決定するための計測手順決定部を有することを特徴とするシミュレーション演算装置。
  3. 　請求項２に記載のシミュレーション演算装置であって、
    　前記計測手順決定部は、予め定められた測定精度を達成するために必要な測定回数、または測定時間、またはそれらの重み付き和を最小化する基準に従って計測手順を決定することを特徴とするシミュレーション演算装置。
  4. 　請求項２に記載のシミュレーション演算装置であって、
    　前記仮想計測対象生成部は、仮想計測対象を多数の仮想計測対象候補群からクラスタリング手法によって抽出することを特徴とするシミュレーション演算装置。
  5. 　得られた計測結果を基に次の測定点を提案する計測ガイド装置であって、
    　計測信号群を保存するデータベースと、
    　計測装置で得られた計測結果に類似する計測信号を前記データベースから抽出する類似検索部と、
    　前記計測装置で得られた前記計測結果に基づいて未測定の点に対する計測信号を推定する推定部と、
    　前記類似検索部で得られた計測信号と前記推定部で得られた計測信号の差異に基づいて次の測定点を決める次点提案部を有することを特徴とする計測ガイド装置。
  6. 　請求項５に記載の計測ガイド装置であって、
    　前記データベースに保存する計測信号群を仮想計測対象に対する計測シミュレーションによって生成することを特徴とする計測ガイド装置。
  7. 　　請求項１または５に記載の計測ガイド装置であって、
    　前記次点提案部は、複数個の測定点を提案することを特徴とする計測ガイド装置。
PCT/JP2020/002319 2019-02-13 2020-01-23 計測ガイド装置、及び、それに用いるシミュレーション演算装置 WO2020166300A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202080012982.XA CN113396327A (zh) 2019-02-13 2020-01-23 测量引导装置以及用于该测量引导装置的模拟运算装置
SG11202106084SA SG11202106084SA (en) 2019-02-13 2020-01-23 Measurement guide device and simulation computing device used therefor
US17/413,040 US11741113B2 (en) 2019-02-13 2020-01-23 Measurement guide device and simulation computing device used therefor

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019023370A JP7222749B2 (ja) 2019-02-13 2019-02-13 計測ガイド装置、及び、それに用いるシミュレーション演算装置
JP2019-023370 2019-02-13

Publications (1)

Publication Number Publication Date
WO2020166300A1 true WO2020166300A1 (ja) 2020-08-20

Family

ID=72044006

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/002319 WO2020166300A1 (ja) 2019-02-13 2020-01-23 計測ガイド装置、及び、それに用いるシミュレーション演算装置

Country Status (5)

Country Link
US (1) US11741113B2 (ja)
JP (1) JP7222749B2 (ja)
CN (1) CN113396327A (ja)
SG (1) SG11202106084SA (ja)
WO (1) WO2020166300A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7221536B2 (ja) * 2019-12-27 2023-02-14 株式会社リガク 散乱測定解析方法、散乱測定解析装置、及び散乱測定解析プログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5200910A (en) * 1991-01-30 1993-04-06 The Board Of Trustees Of The Leland Stanford University Method for modelling the electron density of a crystal
JP2005258480A (ja) * 2002-02-20 2005-09-22 Nec Corp 能動学習システム及びそれに用いる能動学習法並びにそのプログラム
WO2011021346A1 (ja) * 2009-08-21 2011-02-24 株式会社 日立ハイテクノロジーズ パターン形状推定方法、及びパターン測定装置
WO2015198926A1 (ja) * 2014-06-27 2015-12-30 株式会社 日立ハイテクノロジーズ パターン測定条件設定装置、及びパターン測定装置
JP2017032521A (ja) * 2015-08-06 2017-02-09 株式会社リガク Ｘ線分析の操作ガイドシステム、操作ガイド方法、及び操作ガイドプログラム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008159574A (ja) * 2006-11-27 2008-07-10 Hitachi High-Technologies Corp 走査型電子顕微鏡
CN101231252B (zh) * 2007-09-03 2012-11-14 清华大学 消除电子显微镜电子能量损失谱的能量漂移的方法及装置
JP5375398B2 (ja) * 2008-06-30 2013-12-25 株式会社デンロコーポレーション 塗装劣化診断方法および装置
JP5771866B2 (ja) 2011-08-01 2015-09-02 株式会社日立製作所 エリア調査支援システム、エリア調査支援方法及びエリア調査支援装置
JP5730721B2 (ja) * 2011-09-08 2015-06-10 株式会社日立ハイテクノロジーズ パターン計測装置、およびパターン計測方法
WO2016035147A1 (ja) * 2014-09-02 2016-03-10 株式会社ニコン 測定処理装置、測定処理方法、測定処理プログラムおよび構造物の製造方法
EP3222098B1 (en) * 2014-11-21 2019-03-20 Sony Corporation Telecommunications apparatus and method for obtaining a measurement result
US20180268015A1 (en) * 2015-09-02 2018-09-20 Sasha Sugaberry Method and apparatus for locating errors in documents via database queries, similarity-based information retrieval and modeling the errors for error resolution
WO2017116692A1 (en) * 2015-12-28 2017-07-06 Dexcom, Inc. Systems and methods for remote and host monitoring communications
US20180308030A1 (en) * 2017-04-24 2018-10-25 Walmart Apollo, Llc System and Method for Establishing Regional Distribution Center Inventory Levels for New Third Party Products
US11406257B2 (en) * 2018-07-27 2022-08-09 Welch Allyn, Inc. Vision screening device and methods

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5200910A (en) * 1991-01-30 1993-04-06 The Board Of Trustees Of The Leland Stanford University Method for modelling the electron density of a crystal
JP2005258480A (ja) * 2002-02-20 2005-09-22 Nec Corp 能動学習システム及びそれに用いる能動学習法並びにそのプログラム
WO2011021346A1 (ja) * 2009-08-21 2011-02-24 株式会社 日立ハイテクノロジーズ パターン形状推定方法、及びパターン測定装置
WO2015198926A1 (ja) * 2014-06-27 2015-12-30 株式会社 日立ハイテクノロジーズ パターン測定条件設定装置、及びパターン測定装置
JP2017032521A (ja) * 2015-08-06 2017-02-09 株式会社リガク Ｘ線分析の操作ガイドシステム、操作ガイド方法、及び操作ガイドプログラム

Also Published As

Publication number Publication date
US11741113B2 (en) 2023-08-29
JP2020134156A (ja) 2020-08-31
US20220027364A1 (en) 2022-01-27
SG11202106084SA (en) 2021-07-29
JP7222749B2 (ja) 2023-02-15
CN113396327A (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
Smith et al. Identifying influences on model uncertainty: an application using a forest carbon budget model
Chartier et al. SHERIFS: Open‐source code for computing earthquake rates in fault systems and constructing hazard models
Sillero et al. A curated list of R packages for ecological niche modelling
CN111415027A (zh) 构建件量预测模型的方法和装置
WO2020166300A1 (ja) 計測ガイド装置、及び、それに用いるシミュレーション演算装置
Brastein et al. Analysing uncertainty in parameter estimation and prediction for grey-box building thermal behaviour models
Chiodi et al. Mixed non-parametric and parametric estimation techniques in r package etasflp for earthquakes' description
JP2020068000A (ja) 訓練装置、訓練方法、予測装置、予測方法及びプログラム
Rezaee et al. A novel inverse data driven modelling approach to performance-based building design during early stages
Setiyoko et al. Minimax approach for semivariogram fitting in ordinary kriging
Sunny et al. Ranking and Selection of Earthquake Ground‐Motion Models Using the Stochastic Area Metric
van den Berg et al. iDSL: Automated performance prediction and analysis of medical imaging systems
Bacallado et al. Perfect Sampling of the Posterior in the Hierarchical Pitman–Yor Process
Venetis et al. Multivariable inversion using exhaustive grid search and high-performance GPU processing: a new perspective
CN111160715A (zh) 基于bp神经网络新旧动能转换绩效评价方法和装置
Esmailzadeh et al. Varying dimensional Bayesian acoustic waveform inversion for 1D semi-infinite heterogeneous media
Owen et al. A Bayesian statistical approach to decision support for TNO OLYMPUS well control optimisation under uncertainty
US11119231B2 (en) Method for structure model building
Błaszczak-Bąk et al. High performance filtering for big datasets from Airborne Laser Scanning with CUDA technology
Ceccarelli et al. Semantic segmentation through Artificial Intelligence from raw point clouds to H-BIM representation
Ryabinin et al. Ontology-driven data mining platform for fuzzy classification of mental maps
Arnes et al. Greedy knot selection algorithm for restricted cubic spline regression
Schuy et al. Extending RECAST for Truth-Level Reinterpretations
Rosafalco Blending physics and data in structural health monitoring
Chelebiev et al. Hidden Anomalies Detection in Large Arrays of Nuclear Power Plant Operating Data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20755728

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20755728

Country of ref document: EP

Kind code of ref document: A1