WO2023042283A1

WO2023042283A1 - 品種改良支援装置、品種改良支援方法、及び品種改良支援プログラム

Info

Publication number: WO2023042283A1
Application number: PCT/JP2021/033831
Authority: WO
Inventors: 洋治森; 綾子星野; 雄也遠藤; 悠紀渡部; 成人矢島
Original assignee: 日本電気株式会社
Priority date: 2021-09-15
Filing date: 2021-09-15
Publication date: 2023-03-23
Also published as: JPWO2023042283A1

Abstract

育種を好適に支援するために、品種改良支援装置（１）は、育種に関するリクエストを受け付ける受付部（１１）と、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する生成部（１２）と、前記応答情報を出力する出力部（１３）と、を備える。

Description

品種改良支援装置、品種改良支援方法、及び品種改良支援プログラム

　本発明は、育種に関する情報を生成する品種改良支援装置等に関する。

　農林畜産分野を中心として、動植物により好ましい形質を持たせるための育種は古くから行われている。育種においては、交配する品種を選定し、選定した品種を交配させ、交配によって生まれた新品種が所望の形質を有しているか確認するというプロセスが行われている。（例えば下記の特許文献１参照）。

特開２０１３－５５９６３号公報

　育種には、所望の形質を有する新品種が見つかるまで上記のプロセスを繰り返す必要があることから、多大な労力と多くの時間を要するという問題があり、育種を支援する技術が求められている。

　本発明の一態様は、上記の問題に鑑みてなされたものであり、その目的の一例は、育種を好適に支援する技術を提供することである。

　本発明の一側面に係る品種改良支援装置は、育種に関するリクエストを受け付ける受付手段と、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する生成手段と、前記応答情報を出力する出力手段と、を備える。

　本発明の一側面に係る品種改良支援方法では、コンピュータが、育種に関するリクエストを受け付け、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成し、前記応答情報を出力する。

　本発明の一側面に係る品種改良支援プログラムは、コンピュータに対して、育種に関するリクエストを受け付ける処理と、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する処理と、前記応答情報を出力する処理と、を実行させる。

　本発明の一態様によれば、育種を好適に支援することができる。

本発明の第１の例示的実施形態に係る品種改良支援装置の構成を示すブロック図である。本発明の第１の例示的実施形態に係る品種改良支援方法の流れを示すフロー図である。グラフベース関係性学習における特徴量の学習を説明する図である。本発明の第２の例示的実施形態に係る品種改良支援方法の概要を示す図である。本発明の第２の例示的実施形態に係る品種改良支援装置の構成を示すブロック図である。本発明の第２の例示的実施形態に係る品種改良支援装置が実行する処理の流れを示すフロー図である。応答情報の例を示す図である。本発明の第３の例示的実施形態に係る品種改良支援方法の概要を示す図である。本発明の第３の例示的実施形態に係る品種改良支援装置の構成を示すブロック図である。本発明の第３の例示的実施形態に係る品種改良支援装置が実行する処理の流れを示すフロー図である。ベース品種の類似品種を特定する処理を含む品種改良支援方法の概要を示す図である。ベース品種の類似品種を特定する場合に品種改良支援装置が実行する処理の流れを示すフロー図である。本発明の第４の例示的実施形態に係る品種改良支援方法の概要を示す図である。本発明の第４の例示的実施形態に係る品種改良支援装置の構成を示すブロック図である。本発明の第４の例示的実施形態に係る品種改良支援装置が実行する処理の流れを示すフロー図である。本発明の第５の例示的実施形態に係る品種改良支援方法の概要を示す図である。本発明の第５の例示的実施形態に係る品種改良支援装置の構成を示すブロック図である。本発明の第５の例示的実施形態に係る品種改良支援装置が実行する処理の流れを示すフロー図である。新品種グラフと既存品種グラフから算出した特徴量に基づいて新品種の形質を予測する例を説明する図である。ソフトウェアによって品種改良支援装置を実現するための構成図である。

　〔例示的実施形態１〕
　本発明の第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する例示的実施形態の基本となる形態である。

　（品種改良支援装置）
　本例示的実施形態に係る品種改良支援装置１の構成について、図１を参照して説明する。図１は、品種改良支援装置１の構成を示すブロック図である。図示のように、品種改良支援装置１は、受付部（受付手段）１１と生成部（生成手段）１２と出力部（出力手段）１３とを備えている。

　受付部１１は、育種に関するリクエストを受け付ける。生成部１２は、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する。出力部１３は、前記応答情報を出力する。

　なお、上記「既存品種の性質」は、既存品種がどのような性質を有しているかを示し、例えば、乾燥耐性、高温耐性、低温耐性等の生育環境に関する性質の他、多収（収穫量が多いこと）や食味良好等の収穫物の性質や耐病性等も「既存品種の性質」の範疇に含まれる。また、上記「既存品種の育種過程」は、既存品種がどのようにして開発されたかを示し、例えば、親品種、その既存品種ができるまでの交配回数、交配時に獲得された、あるいは交配時に失った形質等も「既存品種の育種過程」の範疇に含まれる。なお、形質とは、形態的又は生理的な性質を意味する。

　上記の構成を備える品種改良支援装置１によれば、新品種を開発するための交配候補となる既存品種に関する情報を含む有用な応答情報を生成することができる。したがって、上記の構成によれば、育種を好適に支援することができるという効果が得られる。

　（品種改良支援プログラム）
　上述の品種改良支援装置１の機能は、プログラムによって実現することもできる。本例示的実施形態に係る品種改良支援プログラムは、コンピュータに対して、育種に関するリクエストを受け付ける処理と、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する処理と、前記応答情報を出力する処理と、を実行させる。この品種改良支援プログラムによれば、育種を好適に支援することができるという効果が得られる。

　（品種改良支援方法）
　本例示的実施形態に係る品種改良支援方法について図２を参照して説明する。図２は、本発明の第１の例示的実施形態に係る品種改良支援方法の流れを示すフロー図である。

　Ｓ１１では、コンピュータが、育種に関するリクエストを受け付ける。リクエストは任意の入力装置を介して受け付ければよい。例えば、マウスやキーボード、あるいはタッチパネルや音声入力装置を介してリクエストを受け付けてもよい。

　Ｓ１２では、コンピュータが、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、Ｓ１１で受け付けたリクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する。

　Ｓ１３では、コンピュータが、Ｓ１２で生成された応答情報を出力する。出力先の装置は任意であり、例えば表示装置に出力して当該情報を表示出力させてもよいし、音声出力装置に出力して当該情報を音声出力させてもよい。

　以上のように、本例示的実施形態に係る品種改良支援方法では、コンピュータが、育種に関するリクエストを受け付け（Ｓ１１）、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、Ｓ１１で受け付けたリクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成し（Ｓ１２）、Ｓ１２で生成された応答情報を出力する（Ｓ１３）。この品種改良支援方法によれば、育種を好適に支援することができるという効果が得られる。

　なお、上記の品種改良支援方法における各ステップの実行主体は、１つのコンピュータ（例えば品種改良支援装置１）であってもよいし、各ステップの実行主体がそれぞれ異なるコンピュータであってもよい。これは例示的実施形態２以降で説明するフローについても同様である。

　〔グラフと学習について〕
　以下では、例示的実施形態１及び後述の例示的実施形態（以下各例示的実施形態と呼ぶ）において、品種改良の支援に利用することが可能な情報の一例であるグラフについて説明する。また、そのグラフの学習と、グラフを用いた予測についてもあわせて説明する。

　（グラフ）
　ここでいうグラフとは、複数のノードと、ノード間を結ぶリンクとからなる構造を有するデータのことを指す。ノード間の関係を表すリンクの種類を「関係（リレーション）」とも呼ぶ。また、リンクのことをエッジと呼ぶこともある。グラフには、大別して各リンクが方向性を有する有向グラフ、及び各リンクが方向性を有しない無向グラフが存在する。有向グラフと無向グラフの何れを利用することも可能であり、それらを組み合わせて利用することも可能である。

　各例示的実施形態においてグラフを利用する場合、そのノードは、育種に関する有体又は無体の要素を表すものとすればよい。例えば、
・品種の識別情報（例えば品種名やＩＤ）
・品種の形質（例えば耐病性、耐暑性、耐寒性、多収性、収穫物の食味等）
・ゲノム情報
・育種素材としての分類（例えば、実用品種としては欠点があるが、優れた遺伝的特性を持つ中間母本、外国から取り寄せた系統である導入系統、古い時代に育成され、維持されてきた系統である在来品種等）
といった各種の要素を表すノードを含むグラフを利用することができる。なお、グラフには、１つの要素に対応するノードが複数含まれていてもよい。例えば、ある品種の交配親は２品種存在するから、交配親を示すノードは２つの個別のノードで表される。他の要素についても同様である。

　上記のような要素に対応するノードが存在する場合、そのようなノードを繋ぐリンクは、
・ある品種と他の品種との関係
・ある要素とその要素に関する数値との関係
・ある要素がある形質を有するという関係
等を表すことになる。例えば、ある品種を示すノードと他の品種を示すノードとを繋ぐリンクは、ある品種が他の品種の交配親であるという関係を表すものであってもよい。

　（学習及び予測）
　上述のようなグラフについては、機械学習手法を適用して、グラフベース関係性学習を行うことができる。このような学習により、グラフを用いた分類処理や予測処理を行うことが可能になる。なお、各例示的実施形態においては、品種改良支援の一環としてこのような学習を行ってもよいし、このような学習が既になされた学習済みのグラフを用いてもよい。

　グラフベース関係性学習では、まず、各ノードの特徴量を算出する。特徴量は、例えばベクトル形式としてもよい。各ノードの特徴量を特徴量ベクトルで表すことにより、様々な形式のノードが混在するグラフについても学習を行うことも可能になる。例えば、上述したような各種要素を示す画像や数値等を含むグラフについてもグラフベース関係性学習を行うことができる。

　次に、各ノードに接続されたリンクとそのリンクの接続先のノードに基づいて、各ノードの特徴量を更新する。この処理は、畳み込みニューラルネットワークにおける畳み込み処理と類似した処理となる。これについて図３に基づいて説明する。図３は、グラフベース関係性学習における特徴量の学習を説明する図である。

　図３に示すグラフには、ノードＡ～Ｄの４つが含まれている。ノードＡにはノードＢとＣが接続しており、ノードＣにはノードＤが接続している。これら４つのノードの初期の特徴量を算出した後、以下説明するように複数回の畳み込みを行って、各ノードの特徴量を更新する。

　１回目の畳み込みでは、ノードＡの初期の特徴量に、ノードＡに接続されているノードＢとＣの特徴量が所定の重みを乗じた上で加算される。また、ノードＣについては、ノードＣの初期の特徴量に、ノードＤの特徴量が所定の重みを乗じた上で加算される。なお、有効グラフであれば、リンクの方向に応じて重みが調整される。

　２回目の畳み込みにおいても、１回目の畳み込みと同様に、各ノードの特徴量に、そのノードにリンクされているノードの特徴量が所定の重みを乗じた上で加算される。ここで、ノードＣの特徴量には、１回目の畳み込みによりノードＤの特徴量が反映されている。このため、２回目の畳み込みにより、ノードＡにはノードＣの特徴量のみならずノードＤの特徴量も反映される。

　以上のような処理をノードの階層に応じた回数だけ繰り返すことにより、リンクで直接または間接的に接続された各ノードの特徴量が相互に反映される。グラフベース関係性学習では、ノード間の既知の関係性に基づいて、上述の重み付けに用いる重み値を最適化する。このような学習済みのグラフ（学習済みモデルと呼ぶこともできる）を用いることにより、以下説明するようなノード間関係予測やリンク先のノード予測を行うことも可能になる。

　（ノード間関係予測）
　上述した学習を行うことにより、元のグラフでは明示されていないノード間の関係を予測することが可能になる。ノード間関係予測を行う場合、ユーザは、２つのノードを指定して、それらのノードの間の関係を返すようにリクエストすればよい。例えば、ユーザから「品種Ａ」のノードと、「品種Ｂ」のノードとの関係を問うリクエストが入力された場合、ノード間関係予測によりこれらのノードを繋ぐ関係すなわちリンクが「良好な交配相手」であるか否かを予測することが可能である。また、ノード間関係予測では、予測結果の確率（確からしさ）についても算出することができる。以下説明するノード予測についても同様である。

　（ノード予測）
　また、上述した学習を行うことにより、あるノードと所定のリンクで接続されるノードを予測することも可能になる。ノード予測を行う場合、ユーザは、１つのノードとそのノードを始点とするリンクとを指定して、リンク先のノードを返すようにリクエストすればよい。例えば、ユーザから「品種Ａ」のノードに「形質」のリンクで接続されるノードを問うリクエストが入力されたとする。この場合、ノード予測により、「品種Ａ」のノードに「形質」のリンクで接続されるノードが、「食味良好」であるか、「耐病性」であるか、等を予測することが可能である。

　〔例示的実施形態２〕
　（概要）
　図４は、本例示的実施形態に係る品種改良支援方法の概要を示す図である。本例示的実施形態では、ベース品種グラフと既存品種グラフとを用いて品種改良を支援する例を説明する。

　既存品種グラフは、既存品種に関する複数のノードと、当該ノード間の関係性を示すリンクとを含み、ノード間の関係性について学習済みのグラフであり、学習済みモデルである。既存品種グラフを知識グラフと呼ぶこともできる。なお、１つの既存品種に対応するノード及びリンクの集まりを既存品種グラフと呼んでもよいし、複数の既存品種に対応するノード及びリンクの集まりをまとめて既存品種グラフと呼んでもよい。

　例えば、図４において「品種Ａ」～「品種Ｃ」のノードを含むグラフが既存品種グラフである。この既存品種グラフには、既存品種である品種Ａの親（交配親の意。以下同様。）が「品種ａ１」及び「品種ａ２」であることを示す各ノードと、品種Ａが「多収」及び「食味良好」という形質を有していることを示す各ノードと、品種Ａの育種には「ａ３」回の交配を要したことを示すノードとが含まれている。また、図４の既存品種グラフでは、「品種Ｃ」の親が「品種Ａ」及び「品種Ｂ」であり、「品種Ａ」と「品種Ｂ」は「良好ではない交配相手」であることも示されている。このように、図４に示す既存品種グラフは、既存品種間の交配事例を学習させたものである。

　なお、「良好な交配相手」となる品種間のリンクを学習し、「良好ではない交配相手」となる品種間のリンクは学習しない（負例とする）ようにしてもよい。ただし、「良好ではない交配相手」となる品種間のリンクを学習することにより、正例（この例では良好な交配相手）の予測に役立てたり、リスクの予測を行ったりすることが可能になるという利点がある。

　ベース品種グラフは、育種する新品種の交配親の一方であるベース品種に関する複数のノードを含むグラフである。図４において「ベース品種」というノードを含むグラフがベース品種グラフである。このベース品種グラフには、ベース品種の親が「品種ｂａ１」及び「品種ｂａ２」であることを示す各ノードと、ベース品種が「多収」であることを示すノードが含まれている。このようなベース品種グラフは、例えば、育種に関する情報を集積したデータベースに記録されている各種情報から生成することができる。

　例えば、ユーザからのリクエストとしてベース品種の入力を受け付けることにより、上述のようなデータベースからベース品種の親である品種やベース品種の形質等を示す情報を抽出して、ベース品種グラフを生成することができる。この際、そのベース品種をベースとした新品種に求められる形質等のリクエストについても受け付けてもよい。また、ユーザが既存品種グラフに示される既存品種の中からベース品種とするものを選択するようにしてもよい。この場合、選択された既存品種の既存品種グラフをベース品種グラフとして用いればよい。

　上述のような既存品種グラフの学習を行うことにより、どのような品種間の交配が好適であるかをリンク予測することが可能になる。つまり、本例示的実施形態に係る品種改良支援方法では、ベース品種と交配させるべき既存品種をリンク予測により予測し、予測した既存品種に応じた応答情報を生成し、出力する。

　例えば、図４の例では、既存品種グラフに含まれる様々な品種を示すノードの何れが、ベース品種グラフに含まれるノード（より詳細には「ベース品種」のノード）に、「良好な交配相手」のリンクで繋がりそうかをリンク予測すればよい。そして、予想された品種が、ベース品種と交配させるべき既存品種であることを示す応答情報を生成し、出力すればよい。

　（装置構成）
　本発明の第２の例示的実施形態に係る品種改良支援装置２の構成を図５に基づいて説明する。図５は、本例示的実施形態に係る品種改良支援装置２の構成を示すブロック図である。

　図示のように、品種改良支援装置２は、受付部２０１、グラフ生成部２０２、学習部２０３、リンク予測部２０４、評価部２０５、生成部２０６、根拠生成部２０７、および出力部２０８を備えている。

　なお、品種改良支援装置２は、これらの構成要素に加え、ユーザの入力操作を受け付ける入力装置、品種改良支援装置２が出力するデータの出力装置、品種改良支援装置２が他の装置と通信するための通信装置等を備えていてもよい。出力装置の出力態様は任意であり、例えば表示出力であってもよいし、音声出力であってもよい。

　受付部２０１は、育種に関するリクエストを受け付ける。このリクエストには、例えば、作出したい新品種に求められる形質や、新品種のベースとするベース品種を示す情報等が含まれていてもよい。

　グラフ生成部２０２は、ユーザが開発したい新品種のベースとするベース品種に関する情報に基づいて、そのベース品種をグラフで表したベース品種グラフを生成する。具体的には、グラフ生成部２０２は、ベース品種を、当該ベース品種を示すノード、ベース品種の親を示すノード、及びベース品種の形質を示すノードと、ノード間の関係性を表すエッジで表したベース品種グラフを生成する。なお、ベース品種に関する情報は、受付部２０１が受け付けるリクエストに含まれていてもよいし、育種に関する情報を集積したデータベース等から取得してもよい。

　学習部２０３は、既存品種に関する各種情報を基に、既存品種グラフに含まれる各ノード間の関係性、言い換えれば既存品種の性質及び既存品種の育種過程の関係を学習して、学習済みの既存品種グラフを生成する。また、既存品種グラフは、既存品種間の交配事例を学習させたものともいえる。なお、特に断らない場合、既存品種グラフは学習部２０３による学習済みのものを指す。また、学習済みの既存品種グラフを品種改良支援装置２に読み込ませてもよく、この場合、学習部２０３を省略してもよい。

　リンク予測部２０４は、育種する新品種の交配親の一方であるベース品種に関する複数のノードを含むベース品種グラフと、上述の既存品種グラフとを用いて、品種グラフ及び前記品種グラフにおいてリンクで繋がっていないノード間の関係性を予測するためのリンク予測により、ベース品種と交配させるべき既存品種を予測する。

　評価部２０５は、リンク予測部２０４が予測した既存品種、すなわち交配候補の既存品種グラフに含まれているノードに基づいて、当該交配候補のベース品種との交配相手としての適合性を評価する。評価方法については後述する。

　生成部２０６は、既存品種の性質及び既存品種の育種過程の関係を学習した学習済みモデルと、受付部２０１が受け付けるリクエストとに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する。より詳細には、生成部２０６は、リンク予測部２０４が予測した既存品種（言い換えれば交配候補）に応じた応答情報を生成する。上述のように、リンク予測部２０４は既存品種グラフを用いてリンク予測を行うので、生成部２０６は、リンク予測部２０４によるリンク予測の結果に基づいて応答情報を生成することにより、学習済みモデルに基づいた応答情報を生成することになる。

　根拠生成部２０７は、生成部２０６の生成する応答情報の妥当性を示す根拠情報を生成する。根拠情報の生成方法については後述する。

　出力部２０８は、品種改良支援装置２が生成する様々な情報を出力する。例えば、出力部２０８は、生成部２０６が生成する応答情報や、根拠生成部２０７が示す根拠情報を出力する。情報の出力先は任意であり、例えば上述のように品種改良支援装置２が出力装置を備えている場合にはその出力装置に出力すればよい。また、例えば、品種改良支援装置２の外部の出力装置に出力してもよい。

　上述のように、品種改良支援装置２が使用する学習済みモデルは、既存品種に関する複数のノードと、当該ノード間の関係性を示すリンクとを含み、ノード間の関係性について学習済みのグラフである既存品種グラフであってもよい。この構成によれば、既存品種の交配結果、親、さらにその親、及び形質等について、それらの相互の関係性を考慮して、交配候補となる既存品種に関する妥当な応答情報を生成し、出力することができる。

　以上のように、品種改良支援装置２は、育種する新品種の交配親の一方であるベース品種に関する複数のノードを含むベース品種グラフと、既存品種間の交配事例を学習させた既存品種グラフとを用いて、品種グラフ及び既存品種グラフにおいてリンクで繋がっていないノード間の関係性を予測するためのリンク予測により、ベース品種と交配させるべき既存品種を予測するリンク予測部２０４を備えていてもよい。そして、生成部２０６は、リンク予測部２０４が予測した既存品種に応じた応答情報を生成してもよい。これにより、過去の交配事例から妥当と考えられる既存品種を交配候補としてユーザにレコメンドすることが可能になる。

　（リンク予測について）
　上述のように、リンク予測部２０４は、ベース品種グラフと既存品種グラフとを用いたリンク予測により、ベース品種と交配させるべき既存品種を予測する。例えば、リンク予測部２０４は、図４の例のように、「ベース品種」のノードと「好適な交配相手」のリンクで結ばれる既存品種のノードを予測してもよい。リンク予測部２０４が予測した既存品種がベース品種の交配候補となる。

　また、リンク予測部２０４は、指定された条件に適合する既存品種を、ベース品種と交配させるべき既存品種と予測してもよい。条件の指定は予め行われていてもよいし、ユーザが行えるようにしてもよい。後者の場合、受付部２０１がリクエストとして条件の入力を受け付けてもよい。

　例えば、リンク予測部２０４は、（１）所定の形質を有する既存品種と交配して得られた品種が前記所定の形質を維持している、および（２）ベース品種に追加したい形質を有する、の少なくとも何れかの条件を満たす既存品種を、ベース品種と交配させるべき既存品種と予測してもよい。

　上記（１）の条件を満たす既存品種をベース品種と交配させるべき既存品種と予測した場合、ベース品種と交配させたときに所定の形質が失われる可能性が低い品種をベース品種と交配させるべき既存品種と予測することができる。また、上記（２）の条件を満たす既存品種をベース品種と交配させるべき既存品種と予測した場合、ベース品種と交配させた場合に、ベース品種に追加したい形質が発現する可能性が高い品種をベース品種と交配させるべき既存品種と予測することができる。

　（交配候補の評価）
　上述のように、評価部２０５は、リンク予測部２０４が予測した既存品種すなわち交配候補の既存品種グラフに含まれているノードに基づいて、当該交配候補のベース品種との交配相手としての適合性を評価する。評価部２０５による評価について以下説明する。

　ベース品種と交配させるべきと予測された既存品種の既存品種グラフに含まれる各ノードは、新品種の育種に影響を与える因子を示している可能性がある。例えば、既存品種グラフにその既存品種を親とした交配により目的の品種が作成できるまでに要した交配回数を示すノード及びリンクが含まれていたとする。この場合、それらのノード及びリンクに示される交配回数が少なければその既存品種をベース品種と交配させたときにも、目的の新品種を少ない交配回数で作成できる可能性があると考えられる。

　そこで、上記の構成によれば、リンク予測部２０４が予測した既存品種の既存品種グラフに含まれているノードに基づいてその既存品種のベース品種との交配相手としての適合性を評価する。評価方法は対象となるノード等に基づいて予め定めておけばよい。そして、ユーザは、この評価に従って、予測された既存品種をベース品種との交配相手とするかを決定すればよい。これにより、ベース品種と交配させる品種の適切な選定に寄与することができる。

　評価の基準としては様々なものが適用できる。例えば、リクエストに対する適合度合いを基準に評価してもよい。例えば、新品種に求められる形質がリクエストに含まれるとする。この場合、評価部２０５は、その形質を示すノードを含む既存品種グラフに対応する既存品種の評価が、その形質を示すノードを含まない既存品種グラフに対応する既存品種の評価よりも高くなるようにしてもよい。

　また、評価部２０５は、評価結果を数値で表してもよい。本例示的実施形態では、評価部２０５が、ベース品種との交配相手としての適合性を示す数値である推奨度を算出する例を説明する。この場合、例えば、交配候補の既存品種グラフに含まれるノードと、推奨度との関係を予めルール化しておけば、評価部２０５は、そのルールに従って各交配候補の推奨度を算出することができる。

　（根拠情報の生成方法）
　上述のように、根拠生成部２０７は、生成部２０６の生成する応答情報の妥当性を示す根拠情報を生成する。例えば、受付部２０１が受け付けたリクエストが、新品種に求められる形質を示す情報を含む場合、根拠生成部２０７は、交配候補となる既存品種の育種に関する情報と交配候補となる既存品種の形質に関する情報との少なくとも何れかを含む根拠情報を生成してもよい。これにより、ユーザは、根拠情報を踏まえて応答情報を参照することができ、応答情報の妥当性を的確に判断することが可能になる。

　なお、交配候補となる既存品種の育種に関する情報としては、例えば、交配候補となる既存品種の親、親の形質、既存品種が作出されるまでの交配で劣化したあるいは追加された形質、交配回数等が挙げられる。交配候補となる品種の形質に関する情報としては、例えば、交配候補となる品種が有する形質、あるいは交配候補となる品種が有していない形質等が挙げられる。

　根拠情報の生成方法としては様々な手法を適用することができる。例えば、受付部２０１が受け付けたリクエストに新品種に求められる形質を示す情報が含まれているとする。この場合、根拠生成部２０７は、交配候補とその親を対象として、当該形質の有無を確認し、当該形質があることが確認された場合には、その形質を有する品種を示す根拠情報を生成してもよい。また、根拠生成部２０７は、当該形質の存在が親世代にも確認されなかった場合には、当該形質が確認されるまで系統を遡って探索してもよい。このような系統を辿った形質の確認は既存品種グラフを用いれば容易である。

　（リンク予測の結果に対する根拠生成について）
　根拠生成部２０７は、ベース品種グラフと既存品種グラフとを解析することにより根拠情報を生成することもできる。以下では、ベース品種グラフと既存品種グラフとを解析することにより根拠情報を生成する方法を説明する。

　例えば、根拠生成部２０７は、OWA（Open-world assumption：開世界仮説）に基づくPCA（Principal Component Analysis：主成分分析）信頼度を利用して、ベース品種グラフと既存品種グラフから、１又は複数のルールをマイニングしてもよい。そして、根拠生成部２０７は、マイニングした１又は複数のルールを用いて根拠情報を生成してもよい。ルールのマイニングには、例えば下記の文献に記載されている手法を適用することもできる。

　　Luis Galarraga et. al, “Fast rule mining in ontological knowledge bases with AMIE +”, The VLDB Journal（2015）24:707-730
　一例として、根拠生成部２０７による処理の対象となるルールを、Head r（x, y）、及びBody { B1 , . . . , Bn }を用いて、

によって表現する。当該ルールは、ベクトル表現を用いて

と表記することもある。ここで、Head r（x, y）のことをatomとも呼ぶ。

　根拠生成部２０７は、マイニング処理の条件として、
・Connected：ルール内の全ての値（変数、エンティティ）が異なるatom間で共有されていること
・Closed：ルール内の全ての変数は、２回以上出てくること
・Not reflexive：r（x, x）のような、再帰的（reflective）なatomを含むルールは、マイニングしない
という条件を課したうえでマイニング処理を行う。

　また、根拠生成部２０７は、

によって定義されるhc（head coverage）を用いると共に、

によって定義されるPCA信頼度を用いてマイニング処理を実行してもよい。PCA信頼度を用いることによって、標準的な信頼度を用いる場合に比べて、精度の高いルールをマイニングすることが可能である。したがって、上記の構成を用いることによって、根拠生成部２０７は、信頼性の高い根拠情報を生成することが可能である。

　例えば、根拠生成部２０７が、「交配する品種の親世代において望ましい形質の消失が生じていない」という条件を満たす品種を交配させた場合、「交配結果は良好」というルールをマイニングしていたとする。この場合、リンク予測部２０４が、ベース品種と交配させるべき既存品種を予測したときには、根拠生成部２０７は、この予測の根拠として、「交配する品種の親世代において望ましい形質の消失が生じていない」ことを示す根拠情報を生成すればよい。

　（処理の流れ）
　品種改良支援装置２が実行する処理（品種改良支援方法）の流れを図６に基づいて説明する。図６は、品種改良支援装置２が実行する処理の流れを示すフロー図である。

　Ｓ２０１では、受付部２０１が、育種に関するリクエストを受け付ける。Ｓ２０１では、例えば、作出したい新品種に求められる形質や、ベース品種などを示すリクエストが受け付けられる。続いて、Ｓ２０２では、グラフ生成部２０２が、Ｓ２０１で入力された情報に基づいてベース品種グラフを生成する。

　Ｓ２０３では、リンク予測部２０４が、Ｓ２０２で生成されたベース品種グラフと既存品種グラフとを用いたリンク予測により、ベース品種と交配させるべき既存品種を予測し、これを交配候補に決定する。リンク予測部２０４は、交配候補を複数決定してもよい。この際、根拠生成部２０７は、ベース品種グラフと既存品種グラフとを解析することにより、リンク予測部２０４の予測結果の根拠を示す根拠情報を生成してもよい。

　Ｓ２０４では、評価部２０５が、Ｓ２０３で決定された交配候補の既存品種グラフに含まれているノードに基づいて、当該交配候補のベース品種との交配相手としての適合性を評価する。例えば、評価部２０５は、交配候補の既存品種グラフに含まれているノードから、交配候補のベース品種との交配相手としての適合性を示す推奨度を算出してもよい。なお、Ｓ２０３で複数の交配候補が決定された場合、評価部２０５は決定された交配候補のそれぞれについて評価を行う。

　Ｓ２０５では、生成部２０６が、Ｓ２０３で決定された交配候補と、Ｓ２０１で受け付けたリクエストとに基づいて応答情報を生成する。なお、上述のように、既存品種グラフは、既存品種の性質及び既存品種の育種過程の関係を学習した学習済みモデルである。そして、交配候補は既存品種グラフを用いたリンク予測により決定される。よって、Ｓ２０５では、既存品種の性質及び既存品種の育種過程の関係を学習した学習済みモデルと、Ｓ２０１で受け付けたリクエストとに基づいて応答情報を生成しているといえる。

　例えば、生成部２０６は、Ｓ２０３で決定された交配候補のうち、Ｓ２０４の評価結果が所定順位までの交配候補を示す応答情報を生成してもよい。また、例えば、生成部２０６は、Ｓ２０３で決定された交配候補のうち、Ｓ２０１で受け付けたリクエストに適合する交配候補を示す応答情報を生成してもよい。この他にも、例えば、生成部２０６は、Ｓ２０３で決定された交配候補とＳ２０４の評価結果とを示す応答情報を生成してもよい。

　Ｓ２０６では、根拠生成部２０７が、Ｓ２０５で生成された応答情報の妥当性を示す根拠情報を生成する。例えば、根拠生成部２０７は、既存品種グラフを参照して、交配候補の育種に関する情報と交配候補の形質に関する情報との少なくとも何れかを特定し、特定したそれらの情報を示す根拠情報を生成してもよい。

　Ｓ２０７では、出力部２０８が、Ｓ２０６で生成された応答情報を出力する。また、この際に、出力部２０８は、Ｓ２０６で生成された根拠情報についても出力してもよい。これにより、図６の処理は終了する。

　（応答情報の例）
　Ｓ２０７では、例えば図７に示すような応答情報を出力してもよい。図７は、応答情報の例を示す図である。図７に示す応答情報は、「交配候補」、「親」、「交配回数」、「形質」、「親世代の良好な形質の維持」、及び「推奨度」の計６つの項目を含む。

　「交配候補」は、リンク予測部２０４が予測したものである。図７の例では品種Ａ～Ｃが交配候補に含まれている。「親」は、交配候補の親品種を示す。「交配回数」は、交配候補の作出に要した交配回数を示す。「形質」は、交配候補の形質を示す。「親世代の良好な形質の維持」は、交配候補が親世代の有していた良好な形質を維持しているか否かを示す（○：維持、×：維持できず）。「推奨度」は、交配候補に対する評価部２０５の評価結果を示す。

　これらの項目のうち、「親」、「交配回数」、「形質」、「親世代の良好な形質の維持」は、既存品種グラフから特定することができる。根拠生成部２０７は、このような情報を根拠情報として生成してもよい。

　「推奨度」は、既存品種グラフから特定される各種情報に基づいて評価部２０５が算出すればよい。例えば、評価部２０５は、リクエストに対する適合度合いを基準に評価する場合、リクエストされた形質を示すノードを含む既存品種グラフに対応する交配候補の推奨度が、その形質を示すノードを含まない既存品種グラフに対応する交配候補の推奨度よりも高くなるように推奨度を算出してもよい。また、評価部２０５は、既存品種グラフに示される交配候補やその親の形質や交配回数等についても考慮して推奨度を算出してもよい。

　図７の例では、品種Ａ～Ｃの推奨度がそれぞれ１５、５、０となっている。例えば、交配回数が閾値以下であれば推奨度+５、リクエストされた形質を１つ有していれば推奨度+５、親世代の良好な形質を維持していれば推奨度+５のようなルールを予め決めておけば、評価部２０５は、そのルールに従って各交配候補の推奨度を算出することができる。

　〔例示的実施形態３〕
　（概要）
　図８は、本例示的実施形態に係る品種改良支援方法の概要を示す図である。本例示的実施形態では、育種する新品種に関する複数のノードを含む新品種グラフと、複数の既存品種のそれぞれについて生成された複数の既存品種グラフとを用いて品種改良を支援する例を説明する。

　本例示的実施形態に係る品種改良支援方法では、育種に関するリクエストとして、作出したい新品種を特定するための情報を受け付ける。例えば、作出したい新品種の親、すなわちベース品種とこれと交配する交配品種とをリクエストとして受け付けてもよい。

　次に、本例示的実施形態に係る品種改良支援方法では、上記リクエストに基づいて、新品種グラフを生成する。図８の例では、「新品種」のノードに対し、「親」というリンクで「交配品種」と「ベース品種」のノードが接続されたグラフが新品種グラフである。

　そして、本例示的実施形態に係る品種改良支援方法では、上記のようにして生成した新品種グラフと、複数の既存品種について生成された既存品種グラフとを用いたリンク予測により、新品種と所定の関係性を有する既存品種を特定する。使用する既存品種グラフは、複数の既存品種を対象として生成されたものであり、複数の既存品種間の上記所定の関係性について学習済みのものである。

　図８の例では、既存品種Ａ～Ｄの類否を学習した既存品種グラフを用いたリンク予測により、新品種と類似する既存品種（以下、類似品種とも呼ぶ）を予測している。なお、この例では、類似していない品種を「類似」のリンクで結ばない（非類似は負例とする）ようにして学習しているが、「非類似」のリンクを学習するようにしてもよい。また、既存品種Ａ～Ｄはその親や形質等を示すノード及びリンクを含んでいるが、図８では図示を省略している。

　新品種の類似品種がどのような品種であるかは、新品種を開発するための交配候補となる既存品種に関し、新品種を開発するために有用な情報である。よって、上記のようにして特定した既存品種を示す応答情報を生成し、出力することにより、新品種の育種を好適に支援することができる。

　また、上記のようにして特定した類似品種について評価を行い、その評価結果に応じて交配候補を決定することもできる。例えば、作出したい新品種の形質が「耐病性」である旨のリクエストを受け付けたとする。この場合、特定された類似品種が「耐病性」の形質を有していれば、新品種グラフに含まれる交配品種を新品種を開発するための交配候補としてレコメンドする応答情報を生成してもよい。一方、特定された類似品種が「耐病性」の形質を有していなければ、新品種グラフに含まれる交配品種は新品種を開発するための交配候補としては不適である旨の応答情報を生成してもよい。この場合、ユーザは、異なる交配品種を指定したリクエストを行えばよい。

　（装置構成）
　本発明の第３の例示的実施形態に係る品種改良支援装置３の構成を図９に基づいて説明する。図９は、本例示的実施形態に係る品種改良支援装置３の構成を示すブロック図である。

　図示のように、品種改良支援装置３は、受付部３０１、グラフ生成部３０２、リンク予測部３０３、評価部３０４、生成部３０５、根拠生成部３０６、および出力部３０７を備えている。また、例示的実施形態２の品種改良支援装置２と同様に、品種改良支援装置３は、これらの構成要素に加えて、学習部、入力装置、出力装置、通信装置等を備えていてもよい。

　受付部３０１は、育種に関するリクエストを受け付ける。このリクエストは、作出したい新品種を特定するための情報を含む。具体的には、上記リクエストは、新品種のベースとするベース品種と、ベース品種と交配させる交配品種を示す情報が含まれている。また、上記リクエストには、作出したい新品種に求められる形質を示す情報や、交配回数の上限値等の育種に関するユーザの要望が含まれていてもよい。

　グラフ生成部３０２は、上記リクエストに基づいて新品種グラフを生成する。例えば、グラフ生成部３０２は、新品種を示すノードに対し、ベース品種を示すノードと交配品種を示すノードが新品種の親であることを示すリンクで接続された新品種グラフ（図８参照）を生成してもよい。なお、新品種グラフには、ベース品種や交配品種の親や形質等を示すノード及びリンクが含まれていてもよい。

　リンク予測部３０３は、育種する新品種に関する複数のノードを含む新品種グラフと、複数の既存品種について生成された既存品種グラフとを用いたリンク予測により、新品種と所定の関係性を有する既存品種を特定する。所定の関係性は、図８の例のように類似という関係性であってもよいし、その他の関係性であってもよい。例えば、リンク予測部３０３は、新品種と非類似の既存品種を特定してもよいし、新品種と同じ分類に属する既存品種や、新品種と形質に共通性がある既存品種等を特定することも可能である。

　評価部３０４は、リンク予測部３０３が特定した既存品種、すなわち新品種と所定の関係性を有する既存品種の既存品種グラフに含まれているノードに基づいて、新品種グラフに含まれる交配品種のベース品種との交配相手としての適合性を評価する。例えば、リンク予測部３０３が類似品種を特定した場合、評価部３０４は、類似品種の既存品種グラフにリクエストされた形質を示すノードが含まれていれば適合性あり、含まれていなければ適合性なしと評価してもよい。

　生成部３０５は、既存品種の性質及び既存品種の育種過程の関係を学習した学習済みモデルと、受付部３０１が受け付けるリクエストとに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する。より詳細には、生成部３０５は、リンク予測部３０３が特定した既存品種に関する応答情報を生成する。上述のように、リンク予測部３０３は学習済みモデルである既存品種グラフを用いてリンク予測を行うので、生成部３０５は、リンク予測部３０３によるリンク予測の結果に基づいて応答情報を生成することにより、学習済みモデルに基づいた応答情報を生成することになる。

　また、生成部３０５は、評価部３０４の評価結果に基づいて交配品種の適否を判定し、その判定結果に応じた応答情報を生成してもよい。例えば、作出したい新品種の形質がリクエストされ、リンク予測部３０３が新品種の類似品種を特定したとする。この場合、評価部３０４は、特定された類似品種をリクエストされた形質を有しているか否かで評価してもよい。そして、生成部３０５は、評価部３０４がリクエストされた形質を有していると評価した場合に、新品種グラフに含まれる交配品種を、新品種を開発するための交配候補としてレコメンドする応答情報を生成してもよい。一方、評価部３０４がリクエストされた形質を有していないと評価した場合に、新品種グラフに含まれる交配品種は新品種を開発するための交配候補としては不適である旨の応答情報を生成してもよい。

　根拠生成部３０６は、生成部３０５の生成する応答情報の妥当性を示す根拠情報を生成する。具体的には、根拠生成部３０６は、交配候補となる既存品種の育種に関する情報と交配候補となる既存品種の形質に関する情報との少なくとも何れかを含む根拠情報を生成する。例えば、根拠生成部３０６は、リンク予測部３０３が特定した既存品種の既存品種グラフに含まれるノード及びリンクに基づいて特定した、当該既存品種の親、交配回数、又は形質等を示す根拠情報を生成してもよい。また、根拠生成部３０６は、新品種グラフと既存品種グラフとを解析することにより、リンク予測部３０３によるリンク予測の結果についての根拠情報を生成してもよい。

　出力部３０７は、生成部３０５が生成する応答情報等を出力する。例示的実施形態２の出力部２０８と同様、情報の出力先は特に限定されない。

　以上のように、品種改良支援装置３は、育種する新品種に関する複数のノードを含む新品種グラフと、複数の既存品種について生成された既存品種グラフとを用いたリンク予測により、新品種と所定の関係性を有する既存品種を特定するリンク予測部３０３を備える。そして、生成部３０５は、リンク予測部３０３が特定した既存品種に関する応答情報を生成する。育種したい新品種と所定の関係性を有する既存品種に関する情報は新品種の育種において有用であるから、この構成によれば、新品種の育種に有用な情報を提供することができる。

　（処理の流れ）
　品種改良支援装置３が実行する処理（品種改良支援方法）の流れを図１０に基づいて説明する。図１０は、品種改良支援装置３が実行する処理の流れを示すフロー図である。

　Ｓ３０１では、受付部３０１が、育種に関するリクエストを受け付ける。Ｓ３０１では、例えば、作出したい新品種に求められる形質、新品種のベースとするベース品種、及びベース品種と交配させる交配品種等を示すリクエストが受け付けられる。続いて、Ｓ３０２では、グラフ生成部３０２が、Ｓ３０１で入力された情報に基づいて新品種グラフを生成する。

　Ｓ３０３では、リンク予測部３０３が、Ｓ３０２で生成された新品種グラフと既存品種グラフとを用いたリンク予測により、新品種と類似した既存品種である類似品種を予測する。また、Ｓ３０３の処理に付随して、根拠生成部３０６は、新品種グラフと既存品種グラフとを解析することにより、リンク予測部３０３の予測結果の根拠を示す根拠情報を生成してもよい。

　Ｓ３０４では、評価部３０４が、Ｓ３０３で予測された類似品種の既存品種グラフに含まれているノードに基づいて、新品種グラフに含まれる交配品種のベース品種との交配相手としての適合性を評価する。例えば、評価部３０４は、類似品種の既存品種グラフにリクエストされた形質を示すノードが含まれていれば適合性あり、含まれていなければ適合性なしと評価してもよい。

　Ｓ３０５では、生成部３０５が、Ｓ３０３で予測された類似品種に基づいて交配候補を決定し、続くＳ３０６では、生成部３０５は、Ｓ３０５で決定した交配候補を示す応答情報を生成する。なお、上述のように、新品種グラフはリクエストに基づいて生成され、既存品種グラフは学習済みモデルであり、類似品種は既存品種グラフを用いたリンク予測により特定される。よって、Ｓ３０６では、学習済みモデルとリクエストとに基づいて応答情報を生成しているといえる。

　例えば、生成部３０５は、Ｓ３０４で適合性ありと評価された場合に、Ｓ３０５で新品種グラフに含まれる交配品種を新品種を開発するための交配候補として決定し、Ｓ３０６でこの交配候補を示す応答情報を生成してもよい。一方、生成部３０５は、Ｓ３０４で適合性なしと評価された場合には、Ｓ３０５では交配候補を決定せず、Ｓ３０６では新品種グラフに含まれる交配品種は新品種を開発するための交配候補としては不適である旨の応答情報を生成してもよい。

　なお、Ｓ３０５の処理は省略してもよい。この場合、生成部３０５は、Ｓ３０３で予測された類似品種と、Ｓ３０４の評価結果とを示す応答情報を生成してもよい。

　Ｓ３０７では、根拠生成部３０５が、Ｓ３０６で生成された応答情報の妥当性を示す根拠情報を生成する。例えば、根拠生成部３０６は、Ｓ３０３で予測された類似品種の親、交配回数、又は形質等を示す根拠情報を生成してもよい。

　Ｓ３０８では、出力部３０７が、Ｓ３０６で生成された応答情報を出力する。また、この際に、出力部３０７は、Ｓ３０７で生成された根拠情報についても出力してもよい。これにより、図１０の処理は終了する。

　（ベース品種の類似品種の特定）
　リンク予測部３０３は、新品種の類似品種を特定する代わりに、ベース品種の類似品種を特定してもよい。これについて図１１に基づいて説明する。図１１は、ベース品種の類似品種を特定する処理を含む品種改良支援方法の概要を示す図である。

　図１１の例では、ベース品種グラフと、既存品種Ａ～Ｄの既存品種グラフとを用いて、ベース品種と類似する既存品種（以下、ベース品種の類似品種と呼ぶ）をリンク予測している。なお、ベース品種グラフは例示的実施形態２で説明したものと同様であり、既存品種グラフは図８の例と同様である。

　既存品種グラフには、ベース品種の類似品種がどのような交配で作出されたか、ベース品種の類似品種とどのような品種が交配されているか、またその交配によりどのような品種が作出されたか、等が示されている。よって、ベース品種の類似品種に関する情報を含む応答情報を生成し、これを出力することにより、育種を好適に支援することができる。例えば、ベース品種の類似品種を示す情報や、ベース品種の類似品種と交配された品種、ベース品種の類似品種を親とする品種、あるいはベース品種の類似品種を親とする品種の形質等を示す応答情報を生成してもよい。

　なお、ベース品種と類似以外の関係性を有する既存品種を特定してもよい。例えば、ベース品種と非類似の既存品種を特定してもよいし、ベース品種と同じ分類に属する既存品種や、ベース品種と形質に共通性がある既存品種等を特定することも可能である。

　また、上記のようにして特定したベース品種の類似品種について評価を行い、その評価結果に応じて交配候補を決定することもできる。例えば、作出したい新品種の形質が「耐病性」である旨のリクエストを受け付けたとする。この場合、ベース品種の類似品種とある既存品種とを交配させて得られた子品種が「耐病性」の形質を有していれば、その既存品種を新品種を開発するための交配候補としてレコメンドする応答情報を生成してもよい。

　（処理の流れ）
　ベース品種の類似品種を特定する場合の品種改良支援装置３の処理（品種改良支援方法）の流れを図１２に基づいて説明する。図１２は、ベース品種の類似品種を特定する場合に品種改良支援装置３が実行する処理の流れを示すフロー図である。

　Ｓ３０１Ａでは、受付部３０１が、育種に関するリクエストを受け付ける。Ｓ３０１Ａでは、例えば、作出したい新品種に求められる形質及び新品種のベースとするベース品種等を示すリクエストが受け付けられる。続いて、Ｓ３０２Ａでは、グラフ生成部３０２が、Ｓ３０１Ａで入力された情報に基づいてベース品種グラフを生成する。

　Ｓ３０３Ａでは、リンク予測部３０３が、Ｓ３０２Ａで生成されたベース品種グラフと既存品種グラフとを用いたリンク予測により、ベース品種の類似品種を予測する。リンク予測部３０３は、ベース品種の類似品種を複数予測してもよい。また、Ｓ３０３Ａの処理に付随して、根拠生成部３０６は、ベース品種グラフと既存品種グラフとを解析することにより、リンク予測部３０３の予測結果の根拠を示す根拠情報を生成してもよい。

　Ｓ３０４Ａでは、評価部３０４が、Ｓ３０３Ａで予測されたベース品種の類似品種の既存品種グラフに基づいて当該類似品種を評価する。例えば、評価部３０４は、類似品種の子世代の品種がリクエストに適合する程度に基づいて評価してもよい。例えば、評価部３０４は、子世代の品種がリクエストされた形質を有している場合に、有していない場合よりも高評価としてもよい。なお、Ｓ３０３Ａで複数の類似品種が予測された場合、評価部３０４は決定された類似品種のそれぞれについて評価を行う。なお、評価部３０４は、類似品種の子世代よりもさらに下の世代（孫世代以降）についても考慮して評価を行ってもよい。

　Ｓ３０５Ａでは、生成部３０５が、Ｓ３０３Ａで予測されたベース品種の類似品種に基づいて交配候補を決定し、続くＳ３０６Ａでは、生成部３０５は、Ｓ３０５Ａで決定した交配候補を示す応答情報を生成する。なお、上述のように、ベース品種グラフはリクエストに基づいて生成され、既存品種グラフは学習済みモデルであり、類似品種は既存品種グラフを用いたリンク予測により特定される。よって、Ｓ３０６Ａでは、学習済みモデルとリクエストとに基づいて応答情報を生成しているといえる。

　例えば、生成部３０５は、Ｓ３０３Ａで予測された類似品種のうち、Ｓ３０４Ａの評価結果が所定順位までの類似品種を示す応答情報を生成してもよい。また、例えば、生成部３０５は、Ｓ３０３Ａで予測された類似品種のうち、その子世代にＳ３０１Ａで受け付けたリクエストに適合する形質が現れているものを示す応答情報を生成してもよい。また、生成部３０５は、ベース品種の類似品種と共に、あるいはベース品種の類似品種の代わりに、ベース品種の類似品種と交配された品種であって、その子世代にリクエストに適合する形質が現れているものを示す応答情報を生成してもよい。

　Ｓ３０７Ａでは、根拠生成部３０６が、Ｓ３０６Ａで生成された応答情報の妥当性を示す根拠情報を生成する。例えば、根拠生成部３０６は、既存品種グラフを参照して、Ｓ３０５で決定された交配候補の育種に関する情報と交配候補の形質に関する情報との少なくとも何れかを特定し、特定したそれらの情報を示す根拠情報を生成してもよい。

　Ｓ３０８Ａでは、出力部３０７が、Ｓ３０６Ａで生成された応答情報を出力する。また、この際に、出力部３０７は、Ｓ３０７Ａで生成された根拠情報についても出力してもよい。これにより、図１２の処理は終了する。

　以上のように、リンク予測部３０３は、ベース品種グラフと既存品種グラフとを用いたリンク予測により、ベース品種と所定の関係性を有する既存品種を特定してもよい。そして、生成部３０５は、リンク予測部３０３が特定した既存品種に関する応答情報を生成してもよい。新品種の交配親の一方であるベース品種と所定の関係性を有する既存品種に関する情報は新品種の育種において有用であるから、上記の構成によれば、ベース品種を用いた育種に有用な情報を提供することができる。

　〔例示的実施形態４〕
　（概要）
　図１３は、本例示的実施形態に係る品種改良支援方法の概要を示す図である。本例示的実施形態では、育種する新品種に関する複数のノードを含む新品種グラフを更新しながら、リクエストに適合する新品種の交配候補を探索する例を説明する。

　本例示的実施形態においては、例示的実施形態３と同様に、新品種グラフと既存品種グラフとを用いてリンク予測を行う。図１３の上段左端に示す新品種グラフには、新品種の親が「品種ｘ」と「ベース品種」であることを示すノード及びリンクが含まれている。

　また、図１３に示す既存品種Ａ～Ｃの既存品種グラフには、既存品種Ａが「耐病性」という形質を有し、既存品種Ｂが「低温耐性」という形質を有し、既存品種Ｃが「食味良好」及び「多収」という形質を有することを示すノード及びリンクが含まれている。なお、他のノード及びリンクは図示を省略している。

　上記のような各種の既存品種についての既存品種グラフを学習することにより、どのような品種がどのような形質を有しそうか、をリンク予測することが可能になる。つまり、本例示的実施形態に係る品種改良支援方法では、仮の新品種グラフを生成し、その新品種グラフに示される新品種がリクエストされた形質を有する確率をリンク予測する。

　例えば、図１３の例では、上段左端に示す新品種グラフの「新品種」のノードに「形質」のリンクで「耐病性」のノードが繋がる確率が３０％と予測されている。この確率は十分に高いとはいえない。

　そこで、同図の下段左端に示すように、新品種グラフの「新品種」のノードに「親」のリンクで繋がるノードを「品種ｘ」から「品種ｙ」に変更し、再度リンク予測を行う。これにより、「新品種」のノードに「形質」のリンクで「耐病性」のノードが繋がる確率の予測結果が８０％に変化している。

　本例示的実施形態に係る品種改良支援方法によれば、以上の処理の結果から、新品種に耐病性という形質を持たせるための交配候補として「品種ｙ」をレコメンドすることができる。

　（装置構成）
　本発明の第４の例示的実施形態に係る品種改良支援装置４の構成を図１４に基づいて説明する。図１４は、本例示的実施形態に係る品種改良支援装置４の構成を示すブロック図である。

　図示のように、品種改良支援装置４は、受付部４０１、グラフ生成部４０２、リンク予測部４０３、グラフ更新部４０４、生成部４０５、根拠生成部４０６、および出力部４０７を備えている。また、例示的実施形態２の品種改良支援装置２と同様に、品種改良支援装置４は、これらの構成要素に加えて、学習部、入力装置、出力装置、通信装置等を備えていてもよい。

　受付部４０１は、育種に関するリクエストを受け付ける。このリクエストは、作出したい新品種を特定するための情報を含む。例えば、上記リクエストは、新品種のベースとするベース品種と、ベース品種と交配させる交配品種を示す情報を含んでいてもよい。また、上記リクエストは、作出したい新品種に求められる形質を示す情報や、交配回数の上限値等の育種に関するユーザの要望を示す情報を含んでいてもよい。

　グラフ生成部４０２は、上記リクエストに基づいて新品種グラフを生成する。例えば、グラフ生成部４０２は、新品種を示すノードに対し、ベース品種と交配品種を示すノードがそれぞれ新品種の親であることを示すリンクで接続された新品種グラフ（図１３参照）を生成してもよい。また、新品種グラフには、ベース品種や交配品種の親や形質等を示すノード及びリンクが含まれていてもよい。

　リンク予測部４０３は、グラフ生成部４０２が生成する新品種グラフと、学習済みの既存品種グラフとを用いたリンク予測により、新品種グラフに含まれるノードに所定の形質を示すノードがリンクする確率を算出する。所定の形質はリクエストに基づいて特定される。例えば、作出したい新品種に求められる形質がリクエストされた場合、リンク予測部４０３は、その形質を示すノードが新品種グラフに含まれるノード（例えば図１３の例では「新品種」のノード）にリンクする確率を算出する。

　グラフ更新部４０４は、新品種グラフを更新する。具体的には、グラフ更新部４０４は、新品種グラフに含まれる、新品種の親を示すノードを他の品種のノードと入れ替える処理を行う。

　新品種グラフの更新は、ユーザの入力に従って行ってもよいし、自動で行ってもよい。前者の場合、グラフ更新部４０４は、既存品種グラフから抽出した既存品種のリストを出力部４０７に出力させて、その中から新たな交配候補をユーザに選択させてもよい。また、後者の場合、既存品種グラフから抽出した既存品種の中から新たな交配候補をグラフ更新部４０４が選択すればよい。新たな交配候補は、その子世代にリクエストされた形質を有する個体が存在する既存品種から選択してもよい。

　生成部４０５は、既存品種の性質及び既存品種の育種過程の関係を学習した学習済みモデルと、受付部４０１が受け付けるリクエストとに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する。より詳細には、生成部４０５は、リンク予測部４０３が算出した確率に基づいて応答情報を生成する。なお、応答情報の生成の具体例は図１５に基づいて後述する。

　上述のように、リンク予測部４０３は学習済みモデルである既存品種グラフと、リクエストに基づいて生成される新品種グラフとを用いてリンク予測を行う。このため、生成部４０５は、リンク予測部４０３によるリンク予測の結果に基づいて応答情報を生成することにより、学習済みモデルと上記リクエストとに基づいた応答情報を生成することになる。

　根拠生成部４０６は、生成部４０５の生成する応答情報の妥当性を示す根拠情報を生成する。具体的には、根拠生成部４０６は、交配候補となる既存品種の育種に関する情報と交配候補となる既存品種の形質に関する情報との少なくとも何れかを含む根拠情報を生成する。また、根拠生成部４０６は、新品種グラフと既存品種グラフとを解析することにより、リンク予測部４０３によるリンク予測の結果についての根拠情報を生成してもよい。

　出力部４０７は、生成部４０５が生成する応答情報等を出力する。例示的実施形態２の出力部２０８と同様、情報の出力先は特に限定されない。

　以上のように、品種改良支援装置４は、新品種グラフと既存品種グラフとを用いたリンク予測により、新品種グラフに含まれるノードに所定の形質を示すノードがリンクする確率を算出するリンク予測部４０３を備える。そして、生成部４０５は、リンク予測部４０３が算出した確率に基づいて応答情報を生成する。新品種グラフに所定の形質を示すノードがリンクする確率は、新品種が所定の形質を有する可能性を示すものであり、この確率に基づいて生成された応答情報は新品種の育種において有用である。よって、上記の構成によれば、所望の形質を有する新品種の育種に有用な情報を提供することができる。

　（処理の流れ）
　品種改良支援装置４が実行する処理（品種改良支援方法）の流れを図１５に基づいて説明する。図１５は、品種改良支援装置４が実行する処理の流れを示すフロー図である。

　Ｓ４０１では、受付部４０１が、育種に関するリクエストを受け付ける。Ｓ４０１では、例えば、新品種のベースとするベース品種、ベース品種と交配させる交配品種、及び作出したい新品種に求められる形質、等を示すリクエストが受け付けられる。

　Ｓ４０２では、グラフ生成部４０２が、Ｓ４０１で入力された情報に基づいて新品種グラフを生成する。例えば、Ｓ４０１において、ベース品種と交配品種の入力を受け付けた場合、グラフ生成部４０２は、それらの品種が新品種の親であることを示すノード及びリンクを含む新品種グラフを生成すればよい。

　Ｓ４０３では、リンク予測部４０３が、Ｓ４０２で生成された新品種グラフに含まれるノードに、Ｓ４０１で受け付けたリクエストに適合する形質を示すノードがリンクする確率を算出する。上述のように、この確率の算出は、学習済みの既存品種グラフと上記の新品種グラフとを用いたリンク予測により行われる。Ｓ４０３の処理に付随して、根拠生成部４０６は、新品種グラフと既存品種グラフとを解析することにより、リンク予測部４０３の算出結果の根拠を示す根拠情報を生成してもよい。

　Ｓ４０４では、グラフ更新部４０４が、Ｓ４０３で算出された確率が閾値以上であるか否かを判定する。ここで閾値以上であると判定された場合（Ｓ４０４でＹＥＳ）にはＳ４０６に進み、閾値未満であると判定された場合（Ｓ４０４でＮＯ）にはＳ４０５に進む。

　なお、Ｓ４０１で受け付けたリクエストに複数の形質が示されていた場合には、Ｓ４０３では各形質について予測を行い、Ｓ４０４では全ての形質についての確率が閾値以上であればＹＥＳ、１つでも閾値未満の形質があればＮＯと判定すればよい。これにより、要求された形質をすべて有する新品種を作出し得る交配品種を推定することができる。

　Ｓ４０５では、グラフ更新部４０４は、新品種グラフを更新する。具体的には、グラフ更新部４０４は、現行の新品種グラフに含まれる交配品種のノードを別の品種のノードに入れ替える。なお、グラフ更新部４０４は、ベース品種を変更してもよい。また、更新内容をユーザの入力に従って決定してもよいし、グラフ更新部４０４が決定してもよいことは上述したとおりである。

　新品種グラフが更新されると、処理はＳ４０３に戻り、再度確率の算出が行われる。つまり、図１５の処理では、Ｓ４０４でＹＥＳと判定されるまで、Ｓ４０３における確率の算出と、Ｓ４０５の新品種グラフの更新とが繰り返し行われる。

　Ｓ４０６では、生成部４０５が、Ｓ４０１で受け付けたリクエストに適合する新品種を作出するための交配親を推定し、推定した交配親を示す応答情報を生成する。具体的には、生成部４０５は、Ｓ４０４でＹＥＳと判定されたときの新品種グラフに示される交配親を、リクエストに適合する新品種を作出するための交配親であると推定し、その交配親を示す応答情報を生成する。なお、推定する交配親は一方（ベース品種ではない方）のみであってもよいし、両方であってもよい。

　Ｓ４０７では、根拠生成部４０６が、Ｓ４０６で生成された応答情報の妥当性を示す根拠情報を生成する。具体的には、根拠生成部４０６は、交配候補となる既存品種の育種に関する情報と交配候補となる既存品種の形質に関する情報との少なくとも何れかを含む根拠情報を生成する。

　Ｓ４０８では、出力部４０７が、Ｓ４０６で生成された応答情報を出力する。また、この際に、出力部４０７は、Ｓ４０７で生成された根拠情報についても出力してもよい。これにより、図１５の処理は終了する。

　なお、本例示的実施形態に係る品種改良支援方法は、複数世代にわたる育種にも利用できる。この場合、上述のようにして交配候補を決定した後、それらの品種の交配で作出される子を示すノードを含むように新品種グラフを更新し、その子の交配候補を決定すればよい。このような処理を、所望の形質を有する新品種が検出されるまで繰り返すことにより、一回の交配では作出することが難しい新品種についても、作出の支援を行うことが可能になる。

　〔例示的実施形態５〕
　（概要）
　図１６は、本例示的実施形態に係る品種改良支援方法の概要を示す図である。本例示的実施形態では、既存品種の交配親を示す交配親ノードを少なくとも含む既存品種グラフを用いて既存品種の交配親としての適合性を評価し、その評価結果に基づいて応答情報を生成する例を説明する。

　図１６に示す品種Ａの既存品種グラフには、品種Ａの親が品種ａ１及びａ２であり、品種ａ１の親が品種ａ１１及びａ１２であり、品種ａ２の親が品種ａ２１及びａ２２であることが示されている。このような既存品種の交配親を示すノードが、上述した交配親ノードである。

　本例示的実施形態に係る品種改良支援方法では、このような交配親ノードに基づいて、既存品種の交配親としての適合性を評価する。例えば、図１６に示す既存品種Ａを、ベース品種と交配させる交配親としての適合性を評価する場合、既存品種Ａの交配親ノード（品種ａ１、ａ２、ａ１１、ａ１２、ａ２１、及びａ２２）に基づいて評価を行う。

　具体的には、図１６では図示を省略しているが、各交配親ノードには、その品種の形質等を示すノード及びリンクが含まれているから、それらのノード及びリンクに基づいて既存品種Ａを評価すればよい。

　上記評価の基準は予め定めておけばよい。例えば、育種に関するユーザのリクエストへの適合性を基準として評価を行ってもよい。例えば、作出したい新品種に求められる形質がリクエストされたとする。この場合、その形質を示すノードが交配親ノードにリンクしていれば、子世代にもその形質が引き継がれる可能性があるといえる。よって、リクエストされた形質を示すノードが交配親ノードにリンクしている既存品種については、交配親ノードにそのようなリンクのない既存品種よりも高評価としてもよい。

　また、親世代の良好な形質を引き継いでいることを示すノードが交配親ノードにリンクしていれば、子世代にも親世代の良好な形質が引き継がれる可能性があるといえる。よって、親世代の良好な形質を引き継いでいることを示すノードが交配親ノードにリンクしている既存品種については、交配親ノードにそのようなリンクのない既存品種よりも高評価としてもよい。

　以上のようにして各既存品種の評価を行うことにより、評価が高い既存品種すなわち新品種の交配親とするべき既存品種を推定することができ、この推定結果を示す応答情報を生成し、出力することができる。このように、本例示的実施形態に係る品種改良支援方法によれば、既存品種の交配親に関する情報を考慮して、新品種の育種に有用な応答情報を生成することができる。

　特に、本例示的実施形態に係る品種改良支援方法では、既存品種グラフを用いることにより、交配候補となる既存品種の親だけでなく、その親、さらにその親、というように交配系統を多段に辿り、それらを考慮して交配候補を評価することができる。これにより、各既存品種について妥当な評価を行い、その妥当な評価結果に基づく妥当な応答情報を生成し、出力することが可能になっている。

　なお、図１６には、ベース品種と交配させる既存品種の評価を行う例を示しているが、同様にしてベース品種とする既存品種の評価を行うこともできる。これにより、ベース品種として好適な既存品種についても特定することができる。

　（装置構成）
　本発明の第５の例示的実施形態に係る品種改良支援装置５の構成を図１７に基づいて説明する。図１７は、本例示的実施形態に係る品種改良支援装置５の構成を示すブロック図である。

　図示のように、品種改良支援装置５は、受付部５０１、評価部５０２、生成部５０３、及び出力部５０４を備えている。また、例示的実施形態２の品種改良支援装置２と同様に、品種改良支援装置５は、これらの構成要素に加えて、学習部２０３、根拠生成部２０７、入力装置、出力装置、通信装置等を備えていてもよい。

　受付部５０１は、育種に関するリクエストを受け付ける。このリクエストは、作出したい新品種に求められる形質等の育種に関するユーザの要望を含むものであってもよい。また、このリクエストは、ベース品種を示す情報を含むものであってもよい。

　評価部５０２は、新品種の作出に用いる交配候補となる既存品種のそれぞれについて、当該既存品種の交配親ノードに基づいて、当該既存品種の交配親としての適合性を評価する。図１６に基づいて説明したように、評価方法としては様々なものを適用することができ、リクエストを考慮して評価を行ってもよいし、リクエストを考慮せずに評価を行ってもよい。

　また、評価部５０２は、交配親ノード以外の要素（例えばベース品種に関する各種情報）についても考慮して上記評価を行ってもよい。例えば、評価部５０２は、ベース品種にはない形質を有する交配親を有する既存品種については、そのような形質を有する交配親を有さない既存品種よりも高評価としてもよい。なお、評価部５０２は、複数の基準に基づいて評価を行い、各基準に基づく評価結果を総合して最終的な評価結果としてもよい。

　生成部５０３は、評価部５０２の評価結果に基づいて応答情報を生成する。例えば、生成部５０３は、評価部５０２が評価した既存品種と、その既存品種の評価結果とを示す応答情報を生成してもよい。また、例えば、生成部５０３は、評価部５０２の評価結果が上位の所定数の既存品種を新品種の交配親とするべき既存品種であると推定し、その推定結果を示す応答情報を生成してもよい。

　なお、評価部５０２がリクエストを考慮せずに評価を行う場合には、生成部５０３がリクエストを考慮して応答情報を生成する。例えば、生成部５０３は、評価部５０２の評価結果が上位の既存品種のうち、リクエストへの適合性が高い既存品種を新品種の交配親とするべき既存品種であると推定してもよい。そして、生成部５０３は、その推定結果を示す応答情報を生成してもよい。なお、リクエストへの適合性は、その既存品種に直接的又は間接的にリンクされるノードに基づいて判定すればよい。

　出力部５０４は、生成部５０３が生成する応答情報等を出力する。例示的実施形態２の出力部２０８と同様、情報の出力先は特に限定されない。

　以上のように、品種改良支援装置５は、既存品種の性質及び既存品種の育種過程の関係を学習した学習済みモデルとして、既存品種の交配親を示す交配親ノードを少なくとも含む既存品種グラフを用いる。そして、品種改良支援装置５は、少なくとも交配親ノードに基づいて、既存品種の交配親としての適合性を評価する評価部５０２を備え、生成部５０３は、評価部５０２の評価結果に基づいて応答情報を生成する。これにより、既存品種の交配親に関する情報を考慮して、新品種の育種に有用な応答情報を生成することができる。

　（処理の流れ）
　品種改良支援装置５が実行する処理（品種改良支援方法）の流れを図１８に基づいて説明する。図１８は、品種改良支援装置５が実行する処理の流れを示すフロー図である。

　Ｓ５０１では、受付部５０１が、育種に関するリクエストを受け付ける。Ｓ５０１では、例えば、作出したい新品種に求められる形質等の育種に関するユーザの要望を含むリクエストが受け付けられる。

　Ｓ５０２では、評価部５０２が、交配候補を評価する。より詳細には、評価部５０２は、新品種の作出に用いる交配候補となる既存品種のそれぞれについて、当該既存品種の交配親ノードに基づいて、当該既存品種の交配親としての適合性を評価する。

　Ｓ５０３では、生成部５０３が、Ｓ５０２の評価結果に基づいて応答情報を生成する。例えば、生成部５０３は、Ｓ５０２の評価結果が上位の所定数の既存品種を新品種の交配親とするべき既存品種であると推定し、その推定結果を示す応答情報を生成してもよい。

　なお、品種改良支援装置５が根拠生成部２０７を備えている場合、根拠生成部２０７により、Ｓ５０３で生成された応答情報の妥当性を示す根拠情報が生成される。この場合、根拠生成部２０７は、交配候補となる既存品種の育種に関する情報と交配候補となる既存品種の形質に関する情報との少なくとも何れかを含む根拠情報を生成する。

　Ｓ５０４では、出力部５０４が、Ｓ５０３で生成された応答情報を出力する。また、上記のように根拠情報が生成されている場合、出力部５０４は根拠情報についても出力してもよい。これにより、図１８の処理は終了する。

　〔変形例〕
　例示的実施形態４で説明したように、新品種グラフと既存品種グラフを用いれば、リンク予測により、新品種が有する形質を予測することができる。また、新品種の形質予測は、リンク予測以外の方法で行うこともできる。これについて図１９に基づいて説明する。図１９は、新品種グラフと既存品種グラフから算出した特徴量に基づいて新品種の形質を予測する例を説明する図である。図１９には、既存品種Ａ～Ｃの既存品種グラフと、新品種の新品種グラフを示している。なお、これらのグラフに含まれるノード及びリンクのうち、新品種の親がベース品種と交配品種であることを示すもの以外は図示を省略している。

　ここで、既存品種グラフに含まれる各ノードの特徴量をそのノードに繋がるリンクに応じた重みを乗じて加算していくことにより、既存品種ごとの特徴量を算出することができる。したがって、算出した特徴量がその既存品種の形質に応じたものとなるように重みを更新するという学習を行っておけば、その重みを適用して算出した新品種グラフの特徴量から新品種の形質を予測することが可能になる。

　例えば、図１９の例では、食味良好であることが分かっている既存品種Ａの既存品種グラフから算出した特徴量が、特徴空間において「食味良好」という形質に対応する範囲内になるように学習されている。また、耐病性があることが分かっている既存品種Ｂの既存品種グラフから算出した特徴量が、特徴空間において「耐病性」という形質に対応する範囲内になるように学習されている。同様に、高温耐性があることが分かっている既存品種Ｃの既存品種グラフから算出した特徴量が、特徴空間において「高温耐性」という形質に対応する範囲内になるように学習されている。

　この場合、図示のように、新品種グラフから算出した特徴量が、「食味良好」及び「耐病性」という形質に対応する範囲内に含まれていれば、新品種が「食味良好」かつ「耐病性」があるという形質を有していると予測することができる。このような形質予測方法は、上述の例示的実施形態における形質予測の方法の代替手法として適用することができる。

　〔ソフトウェアによる実現例〕
　品種改良支援装置１～５（以下、当該装置と呼ぶ）の一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。

　後者の場合、当該装置は、例えば、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータによって実現される。このようなコンピュータの一例（以下、コンピュータＣと記載する）を図２０に示す。コンピュータＣは、少なくとも１つのプロセッサＣ１と、少なくとも１つのメモリＣ２と、を備えている。メモリＣ２には、コンピュータＣを当該装置として動作させるためのプログラム（品種改良支援プログラム）Ｐが記録されている。コンピュータＣにおいて、プロセッサＣ１は、プログラムＰをメモリＣ２から読み取って実行することにより当該装置の各機能が実現される。

　プロセッサＣ１としては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＰＵ（Micro Processing Unit）、ＦＰＵ（Floating point number Processing Unit）、ＰＰＵ（Physics Processing Unit）、マイクロコントローラ、又は、これらの組み合わせなどを用いることができる。メモリＣ２としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又は、これらの組み合わせなどを用いることができる。

　なお、コンピュータＣは、プログラムＰを実行時に展開したり、各種データを一時的に記憶したりするためのＲＡＭ（Random Access Memory）を更に備えていてもよい。また、コンピュータＣは、他の装置との間でデータを送受信するための通信インタフェースを更に備えていてもよい。また、コンピュータＣは、キーボードやマウス、ディスプレイやプリンタなどの入出力機器を接続するための入出力インタフェースを更に備えていてもよい。

　また、プログラムＰは、コンピュータＣが読み取り可能な、一時的でない有形の記録媒体Ｍに記録することができる。このような記録媒体Ｍとしては、例えば、テープ、ディスク、カード、半導体メモリ、又はプログラマブルな論理回路などを用いることができる。コンピュータＣは、このような記録媒体Ｍを介してプログラムＰを取得することができる。また、プログラムＰは、伝送媒体を介して伝送することができる。このような伝送媒体としては、例えば、通信ネットワーク、又は放送波などを用いることができる。コンピュータＣは、このような伝送媒体を介してプログラムＰを取得することもできる。

　〔付記事項１〕
　本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能である。例えば、上述した実施形態に開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。

　〔付記事項２〕
　上述した実施形態の一部又は全部は、以下のようにも記載され得る。ただし、本発明は、以下の記載する態様に限定されるものではない。

　（付記１）
　育種に関するリクエストを受け付ける受付手段と、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルと、前記リクエストとに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する生成手段と、前記応答情報を出力する出力手段と、を備える品種改良支援装置。この構成によれば、育種を好適に支援することができるという効果が得られる。

　（付記２）
　前記リクエストは、前記新品種に求められる形質を示す情報を含み、前記交配候補となる既存品種の育種に関する情報と前記交配候補となる既存品種の形質に関する情報との少なくとも何れかを含む根拠情報を生成する根拠生成手段、を備える付記１に記載の品種改良支援装置。これにより、ユーザは、根拠情報を踏まえて応答情報を参照することができ、応答情報の妥当性を的確に判断することが可能になる。

　（付記３）
　前記学習済みモデルは、前記既存品種に関する複数のノードと、当該ノード間の関係性を示すリンクとを含み、ノード間の関係性について学習済みのグラフである既存品種グラフである付記１または２に記載の品種改良支援装置。この構成によれば、既存品種の交配結果、親、さらにその親、及び形質等について、それらの相互の関係性を考慮して、交配候補となる既存品種に関する妥当な応答情報を生成し、出力することができる。

　（付記４）
　育種する新品種の交配親の一方であるベース品種に関する複数のノードを含むベース品種グラフと、前記既存品種グラフとを用いて、前記ベース品種グラフ及び前記既存品種グラフにおいてリンクで繋がっていないノード間の関係性を予測するためのリンク予測により、前記ベース品種と交配させるべき既存品種を予測するリンク予測手段を備え、前記生成手段は、前記リンク予測手段が予測した前記既存品種に応じた前記応答情報を生成する、付記３に記載の品種改良支援装置。これにより、過去の交配事例から妥当と考えられる既存品種を交配候補としてユーザにレコメンドすることが可能になる。

　（付記５）
　前記リンク予測手段は、（１）所定の形質を有する既存品種と交配して得られた品種が前記所定の形質を維持している、および（２）前記ベース品種に追加したい形質を有する、の少なくとも何れかの条件を満たす既存品種を、前記ベース品種と交配させるべき既存品種と予測する、付記４に記載の品種改良支援装置。

　（付記６）
　前記リンク予測手段が予測した前記既存品種の前記既存品種グラフに含まれているノードに基づいて、当該既存品種の前記ベース品種との交配相手としての適合性を評価する評価手段を備える、付記４に記載の品種改良支援装置。これにより、ベース品種と交配させる品種の適切な選定に寄与することができる。

　（付記７）
　育種する新品種に関する複数のノードを含む新品種グラフと、複数の前記既存品種について生成された前記既存品種グラフとを用いたリンク予測により、前記新品種と所定の関係性を有する前記既存品種を特定するリンク予測手段を備え、前記生成手段は、前記リンク予測手段が特定した前記既存品種に関する前記応答情報を生成する、付記３に記載の品種改良支援装置。この構成によれば、新品種の育種に有用な情報を提供することができる。

　（付記８）
　育種する新品種の交配親の一方であるベース品種に関する複数のノードを含むベース品種グラフと、複数の前記既存品種について生成された前記既存品種グラフとを用いたリンク予測により、前記ベース品種と所定の関係性を有する前記既存品種を特定するリンク予測手段を備え、前記生成手段は、前記リンク予測手段が特定した前記既存品種に関する前記応答情報を生成する、付記３に記載の品種改良支援装置。ベース品種を用いた育種に有用な情報を提供することができる。

　（付記９）
　育種する新品種に関する複数のノードを含む新品種グラフと、前記既存品種グラフとを用いたリンク予測により、前記新品種グラフに含まれるノードに所定の形質を示すノードがリンクする確率を算出するリンク予測手段を備え、前記生成手段は、前記リンク予測手段が算出した前記確率に基づいて前記応答情報を生成する、付記３に記載の品種改良支援装置。この構成によれば、所望の形質を有する新品種の育種に有用な情報を提供することができる。

　（付記１０）
　前記学習済みモデルは、前記既存品種の交配親を示す交配親ノードを少なくとも含む既存品種グラフであり、少なくとも前記交配親ノードに基づいて、前記既存品種の交配親としての適合性を評価する評価手段を備え、前記生成手段は、前記評価手段の評価結果に基づいて前記応答情報を生成する、付記１または２に記載の品種改良支援装置。この構成によれば、既存品種の交配親に関する情報を考慮して、新品種の育種に有用な応答情報を生成することができる。

　（付記１１）
　コンピュータが、育種に関するリクエストを受け付け、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成し、前記応答情報を出力する、品種改良支援方法。この構成によれば、育種を好適に支援することができるという効果が得られる。

　（付記１２）
　コンピュータに対して、育種に関するリクエストを受け付ける処理と、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する処理と、前記応答情報を出力する処理と、を実行させる品種改良支援プログラム。この構成によれば、育種を好適に支援することができるという効果が得られる。

　〔付記事項３〕
　上述した実施形態の一部又は全部は、更に、以下のように表現することもできる。
少なくとも１つのプロセッサを備え、前記プロセッサは、育種に関するリクエストを受け付ける処理と、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する処理と、前記応答情報を出力する処理と、を実行する品種改良支援装置。

　なお、この品種改良支援装置は、更にメモリを備えていてもよく、このメモリには、育種に関するリクエストを受け付ける処理と、既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する処理と、前記応答情報を出力する処理と、を前記プロセッサに実行させるためのプログラム（品種改良支援プログラム）が記憶されていてもよい。また、このプログラムは、コンピュータ読み取り可能な一時的でない有形の記録媒体に記録されていてもよい。

１　　　品種改良支援装置：
１１　受付部、１２　生成部、１３　出力部
２　　　品種改良支援装置：
２０１　受付部、２０４　リンク予測部、２０５　評価部、２０６　生成部、
２０７　根拠生成部、２０８　出力部
３　　品種改良支援装置：
３０１　受付部、３０３　リンク予測部、３０４　評価部、３０５　生成部、
３０６　根拠生成部、３０７　出力部
４　　品種改良支援装置：
４０１　受付部、４０３　リンク予測部、４０５　生成部、４０６　根拠生成部、
４０７　出力部
５　　品種改良支援装置：
５０１　受付部、５０２　評価部、５０３　生成部、５０４　出力部

Claims

　育種に関するリクエストを受け付ける受付手段と、
　既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルと、前記リクエストとに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する生成手段と、
　前記応答情報を出力する出力手段と、
　を備える品種改良支援装置。
　前記リクエストは、前記新品種に求められる形質を示す情報を含み、
　前記交配候補となる既存品種の育種に関する情報と前記交配候補となる既存品種の形質に関する情報との少なくとも何れかを含む根拠情報を生成する根拠生成手段、
　を備える請求項１に記載の品種改良支援装置。
　前記学習済みモデルは、前記既存品種に関する複数のノードと、当該ノード間の関係性を示すリンクとを含み、ノード間の関係性について学習済みのグラフである既存品種グラフである
　請求項１または２に記載の品種改良支援装置。
　育種する新品種の交配親の一方であるベース品種に関する複数のノードを含むベース品種グラフと、前記既存品種グラフとを用いて、前記ベース品種グラフ及び前記既存品種グラフにおいてリンクで繋がっていないノード間の関係性を予測するためのリンク予測により、前記ベース品種と交配させるべき既存品種を予測するリンク予測手段を備え、
　前記生成手段は、前記リンク予測手段が予測した前記既存品種に応じた前記応答情報を生成する、請求項３に記載の品種改良支援装置。
　前記リンク予測手段は、（１）所定の形質を有する既存品種と交配して得られた品種が前記所定の形質を維持している、および（２）前記ベース品種に追加したい形質を有する、の少なくとも何れかの条件を満たす既存品種を、前記ベース品種と交配させるべき既存品種と予測する、請求項４に記載の品種改良支援装置。
　前記リンク予測手段が予測した前記既存品種の前記既存品種グラフに含まれているノードに基づいて、当該既存品種の前記ベース品種との交配相手としての適合性を評価する評価手段を備える、請求項４に記載の品種改良支援装置。
　育種する新品種に関する複数のノードを含む新品種グラフと、複数の前記既存品種について生成された前記既存品種グラフとを用いたリンク予測により、前記新品種と所定の関係性を有する前記既存品種を特定するリンク予測手段を備え、
　前記生成手段は、前記リンク予測手段が特定した前記既存品種に関する前記応答情報を生成する、請求項３に記載の品種改良支援装置。
　育種する新品種の交配親の一方であるベース品種に関する複数のノードを含むベース品種グラフと、複数の前記既存品種について生成された前記既存品種グラフとを用いたリンク予測により、前記ベース品種と所定の関係性を有する前記既存品種を特定するリンク予測手段を備え、
　前記生成手段は、前記リンク予測手段が特定した前記既存品種に関する前記応答情報を生成する、請求項３に記載の品種改良支援装置。
　育種する新品種に関する複数のノードを含む新品種グラフと、前記既存品種グラフとを用いたリンク予測により、前記新品種グラフに含まれるノードに所定の形質を示すノードがリンクする確率を算出するリンク予測手段を備え、
　前記生成手段は、前記リンク予測手段が算出した前記確率に基づいて前記応答情報を生成する、請求項３に記載の品種改良支援装置。
　前記学習済みモデルは、前記既存品種の交配親を示す交配親ノードを少なくとも含む既存品種グラフであり、
　少なくとも前記交配親ノードに基づいて、前記既存品種の交配親としての適合性を評価する評価手段を備え、
　前記生成手段は、前記評価手段の評価結果に基づいて前記応答情報を生成する、請求項１または２に記載の品種改良支援装置。
　コンピュータが、
　育種に関するリクエストを受け付け、
　既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成し、
　前記応答情報を出力する、
　品種改良支援方法。
　コンピュータに対して、
　育種に関するリクエストを受け付ける処理と、
　既存品種の性質及び前記既存品種の育種過程の関係を学習した学習済みモデルを用いて、前記リクエストに基づいて、新品種を開発するための交配候補となる既存品種に関する情報を含む応答情報を生成する処理と、
　前記応答情報を出力する処理と、
　を実行させる品種改良支援プログラム。