特許ウォッチ

公開番号2025090756
公報種別公開特許公報(A)
公開日2025-06-17
出願番号2025039567,2023130520
出願日2025-03-12,2023-08-09
発明の名称情報処理装置、学習済みモデル生成装置、情報処理方法、学習済みモデル生成方法、情報処理プログラム、及び学習済みモデル生成プログラム
出願人オムロン株式会社,国立大学法人大阪大学
代理人弁理士法人太陽国際特許事務所
主分類G16C 20/70 20190101AFI20250610BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】原子点群によって表された物質の構造を表す場を表現する。
【解決手段】ニューラルネットワークモデルを利用して、原子点群によって表された物質の構造を表す場を表現する。
【選択図】図1
特許請求の範囲【請求項１】
ニューラルネットワークモデルを利用して、原子点群により構成される物質の構造を表す場を表現する処理部を含む情報処理装置。
続きを表示（約 3,000 文字）【請求項２】
対象ベクトルと物質内の着目点であるクエリポイントとを取得する取得部を更に含み、
前記ニューラルネットワークモデルは、任意のベクトルと前記クエリポイントとが入力されると、前記クエリポイントにおける前記物質の構造の場を表すフィールドデータを出力する学習済みニューラルネットワークモデルであり、
前記処理部は、前記学習済みニューラルネットワークモデルに対して、前記取得部により取得された前記対象ベクトルと前記クエリポイントとを入力することにより、前記クエリポイントに対応する前記フィールドデータを取得する、
請求項１に記載の情報処理装置。
【請求項３】
前記フィールドデータは、前記物質の結晶を構成する原子の位置の場を表す位置フィールドと、前記物質の結晶を構成する原子の種類の場を表す種類フィールドとによって表され、
前記学習済みニューラルネットワークモデルは、学習済みの第１ニューラルネットワークモデルと、学習済みの第２ニューラルネットワークモデルとを含み、
前記学習済みの第１ニューラルネットワークモデルは、前記任意のベクトルと前記クエリポイントとが入力されると、前記クエリポイントに対応する前記位置フィールドを出力し、
前記学習済みの第２ニューラルネットワークモデルは、前記任意のベクトルと前記クエリポイントとが入力されると、前記クエリポイントに対応する前記種類フィールドを出力し、
前記処理部は、
前記学習済みの第１ニューラルネットワークモデルに対して、前記取得部により取得された前記対象ベクトルと前記クエリポイントとを入力することにより、前記クエリポイントに対応する前記位置フィールドを取得し、
前記学習済みの第２ニューラルネットワークモデルに対して、前記取得部により取得された前記対象ベクトルと前記クエリポイントとを入力することにより、前記クエリポイントに対応する前記種類フィールドを取得する、
請求項２に記載の情報処理装置。
【請求項４】
前記学習済みニューラルネットワークモデルは、
前記物質の結晶構造を表す結晶データであって、前記物質の結晶を構成する原子の位置を表す位置データと、前記物質の結晶を構成する原子の種類を表す種類データと、前記物質の結晶の格子定数データとを含む学習用結晶データに基づいて機械学習によって予め生成された学習済みモデルである、
請求項２又は請求項３に記載の情報処理装置。
【請求項５】
前記学習済みニューラルネットワークモデルは、学習済みのオートエンコーダのうちの、学習済みの第１デコーダ及び学習済みの第２デコーダであり、
前記学習済みのオートエンコーダのうちの学習済みのエンコーダは、前記物質の結晶構造を表す結晶データであって、前記物質の結晶を構成する原子の位置を表す位置データと、前記物質の結晶を構成する原子の種類を表す種類データと、前記物質の結晶の格子定数データとを含む結晶データが入力されると、前記物質の結晶を表す潜在ベクトルを出力し、
前記学習済みの第１デコーダは、前記潜在ベクトルに代わる前記任意のベクトルと、前記クエリポイントとが入力されると、前記クエリポイントに対応する前記位置フィールドを出力し、
前記学習済みの第２デコーダは、前記潜在ベクトルに代わる前記任意のベクトルと、前記クエリポイントとが入力されると、前記クエリポイントに対応する前記種類フィールドを出力し、
前記学習済みの第１デコーダ及び前記学習済みの第２デコーダは、前記結晶データに基づいて、エンコーダと第１デコーダと第２デコーダとを備えたオートエンコーダを教師なし機械学習させることにより得られる学習済みモデルである、
請求項３に記載の情報処理装置。
【請求項６】
前記オートエンコーダは、第３デコーダを更に備え、
学習済みの第３デコーダは、前記潜在ベクトルに代わる前記任意のベクトルが入力されると、前記物質の結晶の格子定数データを出力する学習済みモデルである、
請求項５に記載の情報処理装置。
【請求項７】
原子点群により構成される物質の構造を表す場を表現するニューラルネットワークモデルを学習させる学習部を含む学習済みモデル生成装置。
【請求項８】
学習用の前記物質の結晶構造を表す学習用結晶データであって、学習用の前記物質の結晶を構成する原子の位置を表す位置データと、学習用の前記物質の結晶を構成する原子の種類を表す種類データと、学習用の前記物質の結晶の格子定数データとを含む学習用結晶データと、学習用の前記物質内の着目点である学習用クエリポイントとを取得する学習用取得部を更に含み、
前記学習部は、
教師なし機械学習を用いてオートエンコーダを学習させる際に、
前記オートエンコーダのうちのエンコーダに対して前記学習用結晶データを入力することにより、前記学習用の物質の結晶構造を表す潜在ベクトルを取得し、
前記オートエンコーダのうちの第１デコーダに対して、前記潜在ベクトルと前記学習用クエリポイントとの組み合わせを入力することにより、前記学習用の物質の結晶を構成する原子の位置の場を表す位置フィールドを取得し、
前記第１デコーダから出力された前記位置フィールドに基づいて、前記学習用の物質の結晶を構成する原子の位置を推定し、
前記オートエンコーダのうちの第２デコーダに対して、前記潜在ベクトルと前記学習用クエリポイントとの組み合わせを入力することにより、前記学習用の物質の結晶を構成する原子の種類の場を表す種類フィールドを取得し、
前記第２デコーダから出力された前記種類フィールドに基づいて、前記学習用の物質の結晶を構成する原子の種類を推定し、
前記オートエンコーダのうちの第３デコーダに対して、前記潜在ベクトルと前記学習用クエリポイントとの組み合わせを入力することにより、前記学習用の物質の結晶の格子定数データを取得し、
推定された前記原子の位置、推定された前記原子の種類、及び前記第３デコーダから出力された前記格子定数データとの組み合わせと、前記学習用結晶データのうちの前記位置データ、前記種類データ、及び前記格子定数データとの組み合わせとが対応するように、教師なし機械学習を用いてオートエンコーダを学習させることにより、学習済みの第１デコーダと学習済みの第２デコーダとを生成する、
請求項７に記載の学習済みモデル生成装置。
【請求項９】
ニューラルネットワークモデルを利用して、原子点群により構成される物質の構造を表す場を表現する、処理をコンピュータが実行する情報処理方法。
【請求項１０】
原子点群により構成される物質の構造を表す場を表現するニューラルネットワークモデルを学習させる、処理をコンピュータが実行する学習済みモデル生成方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理装置、学習済みモデル生成装置、情報処理方法、学習済みモデル生成方法、情報処理プログラム、及び学習済みモデル生成プログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
従来、３Ｄ結晶構造のためのオートエンコーダベースの生成的深層表現学習パイプラインに関する技術が知られている（例えば、非特許文献１を参照）。
【先行技術文献】
【非特許文献】
【０００３】
Callum J. Court, Batuhan Yildirim, Apoorv Jain, and Jacqueline M. Cole, "3-D Inorganic Crystal Structure Generation and Property Prediction via Representation Learning", J. Chem. inf. Model. 2020, 60, 10, 4518-4535, ［令和4年11月18日検索］，インターネット＜URL：https://pubs.acs.org/doi/10.1021/acs.jcim.0c00464>
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本開示は、原子点群により構成される物質の構造を表す場を表現することを目的とする。
【課題を解決するための手段】
【０００５】
上記目的を達成するために、本開示に係る情報処理装置は、ニューラルネットワークモデルを利用して、原子点群により構成される物質の構造を表す場を表現する処理部を含む情報処理装置である。
【０００６】
また、本開示の情報処理方法は、ニューラルネットワークモデルを利用して、原子点群により構成される物質の構造を表す場を表現する、処理をコンピュータが実行する情報処理方法である。
【０００７】
また、本開示の情報処理プログラムは、ニューラルネットワークモデルを利用して、原子点群により構成される物質の構造を表す場を表現する、処理をコンピュータに実行させるための情報処理プログラムである。
【発明の効果】
【０００８】
本開示の情報処理装置、情報処理方法、及び情報処理プログラムによれば、原子点群により構成される物質の構造を表す場を表現することができる。
【図面の簡単な説明】
【０００９】
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態に係る情報処理装置のハードウェア構成を示すブロック図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
本実施形態を説明するための図である。
【発明を実施するための形態】
【００１０】
以下、本開示の実施形態の一例を、図面を参照しつつ説明する。本実施形態では、本開示に係る情報処理装置を例に説明する。なお、各図面において同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法及び比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。
（【００１１】以降は省略されています）

関連特許