特許ウォッチ

公開番号2025144094
公報種別公開特許公報(A)
公開日2025-10-02
出願番号2024043705
出願日2024-03-19
発明の名称学習装置、材料探索システム、学習方法
出願人株式会社デンソー
代理人弁理士法人ゆうあい特許事務所
主分類G16C 60/00 20190101AFI20250925BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】適切な学習モデルを得ることが可能な学習装置、当該学習装置を含む材料探索システム、学習方法を提供する。
【解決手段】学習装置2は、第1特徴量算出部14と、第2特徴量算出部18と、類似性評価部20と、を備える。第1特徴量算出部14は、所定材料の結晶構造を示すグラフデータを入力とし、グラフデータに対応する所定材料の結晶構造の特徴量を第1特徴量として出力する第1学習モデルを用いて第1特徴量を求める。第2特徴量算出部18は、所定材料の結晶構造を示すテキストデータを入力とし、テキストデータに対応する所定材料の結晶構造を第2特徴量として出力する第2学習モデルを用いて第2特徴量を求める。類似性評価部20は、同じ材料の結晶構造に対応する各特徴量の組み合わせの類似度が高く、異なる材料の結晶構造に対応する各特徴量の組み合わせの類似度が低くなるように、各学習モデルのパラメータを更新する。
【選択図】図2
特許請求の範囲【請求項１】
学習装置であって、
所定材料の結晶構造を示すグラフデータを入力とし、前記グラフデータに対応する前記所定材料の結晶構造の特徴量を第１特徴量として出力する第１学習モデルを用いて前記第１特徴量を求める第１特徴量算出部（１４）と、
前記所定材料の結晶構造を示すテキストデータを入力とし、前記テキストデータに対応する前記所定材料の結晶構造を第２特徴量として出力する第２学習モデルを用いて前記第２特徴量を求める第２特徴量算出部（１８）と、
同じ材料の結晶構造に対応する前記第１特徴量と前記第２特徴量との組み合わせの類似度が高く、異なる材料の結晶構造に対応する前記第１特徴量と前記第２特徴量との組み合わせの類似度が低くなるように、前記第１学習モデルのパラメータと前記第２学習モデルのパラメータの双方を更新する類似性評価部（２０）と、
を備える学習装置。
続きを表示（約 1,400 文字）【請求項２】
予め定めたルールに基づいて前記テキストデータに含まれる特定の記載事項を抽象化したワードに置き換える抽象化処理部（１６３）を備え、
前記第２特徴量算出部は、前記抽象化処理部で抽象化された後の前記テキストデータを入力として前記第２特徴量を求める、請求項１に記載の学習装置。
【請求項３】
前記所定材料は、無機材料であり、
前記グラフデータは、前記無機材料の結晶構造を示すデータであり、
前記テキストデータは、前記無機材料の結晶構造に関連する情報を含むデータである、請求項１または２に記載の学習装置。
【請求項４】
前記類似性評価部は、損失関数として、前記第１特徴量と前記第２特徴量とを組み合わせた項を含むコントラスティブ・ロスを用いて、前記第１学習モデルのパラメータと前記第２学習モデルのパラメータの双方を更新する、請求項１または２に記載の学習装置。
【請求項５】
前記類似性評価部は、異なる前記第１特徴量同士を組み合わせた項を含む前記損失関数を用いて、前記第１学習モデルのパラメータと前記第２学習モデルのパラメータの双方を更新する、請求項４に記載の学習装置。
【請求項６】
前記類似性評価部は、異なる前記第１特徴量同士を組み合わせた項、並びに、異なる前記第２特徴量同士を組み合わせた項を含む前記損失関数を用いて、前記第１学習モデルのパラメータと前記第２学習モデルのパラメータの双方を更新する、請求項４に記載の学習装置。
【請求項７】
前記テキストデータには、前記グラフデータでは表せない前記所定材料に関する物性を記述したデータが含まれている、請求項１または２に記載の学習装置。
【請求項８】
前記類似性評価部によってパラメータが更新された前記第１学習モデルおよび前記第２学習モデルを事前学習モデルとし、前記所定材料に関する物性値の一部に条件を付けたデータを用いて、前記事前学習モデルのパラメータを更に更新するファインチューニング部（２２）を備える、請求項１または２に記載の学習装置。
【請求項９】
前記類似性評価部によってパラメータが更新された前記第１学習モデルおよび前記第２学習モデルを事前学習モデルとし、前記事前学習モデルのパラメータを更に更新するファインチューニング部（２２Ａ）を備え、
前記ファインチューニング部は、
前記類似性評価部によってパラメータが更新された前記第２学習モデルに所望の物性を記述したテキストを入力して前記第２特徴量を求めるとともに、前記類似性評価部によってパラメータが更新された前記第１学習モデルから出力される前記第１特徴量の中から前記所望の物性に対応する前記第２特徴量と類似するものを候補物質として選別し、さらに、前記候補物質に関するデータを用いて前記事前学習モデルのパラメータを更に更新する、請求項１または２に記載の学習装置。
【請求項１０】
材料探索システムであって、
請求項１または２に記載の学習装置（２）と、
前記学習装置の前記類似性評価部にてパラメータが更新された前記第１学習モデルおよび前記第２学習モデルを学習済みの材料探索用の学習モデルとし、前記学習モデルを用いて所望の物性を有する前記所定材料の結晶構造を探索する探索機器（４）と、を備える、材料探索システム。
（【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、学習装置、学習装置を含む材料探索システム、学習方法に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
従来、材料の結晶構造について、原子同士の結合関係をノードとエッジを用いて示すグラフデータ同士の類似性評価等によって、結晶構造を解析する装置が知られている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－１２４９６４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明者らは、所望の物性を有する材料の結晶構造を探索するための学習モデルについて検討している。本発明者らの検討によると、グラフデータといった単一形態の情報に基づく学習モデルの学習では、特徴表現が限定的となってしまい、適切な学習モデルを得ることが困難であることが判った。
【０００５】
本開示は、適切な学習モデルを得ることが可能な学習装置、当該学習装置を含む材料探索システム、学習方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
請求項１に記載の発明は、
学習装置であって、
所定材料の結晶構造を示すグラフデータを入力とし、グラフデータに対応する所定材料の結晶構造の特徴量を第１特徴量として出力する第１学習モデルを用いて第１特徴量を求める第１特徴量算出部（１４）と、
所定材料の結晶構造を示すテキストデータを入力とし、テキストデータに対応する所定材料の結晶構造を第２特徴量として出力する第２学習モデルを用いて第２特徴量を求める第２特徴量算出部（１８）と、
同じ材料の結晶構造に対応する第１特徴量と第２特徴量との組み合わせの類似度が高く、異なる材料の結晶構造に対応する第１特徴量と第２特徴量との組み合わせの類似度が低くなるように、第１学習モデルのパラメータと第２学習モデルのパラメータの双方を更新する類似性評価部（２０）と、を備える。
【０００７】
このように、結晶構造を示すグラフデータの特徴量だけでなく、結晶構造を示すグラフデータおよびテキストデータそれぞれの特徴量を組みあわせて学習すれば、単一の情報形態では学習されない材料の特徴についても学習可能となる。本開示の如く、複数形態に基づく情報によって特徴量を学習するようになっていれば、多様な特徴表現に基づく適切な学習モデルを得ることができる。
【０００８】
請求項１０に記載の発明は、
材料探索システムであって、
請求項１または２に記載の学習装置（２）と、
学習装置の類似性評価部にてパラメータが更新された第１学習モデルおよび第２学習モデルを学習済みの材料探索用の学習モデルとし、学習モデルを用いて所望の物性を有する所定材料の結晶構造を探索する探索機器（４）と、
学習装置にて学習済みの材料探索用の学習モデルを用いて所望の物性を有する所定材料の結晶構造を探索する探索機器（４）と、を備える。
【０００９】
このように、多様な特徴表現に基づく適切な学習モデルを用いれば、所望の物性の結晶構造を適切に探索することが可能となる。
【００１０】
請求項１１に記載の発明は、
コンピュータ（２）を用いた学習方法であって、
所定材料の結晶構造を示すグラフデータを入力とし、グラフデータに対応する所定材料の結晶構造の特徴量を第１特徴量として出力する第１学習モデルを用いて第１特徴量を求めることと、
所定材料の結晶構造を示すテキストデータを入力とし、テキストデータに対応する所定材料の結晶構造を第２特徴量として出力する第２学習モデルを用いて第２特徴量を求めることと、
同じ材料の結晶構造に対応する第１特徴量と第２特徴量との組み合わせの類似度が高く、異なる材料の結晶構造に対応する第１特徴量と第２特徴量との組み合わせの類似度が低くなるように、第１学習モデルのパラメータと第２学習モデルのパラメータの双方を更新することと、を含んでいる。
（【００１１】以降は省略されています）

関連特許