特許ウォッチ

公開番号2025156154
公報種別公開特許公報(A)
公開日2025-10-14
出願番号2025052761
出願日2025-03-27
発明の名称情報処理装置、情報処理方法および情報処理プログラム
出願人旭化成株式会社
代理人弁理士法人RYUKA国際特許事務所
主分類G06N 20/00 20190101AFI20251002BHJP(計算;計数)
要約【課題】情報処理装置、情報処理方法および情報処理プログラムを提供する。
【解決手段】情報処理装置100は、推奨部と、貢献度算出部と、を備え、推奨部は、複数の参加者のそれぞれから提供を受けた、教師説明変数および教師目的変数を有する第1教師データを機械学習することにより、入力説明変数が入力されると、入力説明変数に対応する入力目的変数の第1予測値を出力する第1推論モデルを有し、入力目的変数の目標値が入力されると、目標値に対応する説明変数である最適化データを出力し、貢献度算出部は、最適化データと第1教師データとに基づいて、少なくとも一の参加者に対応する第1教師データの、最適化データに対する貢献度を算出する。
【選択図】図4
特許請求の範囲【請求項１】
複数の参加者のそれぞれから提供を受けた、教師説明変数および教師目的変数を有する第１教師データを機械学習することにより、入力説明変数が入力されると、前記入力説明変数に対応する入力目的変数の第１予測値を出力する第１推論モデルを有する推奨部を備え、
前記推奨部に前記入力目的変数の目標値が入力されると、前記推奨部は、前記目標値に対応する説明変数である最適化データを出力し、
前記最適化データと前記第１教師データとに基づいて、少なくとも一の前記参加者に対応する前記第１教師データの、前記最適化データに対する貢献度を算出する貢献度算出部をさらに備える、
情報処理装置。
続きを表示（約 1,800 文字）【請求項２】
前記推奨部は、前記目標値が入力されると、前記目標値に対応する前記最適化データの候補を生成し、
前記第１推論モデルは、前記推奨部により生成された前記候補に対応する前記第１予測値を出力し、
前記推奨部は、前記第１予測値と前記目標値とに基づいて、いずれかの前記候補を前記最適化データとして出力する、
請求項１に記載の情報処理装置。
【請求項３】
前記推奨部は、前記第１教師データから、前記複数の参加者の少なくとも一に対応する前記教師説明変数である個別説明変数、および、前記少なくとも一に対応する前記教師目的変数である個別目的変数が除外された第２教師データを機械学習することにより、前記入力説明変数が入力されると、前記入力目的変数の第２予測値を出力する第２推論モデルを有し、
前記貢献度算出部は、前記第１予測値と前記第２予測値とに基づいて、前記貢献度を算出する、
請求項１に記載の情報処理装置。
【請求項４】
前記第１推論モデルは、前記最適化データが入力されると、前記最適化データに対応する前記第１予測値を出力し、
前記第２推論モデルは、前記最適化データが入力されると、前記最適化データに対応する前記第２予測値を出力し、
前記貢献度算出部は、前記最適化データに対応する前記第１予測値と、前記最適化データに対応する前記第２予測値とに基づいて、前記貢献度を算出する、
請求項３に記載の情報処理装置。
【請求項５】
前記推奨部は、前記複数の参加者の一に対応する前記個別説明変数および前記個別目的変数が除外された前記第２教師データを、前記複数の参加者のそれぞれについて機械学習し、
前記第２推論モデルは、前記第２予測値を前記複数の参加者のそれぞれについて出力し、
前記貢献度算出部は、前記第１予測値と、前記複数の参加者のそれぞれの前記第２予測値とに基づいて、前記複数の参加者のそれぞれについて前記貢献度を算出し、
前記貢献度に基づいて、追加の個別教師データであって前記個別説明変数および前記個別目的変数を有する個別教師データを前記推奨部へ入力することを促す、少なくとも一の前記参加者を選択する選択部をさらに備える、
請求項３に記載の情報処理装置。
【請求項６】
前記推奨部は、前記複数の参加者の少なくとも二者に対応する前記個別説明変数および前記個別目的変数が除外された前記第２教師データを機械学習し、
前記貢献度算出部は、前記第１予測値と前記第２予測値とに基づいて、前記少なくとも二者の前記貢献度を算出する、
請求項３に記載の情報処理装置。
【請求項７】
複数の前記入力目的変数には、重み付けが予め付与され、
前記貢献度算出部は、前記第１予測値と、前記第２予測値と、前記重み付けとに基づいて、前記貢献度を算出する、
請求項３から６のいずれか一項に記載の情報処理装置。
【請求項８】
前記教師説明変数は、複数種のパラメータを有し、少なくとも一の種の前記パラメータが少なくとも一の前記参加者により提供され、
前記貢献度算出部は、前記最適化データと前記第１教師データとに基づいて、前記少なくとも一の前記パラメータの、前記最適化データに対する前記貢献度を算出する、
請求項１に記載の情報処理装置。
【請求項９】
複数種の前記パラメータが、少なくとも一の前記参加者により提供され、
前記貢献度算出部は、前記最適化データに対する前記少なくとも一の種の寄与度を、前記複数種のそれぞれごとに算出し、算出した前記複数種のそれぞれごとの前記寄与度に基づいて、少なくとも一の前記参加者の前記貢献度を算出する、
請求項８に記載の情報処理装置。
【請求項１０】
前記第１教師データは、少なくとも１つの実験データを含み、
前記貢献度算出部が算出した前記貢献度に基づいて、追加の前記実験データを収集するデータ収集計画を策定して出力する計画策定部を更に備える
請求項１に記載の情報処理装置。
（【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】
本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
非特許文献１には、「Federated learning is an emerging distributed machine learning framework for privacy preservation.」と記載されている（Abstract）。
［先行技術文献］
［非特許文献］
［非特許文献１］ＦｅｄｅｒａｔｅｄＬｅａｒｎｉｎｇｏｎＮｏｎ－ＩＩＤＤａｔａ
【発明の概要】
【０００３】
マテリアルズ・インフォマティクスに利用する実験データの収集計画を策定する際、物性の予測に必要となる説明変数の過不足が課題の一つとなりうる。多段階による複雑な工程を経て製造される性能の高い材料においては、熟練者による専門知識を以てしても効果の発現機序が不明である。従って、目標とする性能を達成するために不可欠な因子も同定し得ない。このため、上述した課題が生じうる。材料の製造や調整、さらに当該材料の加工、処理など複数の工程にまたがるデータを収集するケースにおいては、各工程の実験データ収集者が異なる場合がある。このような場合には、複数の工程にまたがるデータ全体を把握することが困難となるので、上述した課題が特に顕著になりうる。
【０００４】
こうした各主体が実験データ全体を把握することが難しい条件下におけるデータ収集の過不足を防ぐため、本発明の一つの実施形態では、各予測データに対する実験データの貢献度という指標を導入する。本発明における貢献度とは、例えば、マテリアルズ・インフォマティクスを利用したコンピュータによる実験条件の推奨をするために、既存の実験データがどの程度の重要性を占めていたかを示す指標である。
【０００５】
さらに、本発明の一つの実施形態では、ある目的変数に対する既存の実験データの貢献度に基づいて、追加の実験データの収集計画を容易にし、当該計画に基づいて実験装置からのデータを収集する。
本発明の情報処理装置は、「推奨部」、「貢献度算出部」、「計画策定部」、および、「制御部」をうちの少なくとも１つを備えてよい。
「推奨部」は、第１推論モデルを有しており、目的変数の目標値が入力されると、目標値に対応する説明変数である最適化データを出力してよい。
「貢献度算出部」は、最適化データと第１教師データ（第１推論モデルの機械学習に用いられた教師データ）に基づいて、第１教師データに含まれる少なくとも１つの実験データの、最適化データに対する貢献度を算出してよい。
「計画策定部」は、貢献度に基づいて追加の実験データ収集計画を策定・出力してよい。
「制御部」は、データ収集計画に基づいて実験装置を制御することで実験データを取得してよい。
【０００６】
本発明の第１の態様においては、情報処理装置を提供する。情報処理装置は、複数の参加者のそれぞれから提供を受けた、教師説明変数および教師目的変数を有する第１教師データを機械学習することにより、入力説明変数が入力されると、入力説明変数に対応する入力目的変数の第１予測値を出力する第１推論モデルを有する推奨部を備える。推奨部に入力目的変数の目標値が入力されると、推奨部は、目標値に対応する説明変数である最適化データを出力する。情報処理装置は、最適化データと第１教師データとに基づいて、少なくとも一の参加者に対応する第１教師データの、最適化データに対する貢献度を算出する貢献度算出部をさらに備える。
【０００７】
推奨部は、目標値が入力されると、目標値に対応する最適化データの候補を生成してよい。第１推論モデルは、生成した候補に対応する第１予測値を出力してよい。推奨部は、第１予測値と目標値とに基づいて、最適化データを出力してよい。
【０００８】
上記いずれかの情報処理装置において、推奨部は、第１教師データから、複数の参加者の少なくとも一に対応する教師説明変数である個別説明変数、および、少なくとも一に対応する教師目的変数である個別目的変数が除外された第２教師データを機械学習することにより、入力説明変数が入力されると、入力目的変数の第２予測値を出力する第２推論モデルを有してよい。貢献度算出部は、第１予測値と第２予測値とに基づいて、貢献度を算出してよい。
【０００９】
上記いずれかの情報処理装置において、第１推論モデルは、最適化データが入力されると、最適化データに対応する第１予測値を出力してよい。第２推論モデルは、最適化データが入力されると、最適化データに対応する第２予測値を出力してよい。貢献度算出部は、最適化データに対応する第１予測値と、最適化データに対応する第２予測値とに基づいて、貢献度を算出してよい。
【００１０】
上記いずれかの情報処理装置において、推奨部は、複数の参加者の一に対応する個別説明変数および個別目的変数が除外された第２教師データを、複数の参加者のそれぞれについて機械学習してよい。第２推論モデルは、第２予測値を複数の参加者のそれぞれについて出力してよい。貢献度算出部は、第１予測値と、複数の参加者のそれぞれの第２予測値とに基づいて、複数の参加者のそれぞれについて貢献度を算出してよい。情報処理装置は、貢献度に基づいて、追加の個別教師データであって個別説明変数および個別目的変数を有する個別教師データを推奨部へ入力することを促す、少なくとも一の参加者を選択する選択部をさらに備えてよい。
（【００１１】以降は省略されています）

関連特許