信息处理系统、信息处理方法及信息处理程序技术方案

一实施方式所涉及的信息处理系统针对多个成分对象获取数值表示及复合比，针对多个参考对象获取数值表示，通过将多个成分对象及多个参考对象各自的数值表示输入到第1机器学习模型，计算多个成分特征矢量及多个参考特征矢量，通过将这些特征矢量输入到第2机器学习模型，针对多个成分对象的每一个计算概率矢量，根据多个概率矢量及多个复合比，针对通过使多个成分对象复合而获得的复合对象，计算复合特征矢量。征矢量。征矢量。

【技术实现步骤摘要】
【国外来华专利技术】信息处理系统、信息处理方法及信息处理程序


[0001]本专利技术的一方式涉及一种信息处理系统、信息处理方法及信息处理程序。

技术介绍

[0002]使用利用机器学习对通过使多个成分对象复合而获得的复合对象进行分析的方法。例如，专利文献1中记载了预测生物高分子的立体结构与化合物的立体结构的键合性的方法。该方法包括：根据生物高分子的立体结构和化合物的立体结构，生成生物高分子与化合物的复合体的预测立体结构的步骤；将该预测立体结构变换为表示与相互作用模式的核对结果的预测立体结构矢量的步骤；及通过使用机器学习算法判断该预测立体结构矢量，预测生物高分子的立体结构与化合物的立体结构的键合性的步骤。
[0003]以往技术文献
[0004]专利文献
[0005]专利文献1：日本特开2019
‑
28879号公报

技术实现思路

[0006]专利技术要解决的技术课题
[0007]在成分对象多样或存在多个的情况下，针对这些成分对象无法准备足够量的数据，其结果，复合对象的分析精度有可能无法达到所期待的水准。因本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种信息处理系统，其具备至少一个处理器，所述至少一个处理器针对多个成分对象的每一个获取数值表示及复合比，针对多个参考对象的每一个获取数值表示，通过将与所述多个成分对象对应的多个所述数值表示和与所述多个参考对象对应的多个所述数值表示输入到第1机器学习模型，计算该多个成分对象各自的成分特征矢量和该多个参考对象各自的参考特征矢量，通过将多个所述成分特征矢量及多个所述参考特征矢量输入到第2机器学习模型，针对该多个成分对象的每一个，计算表示与该多个参考对象的每一个的关联度的概率矢量，根据多个所述概率矢量及多个所述复合比，针对通过使所述多个成分对象复合而获得的复合对象，计算表示与所述多个参考对象的每一个的关联度的复合特征矢量，输出所述复合特征矢量。2.根据权利要求1所述的信息处理系统，其中，将所述多个成分对象的个数设为m，将所述多个参考对象的个数设为n，所述多个概率矢量的每一个为n维，将所述多个概率矢量设为Vp1、Vp2、
…
、Vp
m
，将所述多个复合比设为r1、r2、
…
、r
m
，将所述复合特征矢量设为Vc，所述至少一个处理器通过下述式(1)计算所述复合特征矢量，Vc＝r1×
Vp1+r2×
Vp2+
…
+r
m
×
Vp
m
…
(1)。3.根据权利要求1或2所述的信息处理系统，其中，所述至少一个处理器通过将所述复合特征矢量输入到第3机器学习模型，计算所述复合对象的特性的预测值，输出所述预测值。4.根据权利要求1至3中任一项所述的信息处理系统，其中，所述成分对象是材料，所述复...

【专利技术属性】
技术研发人员：花冈恭平，
申请(专利权)人：昭和电工材料株式会社，
类型：发明
国别省市：