非暂态计算机可读存储介质、信息处理方法和设备技术

公开了非暂态计算机可读存储介质、信息处理方法和设备。存储信息处理程序的非暂态计算机可读存储介质，信息处理程序使至少一个计算机执行处理，处理包括：通过针对多个特征变量中的每一个使用第一目标函数和第二目标函数执行第一多目标优化，来生成特征变量的值和指数值的组合的解集，第一目标函数搜索由模型预测的特征变量的值，第二目标函数搜索指数值；针对多个特征变量中的每一个在特征变量是所生成的解集中的特定值的情况下，指定包括在用作解的组合中的指数值；以及通过使用如下目标函数执行第二多目标优化来生成多个特征变量的相应值的组合的解集：该目标函数搜索由模型预测的多个特征变量中的每个的值且包括基于所指定指数值的惩罚项。所指定指数值的惩罚项。所指定指数值的惩罚项。

【技术实现步骤摘要】
非暂态计算机可读存储介质、信息处理方法和设备


[0001]本文中讨论的实施方式涉及存储介质、信息处理方法和信息处理设备。

技术介绍

[0002]常规地，存在训练特征预测模型的技术，其中通过使用训练数据对多个目标变量与多个说明变量之间的关系进行建模，并且根据输入的多个说明变量输出多个目标变量中的每个目标变量的预测值。此外，存在称为多目标优化的技术，该技术通过使用特征预测模型获得使多个目标变量的值优化的多个说明变量的解。
[0003]例如，作为现有技术，存在基于在制造有机电致发光(EL)装置时使用的制造参数与利用制造参数制造的有机EL装置的产品特性之间的关系通过机器学习来创建预测模型的技术。此外，例如，存在通过使用由线性回归建模生成的目标函数的模型公式来执行给定范围的逆像(inverse image)计算以获得与该范围对应的设计参数集的技术。
[0004]日本公开特许公报第2021
‑
034168号和日本公开特许公报第2010
‑
122832号被公开为相关技术。

技术实现思路

[0005][技术问题][0006]然而，在现有技术中，可能无法信任通过多目标优化获得的多个说明变量的解。例如，可以想到，通过使用在不使用与特定说明变量的区域相关的训练数据的情况下被训练的特征预测模型来执行多目标优化。在这种情况下，对于特征预测模型，可能无法根据特定说明变量的区域准确地获得相应目标变量的预测值。因此，在所述多目标优化中，可能无法适当地优化多个目标变量的值，并且可能无法准确地获得多个说明变量的解。
[0007]在一个方面，实施方式的目的是使得能够考虑特征预测模型的可靠性来执行多目标优化。
[0008][问题的解决方案][0009]根据实施方式的方面，一种存储信息处理程序的非暂态计算机可读存储介质，信息处理程序使至少一个计算机执行处理，该处理包括：通过针对多个特征变量中的每一个使用第一目标函数和第二目标函数执行第一多目标优化，来生成特征变量的值和指示特征变量的值的可靠性的指数值的组合的解集，第一目标函数搜索由模型预测的特征变量的值，第二目标函数搜索指数值；针对多个特征变量中的每一个，在特征变量是所生成的解集中的特定值的情况下，指定包括在用作解的组合中的指数值；以及通过使用如下目标函数执行第二多目标优化，来生成多个特征变量的相应值的组合的解集：该目标函数搜索由模型预测的多个特征变量中的每个特征变量的值并且包括基于所指定的指数值的惩罚项。
[0010][专利技术的有益效果][0011]根据一个方面，使得能够考虑特征预测模型的可靠性执行多目标优化。
附图说明
[0012]图1是示出根据实施方式的信息处理方法的一个示例的说明图；
[0013]图2是示出信息处理系统200的一个示例的说明图；
[0014]图3是示出信息处理设备100的硬件配置示例的框图；
[0015]图4是示出信息处理设备100的功能配置示例的框图；
[0016]图5是示出信息处理设备100的第一操作示例的说明图(部分1)；
[0017]图6是示出信息处理设备100的第一操作示例的说明图(部分2)；
[0018]图7是示出信息处理设备100的第一操作示例的说明图(部分3)；
[0019]图8是示出信息处理设备100的第一操作示例的说明图(部分4)；
[0020]图9是示出信息处理设备100的第一操作示例的说明图(部分5)；
[0021]图10是示出信息处理设备100的第一操作示例的说明图(部分6)；
[0022]图11是示出信息处理设备100的第一操作示例的说明图(部分7)；
[0023]图12是示出信息处理设备100的第一操作示例的说明图(部分8)；
[0024]图13是示出信息处理设备100的第一操作示例的说明图(部分9)；
[0025]图14是示出信息处理设备100的第一操作示例的说明图(部分10)；
[0026]图15是示出信息处理设备100的第一操作示例的说明图(部分11)；
[0027]图16是示出信息处理设备100的第一操作示例的说明图(部分12)；
[0028]图17是示出信息处理设备100的第一操作示例的说明图(部分13)；
[0029]图18是示出信息处理设备100的第一操作示例的说明图(部分14)；
[0030]图19是示出信息处理设备100的第一操作示例的说明图(部分15)；
[0031]图20是示出信息处理设备100的第一操作示例的说明图(部分16)；
[0032]图21是示出信息处理设备100的第一操作示例的说明图(部分17)；
[0033]图22是示出信息处理设备100的第一操作示例的说明图(部分18)；
[0034]图23是示出信息处理设备100的第一操作示例的说明图(部分19)；
[0035]图24是示出第一操作示例中的设置处理过程的一个示例的流程图；
[0036]图25是示出第一操作示例中的解处理过程的一个示例的流程图；
[0037]图26是示出第一操作示例中的更新处理过程的一个示例的流程图；
[0038]图27是示出信息处理设备100的第二操作示例的说明图(部分1)；
[0039]图28是示出信息处理设备100的第二操作示例的说明图(部分2)；
[0040]图29是示出信息处理设备100的第二操作示例的说明图(部分3)；
[0041]图30是示出信息处理设备100的第二操作示例的说明图(部分4)；
[0042]图31是示出信息处理设备100的第二操作示例的说明图(部分5)；
[0043]图32是示出信息处理设备100的第二操作示例的说明图(部分6)；
[0044]图33是示出第二操作示例中的更新处理过程的一个示例的流程图；
[0045]图34是示出信息处理设备100的第三操作示例的说明图(部分1)；
[0046]图35是示出信息处理设备100的第三操作示例的说明图(部分2)；
[0047]图36是示出信息处理设备100的第三操作示例的说明图(部分3)；
[0048]图37是示出信息处理设备100的第三操作示例的说明图(部分4)；
[0049]图38是示出信息处理设备100的第三操作示例的说明图(部分5)；
[0050]图39是示出第三操作示例中的解处理过程的一个示例的流程图；以及
[0051]图40是示出单目标优化的一个示例的说明图。
具体实施方式
[0052]在下文中，将参照附图详细描述信息处理程序、信息处理方法和信息处理设备的实施方式。
[0053](根据实施方式的信息处理方法的一个示例)
[0054]图1是示出根据实施方式的信息处理方法的一个示例的说明图。信息处理设备100是用于通过使用用于搜索多个特征变量中的每个特征变量的值的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非暂态计算机可读存储介质，存储信息处理程序，所述信息处理程序使至少一个计算机执行处理，所述处理包括：通过针对多个特征变量中的每一个使用第一目标函数和第二目标函数执行第一多目标优化，来生成特征变量的值和指示所述特征变量的值的可靠性的指数值的组合的解集，其中，所述第一目标函数搜索由模型预测的所述特征变量的值，所述第二目标函数搜索所述指数值；针对所述多个特征变量中的每一个，在特征变量是所生成的解集中的特定值的情况下，指定包括在用作解的组合中的指数值；以及通过使用如下目标函数执行第二多目标优化，来生成所述多个特征变量的相应值的组合的解集：该目标函数搜索由所述模型预测的所述多个特征变量中的每个特征变量的值并且包括基于所指定的指数值的惩罚项。2.根据权利要求1所述的非暂态计算机可读存储介质，其中，所述处理还包括：针对所述多个特征变量中的每一个，基于多条训练数据训练高斯过程回归模型，所述高斯过程回归模型使得能够预测所述特征变量的值并且计算指示所述特征变量的值的可靠性的指数值，其中，所述第一目标函数搜索由经训练的高斯过程回归模型预测的所述特征变量的值，并且所述第二目标函数搜索由所述经训练的高斯过程回归模型计算的指示所述特征变量的值的可靠性的指数值。3.根据权利要求1所述的非暂态计算机可读存储介质，其中，指示由所述模型预测的所述多个特征变量中的每个特征变量的值的可靠性的所述指数值是基于从多条训练数据中的每一条到所述特征变量的值的距离来计算的。4.根据权利要求1所述的非暂态计算机可读存储介质，其中，所述处理还包括：在所述多个特征变量中的第一特征变量的值不满足所生成的所述多个特征变量的相应值的组合的解集中的目标值的情况下，指定与所指定的指数值不同的新指数值；以及通过使用如下目标函数来执行第二多目标优化：该目标函数搜索由所述模型预测的所述多个特征变量中的每个特征变量的值并且包括基于所述新指数值的惩罚项。5.根据权利要求4所述的非暂态计算机可读存储介质，其中，指示所述可靠性的所述指数值是随着所述可靠性降低而增大的指数值，搜索指示所述可靠性的所述指数值的所述第二目标函数是使指示所述可靠性的所述指数值最小化的目标函数，并且指定所述新指数值包括：在所述多个特征变量中的第一特征变量的值不满足所生成的所述多个特征变量的相应值的组合的解集中的目标值的情况下，针对所述第一特征变量指定比紧邻在前指定的指数值大第一值的新指数值。6.根据权利要求5所述的非暂态计算机可读存储介质，其中，指定所述新指数值包括：在所述多个特征变量中的第一特征变量的值满足所生成的所述多个特征变量的相应值的组合的解集中的目标值并且不包括在基于所述目标值的范围中的情况下，针对所述第一特征变量指定比紧邻在前指定的指数值小第二值的新指数值，所述第二值不同于所述第
一值。7.根据权利要求4所述的非暂态计算机可读存储介质，其中，指示所述可靠性的所述指数值是随着所述可靠性降低而增大的指数值，搜索指示所述可靠性的所述指数值的所述第二目标函数是使指示所述可靠性的所述指...

【专利技术属性】
技术研发人员：丸尾昭人，本间健司，实宝秀幸，添田武志，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：