【技术实现步骤摘要】
【国外来华专利技术】
本专利技术的一侧面涉及一种特性预测系统、特性预测方法、及特性预测程序。
技术介绍
1、以往，以规定的格式获取分子的结构，并将其变换为向量信息而输送到机器学习算法中，并对特性进行预测。例如，已知有使用机器学习对生物高分子的立体结构与化合物的立体结构之间的连接性进行预测的方法(参考下述专利文献1)。在该方法中，基于生物高分子的立体结构及化合物的立体结构来生成生物高分子与化合物的复合体的预测立体结构，将该预测立体结构变换为预测立体结构向量，使用机器学习算法来判别该预测立体结构向量，由此对生物高分子的立体结构与化合物的立体结构的连接性进行预测。
2、以往技术文献
3、专利文献
4、专利文献1：日本特开2019-28879号公报
技术实现思路
1、专利技术要解决的技术课题
2、近年来，已知有通过将表示与结构明确的材料相关的分子曲线图等结构的数据作为输入的神经网络来对材料的特性进行预测的技技术。然而，在成为机器学习的输入的化学结构中仅一部分明确的情况下，通过学习多个不完整的部分结构，无法实现对材料的特性进行预测。因此，希望有一种用于有效率地预测化学结构中仅一部分明确的材料的特性的机制。
3、用于解决技术课题的手段
4、本专利技术的一方式的特性预测系统为对基于包含已知的部分结构的多种原材料的材料的特性进行预测的特性预测系统，其至少具备1个处理器，至少1个处理器进行以下的处理：至少接受确定多种原材料的各自的已知的部分结构的部分
5、或者，本专利技术的其他方式的特性预测方法为通过至少具备1个处理器的计算机来执行，且对基于包含已知的部分结构的多种原材料的材料的特性进行预测的特性预测方法，其具备：至少接受确定多种原材料的各自的已知的部分结构的部分结构数据、及表示多种原材料的各自的配合的比率的配合比数据的输入的步骤；基于多种原材料的每一种的部分结构数据来生成表示已知的部分结构的部分结构输入数据的步骤；在多种原材料的部分结构输入数据中，反映与该多种原材料相关的配合比数据的步骤；及将基于反映了配合比数据的多种原材料的每一种的部分结构输入数据的输入数据输入到机器学习模型中的步骤。
6、或者，本专利技术的其他方式的特性预测程序为对基于包含已知的部分结构的多种原材料的材料的特性进行预测的特性预测程序，其中，使计算机执行以下的步骤：至少接受确定多种原材料的各自的已知的部分结构的部分结构数据、及表示多种原材料的各自的配合的比率的配合比数据的输入的步骤；基于多种原材料的每一种的部分结构数据来生成表示已知的部分结构的部分结构输入数据的步骤；在多种原材料的部分结构输入数据中，反映与该多种原材料相关的配合比数据的步骤；及将基于反映了配合比数据的多种原材料的每一种的部分结构输入数据的输入数据输入到机器学习模型中的步骤。
7、上述方式根据，基于多种原材料的每一种的部分结构数据，生成表示已知的部分结构的部分结构输入数据，在多种原材料的部分结构输入数据中反映与多种原材料相关的配合的比率，将基于反映了比率的多种原材料的每一种的部分结构输入数据的输入数据输入到机器学习模型中。其结果，以基于化学结构中仅一部分明确的多种原材料而制造的材料为对象，通过机器学习来处理输入数据，由此能够对其材料的特性有效率的进行预测。
8、专利技术效果
9、根据本专利技术的侧面，能够对基于化学结构中仅一部分明确的原材料来制造的材料的特性有效率的进行预测。
本文档来自技高网...【技术保护点】
1.一种特性预测系统，其为对基于包含已知的部分结构的多种原材料的材料的特性进行预测的特性预测系统，其中，
2.根据权利要求1所述的特性预测系统，其中，
3.根据权利要求1或2所述的特性预测系统，其中，
4.根据权利要求1至3中任一项所述的特性预测系统，其中，
5.根据权利要求1至4中任一项所述的特性预测系统，其中，
6.一种特性预测方法，其为通过至少具备1个处理器的计算机来执行，且对基于包含已知的部分结构的多种原材料的材料的特性进行预测的特性预测方法，其具备：
7.一种特性预测程序，其为对基于包含已知的部分结构的多种原材料的材料的特性进行预测的特性预测程序，其中，
【技术特征摘要】
【国外来华专利技术】
1.一种特性预测系统，其为对基于包含已知的部分结构的多种原材料的材料的特性进行预测的特性预测系统，其中，
2.根据权利要求1所述的特性预测系统，其中，
3.根据权利要求1或2所述的特性预测系统，其中，
4.根据权利要求1至3中任一项所述的特性预测系统，其中，
5.根据权利要...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。