特性预测系统、特性预测方法、及特性预测程序技术方案

输入数据生成系统(10)为生成对基于已知的结构的原材料的材料的特性进行预测的机器学习用的输入数据的输入数据生成系统，其至少具备1个处理器，至少1个处理器进行以下的处理：从数据库获取表示部分结构的部分结构数据；至少接受确定原材料的结构的原材料结构数据、及表示原材料的配合的比率的配合比数据的输入；基于部分结构数据及原材料结构数据，生成表示原材料的结构中所存在的部分结构的部分结构输入数据(D)；通过在原材料的部分结构输入数据(D)中，反映该配合比数据来生成输入数据；及使输入数据输入到机器学习模型中。

【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，在所输入的数据少的情况下，通过基于该数据的机器学习难以对材料的特性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，其为对基于已知的结构的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.根据权利要求2所述的特性预测系统，其中，

7.根据权利要求1至6中任一项所述的特性预测系统，其中，

8.一种特性预测方法，其为通过至少具备1个处理器的计算机来执行，且对基于已知的结构的原材料的材料的特...

【技术特征摘要】
【国外来华专利技术】

1.一种特性预测系统，其为对基于已知的结构的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...

【专利技术属性】
技术研发人员：花冈恭平，
申请(专利权)人：株式会社力森诺科，
类型：发明
国别省市：