[发明专利]材料设计装置、材料设计方法和材料设计程序

说明书

提供一种能够在短时间导出满足期望材料特性的设计条件的最优解的材料设计装置。一种材料设计装置(1)，具备：对设计对象材料的设计条件的指定范围进行设定的设计条件设定部(11)；在由设计条件设定部(11)设定的指定范围内生成多个综合预测点的综合预测点生成部(12)；存储数据集的设计条件‑材料特性表(14)，数据集是通过将由综合预测点生成部(12)生成的综合预测点输入到学习完毕模型(13)而算出的材料特性值与综合预测点的各点相关联而得到的；对设计对象材料的要求特性的指定范围进行设定的要求特性设定部(21)；以及从设计条件‑材料特性表(14)中提取满足由要求特性设定部(21)设定的要求特性的数据集的设计条件提取部(22)。

技术领域

本发明涉及材料设计装置、材料设计方法和材料设计程序(材料设计程序产品)。

背景技术

以往，在对由多种组成构成的材料或通过多种制造条件的组合制造的材料进行设计时，通过基于材料开发者的经验一边调整材料组成和制造条件一边反复调试，由此求出能够实现预期材料特性的最优解。

但是，基于材料开发者经验的调试，大多需要反复调试直到得到最佳设计为止，需要很多时间和工夫。另外，材料开发者大多是在过去进行过的设计条件的附近局部地进行条件探索，不适合大范围的最佳设计条件的探索。

因此，例如专利文献1中提出了一种材料设计支援系统，其在材料设计者指定预期的材料功能时，提示满足该指定条件的候选材料。专利文献1的系统中，作为用于导出满足预期材料功能(特性)的材料的设计条件、实施所谓逆问题解析的工具，可以利用神经网络等机器学习系统，由此可以使候选材料的预测高效化。

现有技术文献

专利文献1：日本特开2003-178102号公报

发明内容

但是，在专利文献1等记载的以往的逆问题解析中应用机器学习系统的结构中，当存在多种预期材料特性的情况下，要按各特性一边依次调整一边运算以逐渐达到最优解。多种材料特性大多处于此消彼长的关系，直到达到最优解为止要反复试错。因此，如果利用机器学习系统，虽然材料设计者的负担减少，但关于直到求得制造条件的最优解所需的时间，仍存在改善的余地。

本发明的优选实施方式是鉴于相关技术中的上述和/或其他问题而完成的。本发明的优选实施方式能够显著提高现有的方法和/或装置。

本发明的目的是提供能够在短时间内导出满足预期材料特性的设计条件的最优解的材料设计装置、材料设计方法和材料设计程序。

本发明的其它目的和优点将从以下的优选实施方式中变得明确。

本发明具备以下所示的结构。

[1]一种材料设计装置，用于对设计对象材料进行设计，所述设计对象材料包含由多种组成构成的材料或通过多种制造条件的组合制造的材料，所述材料设计装置具备：

学习完毕模型，其通过机器学习来取得包含所述设计对象材料的设计条件在内的输入信息与包含材料特性值在内的输出信息的对应关系；

设计条件设定部，其对所述设计对象材料的设计条件的指定范围进行设定；

综合预测点生成部，其在由所述设计条件设定部设定的指定范围内生成多个综合预测点；

设计条件-材料特性表，其对数据集进行存储，所述数据集是通过将由所述综合预测点生成部生成的综合预测点输入到所述学习完毕模型而算出的材料特性值、与所述综合预测点的各点相关联而得到的；

要求特性设定部，其对所述设计对象材料的要求特性的指定范围进行设定；以及

设计条件提取部，其从所述设计条件-材料特性表中提取满足由所述要求特性设定部设定的要求特性的数据集。

[2]根据前项1所述的材料设计装置，