JP7388230B2 - 混合物性能最適化装置、混合物性能最適化プログラム、混合物性能最適化方法、及び混合冷媒 - Google Patents
混合物性能最適化装置、混合物性能最適化プログラム、混合物性能最適化方法、及び混合冷媒 Download PDFInfo
- Publication number
- JP7388230B2 JP7388230B2 JP2020024182A JP2020024182A JP7388230B2 JP 7388230 B2 JP7388230 B2 JP 7388230B2 JP 2020024182 A JP2020024182 A JP 2020024182A JP 2020024182 A JP2020024182 A JP 2020024182A JP 7388230 B2 JP7388230 B2 JP 7388230B2
- Authority
- JP
- Japan
- Prior art keywords
- mixture
- energy function
- performance
- physical properties
- property
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000203 mixture Substances 0.000 title claims description 363
- 239000003507 refrigerant Substances 0.000 title claims description 223
- 238000005457 optimization Methods 0.000 title claims description 115
- 238000000034 method Methods 0.000 title claims description 103
- 230000000704 physical effect Effects 0.000 claims description 339
- 239000000126 substance Substances 0.000 claims description 167
- 238000004364 calculation method Methods 0.000 claims description 56
- 238000000137 annealing Methods 0.000 claims description 38
- 238000002156 mixing Methods 0.000 claims description 23
- 230000005366 Ising model Effects 0.000 claims description 22
- 238000000611 regression analysis Methods 0.000 claims description 20
- 230000002596 correlated effect Effects 0.000 claims description 19
- 150000002222 fluorine compounds Chemical class 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 330
- 238000005516 engineering process Methods 0.000 description 91
- 238000001816 cooling Methods 0.000 description 72
- 230000007704 transition Effects 0.000 description 47
- 238000004088 simulation Methods 0.000 description 31
- 239000000463 material Substances 0.000 description 30
- 239000012530 fluid Substances 0.000 description 21
- 230000008859 change Effects 0.000 description 18
- 238000003860 storage Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 15
- 239000007788 liquid Substances 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 12
- 239000012459 cleaning agent Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- OFBQJSOFQDEBGM-UHFFFAOYSA-N Pentane Chemical compound CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 8
- 229910052731 fluorine Inorganic materials 0.000 description 8
- 239000011737 fluorine Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000020169 heat generation Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- -1 methoxy perfluoroheptene Chemical compound 0.000 description 5
- 238000009834 vaporization Methods 0.000 description 5
- 230000008016 vaporization Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 241000533293 Sesbania emerus Species 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000012905 input function Methods 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 230000001988 toxicity Effects 0.000 description 3
- 231100000419 toxicity Toxicity 0.000 description 3
- OMOVVBIIQSXZSZ-UHFFFAOYSA-N [6-(4-acetyloxy-5,9a-dimethyl-2,7-dioxo-4,5a,6,9-tetrahydro-3h-pyrano[3,4-b]oxepin-5-yl)-5-formyloxy-3-(furan-3-yl)-3a-methyl-7-methylidene-1a,2,3,4,5,6-hexahydroindeno[1,7a-b]oxiren-4-yl] 2-hydroxy-3-methylpentanoate Chemical compound CC12C(OC(=O)C(O)C(C)CC)C(OC=O)C(C3(C)C(CC(=O)OC4(C)COC(=O)CC43)OC(C)=O)C(=C)C32OC3CC1C=1C=COC=1 OMOVVBIIQSXZSZ-UHFFFAOYSA-N 0.000 description 2
- 238000009835 boiling Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 125000001153 fluoro group Chemical group F* 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000005283 ground state Effects 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 235000019658 bitter taste Nutrition 0.000 description 1
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 description 1
- 229910052794 bromium Inorganic materials 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003960 organic solvent Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/20—Cooling means
-
- C—CHEMISTRY; METALLURGY
- C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
- C09K—MATERIALS FOR MISCELLANEOUS APPLICATIONS, NOT PROVIDED FOR ELSEWHERE
- C09K5/00—Heat-transfer, heat-exchange or heat-storage materials, e.g. refrigerants; Materials for the production of heat or cold by chemical reactions other than by combustion
- C09K5/08—Materials not undergoing a change of physical state when used
- C09K5/10—Liquid materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2200/00—Indexing scheme relating to G06F1/04 - G06F1/32
- G06F2200/20—Indexing scheme relating to G06F1/20
- G06F2200/201—Cooling arrangements using cooling fluid
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Fluid Mechanics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Materials Engineering (AREA)
- Thermal Sciences (AREA)
- Combustion & Propulsion (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Lubricants (AREA)
- Cooling Or The Like Of Electrical Apparatus (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Description
しかしながら、水には電気導電性があるため、冷媒に水を用いる場合には、液冷却方式の冷却システムの外部に水が漏れてしまうと、電子機器の部品がショートして破壊され、電子機器及び電子機器を含むシステムの全体で重大な事故が発生する危険性がある。
混合冷媒の性能評価に関しては、フラッシュ計算(気液平衡計算)により得た混合冷媒のパラメータを用いて目的関数を決定し、この目的関数を遺伝的アルゴリズムで最適化することで、混合冷媒の性能を評価する技術が提案されている(例えば、特許文献1参照)。
しかしながら、上記の混合冷媒の例のように、組合せ最適化問題を求解することにより、複数の物質の混合物の性能を最適化しようとする場合、最適化すべき物性(パラメータ)の数が多いときには、最適な混合物の候補を十分に絞り込めないことがあった。
すなわち、一つの実施態様では、混合物性能最適化装置は、複数の物質の混合物の性能を最適化する混合物性能最適化装置であって、
混合物における複数の物性ごとに重みづけをして混合物の性能を最適化する計算を行うためのエネルギー関数式において、
複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込み、エネルギー関数式を簡略化するエネルギー関数式簡略化部を備える。
混合物における複数の物性ごとに重みづけをして混合物の性能を最適化する計算を行うためのエネルギー関数式において、
複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込み、エネルギー関数式を簡略化するエネルギー関数式簡略化処理をコンピュータに行わせる。
混合物における複数の物性ごとに重みづけをして混合物の性能を最適化する計算を行うためのエネルギー関数式において、
複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込み、エネルギー関数式を簡略化するエネルギー関数式簡略化工程を含む。
本件で開示する混合物最適化装置は、複数の物質の混合物の性能を最適化する装置である。本件で開示する混合物最適化装置は、エネルギー関数式簡略化部を備え、性能最適化部を備えることが好ましく、更に必要に応じてその他の部(手段)を有する。
図1に示した例においては、高発熱部品1は受熱器2に接触し、高発熱部品1が発熱した熱は受熱器2を流れる冷媒に伝わる。ポンプ3が駆動することにより、冷媒は配管4を矢印の向きに循環する。受熱器2で加熱された冷媒は、放熱器5に運ばれ、放熱器5の放熱フィンと空気との熱交換により、冷媒の温度は低下する。その後、冷媒は、受熱器2に再び流入し、高発熱部品1が発熱した熱を奪うため、高発熱部品1の温度を低下させて冷却することができる。
上述したように、液冷却方式において冷媒として使用されることが多い水には、電気導電性があるため、冷却システムの外部に水が漏れてしまうと、電子機器の部品がショートして破壊され、電子機器を含むシステムの全体で重大な事故が発生する危険性がある。
しかしながら、フッ素系冷媒は、絶縁性である一方、その熱物性(冷却性能)は水に劣る場合が多い。例えば、通常のフッ素系冷媒においては、熱伝導率は水の約1/10であり、比熱は水の1/4程度である。このため、フッ素系冷媒を用いた液冷却方式の冷却システムの性能は、水と比較して低下してしまう。
そこで、絶縁性のフッ素系冷媒を用いた場合の冷却性能を向上させるために、フッ素系冷媒をベースとして、当該他の複数の材料(たとえば、有機溶剤など)を混合することで、熱伝導率などの冷媒としての熱物性を向上させようとする試みが行われている。このように、複数の物質を混合した混合物で形成された冷媒は、混合冷媒と称されている。
このように、混合冷媒の冷却性能を最適化できるように、混合冷媒における熱物性を指標として、混合する材料(物質)及びそれらの混合比の最適な組合せを探索する問題は、組合せ最適化問題と考えることができる。組合せ最適化問題を求解することにより、混合する材料(物質)及びそれらの混合比を選択した混合冷媒は、冷媒として求められる熱物性が最適化されており、優れた冷却性能を有するものとなる。
そこで、組合せ最適化問題を高速に解くことができる技術として、アニーリングマシンなどを用いて、焼き鈍し法(アニーリング)による計算を行う技術が提案されている。組合せ最適化問題の求解を焼き鈍し法により行う手法としては、例えば、組合せ最適化問題における条件や制約に基づいた関数である「エネルギー関数」を用いる手法が挙げられる。なお、エネルギー関数は、目的関数、コスト関数、ハミルトニアンなどと称される場合もある。
エネルギー関数(エネルギー関数式)は、当該エネルギー関数における変数(パラメータ)が、組合せ最適化問題における最適な組合せとなるときに、最小の値をとる関数である。このため、エネルギー関数が最小の値となる変数の組合せを探索することにより、組合せ最適化問題の解を探索することができる。
E=α・[物性1]+β・[物性2]+γ・[物性3]+・・・+制約項
ただし、Eは、エネルギー関数式であり、α、β、及びγは、各物性に対する重みづけの係数である。なお、制約項は、エネルギー関数式における、材料(物質)の選択数などの制約を表す項である。
例えば、熱伝導率が高く、熱を輸送する性能が高いと考えられるものの、粘度が非常に高く、冷却システムの配管を流すことが困難であり、更には、導電率が高く、電気伝導性を有しており絶縁性がない混合冷媒が、最適な混合冷媒として特定されてしまう場合がある。また、エネルギー関数式のパラメータの重みづけ係数を変更して、性能の高い混合冷媒の探索を繰り返したとしても、最適化する物性の数が多いことにより、最適な混合物の候補を十分に絞り込むことは難しい。
すなわち、本発明者らは、混合物における複数の物性ごとに重みづけをして混合物の性能を最適化する計算を行うためのエネルギー関数式において、複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込み、エネルギー関数式を簡略化することにより、エネルギー関数式が多くの物性を含む場合であっても、混合物の性能を計算結果としてだけでなく実性能として最適化できることを知見した。本件で開示する技術は、この知見に基づくものである。
このように、本件で開示する技術の一例では、例えば、複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込むことにより、エネルギー関数式に含まれるパラメータの数を減らすことができる。このため、本件で開示する技術の一例では、元のエネルギー関数式が多くの物性を含む場合であっても、エネルギー関数式に含まれるパラメータの数を減らして簡略化することができるので、エネルギー関数式の各パラメータを最適化することができる。言い換えると、本件で開示する技術の一例は、エネルギー関数式に含まれるパラメータの数を減らすことができるため、各パラメータの全てについて適切な重みづけ係数を特定することができ、混合物の性能を計算結果としてだけでなく実性能としても最適化できる。
本件で開示する技術の一例においては、上述したように、例えば、次式に示すようなエネルギー関数式を用いることができる。
E=α・[物性1]+β・[物性2]+γ・[物性3]+・・・+制約項
[特性1]=α1・[物性1]+β1・[物性2]
ここで、α1及びβ1は、各物性に対する重みづけの係数である。また、α1及びβ1は、特性1と、物性1及び物性2との相関関係に基づいて求めることができる。
E=δ・[特性1]+γ・[物性3]+・・・+制約項
ここで、δは、特性1に対する重みづけのパラメータを意味する係数である。
例えば、上述した例と同様に、混合物としての混合冷媒の性能を最適化する際に、混合冷媒の物性として、熱伝導率、比熱、引火点、粘度、及び導電率の5つの物性を、エネルギー関数式のパラメータとする場合を考える。
上記の例において、混合冷媒における冷却性能(冷媒が熱を運ぶ能力)は、混合冷媒における熱の伝わりやすさが影響し、熱の伝わりやすさは、例えば、混合冷媒における熱伝導率と比熱(又は熱容量)とを用いて表すことができる。また、他の側面から考えると、冷却システムにおける冷却性能は、熱の伝わりにくさを表す熱抵抗を用いて表すこともできる。このため、混合冷媒における熱伝導率と比熱とは、冷却システムにおける熱抵抗と相関する関係を有すると考えることができる。
したがって、本件で開示する技術の一例では、混合冷媒における複数の物性の中で、熱抵抗に相関する関係を有する熱伝導率と比熱とを、熱抵抗という1つ特性にまとめてエネルギー関数式に取り込むことにより、エネルギー関数式を簡略化することができる。言い換えると、本件で開示する技術の一例では、混合冷媒における熱伝導率と比熱という2つの物性を、熱抵抗という1つの特性にまとめてエネルギー関数式に取り込むことにより、エネルギー関数式に含まれるパラメータの数を減らして簡略化することができる。
本件で開示する技術の一例では、複数の物性を1つの特性にまとめた相関式を含むエネルギー関数式を最適化することにより、当該複数の物性の最適化を同時に(一括して)行うことができる。つまり、本件で開示する技術の一例では、上記の相関式を、エネルギー関数式に適用することにより、エネルギー関数式における熱伝導率と比熱とを、熱抵抗として1つの特性にまとめて、エネルギー関数式のパラメータの数(物性の数)を減らして簡略化できる。
なお、ここまでは性能を最適化する混合物として混合冷媒を例に説明したが、本件で開示する技術は、混合冷媒を対象とすることに限定されるものではない。
したがって、本件で開示する技術の一例では、エネルギー関数式が、多くの物性を含む場合であっても、混合物の性能を計算結果としてだけでなく実性能としても最適化できる。
本件で開示する技術の一例において、エネルギー関数式簡略化部は、混合物における複数の物性ごとに重みづけをして混合物の性能を最適化する計算を行うためのエネルギー関数式に基づいて、混合物の性能を最適化する。さらに、本件で開示する技術の一例において、エネルギー関数式簡略化部は、エネルギー関数式において、複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込み、エネルギー関数式を簡略化する。
本件で開示する技術において性能を最適化する混合物としては、複数の物質による混合物であれば特に制限はなく、目的に応じて適宜選択することができる。つまり、本件で開示する技術では、混合する物質の種類や量を変更することにより、種々の性能や性質が変化し得る混合物であれば、特に制限はなく、目的に応じて適宜選択することができる。
また、本件で開示する技術において、混合物に混合する物質(材料)としては、特に制限はなく、目的に応じて適宜選択することができる。また、混合物に混合する物質の種類の数としては、複数(2以上)であれば特に制限はなく、目的に応じて適宜選択することができる。
本件で開示する技術の一例では、混合物に混合する物質(材料)は、例えば、混合物の種類に合わせて、多数の物質について物性等が記録されたデータベースから選択することが好ましい。
さらに、本件で開示する技術において、最適化する混合物の性能としては、特に制限はなく、目的に応じて適宜選択することができる。本件で開示する技術により最適化する混合物の性能は、例えば、混合物の種類に合わせて、当該混合物に求められる性能に応じて選択することができる。
混合冷媒における物性としては、例えば、熱抵抗、熱伝導率、比熱、粘度、蒸気圧、沸点、表面張力、蒸発潜熱、燃焼性、引火性、発火性、毒性、エネルギー効率、環境影響などが挙げられる。エネルギー効率は、例えば、COP(Coefficient of Performance)などを用いて表すことができる。また、環境影響としては、例えば、地球温暖化係数(GWP;Global Warming Potential)、オゾン破壊係数(ODP;Ozone-Depleting Potential)などが挙げられる。
混合冷媒においては、上記の各物性の例のうち、例えば、熱伝導率と比熱とは、熱抵抗に相関する関係を有するとして、熱伝導率と比熱という2つの物性をまとめて、熱抵抗という1つの特性とすることができる。
また、混合冷媒においては、上記の各物性の例のうち、例えば、引火点と比重とは、燃焼性(燃焼速度)に相関する関係を有するとして、引火点と比重という2つの物性をまとめて、燃焼性(燃焼速度)という1つの特性とすることができる。
さらに、混合冷媒においては、上記の各物性の例のうち、例えば、蒸発潜熱と比熱とは、エネルギー効率(COP)に相関する関係を有するとして、蒸発潜熱と比熱という2つの物性をまとめて、エネルギー効率(COP)という1つの特性とすることができる。
洗浄剤における物性としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、比熱、粘度、表面張力、蒸発潜熱、燃焼性、引火性、毒性、水素イオン指数(pH)、蒸発速度、浸透性、特定の対象に対する洗浄力、保存性などが挙げられる。
本件で開示する技術においては、上記の物性などから、適宜目的に合わせて選択した複数の物性を、1つの特性にまとめることにより、エネルギー関数式を簡略化することができる。
コーヒーにおける物性(味の特徴)としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、香り、酸味、苦味、コクなどが挙げられる。
本件で開示する技術においては、上記の物性(特徴)などから、適宜目的に合わせて選択した複数の物性を、1つの特性にまとめることにより、エネルギー関数式を簡略化することができる。
本件で開示する技術の一例においては、混合物における複数の物性ごとに重みづけをして混合物の性能を最適化する計算を行うためのエネルギー関数式に基づいて、混合物の性能を最適化する。
ここで、エネルギー関数式としては、混合物における物性や、混合物に混合する物質を選択する際の制約などに応じて、適宜選択することができる。エネルギー関数式としては、例えば、混合物における物性の値を変数として、混合物における最適な物質の組合せとなる時に、最小の値をとる関数を用いることができる。このため、エネルギー関数式が最小の値となる変数の組合せを求めることにより、混合物の性能を最適化することができる。
E=α・[物性1]+β・[物性2]+γ・[物性3]+・・・+制約項
ただし、Eは、エネルギー関数式であり、α、β、及びγは、各物性に対する重みづけの係数である。なお、制約項は、エネルギー関数式における、材料(物質)の選択数などの制約を表す項である。また、上記のエネルギー関数式における「・・・」は、物性1、物性2、及び物性3以外の物性、並びに、α、β、及びγ以外の重みづけの係数が適宜含まれてもよいことを意味する。
混合物における各物質の物性に基づいて混合物の物性を求める手法としては、特に制限はなく、求める物性の種類や性質に応じて適宜選択することができる。また、各物質の物性については、文献値、実測値(実際に実験を行うことにより得た値)、物性シミュレーションに基づいて算出した値などを用いることができる。
この手法を用いる場合について、混合物の比熱を求める(推算する)ときに、混合物100モルに対して、物質Aが50モル、物質Bが30モル、物質Cが20モル含まれるときを一例として説明する。この例において、物質Aの比熱が2000J/(kg・K)であり、物質Bの比熱が4000J/(kg・K)であり、物質Cの比熱が1000J/(kg・K)であるとする。このとき、これらの各物質の比熱を用いて、各物質のモル濃度に基づいて混合物比熱を求めると、例えば、次式のようになる。
混合物の比熱=2000×(50/100)+4000×(30/100)+1000×(20/100)=2400J/(kg・K)
このように、本件で開示する技術の一例では、例えば、混合物における、混合する各物質のモル濃度に基づいて、各物質の物性値を重みづけして平均した値を、混合物の物性とすることができる。
理論的又は経験的な物性推算式としては、公知のものを適宜選択して用いることができ、例えば、「物性推算法(大江修造著,データブック出版社)」などの文献で開示されているものなどを用いることができる。物性推算式の具体例等については後述する。
混合物に混合する複数の物質の種類の数が所定数であるという制約
混合物における、複数の物質の混合比率の合計が100%であるという制約
混合物に混合する複数の物質として、同一の物質を複数回選択しないという制約
混合物が所定の物質を含むという制約
混合物の性能を最適化する際には、混合する物質の数をあらかじめ設定して、混合物に混合する物質を探索する場合がある。このような場合に、上記の「混合物に混合する複数の物質の種類の数が所定数であるという制約」を課すことにより、あらかじめ設定した所定数の物質を混合した混合物に絞り込んで探索を行うことができる。
また、「混合物に混合する複数の物質の種類の数が所定数であるという制約」は、例えば、混合物に混合する物質の種類の数が所定数でない組合せのときに、エネルギー関数式の値を大きくさせるペナルティーの項とすることができる。
複数の物質の混合物における物質の組合せを探索する際には、混合物の全量に対する、各物質の混合比率(含有量)の合計は100%となることが通常である。このため、上記の「混合物における、複数の物質の混合比率の合計が100%であるという制約」を課すことにより、複数の物質の混合比率の合計が100%となるように絞り込んで探索を行うことができる。
また、「混合物における、複数の物質の混合比率の合計が100%であるという制約」は、例えば、混合物における、複数の物質の混合比率の合計が100%でない組合せのときに、エネルギー関数式の値を大きくさせるペナルティーの項とすることができる。
複数の物質の混合物における物質の組合せを探索する際に、同一の物質を複数回選択した組合せにおいては、多様な物質の組合せを探索することができない場合がある。このため、上記の「混合物に混合する複数の物質として、同一の物質を複数回選択しないという制約」を課すことにより、互いに異なる物質の組合せで形成される混合物に絞り込んで探索を行うことができる。
また、「混合物に混合する複数の物質として、同一の物質を複数回選択しないという制約」は、例えば、混合物に混合する複数の物質として、同一の物質を複数回選択する組合せのときに、エネルギー関数式の値を大きくさせるペナルティーの項とすることができる。
複数の物質の混合物における物質の組合せを探索する際には、混合物のベースとなる物質をあらかじめ設定して、ベースとなる物質が含まれるように、混合物に混合する物質を探索する場合がある。このため、上記の「混合物が所定の物質を含むという制約」を課すことにより、あらかじめ設定したベースとなる物質を含む混合物に絞り込んで探索を行うことができる。
また、「混合物が所定の物質を含むという制約」は、例えば、混合物が所定の物質を含まない組合せのときに、エネルギー関数式の値を大きくさせるペナルティーの項とすることができる。
本件で開示する技術の一例では、エネルギー関数式において、複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込み、エネルギー関数式を簡略化する。
エネルギー関数式において、複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込み、エネルギー関数式を簡略化する手法としては、特に制限はなく、目的に応じて適宜選択することができる。
複数の物性に関する相関式を求める手法としては、特に制限はなく、目的に応じて適宜選択することができるが、複数の物性と、当該複数の物性をまとめた特性との相関関係に基づいて相関式を求める手法が好ましい。
こうすることにより、本件で開示する技術の一例では、複数の物性と、当該複数の物性をまとめた特性との相関関係をより正確に求めることができる。
一の特性の値と、当該一の特性の値に対応した(当該一の特性の値を与える)複数の物性の値とを含むデータを取得する手法としては、特に制限はなく、目的に応じて適宜選択することができる。一の特性の値と、当該一の特性の値に対応した複数の物性の値とを含むデータの取得手法としては、例えば、ある混合物について、混合する物質、それらの物質の混合比率(組成)、及び当該混合物における各物性の値を特定し、組成及び物性を特定した混合物における一の特性の値を求める手法が挙げられる。
このように、本件で開示する技術の一例では、混合物の性能を最適化するための計算の前に、一の特性の値と、当該一の特性の値に対応した複数の物性の値とを含むデータの取得する目的で、適宜設定した重みづけの係数を用いた計算を行うことが好ましい。
このとき、重回帰分析の精度をより向上させる観点では、重みづけの係数を適宜設定したエネルギー関数式を複数用意して最小化を行い、複数の混合物について、一の特性の値と当該一の特性の値に対応した複数の物性の値とを含むデータの取得することが好ましい。
性能を最適化する混合物が混合冷媒である場合は、例えば、熱伝導率を重視した重みづけの係数の組合せ、比熱を重視した重みづけの係数の組合せ、及び引火点及び粘度を重視した重みづけの係数の組合せなど、複数の条件で計算を行うことが好ましい。
本件で開示する技術の一例では、上述したようにして、一の特性の値と当該一の特性の値に対応した複数の物性の値とを含むデータの取得に用いる混合物について、各物性についてのバリエーションを有する複数の混合物の組成を特定することができる。
本件で開示する技術の一例では、性能を最適化する混合物が混合冷媒である場合に、一の特性として熱抵抗を用いるときには、例えば、熱流体シミュレーションを行うことにより、当該混合冷媒を用いた冷却システムにおける冷却性能を評価する。
ここで、上述したように、混合冷媒における熱伝導率及び比熱は、当該混合冷媒を用いた冷却システムの冷却性能と相関すると考えられる。また、他の側面から考えると、冷却システムにおける冷却性能は、熱抵抗で表すことができる。したがって、熱流体シミュレーションを行うことにより、混合冷媒を用いた冷却システムにおける温度データを取得し、冷却性能として当該混合冷媒を使用した場合の熱抵抗を求めることで、当該混合冷媒における、一の特性としての熱抵抗と、複数の物性としての熱伝導率及び比熱の関係を特定することができる。
[特性1]=α1・[物性1]+β1・[物性2]
[特性2]=γ1・[物性3]+δ1・[物性4]
[特性3]=ε1・[物性5]+ζ1・[物性6]
なお、α1、β1、γ1、δ1、ε1、及びζ1は、相関式における各物性に対する重みづけの係数である。
E=α・[物性1]+β・[物性2]+γ・[物性3]+δ・[物性4]+ε・[物性5]+ζ・[物性6]+・・・+制約項
なお、α、β、γ、δ、ε、及びζは、エネルギー関数式における各物性に対する重みづけの係数である。
E=η・[特性1]+θ・[特性2]+λ・[特性3]+・・・+制約項
ここで、η、θ、及びλは、各特性に対する重みづけの係数である。
この例においては、上記の3つの相関式を、上記のエネルギー関数式に取り込むことにより、当該エネルギー関数式におけるパラメータの数を3つ減らすことができる。
このように、本件で開示する技術の一例では、複数の特性をエネルギー関数式に取り込むことにより、元のエネルギー関数式がより多くの物性を含む場合にも、混合物の性能を計算結果としてだけでなく実性能として最適化できる。
ここで、複数の特性をエネルギー関数式に取り込むときの他の一例として、下記の3つの式に示す例のように、1つの物性が複数の特性と相関する場合を考える。
[特性1]=α1・[物性1]+β1・[物性2]+γ1・[物性3]
[特性2]=δ1・[物性3]+ε1・[物性4]+ζ1・[物性5]
[特性3]=η1・[物性2]+θ1・[物性4]+λ1・[物性5]+φ1・[物性6]
なお、α1、β1、γ1、δ1、ε1、ζ1、η1、θ1、λ1、及びφ1は、各相関式における各物性に対する重みづけの係数である。
E=α・[物性1]+β・[物性2]+γ・[物性3]+δ・[物性4]+ε・[物性5]+ζ・[物性6]+・・・+制約項
なお、α、β、γ、δ、ε、及びζは、エネルギー関数式における各物性に対する重みづけの係数である。
E=μ・[特性1]+ν・[特性2]+ρ・[特性3]+・・・+制約項
ここで、μ、ν、及びρは、各特性に対する重みづけの係数である。
つまり、本件で開示する技術では、複数の一の特性のうち、第一の特性に係る、互いに相関する関係を有する混合物の複数の物性の中の少なくとも一つが、第二の特性に係る、互いに相関する関係を有する混合物の複数の物性の中の少なくとも一つであってもよい。
つまり、本件で開示する技術の一例では、一の特性をエネルギー関数式に取り込むごとに、エネルギー関数式の物性の数を減らすことができ、エネルギー関数式がより多くの物性を含む場合にも、混合物の性能を計算結果としてだけでなく実性能として最適化できる。
本件で開示する技術の一例において、性能最適化部は、エネルギー関数式簡略化部により簡略化されたエネルギー関数式を最小化することにより、混合物の性能を最適化する。本件で開示する技術の一例では、エネルギー関数式を最小化することにより、混合物の組成の組合せに関する組合せ最適化問題を求解して、性能を最適化できる混合物の組成を特定することができる。
ここで、エネルギー関数式を最小化する手法としては、特に制限はなく、目的に応じて適宜選択することができる。エネルギー関数式を最小化する手法としては、エネルギー関数式をQUBO(Quadratic Unconstrained Binary Optimization)形式のイジングモデルに変換し、イジングモデルに変換したエネルギー関数式の値を最小化する手法が好ましい。
wijは、i番目のビットとj番目のビットの間の相互作用を表す数値である。
xiは、i番目のビットが0又は1であることを表すバイナリ変数であり、xjは、j番目のビットが0又は1であることを表すバイナリ変数である。
biは、i番目のビットに対するバイアスを表す数値である。
上記式(1)における右辺の一項目は、全回路から選択可能な2つの回路の全組み合わせについて、漏れと重複なく、2つの回路の状態(ステート)と重み値(ウエイト)との積を積算したものである。
また、上記式(1)における右辺の二項目は、全回路のそれぞれのバイアスの値と状態との積を積算したものである。
つまり、イジングモデルに変換する前のエネルギー関数式のパラメータを抽出して、wij及びbiを求めることにより、エネルギー関数式を、上記式(1)で表されるイジングモデルに変換することができる。
図3に、本件で開示する混合物性能最適化装置のハードウェア構成例を示す。
混合物性能最適化装置10においては、例えば、制御部11、メモリ12、記憶部13、表示部14、入力部15、出力部16、I/Oインターフェース部17がシステムバス18を介して接続されている。
制御部11としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、CPUであってもよいし、後述する焼き鈍し法に用いる最適化装置(アニーリングマシン)の一部であってもよく、これらの組み合わせでもよい。
本件で開示する混合物性能最適化装置におけるエネルギー関数式簡略化部及び性能最適化部は、例えば、制御部11により実現することができる。
また、本件で開示する混合物性能最適化装置プログラムは、例えば、記憶部13に格納され、メモリ12のRAM(主メモリ)にロードされ、制御部11により実行される。
入力部15は、各種データの入力装置であり、例えば、キーボード、ポインティングデバイス(例えば、マウス等)などである。
出力部16は、各種データの出力装置であり、例えば、プリンタなどである。
I/Oインターフェース部17は、各種の外部装置を接続するためのインターフェースである。I/Oインターフェース部17は、例えば、CD-ROM(Compact Disc Read Only Memory)、DVD-ROM(Digital Versatile Disk Read Only Memory)、MOディスク(Magneto-Optical disk)、USBメモリ〔USB(Universal Serial Bus) flash drive〕などのデータの入出力を可能にする。
図4に示す例は、混合物性能最適化装置をクラウド型にした場合の例であり、制御部11が、記憶部13などとは独立している。図4に示す例においては、ネットワークインターフェース部19、20を介して、記憶部13などを格納するコンピュータ30と、制御部11を格納するコンピュータ40とが接続される。
ネットワークインターフェース部19、20は、インターネットを利用して、通信を行うハードウェアである。
図5に示す例は、混合物性能最適化装置をクラウド型にした場合の例であり、記憶部13が、制御部11などとは独立している。図5に示す例においては、ネットワークインターフェース部19、20を介して、制御部11等を格納するコンピュータ30と、記憶部13を格納するコンピュータ40とが接続される。
図6に示すように、混合物性能最適化装置10は、通信機能部101と、入力機能部102と、出力機能部103と、制御機能部104と、記憶機能部108と、を備える。
入力機能部102は、例えば、混合物性能最適化装置10に対する各種指示を受け付ける。また、入力機能部102は、例えば、イジングモデルに変換したエネルギー関数式におけるバイアス及びウエイトのデータの入力を受け付けてもよい。
出力機能部103は、例えば、性能を最適化した混合物における複数の物質の種類及びそれらの物質の混合比率(組成)などを出力する。
エネルギー関数式簡略化部105は、エネルギー関数式を簡略化する処理を行う。
性能最適化部106は、エネルギー関数式簡略化部105により簡略化されたエネルギー関数式を最小化することにより、混合物の性能を最適化する。
シミュレーション部107は、混合物における一の特性と、当該一の特性に相関する関係を有する複数の物性との間の相関関係を求めるための、混合物についてのシミュレーション(数値計算)を行う。
記憶機能部108は、物質データベース(物質DB)109と、物性データベース(物性DB)110を有する。記憶機能部108は、例えば、各種プログラムを記憶する。
物質DB109は、混合物に混合する物質の候補となる物質についての、名称や化学式などの情報を記憶するデータベースである。物質DB109としては、公知の化合物データベースを用いることができる。
物性DB110は、混合物に混合する物質の候補となる物質についての、各物質の物性の情報を記憶するデータベースである。物性DB110としては、公知の化合物データベース、化学便覧、学術文献、特許文献などで開示された物質の物性(物性値)をまとめたものとすることができる。
次に、制御機能部104は、混合冷媒に混合する物質の候補を、物質DB109から複数選択する(S102)。このとき、制御機能部104は、物質DB109に記憶されている全ての物質を選択してもよいし、混合冷媒に適すると考えられる物質を選んで選択してもよい。また、制御機能部104は、物性DB110を参照して、物性値が記憶されている物質を物質DB109から選択するようにしてもよい。
次いで、制御機能部104は、物性DB110から、混合冷媒における最適化する物性に合わせて、混合する物質の候補における物性の情報を取得する(S104)。つまり、S104において、制御機能部104は、混合冷媒に混合する物質の候補として選択した物質について、物性DB110を参照して、各物質における、S103で決定された最適化の対象となる物性の情報(物性値)を取得する。
そして、制御機能部104は、各物質における物性から、混合冷媒における当該物性を推算可能な式を、混合冷媒における最適化する物性について規定する(S105)。言い換えると、S105において、制御機能部104は、混合冷媒に混合する物質の候補として選択した各物質の物性に基づいて、混合冷媒における物性を導出できる関係式を、ユーザの入力などに基づいて規定する。
より具体的には、S106において、制御機能部104は、次式で表されるエネルギー関数式を規定する。
E=α・[物性1]+β・[物性2]+γ・[物性3]+・・・+制約項
ただし、Eは、エネルギー関数式であり、α、β、及びγは、各物性に対する重みづけの係数である。
wijは、i番目のビットとj番目のビットの間の相互作用を表す数値である。
xiは、i番目のビットが0又は1であることを表すバイナリ変数であり、xjは、j番目のビットが0又は1であることを表すバイナリ変数である。
biは、i番目のビットに対するバイアスを表す数値である。
そして、制御機能部104は、上記式(1)を最小化した結果に基づいて、エネルギー関数式が最小値となるときの、混合冷媒に含まれる物質の種類、それらの物質の混合比率(混合冷媒の組成)、及び当該混合冷媒における各物性(物性値)を出力する(S109)。そして、制御機能部104は、混合冷媒の組成及び物性を出力すると、処理を終了させる。
さらに、従来技術では、図7に示したような流れに従って、エネルギー関数式における重みづけの係数を適宜変更して、複数回計算を行ったとしても、エネルギー関数式を実用の条件を満たすように最適化することは難しく、最適な混合物の候補を十分に絞り込むことができなかった。
S210において、制御機能部104は、他の重みづけ係数の組合せを用いて、他の混合冷媒の候補の探索を行う場合には、処理をS211に移す。また、S210において、制御機能部104は、他の重みづけ係数の組合せを用いて、他の混合冷媒の候補の探索を行わない場合には、処理をS212に移す。なお、他の重みづけ係数の組合せを用いて、他の混合冷媒の候補を探索するか否かを判定は、例えば、ユーザの入力を受け付けることにより行うことができる。
ここで、上述したように、混合冷媒における熱伝導率及び比熱は、当該混合冷媒を用いた冷却システムの冷却性能と相関すると考えられる。また、他の側面から考えると、冷却システムにおける冷却性能は、冷却システムに混合冷媒を用いた場合の熱抵抗で表すことができる。したがって、熱流体シミュレーションを行うことにより、混合冷媒を用いた冷却システムにおける温度データを取得することにより、当該混合冷媒の熱抵抗の値を求めることができる。
そして、制御機能部104は、上記式(1)を最小化した結果に基づいて、エネルギー関数式が最小値となるときの、混合冷媒に含まれる物質の種類、それらの物質の混合比率(混合冷媒の組成)、及び当該混合冷媒における各物性(物性値)を出力する(S218)。そして、制御機能部104は、混合冷媒の組成及び物性を出力すると、処理を終了させる。
したがって、本件で開示する技術の一例では、エネルギー関数式が、多くの物性を含む場合であっても、混合物の性能を計算結果としてだけでなく実性能としても最適化できる。
さらに、本件で開示する技術の一例では、図8のフローチャートの例における、S212からS215などを繰り返して、複数の特性を、エネルギー関数式に取り込んでもよい。
焼き鈍し法は、乱数値や量子ビットの重ね合わせを用いて確率的に解を求める方法である。以下では最適化したい評価関数の値を最小化する問題を例に説明し、評価関数の値をエネルギーと呼ぶことにする。また、評価関数の値を最大化する場合は、評価関数の符号を変えればよい。
もし、これを決定論的にエネルギーが下がる場合に採択とし、上がる場合に不採択とすれば、エネルギーの変化は時間に対して広義単調減少となるが、局所解に到達したらそれ以上変化が起こらなくなってしまう。上記のように離散最適化問題には非常に多数の局所解が存在するために、状態が、ほとんど確実にあまり最適値に近くない局所解に捕まってしまう。したがって、離散最適化問題を解く際には、その状態を採択するかどうかを確率的に決定することが重要である。
以下では、焼き鈍し法を用いて最適解を求める方法について、順序を追って説明する。
(1)の式で表される許容確率を用いた場合、十分な反復後に定常状態に達したとすると、各状態の占有確率は熱力学における熱平衡状態に対するボルツマン分布に従う。
そして、高い温度から徐々に下げていくとエネルギーの低い状態の占有確率が増加するため、十分温度が下がるとエネルギーの低い状態が得られると考えられる。この様子が、材料を焼き鈍したときの状態変化とよく似ているため、この方法は焼き鈍し法(または、疑似焼き鈍し法)と称される。なお、エネルギーが上がる状態遷移が確率的に起こることは、物理学における熱励起に相当する。
まず、候補発生部114aは、状態保持部111に保持された現在の状態Sから次の状態への状態遷移の候補(候補番号{Ni})を1つまたは複数発生する。次に、エネルギー計算部112は、現在の状態Sと状態遷移の候補を用いて候補に挙げられた各状態遷移に対するエネルギー変化値{-ΔEi}を計算する。可否判定部114bは、温度制御部113で発生した温度値Tと乱数発生部114dで生成した確率変数(乱数値)を用い、各状態遷移のエネルギー変化値{-ΔEi}に応じて、上記(1)の式の許容確率でその状態遷移を許容する。
そして、可否判定部114bは、各状態遷移の可否{fi}を出力する。許容された状態遷移が複数ある場合には、遷移決定部114cは、乱数値を用いてランダムにそのうちの1つを選択する。そして、遷移決定部114cは、選択した状態遷移の遷移番号Nと、遷移可否fを出力する。許容された状態遷移が存在した場合、採択された状態遷移に応じて状態保持部111に記憶された状態変数の値が更新される。
2つの数に同じ単調増加関数を作用させても大小関係は変化しない。したがって、比較器の2つの入力に同じ単調増加関数を作用させても出力は変わらない。この単調増加関数として、fの逆関数f-1を採用すると、-ΔE/Tがf-1(u)より大きいとき1を出力する回路とすることができることがわかる。さらに、温度値Tが正であることから、-ΔEがTf-1(u)より大きいとき1を出力する回路でよいことがわかる。
図9中の遷移制御部114は、逆関数f-1(u)を実現するための変換テーブルであり、区間[0,1)を離散化した入力に対して次の関数の値を出力するノイズテーブルを含んでもよい。
本件で開示する混合物性能最適化方法は、複数の物質の混合物の性能を最適化する混合物性能最適化方法であって、混合物における複数の物性ごとに重みづけをして混合物の性能を最適化する計算を行うためのエネルギー関数式において、複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込み、エネルギー関数式を簡略化するエネルギー関数式簡略化工程を含む。
本件で開示する混合物性能最適化プログラムは、複数の物質の混合物の性能を最適化する混合物性能最適化プログラムであって、混合物における複数の物性ごとに重みづけをして混合物の性能を最適化する計算を行うためのエネルギー関数式において、複数の物性の中で、一の特性に相関する関係を有する複数の物性を一の特性としてまとめてエネルギー関数式に取り込み、エネルギー関数式を簡略化するエネルギー関数式簡略化処理をコンピュータに行わせる。
さらに、本件で開示する混合物性能最適化プログラムを、上記の記録媒体に記録する場合には、必要に応じて、コンピュータシステムが有する記録媒体読取装置を通じて、これを直接又はハードディスクにインストールして使用することができる。また、コンピュータシステムから情報通信ネットワークを通じてアクセス可能な外部記憶領域(他のコンピュータなど)に本件で開示する最適化プログラムを記録しておいてもよい。この場合、外部記憶領域に記録された本件で開示する混合物性能最適化プログラムは、必要に応じて、外部記憶領域から情報通信ネットワークを通じてこれを直接、又はハードディスクにインストールして使用することができる。
なお、本件で開示する混合物性能最適化プログラムは、複数の記録媒体に、任意の処理毎に分割されて記録されていてもよい。
本件で開示するコンピュータが読み取り可能な記録媒体は、本件で開示する混合物性能最適化プログラムを記録してなる。
本件で開示するコンピュータが読み取り可能な記録媒体としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、内蔵ハードディスク、外付けハードディスク、CD-ROM、DVD-ROM、MOディスク、USBメモリなどが挙げられる。
また、本件で開示するコンピュータが読み取り可能な記録媒体は、本件で開示する混合物性能最適化プログラムが任意の処理毎に分割されて記録された複数の記録媒体であってもよい。
混合冷媒における最適化する物性は、熱伝導率、引火点、比熱、粘度、電気導電率の5つの物性とし、混合冷媒に混合する物質(材料)の候補は、化学便覧における有機溶剤リストを参照して、上記5つの物性についての物性値が既知である、38種類の物質(溶剤材料)を選定してリスト化してデータベースとした。
混合冷媒における熱伝導率と粘度は、「物性推算法(大江修造著,データブック出版社)」を参考にして、以下に示す物性推算式を用いて推算した。
上記の(8)の式における制約項としては、下記の4つの制約を含むものを用いた。
混合物に混合する複数の物質の種類の数が所定数であるという制約
混合物における、複数の物質の混合比率の合計が100%であるという制約
混合物に混合する複数の物質として、同一の物質を複数回選択しないという制約
混合物が所定の物質を含むという制約
より具体的には、α、β、γ、δ、及びεの重みづけの係数を、例えば、熱伝導率を重視する組合せ、引火点及び粘度を重視する組合せなど、適宜選択した8種類の組合せに変更して、それぞれの条件について、上記の式(1)のイジングモデルに最小値を与える混合冷媒の物性値及び組成を求めた。つまり、実施例1では、種々の物性における重みづけの係数を変更して、合計で8種類の混合冷媒の候補(混合候補)を得た。
なお、図11には、熱流体シミュレーションにおける、熱源に接触する受熱器の温度に関するコンター図の一例を示した。図11に示すように、熱流体シミュレーションにおいては、受熱器を半分に切った半分(1/2)の対称モデルを用いた。また、図11の右側のスケールは、受熱器における温度分布のスケールを示す。図11に示す例では、受熱器の底部から熱が加わり、受熱器の断面の溝を、図11の左から右に混合冷媒が流れる条件で熱流体シミュレーションを行った。なお、図11では、熱源(CPU等の発熱部品)は省略されている。
a=-0.069214632
b=-0.000100303
c=1.026848908
オプテオンSF-10/n-ペンタン/メチルアルコール=52.4/10.5/37.1(質量%)
また、オプテオンSF-10の純冷媒(オプテオンSF-10が100質量%の冷媒)についても、上記の混合冷媒と同様にして熱流体シミュレーションを行い、熱抵抗Rsysの入力熱量依存性を解析した。本実施例で特定した混合冷媒と、オプテオンSF-10の純冷媒とを比較すると、本実施例で特定した混合冷媒では、オプテオンSF-10の純冷媒と比べて、熱抵抗Rsysが約24%低下し、冷却性能が向上することを確認できた。
本実施例で性能を最適化した混合冷媒における、熱伝導率、比熱、粘度、導電率、及び熱抵抗を表3に示す。
例えば、混合候補における「No.1」の混合候補は、熱伝導率の項の重みづけの係数を大きくした(熱伝導率を重視した)条件の計算結果であり、熱抵抗が「0.718K/W」となっており、冷却性能は高いものと予想できる。しかしながら、「No.1」の混合候補においては、粘度が「3899.35μPa・s」と非常に高く、冷却システムの配管を流すことが困難であり、更には、導電率が「8.00E-05(8.00×10-5)S/m」と高く、電気伝導性を有しており、冷媒として実用することが難しい物性となっている。また、例えば、「No.2」の混合候補においては、粘度及び導電率は、冷媒として好ましい物性であると考えられるが、熱抵抗は「0.919K/W」となっており、実用上の冷却性能は、非常に低いと考えられる。
このように、上記の8つの混合冷媒の候補(混合候補)は、それぞれのエネルギー関数式に最小値を与える組合せであり、計算結果としては最適化されているが、混合冷媒としの実用上の性能(実性能)が最適化されたものではない。
上述したように、「オプテオンSF-10(メトキシパーフルオロヘプテン)/n-ペンタン/メチルアルコール==52.4/10.5/37.1(質量%)」である混合冷媒は、冷却性能が高いと共に、絶縁性があり、引火性がなく、粘度が低いものであり、冷媒としての実性能が最適化された混合冷媒である。
このように、本件で開示する混合冷媒は、混合冷媒の全量に対して、メトキシパーフルオロヘプテンを52質量%、n-ペンタンを11質量%、及びメチルアルコールを37質量%含む。本件で開示する混合冷媒は、一つの側面では、冷却性能が高いと共に、絶縁性があり、引火性がなく、粘度が低いものであり、冷媒としての実性能が最適化されており、冷媒として好適に用いることができる。
図13の例に示すように、本実施例では、混合冷媒のベースとして「オプテオンSF-10(三井・ケマーズ フロロプロダクツ株式会社製)」を選択する。そして、本実施例では、混合冷媒に混合する物質(材料)の候補及び物質の候補の物性値を、化学便覧を参照してデータベースとする。
続いて、図13の例に示すように、本実施例では、化学便覧を参照して作成したデータベースから、最適化する物性として、混合冷媒に混合する物質についての熱伝導率、引火点、比熱、粘度、及び導電率の物性値を抽出する。
次いで、1段階目の最適化を行った結果の混合候補の物性の値に基づいて、重回帰分析を行い、混合冷媒における複数の物性(本実施例では、熱伝導率及び比熱)を、1つの特性(本実施例では、熱抵抗)にまとめることができる重回帰式を得る。そして、本実施例では、重回帰式を、エネルギー関数式に取り込むことにより、エネルギー関数式を簡略化する。
(付記1)
複数の物質の混合物の性能を最適化する混合物性能最適化装置であって、
前記混合物における複数の物性ごとに重みづけをして前記混合物の性能を最適化する計算を行うためのエネルギー関数式において、
複数の前記物性の中で、一の特性に相関する関係を有する複数の前記物性を前記一の特性としてまとめて前記エネルギー関数式に取り込み、前記エネルギー関数式を簡略化するエネルギー関数式簡略化部を備えることを特徴とする混合物性能最適化装置。
(付記2)
前記エネルギー関数式が、次式、
E=α・[物性1]+β・[物性2]+γ・[物性3]+・・・+制約項
で表される(ただし、前記Eは、前記エネルギー関数式であり、前記α、前記β、及び前記γは、前記重みづけの係数である)、
付記1に記載の混合物性能最適化装置。
(付記3)
前記制約項が、
前記混合物に混合する複数の前記物質の種類の数が所定数であるという制約と、
前記混合物における、複数の前記物質の混合比率の合計が100%であるという制約と、
前記混合物に混合する複数の前記物質として、同一の前記物質を複数回選択しないという制約と、
前記混合物が所定の前記物質を含むという制約と、
を含む、付記2に記載の混合物性能最適化装置。
(付記4)
前記一の特性が、複数の前記物性の中で、互いに相関する関係を有するものから重回帰分析により導かれる、付記1から3のいずれかに記載の混合物性能最適化装置。
(付記5)
前記エネルギー関数式簡略化部が、複数の前記一の特性を前記エネルギー関数式に取り込み、前記エネルギー関数式を簡略化する、付記1から4のいずれかに記載の混合物性能最適化装置。
(付記6)
複数の前記一の特性のうち、
第一の特性に係る、互いに相関する関係を有する前記混合物の複数の物性の中の少なくとも一つが、
第二の特性に係る、互いに相関する関係を有する前記混合物の複数の物性の中の少なくとも一つでもある、付記5に記載の混合物性能最適化装置。
(付記7)
前記エネルギー関数式簡略化部が、前記一の特性を前記エネルギー関数式に複数回取り込み、前記エネルギー関数式を簡略化する、付記1から6のいずれかに記載の混合物性能最適化装置。
(付記8)
前記エネルギー関数式簡略化部により簡略化された前記エネルギー関数式を最小化することにより、前記混合物の性能を最適化する性能最適化部を備える、付記1から7のいずれかに記載の混合物性能最適化装置。
(付記9)
前記性能最適化部が、下記式(1)で表されるイジングモデルに変換した前記エネルギー関数式に基づき、前記混合物の性能を最適化する、付記8に記載の混合物性能最適化装置。
前記Eは前記エネルギー関数式であり、
前記wijは、i番目のビットとj番目のビットとの間の相互作用を表す数値であり、
前記biは、i番目の前記ビットに対するバイアスを表す数値であり、
前記xiは、i番目の前記ビットが0又は1であることを表すバイナリ変数であり、
前記xjは、j番目の前記ビットが0又は1であることを表すバイナリ変数である。
(付記10)
前記性能最適化部が、焼き鈍し法により、前記エネルギー関数式を最小化する、付記8又は9に記載の混合物性能最適化装置。
(付記11)
前記混合物が混合冷媒である、付記1から10のいずれかに記載の混合物性能最適化装置。
(付記12)
前記混合冷媒がフッ素化合物を含む、付記11に記載の混合物性能最適化装置。
(付記13)
前記フッ素化合物がハイドロフルオロオレフィンを含む、付記12に記載の混合物性能最適化装置。
(付記14)
複数の物質の混合物の性能を最適化する混合物性能最適化プログラムであって、
前記混合物における複数の物性ごとに重みづけをして前記混合物の性能を最適化する計算を行うためのエネルギー関数式において、
複数の前記物性の中で、一の特性に相関する関係を有する複数の前記物性を前記一の特性としてまとめて前記エネルギー関数式に取り込み、前記エネルギー関数式を簡略化するエネルギー関数式簡略化処理をコンピュータに行わせることを特徴とする混合物性能最適化プログラム。
(付記15)
複数の物質の混合物の性能を最適化する混合物性能最適化方法であって、
前記混合物における複数の物性ごとに重みづけをして前記混合物の性能を最適化する計算を行うためのエネルギー関数式において、
複数の前記物性の中で、一の特性に相関する関係を有する複数の前記物性を前記一の特性としてまとめて前記エネルギー関数式に取り込み、前記エネルギー関数式を簡略化するエネルギー関数式簡略化工程を含むことを特徴とする混合物性能最適化方法。
(付記16)
混合冷媒の全量に対して、メトキシパーフルオロヘプテンを52質量%、n-ペンタンを11質量%、及びメチルアルコールを37質量%含むことを特徴とする混合冷媒。
11 制御部
12 メモリ
13 記憶部
14 表示部
15 入力部
16 出力部
17 I/Oインターフェース部
18 システムバス
19 ネットワークインターフェース部
20 ネットワークインターフェース部
30 コンピュータ
40 コンピュータ
101 通信機能部
102 入力機能部
103 出力機能部
104 制御機能部
105 エネルギー関数式簡略化部
106 性能最適化部
107 シミュレーション部
108 記憶機能部
109 物質データベース
110 物性データベース
Claims (13)
- 複数の物質の混合物の性能を最適化する混合物性能最適化装置であって、
前記混合物における複数の物性ごとに重みづけをして前記混合物の性能を最適化する計算を行うためのエネルギー関数式において、
複数の前記物性の中で、一の特性に相関する関係を有する複数の前記物性を前記一の特性としてまとめて前記エネルギー関数式に取り込み、前記エネルギー関数式を簡略化するエネルギー関数式簡略化部を備え、
前記一の特性が、複数の前記物性の中で、互いに相関する関係を有するものから重回帰分析により導かれることを特徴とする混合物性能最適化装置。 - 前記エネルギー関数式が、次式、
E=α・[物性1]+β・[物性2]+γ・[物性3]+・・・+制約項
で表される(ただし、前記Eは、前記エネルギー関数式であり、前記α、前記β、及び前記γは、前記重みづけの係数である)、
請求項1に記載の混合物性能最適化装置。 - 前記制約項が、
前記混合物に混合する複数の前記物質の種類の数が所定数であるという制約と、
前記混合物における、複数の前記物質の混合比率の合計が100%であるという制約と、
前記混合物に混合する複数の前記物質として、同一の前記物質を複数回選択しないという制約と、
前記混合物が所定の前記物質を含むという制約と、
を含む、請求項2に記載の混合物性能最適化装置。 - 前記エネルギー関数式簡略化部が、複数の前記一の特性を前記エネルギー関数式に取り込み、前記エネルギー関数式を簡略化する、請求項1から3のいずれかに記載の混合物性能最適化装置。
- 複数の前記一の特性のうち、
第一の特性に係る、互いに相関する関係を有する前記混合物の複数の物性の中の少なくとも一つが、
第二の特性に係る、互いに相関する関係を有する前記混合物の複数の物性の中の少なくとも一つでもある、請求項4に記載の混合物性能最適化装置。 - 前記エネルギー関数式簡略化部により簡略化された前記エネルギー関数式を最小化することにより、前記混合物の性能を最適化する性能最適化部を備える、請求項1から5のいずれかに記載の混合物性能最適化装置。
- 前記性能最適化部が、焼き鈍し法により、前記エネルギー関数式を最小化する、請求項6又は7に記載の混合物性能最適化装置。
- 前記混合物が混合冷媒である、請求項1から8のいずれかに記載の混合物性能最適化装置。
- 前記混合冷媒がフッ素化合物を含む、請求項9に記載の混合物性能最適化装置。
- 前記フッ素化合物がハイドロフルオロオレフィンを含む、請求項10に記載の混合物性能最適化装置。
- 複数の物質の混合物の性能を最適化する混合物性能最適化プログラムであって、
前記混合物における複数の物性ごとに重みづけをして前記混合物の性能を最適化する計算を行うためのエネルギー関数式において、
複数の前記物性の中で、一の特性に相関する関係を有する複数の前記物性を前記一の特性としてまとめて前記エネルギー関数式に取り込み、前記エネルギー関数式を簡略化するエネルギー関数式簡略化処理をコンピュータに行わせ、
前記一の特性が、複数の前記物性の中で、互いに相関する関係を有するものから重回帰分析により導かれることを特徴とする混合物性能最適化プログラム。 - 複数の物質の混合物の性能を最適化する混合物性能最適化方法であって、
前記混合物における複数の物性ごとに重みづけをして前記混合物の性能を最適化する計算を行うためのエネルギー関数式において、
複数の前記物性の中で、一の特性に相関する関係を有する複数の前記物性を前記一の特性としてまとめて前記エネルギー関数式に取り込み、前記エネルギー関数式を簡略化するエネルギー関数式簡略化工程をコンピュータが行うことを含み、
前記一の特性が、複数の前記物性の中で、互いに相関する関係を有するものから重回帰分析により導かれることを特徴とする混合物性能最適化方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020024182A JP7388230B2 (ja) | 2020-02-17 | 2020-02-17 | 混合物性能最適化装置、混合物性能最適化プログラム、混合物性能最適化方法、及び混合冷媒 |
US17/120,327 US11797734B2 (en) | 2020-02-17 | 2020-12-14 | Information processing device, computer-readable recording medium recording mixture performance optimization program, and mixture performance optimization method for simplifying energy function formula by incorporating correlation formula into energy function formula |
EP20213754.3A EP3866170A1 (en) | 2020-02-17 | 2020-12-14 | Mixture performance optimization device, mixture performance optimization program, mixture performance optimization method, and mixed refrigerant |
CN202011619792.2A CN113268126A (zh) | 2020-02-17 | 2020-12-30 | 混合物性能优化装置和方法、记录介质和混合制冷剂 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020024182A JP7388230B2 (ja) | 2020-02-17 | 2020-02-17 | 混合物性能最適化装置、混合物性能最適化プログラム、混合物性能最適化方法、及び混合冷媒 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021127418A JP2021127418A (ja) | 2021-09-02 |
JP7388230B2 true JP7388230B2 (ja) | 2023-11-29 |
Family
ID=73835404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020024182A Active JP7388230B2 (ja) | 2020-02-17 | 2020-02-17 | 混合物性能最適化装置、混合物性能最適化プログラム、混合物性能最適化方法、及び混合冷媒 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11797734B2 (ja) |
EP (1) | EP3866170A1 (ja) |
JP (1) | JP7388230B2 (ja) |
CN (1) | CN113268126A (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4354362A1 (en) * | 2021-06-10 | 2024-04-17 | Resonac Corporation | Information processing system, material composition searching method, material composition searching device, and program |
WO2023095594A1 (ja) * | 2021-11-24 | 2023-06-01 | 日本電気株式会社 | パラメータ生成装置、方法およびプログラム |
WO2023167107A1 (ja) * | 2022-03-01 | 2023-09-07 | 株式会社レゾナック | 情報処理装置、情報処理システム、プログラム、及び材料組成探索方法 |
JP2023184080A (ja) * | 2022-06-17 | 2023-12-28 | 富士通株式会社 | 演算プログラム、演算方法、および情報処理装置 |
WO2024018958A1 (ja) * | 2022-07-22 | 2024-01-25 | 株式会社レゾナック | 情報処理装置、情報処理システム、プログラム、及びイジングモデル作成支援方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001192679A (ja) | 1999-11-17 | 2001-07-17 | Ethyl Corp | 生産の予測及び最適化方法 |
JP2012057195A (ja) | 2010-09-06 | 2012-03-22 | Nippon Steel Corp | 溶鋼温度管理方法、装置及びプログラム |
JP2018109805A (ja) | 2016-12-28 | 2018-07-12 | みずほ第一フィナンシャルテクノロジー株式会社 | 説明変数を選択する装置、方法及びプログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4393586B2 (ja) | 1996-08-08 | 2010-01-06 | 株式会社ブリヂストン | 多成分系材料の設計方法、最適化解析装置及び多成分系材料の最適化解析プログラムを記録した記録媒体 |
JPH1055348A (ja) | 1996-08-08 | 1998-02-24 | Bridgestone Corp | 多成分系材料最適化解析装置および方法 |
JP2829322B2 (ja) | 1996-11-22 | 1998-11-25 | 工業技術院長 | 含フッ素エーテルを含む共沸及び共沸様組成物 |
JP5151733B2 (ja) * | 2008-06-27 | 2013-02-27 | 富士通株式会社 | 多目的最適化設計の設計改善支援装置、方法、及びプログラム |
WO2011117655A2 (en) | 2010-03-25 | 2011-09-29 | The University Of Manchester | Refrigeration process |
SG189314A1 (en) * | 2011-03-18 | 2013-05-31 | Nec Corp | Multivariate data mixture model estimation device, mixture model estimation method, and mixture model estimation program |
WO2014066938A1 (en) * | 2012-10-29 | 2014-05-08 | The University Of Sydney | A method of determining the thermophysical properties of a working fluid |
US10116016B2 (en) * | 2016-05-23 | 2018-10-30 | Borgwarner Inc. | Thermal management system and method of making and using the same |
CN108416805B (zh) * | 2018-03-12 | 2021-09-24 | 中山大学 | 一种基于深度学习的本征图像分解方法及装置 |
-
2020
- 2020-02-17 JP JP2020024182A patent/JP7388230B2/ja active Active
- 2020-12-14 US US17/120,327 patent/US11797734B2/en active Active
- 2020-12-14 EP EP20213754.3A patent/EP3866170A1/en active Pending
- 2020-12-30 CN CN202011619792.2A patent/CN113268126A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001192679A (ja) | 1999-11-17 | 2001-07-17 | Ethyl Corp | 生産の予測及び最適化方法 |
JP2012057195A (ja) | 2010-09-06 | 2012-03-22 | Nippon Steel Corp | 溶鋼温度管理方法、装置及びプログラム |
JP2018109805A (ja) | 2016-12-28 | 2018-07-12 | みずほ第一フィナンシャルテクノロジー株式会社 | 説明変数を選択する装置、方法及びプログラム |
Non-Patent Citations (2)
Title |
---|
塩賀健司、實宝秀幸、大淵真理,デジタルアニーラを用いた混合冷媒の熱物性最適化,熱工学コンファレンス2019[online],2019年10月13日,抄録,[検索日:2023年7月31日], <URL:https://doi.org/10.1299/jsmeted.2019.0018> |
田村隆太ほか5名,多重共線性を考慮した回帰式の変数選択問題の定式化,オペレーションズ・リサーチ[online],Vol.63, No.3,2018年03月,Pages.128-133,[検索日:2023年7月31日], <URL:https://orsj.org/wp-content/corsj/or63-3/or63_3_128.pdf> |
Also Published As
Publication number | Publication date |
---|---|
EP3866170A1 (en) | 2021-08-18 |
JP2021127418A (ja) | 2021-09-02 |
CN113268126A (zh) | 2021-08-17 |
US11797734B2 (en) | 2023-10-24 |
US20210256185A1 (en) | 2021-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7388230B2 (ja) | 混合物性能最適化装置、混合物性能最適化プログラム、混合物性能最適化方法、及び混合冷媒 | |
Yang et al. | HOP-rec: high-order proximity for implicit recommendation | |
Dufal et al. | Developing intermolecular‐potential models for use with the SAFT‐VR M ie equation of state | |
Colaço et al. | Inverse and optimization problems in heat transfer | |
Bourigault et al. | Learning social network embeddings for predicting information diffusion | |
JP7302297B2 (ja) | 材料特性予測装置、材料特性予測方法、及び材料特性予測プログラム | |
Mirza et al. | Studying recommendation algorithms by graph analysis | |
Voudigari et al. | Rank degree: An efficient algorithm for graph sampling | |
Leenaarts et al. | On the minimum temperature of the quiet solar chromosphere | |
JP2022082064A (ja) | 混合物物性特定方法、混合物物性特定装置、及び混合物物性特定プログラム | |
Moon et al. | Algorithms for generating maximin Latin hypercube and orthogonal designs | |
Bard et al. | Consolidated modeling and prediction of heat transfer coefficients for saturated flow boiling in mini/micro-channels using machine learning methods | |
Barkhordar et al. | Statistical study and a complete overview of nanofluid viscosity correlations: a new look | |
CN110162711A (zh) | 一种基于网络嵌入法的资源智能推荐方法及*** | |
McClure et al. | Genetic algorithm and deep learning to explore parametric trends in nucleate boiling heat transfer data | |
Fathi et al. | Rapid multi‐component phase‐split calculations using volume functions and reduction methods | |
Chaparro et al. | Development of thermodynamically consistent machine-learning equations of state: Application to the Mie fluid | |
Herrmann et al. | Predicting heuristic search performance with PageRank centrality in local optima networks | |
Bosman et al. | Adaptive variance scaling in continuous multi-objective estimation-of-distribution algorithms | |
Vogiatzis et al. | Network topology of the states probed by a glassy polymer during physical aging | |
Das et al. | Efficient sampling of information in social networks | |
Aktaş et al. | Provably optimal sparse solutions to overdetermined linear systems with non-negativity constraints in a least-squares sense by implicit enumeration | |
McClure et al. | Use of genetic algorithms and machine learning to explore parametric trends in nucleate boiling heat transfer data | |
Agnihotri et al. | Congestion reduction in traditional and new routing architectures | |
CN113177568A (zh) | 相似度计算装置、相似度计算方法和记录程序的记录介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20220601 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221006 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231002 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231017 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231030 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7388230 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |