[發(fā)明專利]參數(shù)搜索方法、參數(shù)搜索裝置以及參數(shù)搜索用程序

在審

• 申請?zhí)枺?/td>: 201980033718.1
• 申請日: 2019-04-24
• 公開（公告）號: CN112154464A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設計）人: 田川雄介;石川勇樹
• 申請（專利權）人: 株式會社島津制作所
• 主分類號: G06N7/00
• 分類號: G06N7/00;G06N20/00
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

模型估計部(11)基于對象觀測數(shù)據(jù)和參照觀測數(shù)據(jù)來估計分析系統(tǒng)(20)的模型函數(shù)，此時，首先基于對象觀測數(shù)據(jù)和參照觀測數(shù)據(jù)來估計對象系統(tǒng)的模型與參照系統(tǒng)的模型的變動量。然后基于估計出的變動量來校正觀測數(shù)據(jù)，之后估計對象系統(tǒng)的模型函數(shù)。參數(shù)決定部(12)基于模型函數(shù)的均值和方差來計算采集函數(shù)，通過該采集函數(shù)來決定下一次觀測時的參數(shù)值。數(shù)據(jù)獲取部(13)將參數(shù)值設定給分析系統(tǒng)(20)，獲取與其對應的觀測值。通過重復進行反饋了觀測數(shù)據(jù)的循環(huán)來求出最佳的參數(shù)值。由此，在通過多任務貝葉斯優(yōu)化法來進行參數(shù)搜索時，即使在對象觀測數(shù)據(jù)與參照觀測數(shù)據(jù)之間的相關性低的情況下，也能夠改善參數(shù)搜索的效率。

技術領域

本發(fā)明涉及一種在變更了作為分析條件的參數(shù)值時觀測值會發(fā)生變化的分析裝置等系統(tǒng)中搜索最佳的參數(shù)值或者與其接近的參數(shù)值的參數(shù)搜索方法、參數(shù)搜索裝置以及參數(shù)搜索用的計算機程序。

背景技術

例如在液相色譜質量分析裝置(LC-MS)中，當使分別施加于質量分析裝置中包括的離子源、各種離子輸送光學系統(tǒng)、或者離子檢測器等的電壓發(fā)生變化時，與相同的試樣相對的信號強度值發(fā)生變化。因此，將這些施加電壓分別作為參數(shù)，在測定之前進行對各參數(shù)的值進行調整的作業(yè)，以使測定靈敏度盡可能高。在進行這樣的調整作業(yè)時，通常較多采用以下方法：針對一個參數(shù)，一邊使其值在規(guī)定的范圍內且以規(guī)定的步幅來變化，一邊分別執(zhí)行測定，并將在該各測定中獲得的信號強度值進行比較，由此將給出最高的信號強度的值選擇為最佳的參數(shù)值。

在如上所述那樣搜索某個參數(shù)的最佳值時，期望的是，能夠以盡可能少的測定次數(shù)來搜索最佳的值。究其原因是由于，若測定次數(shù)多則既花費時間又花費勞動，在用于搜索參數(shù)的測定中使用標準試樣的情況下，若測定次數(shù)多則所使用的標準試樣的量也多。

如搜索使觀測值變得最大(根據(jù)情況不同，有時為變得最小)的參數(shù)的值這樣的作業(yè)不限于在LC-MS中進行，一般來說在各種各樣的分析裝置、測定裝置、測量裝置、進一步地說包括這種裝置的各種系統(tǒng)中進行。另外，在并非進行實際的測定或分析而是執(zhí)行基于分子動力學等的計算機仿真的系統(tǒng)、在計算機上執(zhí)行深度學習等機器學習算法的系統(tǒng)等各種各樣的裝置和系統(tǒng)中也廣泛地進行著同樣的參數(shù)搜索。

若將上述問題一般化，則為“在重復實驗中，搜索能夠獲得盡可能良好的觀測值的參數(shù)的值”這樣的問題。此處所說的良好的觀測值一般是指最大的觀測值，但是根據(jù)實驗、觀測的目的等，也有時是指SN比最大的觀測值、最小的觀測值等。

作為一例，如圖10的(a)所示，設為：針對與某個參數(shù)(例如電壓)有關的不同的四個值進行的觀測結束，獲得了在圖中用黑色圓點表示的四個觀測值。現(xiàn)在考慮以下情況：想要搜索能夠期待獲得比這四個觀測值更高的觀測值的下一個參數(shù)值。

在作業(yè)者根據(jù)自己的判斷來選擇接下來要設定的參數(shù)值的情況下，如圖10的(b)中用點線和點劃線分別表示的那樣，根據(jù)設想了怎樣的實驗對象模型，下一個參數(shù)值的選擇不可避免地會有所偏差(圖中的A、B)。

與此相對地，作為廣為人知的參數(shù)搜索的一個方法，存在貝葉斯優(yōu)化(BayesianOptimization)(參照專利文獻1等)。根據(jù)貝葉斯優(yōu)化法，能夠基于已獲取的觀測數(shù)據(jù)來決定在概率上能夠期待良好的結果的下一個參數(shù)值(實驗條件)。圖10的(c)是表示基于上述四個觀測值并通過貝葉斯優(yōu)化法來估計實驗對象的模型并搜索接下來要進行觀測的參數(shù)值而得到的結果的圖。在圖10的(c)中，用實線表示的曲線示出了通過貝葉斯優(yōu)化法估計出的模型函數(shù)的后驗分布的平均值，用斜線填充的范圍示出了該模型函數(shù)后驗分布的不確定度(或者方差)，記載為“下一個”的縱粗實線示出了自動選擇出的下一個參數(shù)值。