|
製造業においてデジタル技術による変革（DX）を起こすためには，データ取得が困難な状況でもプロセスの挙動を正確に予測するために，科学法則に基づく第一原理モデル（物理モデル）を作成し，デジタルツインを実現することが必要である．ただし，高精度な第一原理モデルの構築は専門家による試行錯誤を必要とし，極めて高コストである．そこで本研究では，対象プロセスに関連する文献を収集し，文献中の変数や数式の意味を理解し，モデル構築に必要な情報を抽出・編集し，第一原理モデルを自動的に構築する人工知能（ＡＩ）のプロトタイプを開発し，その実現可能性を世界に先駆けて示すことを目的として，目的達成のために必要な各種要素技術を開発した．
１）大規模言語モデルであるBERTを用いて化学プロセス関連文献から高精度に変数の意味を抽出する方法を開発した．
２）化学プロセス関連文書に特徴的な変数の使用方法の傾向を明らかにし，それを用いた変数抽出手法を開発した．
３）関連する約80万報の論文を用いて言語モデルProcessBERT2022を構築し，文書中に現れる変数の同義性を判定する方法を開発した．
４）文献から抽出した２つの数式群をある記号について数式を解くことで数式群の同義性を判定する方法を複数プロセスに適用できるよう改良した．
いずれの手法についても，本年度は，前年度と比較して，より多くの化学プロセスに関する文書を対象とし，より高い性能を達成した．さらに化学工学で重要なプロセスに注目した第一原理モデル自動構築AIのプロトタイプを作成した．今後さらに取り組むべき問題が明らかになったため，それらを解決する必要はあるが，第一原理モデル自動構築ＡＩのプロトタイプ開発という目的を達成し，その実現に向けて大きく前進した．
|
