用于使用神经网络为从头化学配方生成化学数据序列的方法、系统和装置制造方法及图纸

在一些实施例中，一种方法包括接收与化学产品配方相关联的目标属性的集合和多个目标属性的优先级值的集合。该方法包括基于(1)第一神经网络、(2)目标属性的集合和(3)优先级值的集合，确定样品配方的集合。该方法包括基于样品配方的集合确定分数的集合。该方法包括基于分数的集合和目标属性的集合，从样品配方的集合中选择分数大于来自分数的集合的剩余分数的样品配方。该方法包括确定与样品配方相关联的起源。当起源包括在预定的组中时，生成包括作为化学产品配方的样品配方的报告。括作为化学产品配方的样品配方的报告。括作为化学产品配方的样品配方的报告。

【技术实现步骤摘要】
【国外来华专利技术】用于使用神经网络为从头化学配方生成化学数据序列的方法、系统和装置
[0001]相关申请的交叉引用
[0002]本申请要求在2020年1月27日提交的专利技术名称为“Methods,Systems and Apparatus for Generating Chemical Data Sequences Using Neural Networks for De Novo Chemical Formulations”的美国临时申请No.62/966,409的优先权和权益，其全部公开内容通过引用整体并入本文。


[0003]本文描述的一些实施例通常涉及用于人工智能的方法、系统和装置。具体而言，但不是限制，本文所述的一些实施例涉及用于通过使用神经网络为从头(de novo)化学配方生成化学数据序列的方法、系统和装置。

技术介绍

[0004]通常由产品配方师或者在美容产品的情况下由化妆品化学家通常使用经验方法或基本建模方法创建、设计和/或配制化学配方。这些方法耗时、昂贵、不精确，并且通常不产生最佳设计/配方。当创建具有特定目标属性(诸如所选择的功效或物理特性)的新化学配方时，与创建针对针对性的目标进行独特优化的从头配方相对，配方师通常依赖现有配方以用作配方制定基础。与从基础直到满足针对性的目标而设计的从头配方相比，这种方法产生折衷的配方。另外，以这种方式设计的配方经常面临稳定性问题，其中由于诸如产品分离的意外问题，高比例的产品最终在测试阶段失败。最后，这些方法没有针对配方师多年来一直回避的其它问题的子集进行优化，这些问题包括：1)配方中各种成分化学品彼此的相互作用；以及2)配方与外部受试体(例如，人类皮肤)的相互作用。
[0005]因此，需要消除这些方法的缺点的更好的方法。

技术实现思路

[0006]本说明书描述了在一个或多个位置的一台或多台计算机上实现为计算机程序的装置如何将期望配方属性作为输入并生成构成化学配方的化学数据的序列。例如，化学数据的序列可以表示护肤产品配方，诸如面部保湿剂。
[0007]装置包括由一个或多个计算机实现的信号编码子系统(称为信号编码器)，该信号编码子系统被配置为接收一个或多个目标属性作为输入，并将这些属性编码为用于与装置内的其它子系统通信的信号。装置包括由一个或多个计算机实现的子系统(称为生成器)，该子系统被配置为生成化学数据序列，然后装置将其转换为相应的化学配方。
[0008]在一个创新方面，生成器包括由一个或多个计算机实现的神经网络子系统(称为生成器序列子系统)，该神经网络子系统被配置为将以下各项作为输入(i)化学数据序列(ii)在一些实施例中由期望配方属性组成并且被配置为生成组成化学配方的化学数据的输出序列的信号。生成器序列子系统可以部分地或全部包括递归神经网络，该递归神经网
络包括一个或多个信号处理层和一个或多个输出层。生成器序列子系统还可以被配置为处理当前化学数据的序列，以生成当前时间步长的替代表示。因此，该替代表示可以包括当前化学数据的序列已由生成器序列子系统编码的数值表示，即数值的有序集。对于所有时间步长，输出层可以被配置为接收和处理该时间步长的替代表示，以生成该时间步长的化学数据的输出。在一些实施例中，生成器子系统还包括称为模板子系统的子系统，该子系统与生成器序列子系统协同工作，并且可以在时间步长之间修改由生成器序列子系统生成的化学数据序列。
[0009]一些实施例中的装置还包括由一个或多个计算机实现的神经网络子系统(称为预测器)，该神经网络子系统被配置为接收表示化学配方的化学数据的序列作为输入。该预测器可部分地或全部包括可以使用外部存储器增强的递归神经子网络。子网络可以包括一个或多个信号处理层和一个或多个输出层，这里，输出层被配置为预测由输入化学数据序列表示的给定化学配方显示与该特定输出层对应的目标属性的程度。
[0010]一些实施例中的装置还包括由一个或多个计算机实现的神经网络子系统(称为鉴别器)，该神经网络子系统被配置为接收与预测器相同格式的输入。在一些实施例中，鉴别器可部分地或全部包括可以使用外部存储器增强的递归神经子网络，并且，在其它实施例中，鉴别器可部分地或全部包括卷积神经子网络。子网络可以包括一个或多个信号处理层和输出层，这里，输出层被配置为预测与分配由输入化学数据序列表示的化学配方源自众多集合中的哪一个相关联的值，例如，已由生成器产生还是当前市场上的产品的集合的成员。
[0011]一些实施例中的装置还包括由一个或多个计算机实现的强化学习子系统(称为调节器)，该强化学习子系统被配置为接收以下各项作为输入(i)由期望配方属性组成的信号(ii)生成器序列子系统和以下各项中的一个或多个(iii)预测器子系统和(iv)鉴别器子系统。调节器被配置为修改生成器序列子系统的神经网络权重，目的是修改生成器序列子系统(在一些实现中，生成经修改的神经网络以增加分数)，使得输出化学数据序列更可能表示表现出期望属性的化学配方。
[0012]装置还包括称为配方选择器的子系统，该子系统用于将由生成器生成的化学数据序列转换为化学配方，并然后选择这些配方的子集以作为装置的输出。在一些实施例中，配方选择器子系统还接收来自与其接收的化学数据序列对应的预测器子系统和鉴别器子系统中的一个或两个的输出作为输入。配方选择器可以被配置为优化由在与期望属性对应的分数上得分很高的化学数据序列表示的配方的选择。
[0013]本公开可以表达为计算机实现的方法，或者表达为计算机系统，或者表达为存储程序指令的计算机程序产品(诸如一个或多个计算机存储介质)，这些程序指令导致一个或多个计算机执行方法以实现计算机系统。在本说明书中描述的主题的一个或多个实施例的细节在附图和下面的描述中阐述。从说明书、附图和权利要求书，主题的其它特征、方面和优点将变得显而易见。
[0014]在一些实施例中，方法包括接收与化学产品配方相关联的目标属性的集合和多个目标属性的优先级值的集合。方法包括基于(1)第一神经网络、(2)目标属性的集合、和(3)优先级值的集合，确定样品配方的集合。来自样品配方的集合的每个样品配方包括成分的集合。方法包括基于样品配方的集合确定分数的集合。来自分数的集合的每个分数与来自
样品配方的集合的样品配方相关联。方法包括基于分数的集合和目标属性的集合，从样品配方的集合中选择分数大于来自分数的集合的剩余分数的样品配方。方法包括确定与样品配方相关联的起源。当起源包括在预定的组中时，方法包括生成包括作为化学产品配方的样品配方的报告。
[0015]在一些实施例中，非瞬态处理器可读介质存储表示要由处理器执行的指令的代码。代码包括导致处理器接收化学配方的目标属性的集合的代码。代码包括导致处理器对目标属性的集合进行编码以生成信号的代码。代码包括导致处理器通过使用以信号作为第一输入的第一神经网络确定(1)包括成分的集合的化学数据序列和(2)特征值的集合的代码。来自成分的集合的每个成分与来自特征值的集合的特征值相关联。代码包括导致处理器通过使用第二神经网络并以化本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：接收与化学产品配方相关联的多个目标属性和所述多个目标属性的多个优先级值；基于(1)第一神经网络、(2)所述多个目标属性、和(3)所述多个优先级值，确定多个样品配方，来自所述多个样品配方的每个样品配方包括多个成分；基于所述多个样品配方确定多个分数，来自所述多个分数的每个分数与来自所述多个样品配方的样品配方相关联；基于所述多个分数和所述多个目标属性，从所述多个样品配方中选择分数大于来自所述多个分数的剩余分数的样品配方；确定与样品配方相关联的起源；以及当起源包括在预定的组中时，生成包括作为化学产品配方的样品配方的报告。2.根据权利要求1所述的方法，其中，所述多个样品配方是第一多个样品配方；所述样品配方是第一样品配方；所述方法还包括：修改与第一神经网络相关联的多个权重，以确定第二多个样品配方；从第二多个样品配方中选择第二样品配方；以及所述报告包括作为化学产品配方的第二样品配方。3.根据权利要求1所述的方法，其中，所述多个样品配方是第一多个样品配方；所述样品配方是第一样品配方；所述方法还包括：修改第一样品配方以生成经修改的样品配方；基于第一神经网络和经修改的样品配方确定第二多个样品配方；以及所述报告包括作为化学产品配方的从所述第二多个样品配方中选择的第二样品配方。4.根据权利要求1所述的方法，还包括：重复以下过程，直到满足预定条件：确定新的多个样品配方；以及从所述新的多个样品配方中选择新的样品配方。5.根据权利要求1所述的方法，其中，所述多个目标属性包括分类、粘度或pH值中的至少一个。6.根据权利要求1所述的方法，其中，第一神经网络包括递归子网络。7.根据权利要求1所述的方法，其中：化学产品配方是皮肤护理产品。8.一种存储表示要由处理器执行的指令的代码的非瞬态处理器可读介质，所述代码包括导致处理器进行以下过程的代码：接收化学配方的多个目标属性；对所述多个目标属性进行编码以生成信号；使用以所述信号作为第一输入的第一神经网络确定：(1)包括多个成分的化学数据序
列和(2)多个特征值，来自所述多个成分的每个成分与来自所述多个特征值的特征值相关联；使用第二神经网络并以化学数据序列和所述多个特征值作为第二输入，确定所述多个成分的并与所述多个目标属性相关联的多个分数；修改与第一神经网络相关联的多个权重，以增加所述多个分数，并生成经修改的神经网络；基于经修改的神经网络，确定包括经修改的多个成分的经修改的化学数据序列；以及生成包括具有与所述多个目标属性相关联的经修改的化学数据序列的化学配方的报告。9.根据权利要求8所述的非瞬态处理器可读介质，其中，化学配方是个人护理产品配方。10.根据权利要求8所述的非瞬态处理器可读介质，其中，导致处理器生成报告的代码还包括导致处理器进行以下过程的代码：使用经修改的化学数据序列作为第三输入，确定与经修改的化学数据序列相关联的起源；以及当起源包括在预定的组中时，生成报告。11.根据权利要求8所述的非瞬态处理器可读介质，其中，来自所述多个特征值的每个特征值与来自所述多个成分以及来自多个浓度百分比的成分的浓度百分比相关联。12.根据权利要求8所述的非瞬态处理器可读介...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：药水人工智能股份有限公司，
类型：发明
国别省市：