計測から
AI学習/識別、
解析まで一気通貫。
→
→
大量の計測データを高速で処理するアイポアPCソフト。世界に類をみないアイポア独自のAIエンジンを提供するAipore-One™サーバ。これらの組み合わせにより、誰でも簡単に教師データ/教師ラベルを入力したAIモデルの学習、未知検体から取得したデータの粒子識別ができます。
微粒子計測装置 (AI識別)
nanoSCOUTER™ WEL1100
microSCOUTER™ WEL1200
↓
アイポアPCソフトウェア
- GBクラスの計測データ全景高速表示
- 自在な波形拡大・縮小
- 高速・高精度パルス切り出し
- パルスカウント
- パルスデータアップロード
↓
Aipore-One™サーバ
- AI学習用特徴量抽出
- AI学習モデルパラメタ最適化
- 学習精度の算出(F値、混同行列等)
- 未知検体の識別
- パルス毎の識別確信度集計
- 学習結果データダウンロード
- チーム内で自由に学習、識別
- AI識別用として計測器をご購入時に、Aipore-One™サーバへのログインアカウントを発行します。このアカウントでAipore-One™サーバにログインすることでAI機能をご利用いただけます。
- AI識別用として計測器と、AI識別センサモジュールの組み合わせで計測したデータのみが、Aipore-One™サーバにおけるAI識別処理の対象となります。
- パルス計測の計測器をご購入後でも、AI識別の計測器へのアップグレードオプションをご用意しています。
AI粒子識別をする場合の製品選択
AI粒子識別システムは、AI識別のセンサーモジュールと、AI識別の計測器の組み合わせで取得したデータのみが解析可能です。パルス計測のセンサーモジュール、パルス計測の計測器で取得したデータはAI解析対象になりません。
センサーモジュール
（AI識別）
微粒子計測装置 (AI識別)
nanoSCOUTER™ WEL1100
microSCOUTER™ WEL1200
サクサク表示。
アイポアPCソフトウェア
計測器が出力するデータは10分でときに数GBにもなります。正しく計測できたか、パルスがどれくらい取れたかは、計測の現場では意外にわからないもの。そんな時、アイポアPCソフトの波形表示が強い味方に。任意の範囲を指定して.csvで書き出すこともできます。
※300nmポアセンサモジュールを使い、200nmφのポリスチレンビーズのパルスを計測した。
AI解析を支え得る核心、
高精度のパルス切り出し。
パルス切り出しは、AI解析を支える核心の技術。アイポア独自のパルス切り出しアルゴリズムで、ノイジーな小径粒子の計測データでも、正確に、そして高速にパルスを切り出します。
1GBのデータでも
約10秒で処理
散布図も、
ヒストグラムも、
個別パルス波形も。
アイポアPCソフトが計測データからパルスを切り出すと、代表的な統計量であるパルス幅とパルス高さ(深さ)の散布図やヒストグラムを自動生成。個々のパルス波形詳細表示もワンクリック。
教師データで学習、
交差検定でその性能を評価。
粒子識別のためには、まず識別対象である既知検体の計測データを教師データとして入力し、AI識別器を学習させます。アイポアAI識別システムでは、PCソフトで切り出した教師パルスデータを、Aipore-One™サーバにアップロードすると、自動的にAIアルゴリズムおよびパラメタ(AIモデル)を最適化。さらに、最適化したAIモデルの性能を交差検定で評価し、F値および混同行列という形でレポートします。数時間程度かかる処理ですが、Aipore-One™サーバがすべて自動で行います。
※細菌8種の教師データからAI識別器を作成し、その性能評価を実行した結果。
計測)株式会社アドバンテスト
学習データを、
様々な角度で可視化。
アイポアAI粒子識別では、1つのパルス波形から場合によっては100を超える数多くの特徴量を抽出します。よく用いられるパルス振幅やパルス幅はこれら多数の特徴量の一例に過ぎません。
たとえば、パルスあたりN個の特徴量を抽出した場合、1パルスはN次元空間中の1点で表されます。これが特徴量プロットです。AI学習とは、このN次元空間中の識別境界を、様々な数学的手法を駆使して求めることに相当します。
ただし人間には、3次元を超える認知は困難ですので、学習データの素性を直感的に理解することができません。そこでアイポアAIシステムではいくつかの特徴量による2次元のヒストグラムや散布図を作成して、利用者のみなさまのAI学習の評価のお手伝いをしています。
代表的特徴量のヒストグラム/散布図行列
※関東化学株式会社より購入した標準細菌株4種を解析した結果。
※株式会社アドバンテストによる計測/解析結果。
計測)株式会社アドバンテスト
LDA(線形判別分析)による2次元への写像
※フィッシャー基準による多次元特徴空間から2次元空間への写像。直感的には、線形変換によってできるだけ粒種ごとに分かれてみる座標系を探すことに相当する。
※アイポアAIシステムで、LDAを用いて識別境界を求めているとは限らない。
計測)株式会社アドバンテスト
学習済AIで、
未知粒子が何かを識別。
教師データでAI識別器を学習させた後、未知検体の識別が可能となります。教師データと同じ手順で未知検体からパルスを取得したら、アイポアPCソフトがパルスを切り出した後、Aipore-One™サーバにアップロードします。あとは画面上で「識別」の操作を行うだけ。学習とは異なり、一瞬で識別結果が表示されます。これを「ブラインドテスト」と呼びます。
現在のアイポアAI識別では、学習させたN種類の粒子のうち、1種類を含む検体を言い当てるためのアルゴリズムを提供しています(N≦8) 。これまでの実績では、正しく計測/学習させた細菌やウイルスのブラインドテストの結果は、ウイルスおよび細菌に関しては、ほとんどの場合95%以上を達成しています。
AIでの識別結果
