2020-700917

特許第６７０３６３９号発明「塗料の製造方法及び色彩データを予測する方法」の特許異議申立事件について、次のとおり決定する。

結 論 特許第６７０３６３９号の特許請求の範囲を、本訂正請求書に添付した訂正特許請求の範囲のとおり、訂正後の請求項〔１～３、５～９〕、〔４、１４～１７〕、〔１０～１３〕について訂正することを認める。 特許第６７０３６３９号の請求項１～１７に係る特許を維持する。

理 由 第１ 手続の経緯 特許第６７０３６３９号の請求項１～１３の発明に係る特許についての出願は、令和元年１２月２７日を出願日とするものであって、令和２年５月１２日にその特許権の設定登録がなされ、同年６月３日にその特許掲載公報が発行されたものである。 その後、その特許についての異議申立ての経緯は、以下のとおりである。 令和２年１１月２７日 特許異議申立人である藤江桂子による特許異議の申立て 令和３年３月１０日付け 取消理由通知 同年５月１２日 訂正請求書及び意見書の提出（特許権者） 同年６月１６日付け 訂正請求があった旨の通知 同年７月２０日 意見書の提出（特許異議申立人） 同年９月２２日付け 取消理由通知（決定の予告） 同年１１月２６日 訂正請求書及び意見書の提出（特許権者） 同年１１月３０日付け 訂正請求があった旨の通知 同年１２月２２日 意見書の提出（特許異議申立人） なお、令和３年５月１２日に提出された訂正請求書による訂正の請求は、特許法第１２０条の５第７項の規定により、取り下げられたものとみなす。 第２ 訂正の適否についての判断 １ 請求の趣旨について 令和３年１１月２６日付けの訂正請求（以下、「本件訂正請求」という。）の請求の趣旨は、「特許第６７０３６３９号の特許請求の範囲を本訂正請求書に添付した訂正特許請求の範囲のとおり、訂正後の請求項１～１７について訂正することを求める。」というものである。 ２ 訂正の内容 本件訂正請求による訂正（以下、「本件訂正」という。）の内容は、特許請求の範囲の訂正に係る以下の訂正事項１～１０からなるものである（下線は変更箇所。）。 （１）訂正事項１ 本件訂正前の特許請求の範囲の請求項１において、 ア 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベース」 と記載されているのを、 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベース」 に訂正し（以下、「訂正事項１－１」ともいう。）、 イ 「（Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程」 と記載されているのを、 「（Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程」 に訂正し（以下、「訂正事項１－２」ともいう。）、 ウ 「（Ｓ１０３）目標とする色彩の目標色彩データＸｔを得る工程」 と記載されているのを、 「目標とする色彩の目標色彩データＸｔを得る工程であって、目標色彩データＸｔが、光輝性顔料を含まない塗膜の色彩データである工程」 に訂正し（以下、「訂正事項１－３」ともいう。）、 エ 「（Ｓ１０６）前記Ｓ１０５工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程」 と記載されているのを、 「（Ｓ１０６）前記Ｓ１０５工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデルを用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程」 に訂正し（以下、「訂正事項１－４」ともいう。）、 オ 「（Ｓ１０７）前記Ｓ１０６工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程を、合格するまで繰り返す工程」 と記載されているのを、 「（Ｓ１０７）前記Ｓ１０６工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測されるＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程を、合格するまで繰り返す工程」 に訂正（以下、「訂正事項１－５」ともいう。）する。 カ 上記ア～オについて、請求項１の記載を引用する請求項３、６～９も同様に訂正する。 （２）訂正事項２ 本件訂正前の特許請求の範囲の請求項２に 「前記Ｓ１０３工程において、目標色彩データＸｔが、光輝性顔料を含む塗膜の色彩データである、請求項１に記載の方法。」 と記載されているのを、独立形式に記載を変更した上で、 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いるコンピュータ調色に基づく塗料の製造方法であって、下記Ｓ１０１～Ｓ１１１工程を含む 、前記塗料の製造方法。 （Ｓ１０１）前記データベー スに登録されたデータを用い、学習用データを前記コンピュータに入力する工程 （Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程 （Ｓ１０３）目標とする色彩の目標色彩データＸｔを得る工程であって、目標色彩データＸｔが、光輝性顔料を含む塗膜の色彩データである工程 （Ｓ１０４）前記目標色彩データＸｔを、前記コンピュータに入力する工程 （Ｓ１０５）コンピュータを用いた検索により、前記目標色彩データＸｔに近似する検索色彩データＸｎ１及び検索色彩データＸｎ１に対応する近似配合組成データＹｎ１を得るとともに、前記目標色彩データＸｔと前記検索色彩データＸｎ１とを比較し合否を判定する工程 （Ｓ１０６）前記Ｓ１０５工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程 （Ｓ１０７）前記Ｓ１０６工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測されるＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程を、合格するまで繰り返す工程 （Ｓ１０８）前記Ｓ１０５～Ｓ１０７工程のいずれかで合格した際の、合格配合組成データＹＣ１を得る工程 （Ｓ１０９）前記合格配合組成データＹＣ１に基づき、実候補塗料ＣＭＣｉを調製し、該実候補塗料ＣＭＣｉの塗装板を得て、実測色彩データＸＣｉを取得する工程 （Ｓ１１０）前記色彩データＸｔと前記実測色彩データＸＣｉとの比較、及び／又は、前記目標とする色彩と前記実候補塗料ＣＭＣｉの塗装板の色彩との比較により、合否を判定する工程 （Ｓ１１１）前記Ｓ１１０工程において合格しない場合に、前記Ｓ１０６～Ｓ１１０工程を繰り返す工程」 に訂正する。 また、請求項２の記載を引用する請求項３、６～９も同様に訂正する。 （３）訂正事項３ 本件訂正前の特許請求の範囲の請求項４において、 ア 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベース」 と記載されているのを、 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベース」 に訂正し（以下、「訂正事項３－１」ともいう。）、 イ 「下記Ｓ２０１～Ｓ２０９工程を含む、前記方法。」 と記載されているのを、 「下記Ｓ２０１～Ｓ２０７工程を含む、前記方法。」 に訂正し（以下、「訂正事項３－２」ともいう。）、 ウ 「（Ｓ２０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程」 と記載されているのを、 「（Ｓ２０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程」 に訂正（以下、「訂正事項３－３」ともいう。）する。 エ 上記ア～ウについて、請求項４を引用する訂正前の請求項６、８～９に対応する訂正後の請求項１５～１７も同様に訂正する。 （４）訂正事項４ 本件訂正前の特許請求の範囲の請求項５において、 「前記人工知能モデルの少なくとも１種を生成する工程が、 （ｉ）光輝性顔料を含まない組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 （ｉｉ）光輝性顔料を含む組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 を含む、請求項１～４のいずれかに記載の方法。」 とあるうち、 ア 請求項１を引用するものについて、独立形式に記載を変更した上で、 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いるコンピュータ調色に基づく塗料の製造方法であって、下記Ｓ１０１～Ｓ１１１工程を含む、前記塗料の製造方法。 （Ｓ１０１）前記データベー スに登録されたデータを用い、学習用データを前記コンピュータに入力する工程 （Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記人工知能モデルの少なくとも１種を生成する工程が、 （ｉ）光輝性顔料を含まない組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 （ｉｉ）光輝性顔料を含む組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 を含み、 前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程 （Ｓ１０３）目標とする色彩の目標色彩データＸｔを得る工程 （Ｓ１０４）前記目標色彩データＸｔを、前記コンピュータに入力する工程 （Ｓ１０５）コンピュータを用いた検索により、前記目標色彩データＸｔに近似する検索色彩データＸｎ１及び検索色彩データＸｎ１に対応する近似配合組成データＹｎ１を得るとともに、前記目標色彩データＸｔと前記検索色彩データＸｎ１とを比較し合否を判定する工程 （Ｓ１０６）前記Ｓ１０５工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程 （Ｓ１０７）前記Ｓ１０６工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される、ＸｔＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程を、合格するまで繰り返す工程 （Ｓ１０８）前記Ｓ１０５～Ｓ１０７工程のいずれかで合格した際の、合格配合組成データＹＣ１を得る工程 （Ｓ１０９）前記合格配合組成データＹＣ１に基づき、実候補塗料ＣＭＣｉを調製し、該実候補塗料ＣＭＣｉの塗装板を得て、実測色彩データＸＣＩを取得する工程 （Ｓ１１０）前記色彩データＸｔと前記実測色彩データＸＣｉとの比較、及び／又は、前記目標とする色彩と前記実候補塗料ＣＭＣｉの塗装板の色彩との比較により、合否を判定する工程 （Ｓ１１１）前記Ｓ１１０工程において合格しない場合に、前記Ｓ１０６～Ｓ１１０工程を繰り返す工程」 に訂正し、また、請求項５の記載を引用する請求項６～９も同様に訂正し（以下、「訂正事項４－１」ともいう。）、 イ 請求項４を引用するものについて、独立形式に記載を変更した上で、 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いる塗膜の色彩データを予測する方法であって、下記Ｓ２０１～Ｓ２０７工程を含む 、前記方法。 （Ｓ２０１）前記データベースに登録されたデータを用い、学習用データを前記コンピュータに入力する工程 （Ｓ２０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記人工知能モデルの少なくとも１種を生成する工程が、 （ｉ）光輝性顔料を含まない組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 （ｉｉ）光輝性顔料を含む組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 を含み、 前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程 （Ｓ２０３）塗膜の色彩データを予測する塗料ＣＭｔの配合組成データＹＣＭを得る工程 （Ｓ２０４）前記配合組成データＹＣＭを、前記コンピュータに入力する工程 （Ｓ２０５）必要に応じて、コンピュータを用いた検索により、前記配合組成データＹＣＭに対応する検索色彩データＸｎ１を取得する工程 （Ｓ２０６）前記Ｓ２０５工程で対応する検索色彩データＸｎ１が検索されなかった場合、又は、前記Ｓ２０５工程を行わなかった場合において、前記配合組成データＹＣＭから、前記少なくとも１種の学習した人工知能モデル、又は、前記少なくとも１種の学習した人工知能モデルと前記人工知能モデル以外の予測式とを用いて、予測色彩データＸｍ１を得る工程 （Ｓ２０７）必要に応じて、前記塗料ＣＭｔを塗装した塗装板の実測色彩データＸＣＭを取得し、前記予測色彩データＸｍ１と比較する工程」 に訂正して新たな請求項１４とし、また、請求項１４の記載を引用する請求項１５～１７も同様に訂正（以下、「訂正事項４－２」ともいう。）する。 （５）訂正事項５ 本件訂正前の特許請求の範囲の請求項６に 「前記人工知能モデルの少なくとも１種を生成する工程が、 組成物中の光反射性顔料の含有量、光干渉性顔料の含有量、配向制御剤の含有量、組成物中の光反射性顔料の各色相別の含有量、光干渉性顔料の各色相別の含有量、着色剤の各色相別の含有量、及び、それらの含有量の２つ以上の合計から選ばれる１種類以上のデータ、及び／又は、 組成物に含まれる色材の形状データ、 を学習用データとして用い、人工知能モデルを学習させる工程を含む、請求項１～５のいずれかに記載の方法。」 とあるうち、 ア 請求項１～３、請求項１～３を引用する請求項５を引用するものについて、 「前記人工知能モデルの少なくとも１種を生成する工程が、 組成物中の光反射性顔料の含有量、光干渉性顔料の含有量、配向制御剤の含有量、組成物中の光反射性顔料の各色相別の含有量、光干渉性顔料の各色相別の含有量、着色剤の各色相別の含有量、及び、それらの含有量の２つ以上の合計から選ばれる１種類以上のデータ、及び／又は、 組成物に含まれる色材の形状データ、 を学習用データとして用い、人工知能モデルを学習させる工程を含む、請求項１～３、５のいずれかに記載の方法。」 に訂正し、また、請求項６の記載を引用する請求項７～９も同様に訂正し（以下、「訂正事項５－１」ともいう。）、 イ 請求項４、請求項４を引用する請求項５を引用するものについて、 「前記人工知能モデルの少なくとも１種を生成する工程が、 組成物中の光反射性顔料の含有量、光干渉性顔料の含有量、配向制御剤の含有量、組成物中の光反射性顔料の各色相別の含有量、光干渉性顔料の各色相別の含有量、着色剤の各色相別の含有量、及び、それらの含有量の２つ以上の合計から選ばれる１種類以上のデータ、及び／又は、 組成物に含まれる色材の形状データ、 を学習用データとして用い、人工知能モデルを学習させる工程を含む、請求項４又は１４に記載の方法。」 に訂正して新たな請求項１５とし、また、請求項１５の記載を引用する請求項１６～１７も同様に訂正（以下、「訂正事項５－２」ともいう。）する。 （６）訂正事項６ 本件訂正前の特許請求の範囲の請求項７に 「請求項１～６のいずれかに記載の方法。」 と記載されているのを、 「請求項１～３、５、６のいずれかに記載の方法。」 に訂正する。 また、請求項７の記載を引用する請求項８～９も同様に訂正する。 （７）訂正事項７ 本件訂正前の特許請求の範囲の請求項８に 「前記データベースに登録された１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸは、実測データ、又は、実測データと実測データに基づき算出されたデータとを含む、請求項１～７のいずれかに記載の方法。」 とあるうち、 ア 請求項１～３を引用するもの、及び、請求項５～７で請求項４を直接又は間接的に引用しないものについて、 「前記データベースに登録された１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸは、実測データ、又は、実測データと実測データに基づき算出されたデータとを含む、請求項１～３、５～７のいずれかに記載の方法。」 に訂正し、また、請求項８の記載を引用する請求項９も同様に訂正し（以下、「訂正事項７－１」ともいう。）、 イ 請求項４を引用するもの、及び、請求項５～７で請求項４を直接又は間接的に引用するものについて、 「前記データベースに登録された１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸは、実測データ、又は、実測データと実測データに基づき算出されたデータとを含む、請求項４、１４、１５のいずれかに記載の方法。」 に訂正して新たな請求項１６とし、また、請求項１６の記載を引用する請求項１７も同様に訂正（以下、「訂正事項７－２」ともいう。）する。 （８）訂正事項８ 本件訂正前の特許請求の範囲の請求項９に 「車両の補修塗装を行う際に用いられる、請求項１～８のいずれかに記載の方法。」 とあるうち、 ア 請求項１～３を引用するもの、及び、請求項５～８で請求項４を直接又は間接的に引用しないものについて、 「車両の補修塗装を行う際に用いられる、請求項１～３、５～８のいずれかに記載の方法。」 に訂正し（以下、「訂正事項８－１」ともいう。）、 イ 請求項４を引用するもの、及び、請求項５、６、８で請求項４を直接又は間接的に引用するものについて、 「車両の補修塗装を行う際に用いられる、請求項４、１４～１６のいずれかに記載の方法。」 に訂正して新たな請求項１７とする（以下、「訂正事項８－２」ともいう。）。 （９）訂正事項９ 本件訂正前の特許請求の範囲の請求項１０において、 ア 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベース」 と記載されているのを、 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベース」 に訂正し（以下、「訂正事項９－１」ともいう。）、 イ 「（Ｓ３０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する手段」 と記載されているのを、 「（Ｓ３０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する手段であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である手段」 に訂正し（以下、「訂正事項９－２」ともいう。）、 ウ 「（Ｓ３０７）前記手段Ｓ３０６において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する手段を、合格するまで繰り返す手段」 と記載されているのを、 「（Ｓ３０７）前記手段Ｓ３０６において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測されるＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する手段を、合格するまで繰り返す手段」 に訂正（以下、「訂正事項９－３」ともいう。）する。 エ 上記ア～ウについて、請求項１０の記載を引用する請求項１２、１３も同様に訂正する。 （１０）訂正事項１０ 本件訂正前の特許請求の範囲の請求項１１において、 ア 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベース」 と記載されているのを、 「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベース」 に訂正し（以下、「訂正事項１０－１」ともいう。）、 イ 「下記手段Ｓ４０１～Ｓ４０９を含む、前記システム。」 と記載されているのを、 「下記手段Ｓ４０１～Ｓ４０７を含む、前記システム。」 に訂正し（以下、「訂正事項１０－２」ともいう。）、 ウ 「（Ｓ４０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する手段」 と記載されているのを、 「（Ｓ４０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する手段であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である手段」 に訂正（以下、「訂正事項１０－３」ともいう。）する。 エ 上記ア～ウについて、請求項１１の記載を引用する請求項１２、１３も同様に訂正する。 ３ 訂正の適否 （１）一群の請求項について 訂正事項１は、本件訂正前の請求項１の記載を訂正するものであるところ、請求項３、６～９はそれぞれ請求項１を直接又は間接的に引用しているものであって、訂正事項１によって記載が訂正される請求項１に連動して訂正されるものである。 訂正事項２は、本件訂正前の請求項２の記載を訂正するものであるところ、請求項３、６～９はそれぞれ請求項２を直接又は間接的に引用しているものであって、訂正事項２によって記載が訂正される請求項２に連動して訂正されるものである。 訂正事項３は、本件訂正前の請求項４の記載を訂正して、訂正後の請求項４、及び、１４とする訂正を含むものであるところ、請求項１５～１７はそれぞれ請求項４、及び、１４を直接又は間接的に引用しているものであって、訂正事項３によって記載が訂正される請求項４に連動して訂正されるものである。 訂正事項４は、本件訂正前の請求項５の記載を訂正するものであるところ、請求項６～９はそれぞれ請求項５を直接又は間接的に引用しているものであって、訂正事項４によって記載が訂正される請求項５に連動して訂正されるものである。 また、本件訂正前の請求項５～９は、本件訂正前の請求項１～４を直接または又は間接的に引用している。 したがって、本件訂正後の請求項１～９、１４～１７は、本件訂正前の請求項１～９に対応する。 なお、本件訂正後の請求項４、１４～１７については、当該請求項についての訂正が認められる場合には、一群の請求項の他の請求項とは別途訂正することの求めがされている。 訂正事項９は、本件訂正前の請求項１０の記載を訂正するものであるところ、請求項１２、１３はそれぞれ請求項１０を直接又は間接的に引用しているものであって、訂正事項９によって記載が訂正される請求項１０に連動して訂正されるものである。 訂正事項１０は、本件訂正前の請求項１１の記載を訂正するものであるところ、請求項１２、１３はそれぞれ請求項１１を直接又は間接的に引用しているものであって、訂正事項１０によって記載が訂正される請求項１１に連動して訂正されるものである。 また、本件訂正前の請求項１２、１３は、本件訂正前の請求項１０、１１を直接または又は間接的に引用している。 したがって、本件訂正後の請求項１０～１３は、本件訂正前の請求項１０～１３に対応する。 以上のとおりであるから、本件訂正請求は、特許法１２０条の５第４項に規定する一群の請求項ごとにされたものである。 （２）訂正の目的の適否、新規事項の有無及び特許請求の範囲の拡張・変更の存否 ア 訂正事項１について 上記２のとおり、訂正事項１は、訂正事項１－１～１－５からなるものである。 （ア）訂正事項１－１について 訂正事項１－１は、本件訂正前の請求項１の「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベース」を、「１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベース」であるものに限定することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 また、本件特許の願書に添付した明細書（以下、「本件特許明細書」という。）には当該「データベース」について、以下の記載がある。なお、下線は、当審で付した。 「＜データベース＞ 本発明におけるデータベースは、色彩データと配合組成データとを対応させて登録（記録）することで構成される。本発明のデータベースには、色彩データ、配合組成データに加えて、色彩又は組成に関係する各種データを対応させて登録することができる。本発明においては、データベースに登録されるデータは、非常に多数のデータ（いわゆる、ビッグデータ）であることが好ましい。具体的には、５千組以上、１万組以上、より好ましくは２万組以上である。これらのデータは、任意に、追加・変更・削除が可能である。 データベースに登録された１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸは、実測データ、又は、実測データと実測データに基づき算出されたデータとを含む。実測データに基づき算出されたデータとしては、実測データを用い所定の数式等を用いて算出される各種パラメータ値、実測データに基づき算出できる予測値等があげられる。 データベースは、単一のデータベースであってもよく、また、少なくとも一つの共通情報要素により互いに関連付けられた複数のデータベース又は関連付けられていない複数のデータベースであってもよい。」（段落【００２５】） したがって、上記下線部から明らかなように、訂正事項１－１は、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであるから、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 （イ）訂正事項１－２について 訂正事項１－２は、本件訂正前の請求項１の「（Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程」における「人工知能モデル」を、「配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種」に限定することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 また、本件特許明細書には当該人工知能モデルについて、以下の記載がある。なお、下線は、当審で付した。 「図３は、配合組成データＹから色彩データＸを推定する人工知能モデルにおけるニューラルネットワーク９（脳の神経細胞の働きをプログラムで再現したもの）を示す概略構成図である。人工知能モデルは、データベースに登録されたデータを用い、学習用データをコンピュータに入力するとともに学習用データを機械学習させることで生成される。図３に示すように、ニューラルネットワーク９は、入力層９１、隠れ層９２及び出力層９３の３つの処理層（３つのニューロン層）を含むものとして構成されている。 入力層９１は、入力ノード９１１～９１ｉと呼ばれる少なくとも１～ｉ個の処理要素を含有し、ネットワークの隠れ層の隠れノード９２１～９２ｊに結合されている。入力層９１の各ユニットは、配合組成データＹに係る１種類以上の特徴量に対応している。 隠れ層９２は、隠れノード９２１と呼ばれる少なくとも１～ｊ個の処理要素を有し、ネットワークの出力層９３の出力ノード９３１に結合されている。各隠れ層９２（隠れノード９２１～９２ｊ）は、入力層９１（入力ノード９１１～９１ｉ）と出力層９３（出力ノード９３１～９３ｋ）との間に存在する。隠れノード９２１～９２ｊの数は、入出力関係の複雑さをモデル化するために、ネットワーク機能に加えられた隠れノードの数を増やすことにより変えることができる。 出力層９３は、出力ノード９３１～９３ｋと呼ばれる少なくとも１～ｋ個の処理要素を有するように組織されている。処理要素又はノードは、ネットワーク実行時に配合組成データと色彩データとの間の関係を計算できるように相互結合されている。出力層９３の各ユニットは、色彩データＸに係る１種類以上の各成分量に対応している。 なお、ニューラルネットワーク９内ではデータは１方向にのみ流れることとなり、各ノードは信号を１つ以上のノードへ送信するだけでフィードバックを受け取ることはない。」（段落【００２３】） したがって、上記下線部から明らかなように、訂正事項１－２は、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであるから、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 （ウ）訂正事項１－３について 訂正事項１－３は、本件訂正前の請求項１の「（Ｓ１０３）目標とする色彩の目標色彩データＸｔを得る工程」における「目標色彩データＸｔ」を、「光輝性顔料を含まない塗膜の色彩データ」に限定することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 また、本件特許明細書には当該目標色彩データＸｔについて、以下の記載がある。なお、下線は、当審で付した。 「＜Ｓ１０３工程＞ Ｓ１０３工程は、目標とする色彩の目標色彩データＸｔを得る工程である。 目標色彩データＸｔとしては、塗装物、成形品、自然構造物等が有しているあらゆる色彩についての色彩データがあげられる。特に、塗装物の色彩データとすることが好ましい。 本発明は、これまでコンピュータ調色が困難であった、光輝性顔料を含む塗膜の色彩データを目標色彩データＸｔとしても、精度よく調色を行うことができる。このため、Ｓ１０３工程における目標色彩データＸｔは、光輝性顔料を含む塗膜の色彩データであることが好ましい。もちろん、Ｓ１０３工程における目標色彩データＸｔは、光輝性顔料を含まない塗膜の色彩データであってもよい。」（段落【００７５】） したがって、上記下線部から明らかなように、訂正事項１－３は、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであるから、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 （エ）訂正事項１－４について 訂正事項１－４は、本件訂正前の請求項１の「（Ｓ１０６）前記Ｓ１０５工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程」における「前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式」を、「前記少なくとも１種の学習した人工知能モデル」に限定することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 また、訂正事項１－４は、「前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式」が、具体的には、「前記少なくとも１種の学習した人工知能モデル及び前記人工知能モデル以外の予測式」、「前記少なくとも１種の学習した人工知能モデル」、及び、「前記人工知能モデル以外の予測式」の３つの選択肢のいずれかを意味するものであったところ、これを唯一の選択肢（前記少なくとも１種の学習した人工知能モデル）に限定するものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであって、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであるから、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 （オ）訂正事項１－５について 訂正事項１－５は、本件訂正前の請求項１の「（Ｓ１０７）前記Ｓ１０６工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程を、合格するまで繰り返す工程」における「目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉ」を、「目標色彩データＸｔを与えると予測されるＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉ」に限定することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 また、本件特許明細書には当該候補配合組成データＹｎｉについて、以下の記載がある。 「数理最適化による算出は、候補配合組成データＹｎｉは、例えば、データベースに記録されている色彩データを参照して、近似配合組成により得られる色彩データを構成する座標軸ごとに、誤差を減らす方向に作用する特性情報を有する成分を検索し得ることができる。例えば、Ｌ＊ａ＊ｂ＊表色系において、誤差をΔＬ＊＝Ｌ＊２－Ｌ＊１、Δａ＊＝ａ＊２－ａ＊１、Δｂ＊＝ｂ＊２－ｂ＊１とした場合に、Ｌ＊軸上の誤差ΔＬ＊が正の値である場合にはＬ＊２の値を減少させる方向に作用する特性情報を有する成分を検索し、Ｌ＊軸上の誤差ΔＬ＊が負の値である場合にはＬ＊２の値を増加させる特性情報を有する成分を検索する。同様に、ａ＊軸上の誤差・・・それぞれ検索する。これにより、近似配合組成において、色空間を構成する表色系の座標軸ごとに、誤差を減らす方向に作用させる、すなわち、所定の特性情報を付与するための成分を追加することにより、目標とする色彩に近付けた候補配合組成データＹｎｉを得ることができる。 仮に、誤差を減らす方向に作用する特性情報を有する成分が検索されない場合には、目標色彩データＸｔに基づいて、より適切な新たな近似配合組成を得た後に、候補配合組成データを得ることができる。」（段落【００８６】） 「＜Ｓ１０７工程＞ Ｓ１０７工程は、前記Ｓ１０６工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程を、合格するまで繰り返す工程である。 Ｓ１０７工程において、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得る方法は、Ｓ１０６工程におけるコンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得る方法と同じものである。 また、Ｓ１０７工程において、合否を判定する方法は、Ｓ１０６工程における合否を判定する方法と同じものである。」（段落【００９９】） したがって、上記下線部から明らかなように、訂正事項１－５は、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであるから、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 （カ）小括 したがって、訂正事項１は、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 イ 訂正事項２について 訂正事項２は、要するに、本件訂正前の特許請求の範囲の請求項２に 「前記Ｓ１０３工程において、目標色彩データＸｔが、光輝性顔料を含む塗膜の色彩データである、請求項１に記載の方法。」 と記載されているのを、独立形式に記載を変更する（以下、「訂正事項２－ａ」という。）とともに、 訂正事項１－１、１－２、１－５に係る訂正と同じ内容の訂正を行い、さらに、 訂正事項１－３に係る訂正に代えて、 「（Ｓ１０３）目標とする色彩の目標色彩データＸｔを得る工程」 と記載されているのを、 「目標とする色彩の目標色彩データＸｔを得る工程であって、目標色彩データＸｔが、光輝性顔料を含む塗膜の色彩データである工程」 に訂正（以下、「訂正事項２－３」という。）するものである。 ここで、訂正事項２－ａは、請求項１を引用する形式で記載されていたものを請求項１の記載を引用しないものとすることを目的とするものであるから、特許法第１２０条の５第２項ただし書第４号に規定する、他の請求項の記載を引用する請求項の記載を当該他の請求項の記載を引用しないものとすることを目的とするものである。 また、訂正事項２－３は、本件訂正前の請求項２が引用する請求項１の「（Ｓ１０３）目標とする色彩の目標色彩データＸｔを得る工程」における「目標色彩データＸｔ」を、「光輝性顔料を含む塗膜の色彩データ」に限定することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 本件特許明細書には当該目標色彩データＸｔについて、上記ア（ウ）に摘記したとおりの記載があるから、訂正事項２－３は、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであるから、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 また、その余の訂正（訂正事項１－１、１－２、１－５に係る訂正と同じ内容の訂正）については、上記ア（ア）（イ）（オ）のとおりであり、いずれも、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 したがって、訂正事項２は、特許法第１２０条の５第２項ただし書第１、４号に規定する、特許請求の範囲の減縮及び他の請求項の記載を引用する請求項の記載を当該他の請求項の記載を引用しないものとすることを目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 ウ 訂正事項３について 上記２のとおり、訂正事項３は、訂正事項３－１～３－３からなるものである。 （ア）訂正事項３－１、３－３について 訂正事項３－１の内容は、実質的に訂正事項１－１と同じものであるから、訂正事項１－１（上記ア（ア）を参照。）と同様の理由により、また、訂正事項３－３の内容は、実質的に訂正事項１－２と同じものであるから、訂正事項１－２（上記ア（イ）を参照。）と同様の理由により、訂正事項３－１、３－３は、いずれも、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 （イ）訂正事項３－２について 訂正事項３－２は、「下記Ｓ２０１～Ｓ２０９工程を含む、前記方法。」を「下記Ｓ２０１～Ｓ２０７工程を含む、前記方法。」に訂正するものであるところ、「下記」には、Ｓ２０１～Ｓ２０７工程しか記載されていない（Ｓ２０８工程とＳ２０９工程は記載されていない）ことから、「Ｓ２０９工程」との記載が「Ｓ２０７工程」の誤記であることは明らかである。 したがって、訂正事項３－２は、特許法第１２０条の５第２項ただし書第２号に規定する、誤記又は誤訳の訂正を目的とするものである。 また、訂正事項３－２が、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであるから、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 （ウ）小括 したがって、訂正事項３は、特許法第１２０条の５第２項ただし書第１、２号に規定する、特許請求の範囲の減縮及び誤記又は誤訳の訂正を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 エ 訂正事項４について 上記２（４）のとおり、訂正事項４は、訂正事項４－１、及び、４－２からなるものである。 また、訂正事項４－１は、要するに、本件訂正前の特許請求の範囲の請求項５に 「前記人工知能モデルの少なくとも１種を生成する工程が、 （ｉ）光輝性顔料を含まない組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 （ｉｉ）光輝性顔料を含む組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 を含む、請求項１～４のいずれかに記載の方法。」 と記載されているうち、請求項１を引用するものを独立形式に記載を変更する（以下、「訂正事項４－ａ」という。）とともに、訂正事項１－１、１－２、１－５に係る訂正と同じ内容の訂正を行って、本件訂正後の請求項５とする訂正であり、 訂正事項４－２は、要するに、本件訂正前の請求項５のうち、請求項４を引用するものを独立形式に記載を変更する（以下、「訂正事項４－ｂ」という。）とともに、訂正事項１－１、１－２、１－５に係る訂正と同じ内容の訂正を行ったうえで、本件訂正後の請求項１４とするものである。 そして、訂正事項４－ａ、４－ｂは、請求項１又は４を引用する形式で記載されていたものを請求項１又は４の記載を引用しないものとすることを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、他の請求項の記載を引用する請求項の記載を当該他の請求項の記載を引用しないものとすることを目的とするものである。 また、その余の訂正（訂正事項１－１、１－２、１－５に係る訂正と同じ内容の訂正）については、上記ア（ア）（イ）（オ）のとおりであり、いずれも、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 したがって、訂正事項４は、特許法第１２０条の５第２項ただし書第１、４号に規定する、特許請求の範囲の減縮及び他の請求項の記載を引用する請求項の記載を当該他の請求項の記載を引用しないものとすることを目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 オ 訂正事項５について 上記２のとおり、訂正事項５は、訂正事項５－１、及び、５－２からなるものである。 また、訂正事項５－１は、要するに、本件訂正前の特許請求の範囲の請求項６に 「前記人工知能モデルの少なくとも１種を生成する工程が、 組成物中の光反射性顔料の含有量、光干渉性顔料の含有量、配向制御剤の含有量、組成物中の光反射性顔料の各色相別の含有量、光干渉性顔料の各色相別の含有量、着色剤の各色相別の含有量、及び、それらの含有量の２つ以上の合計から選ばれる１種類以上のデータ、及び／又は、 組成物に含まれる色材の形状データ、 を学習用データとして用い、人工知能モデルを学習させる工程を含む、請求項１～５のいずれかに記載の方法。」 と記載されているところ、引用する請求項を、請求項１～３、及び、５に限定して、本件訂正後の請求項６とする訂正であり、 訂正事項５－２は、要するに、本件訂正前の請求項６のうち、請求項４を直接又は間接的に引用するもの（本件訂正後の請求項４及び１４に対応する。）に限定して、新たな請求項１５とする訂正である。 そうすると、訂正事項５－１、５－２は、いずれも引用する請求項を一部削除することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 また、本件訂正後の請求項６及び１５がそれぞれ引用する請求項には重複もない。 したがって、訂正事項５は、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 カ 訂正事項６について 訂正事項６は、本件訂正前の特許請求の範囲の請求項７に「請求項１～６のいずれかに記載の方法。」と記載されているところ、引用する請求項から請求項４を削除して、請求項１～３、５、６のいずれかに限定することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 したがって、訂正事項６は、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 キ 訂正事項７について 上記２のとおり、訂正事項７は、訂正事項７－１、及び、７－２からなるものである。 また、訂正事項７－１は、要するに、本件訂正前の特許請求の範囲の請求項８に 「前記データベースに登録された１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸは、実測データ、又は、実測データと実測データに基づき算出されたデータとを含む、請求項１～７のいずれかに記載の方法。」 と記載されているところ、引用する請求項から請求項４を削除して、引用する請求項を、請求項１～３、５～７に限定して、本件訂正後の請求項８とする訂正であり、 訂正事項７－２は、引用する請求項を、請求項４、１４、１５に変更して（要するに、本件訂正前の請求項４、及び、請求項４を直接又は間接的に引用するものに限定して）、新たな請求項１６とする訂正である。 そうすると、訂正事項７－１、７－２は、いずれも引用する請求項を一部削除することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 また、本件訂正後の請求項８及び１６がそれぞれ引用する請求項には重複もない。 したがって、訂正事項７は、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 ク 訂正事項８について 上記２（８）のとおり、訂正事項８は、訂正事項８－１、及び、８－２からなるものである。 また、訂正事項８－１は、要するに、本件訂正前の特許請求の範囲の請求項９に 「車両の補修塗装を行う際に用いられる、請求項１～８のいずれかに記載の方法。」 と記載されているところ、引用する請求項から請求項４を削除して、引用する請求項を、請求項１～３、５～８に限定して、本件訂正後の請求項９とする訂正であり、 訂正事項８－２は、引用する請求項を、請求項４、１４～１６に変更して（要するに、本件訂正前の請求項４、及び、請求項４を直接又は間接的に引用するものに限定して）、新たな請求項１７とする訂正である。 そうすると、訂正事項８－１、８－２は、いずれも引用する請求項を一部削除することを目的とするものであるから、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 また、本件訂正後の請求項９及び１７がそれぞれ引用する請求項には重複もない。 したがって、訂正事項８は、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 ケ 訂正事項９について 上記２（９）のとおり、訂正事項９は、訂正事項９－１～９－３からなるものである。 また、訂正事項９－１の内容は、実質的に訂正事項１－１と同じものであるから、訂正事項１－１（上記ア（ア）を参照。）と同様の理由により、また、訂正事項９－２の内容は、実質的に訂正事項１－２と同じものであるから、訂正事項１－２（上記ア（イ）を参照。）と同様の理由により、また、訂正事項９－３の内容は、実質的に訂正事項１－５と同じものであるから、訂正事項１－５（上記ア（オ）を参照。）と同様の理由により、訂正事項９－１～９－３は、いずれも、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 コ 訂正事項１０について 上記２（１０）のとおり、訂正事項１０は、訂正事項１０－１～１０－３からなるものである。 また、訂正事項１０－１の内容は、実質的に訂正事項１－１と同じものであるから、訂正事項１－１（上記ア（ア）を参照。）と同様の理由により、また、訂正事項１０－３の内容は、実質的に訂正事項１－２と同じものであるから、訂正事項１－２（上記ア（イ）を参照。）と同様の理由により、訂正事項１０－１、１０－３は、いずれも、特許法第１２０条の５第２項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 また、訂正事項１０－２の内容は、実質的に訂正事項３－２と同じものであるから、訂正事項３－２（上記ウ（イ）を参照。）と同様の理由により、訂正事項１０－２は、特許法第１２０条の５第２項ただし書第２号に規定する、誤記又は誤訳の訂正を目的とするものであり、かつ、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてするものであり、実質的に特許請求の範囲を拡張・変更するものでもないことも明らかであって、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合する。 （３）独立特許要件について 本件特許異議申立においては、本件訂正前の全ての請求項１～１３に対して特許異議の申立てがなされているので、訂正事項１～１０によるいずれの訂正についても、特許法第１２０条の５第９項において読み替えて準用する特許法第１２６条第７項の独立特許要件は課されない。 （４）別の訂正単位とする求めについて 上記２のとおり、訂正後の請求項４、１４～１７については、当該請求項についての訂正が認められる場合には、一群の請求項の他の請求項とは別途訂正することの求めがなされている。 （５）小括 以上のとおり、本件訂正は、特許法第１２０条の５第２項第１、２、４号に掲げる事項を目的とするものであり、特許法第１２０条の５第９項において準用する同法第１２６条第５、６項の規定に適合するものである。 また、訂正後の請求項４、１４～１７は、当該請求項についての訂正が認められるので、他の請求項とは別の訂正単位とされるものである。 したがって、本件特許の特許請求の範囲を、本訂正請求書に添付した訂正特許請求の範囲のとおり、訂正後の請求項〔１～３、５～９〕、〔４、１４～１７〕、〔１０～１３〕について訂正することを認める。 第３ 本件発明 上記第２のとおり、本件訂正請求は認められたので、本件特許の特許請求の範囲の請求項１～１７に係る発明（以下、項番にしたがって「本件発明１」などといい、まとめて、「本件発明」ともいう。）は、その特許請求の範囲の請求項１～１７に記載された事項により特定される以下のとおりのものである。 「【請求項１】 １種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いるコンピュータ調色に基づく塗料の製造方法であって、下記Ｓ１０１～Ｓ１１１工程を含む、前記塗料の製造方法。 （Ｓ１０１）前記データベー スに登録されたデータを用い、学習用データを前記コンピュータに入力する工程 （Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程 （Ｓ１０３）目標とする色彩の目標色彩データＸｔを得る工程であって、目標色彩データＸｔが、光輝性顔料を含まない塗膜の色彩データである工程 （Ｓ１０４）前記目標色彩データＸｔを、前記コンピュータに入力する工程 （Ｓ１０５）コンピュータを用いた検索により、前記目標色彩データＸｔに近似する検索色彩データＸｎ１及び検索色彩データＸｎ１に対応する近似配合組成データＹｎ１を得るとともに、前記目標色彩データＸｔと前記検索色彩データＸｎ１とを比較し合否を判定する工程 （Ｓ１０６）前記Ｓ１０５工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデルを用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程 （Ｓ１０７）前記Ｓ１０６工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測されるＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程を、合格するまで繰り返す工程 （Ｓ１０８）前記Ｓ１０５～Ｓ１０７工程のいずれかで合格した際の、合格配合組成データＹＣ１を得る工程 （Ｓ１０９）前記合格配合組成データＹＣ１に基づき、実候補塗料ＣＭＣｉを調製し、該実候補塗料ＣＭＣｉの塗装板を得て、実測色彩データＸＣｉを取得する工程 （Ｓ１１０）前記色彩データＸｔと前記実測色彩データＸＣｉとの比較、及び／又は、前記目標とする色彩と前記実候補塗料ＣＭＣｉの塗装板の色彩との比較により、合否を判定する工程 （Ｓ１１１）前記Ｓ１１０工程において合格しない場合に、前記Ｓ１０６～Ｓ１１０工程を繰り返す工程 【請求項２】 １種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いるコンピュータ調色に基づく塗料の製造方法であって、下記Ｓ１０１～Ｓ１１１工程を含む 、前記塗料の製造方法。 （Ｓ１０１）前記データベー スに登録されたデータを用い、学習用データを前記コンピュータに入力する工程 （Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程 （Ｓ１０３）目標とする色彩の目標色彩データＸｔを得る工程であって、目標色彩データＸｔが、光輝性顔料を含む塗膜の色彩データである工程 （Ｓ１０４）前記目標色彩データＸｔを、前記コンピュータに入力する工程 （Ｓ１０５）コンピュータを用いた検索により、前記目標色彩データＸｔに近似する検索色彩データＸｎ１及び検索色彩データＸｎ１に対応する近似配合組成データＹｎ１を得るとともに、前記目標色彩データＸｔと前記検索色彩データＸｎ１とを比較し合否を判定する工程 （Ｓ１０６）前記Ｓ１０５工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程 （Ｓ１０７）前記Ｓ１０６工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測されるＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程を、合格するまで繰り返す工程 （Ｓ１０８）前記Ｓ１０５～Ｓ１０７工程のいずれかで合格した際の、合格配合組成データＹＣ１を得る工程 （Ｓ１０９）前記合格配合組成データＹＣ１に基づき、実候補塗料ＣＭＣｉを調製し、該実候補塗料ＣＭＣｉの塗装板を得て、実測色彩データＸＣｉを取得する工程 （Ｓ１１０）前記色彩データＸｔと前記実測色彩データＸＣｉとの比較、及び／又は、前記目標とする色彩と前記実候補塗料ＣＭＣｉの塗装板の色彩との比較により、合否を判定する工程 （Ｓ１１１）前記Ｓ１１０工程において合格しない場合に、前記Ｓ１０６～Ｓ１１０工程を繰り返す工程 【請求項３】 前記Ｓ１１１工程において合格しない場合において、前記予測色彩データＸｎｉと前記実測色彩データＸＣｉの差分Δを補正係数αとしてコンピュータに入力した後に、前記Ｓ１０６～Ｓ１１１工程が繰り返される、請求項１又は２に記載の方法。 【請求項４】 １種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いる塗膜の色彩データを予測する方法であって、下記Ｓ２０１～Ｓ２０７工程を含む、前記方法。 （Ｓ２０１）前記データベースに登録されたデータを用い、学習用データを前記コンピュータに入力する工程 （Ｓ２０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程 （Ｓ２０３）塗膜の色彩データを予測する塗料ＣＭｔの配合組成データＹＣＭを得る工程 （Ｓ２０４）前記配合組成データＹＣＭを、前記コンピュータに入力する工程 （Ｓ２０５）必要に応じて、コンピュータを用いた検索により、前記配合組成データＹＣＭに対応する検索色彩データＸｎ１を取得する工程 （Ｓ２０６）前記Ｓ２０５工程で対応する検索色彩データＸｎ１が検索されなかった場合、又は、前記Ｓ２０５工程を行わなかった場合において、前記配合組成データＹＣＭから、前記少なくとも１種の学習した人工知能モデル、又は、前記少なくとも１種の学習した人工知能モデルと前記人工知能モデル以外の予測式とを用いて、予測色彩データＸｍ１を得る工程 （Ｓ２０７）必要に応じて、前記塗料ＣＭｔを塗装した塗装板の実測色彩データＸＣＭを取得し、前記予測色彩データＸｍ１と比較する工程 【請求項５】 １種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いるコンピュータ調色に基づく塗料の製造方法であって、下記Ｓ１０１～Ｓ１１１工程を含む、前記塗料の製造方法。 （Ｓ１０１）前記データベー スに登録されたデータを用い、学習用データを前記コンピュータに入力する工程 （Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記人工知能モデルの少なくとも１種を生成する工程が、 （ｉ）光輝性顔料を含まない組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 （ｉｉ）光輝性顔料を含む組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 を含み、 前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程 （Ｓ１０３）目標とする色彩の目標色彩データＸｔを得る工程 （Ｓ１０４）前記目標色彩データＸｔを、前記コンピュータに入力する工程 （Ｓ１０５）コンピュータを用いた検索により、前記目標色彩データＸｔに近似する検索色彩データＸｎ１及び検索色彩データＸｎ１に対応する近似配合組成データＹｎ１を得るとともに、前記目標色彩データＸｔと前記検索色彩データＸｎ１とを比較し合否を判定する工程 （Ｓ１０６）前記Ｓ１０５工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程 （Ｓ１０７）前記Ｓ１０６工程において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測されるＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する工程を、合格するまで繰り返す工程 （Ｓ１０８）前記Ｓ１０５～Ｓ１０７工程のいずれかで合格した際の、合格配合組成データＹＣ１を得る工程 （Ｓ１０９）前記合格配合組成データＹＣ１に基づき、実候補塗料ＣＭＣｉを調製し、該実候補塗料ＣＭＣｉの塗装板を得て、実測色彩データＸＣｉを取得する工程 （Ｓ１１０）前記色彩データＸｔと 前記実測色彩データＸＣｉとの比較、及び／又は、前記目標とする色彩と前記実候補塗料ＣＭＣｉの塗装板の色彩との比較により、合否を判定する工程 （Ｓ１１１）前記Ｓ１１０工程において合格しない場合に、前記Ｓ１０６～Ｓ１１０工程を繰り返す工程 【請求項６】 前記人工知能モデルの少なくとも１種を生成する工程が、 組成物中の光反射性顔料の含有量、光干渉性顔料の含有量、配向制御剤の含有量、組成物中の光反射性顔料の各色相別の含有量、光干渉性顔料の各色相別の含有量、着色剤の各色相別の含有量、及び、それらの含有量の２つ以上の合計から選ばれる１種類以上のデータ、及び／又は、 組成物に含まれる色材の形状データ、 を学習用データとして用い、人工知能モデルを学習させる工程を含む、請求項１～３、５のいずれかに記載の方法。 【請求項７】 前記判定する工程で合格しない場合において、人工知能モデル以外の予測式を用いるように切り替える工程が前記繰り返す工程に含まれる、請求項１～３、５、６のいずれかに記載の方法。 【請求項８】 前記データベースに登録された１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸは、実測データ、又は、実測データと実測データに基づき算出されたデータとを含む、請求項１～３、５～７のいずれかに記載の方法。 【請求項９】 車両の補修塗装を行う際に用いられる、請求項１～３、５～８のいずれかに記載の方法。 【請求項１０】 １種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備えるコンピュータ調色システムであって、下記手段Ｓ３０１～Ｓ３１１を含む、前記システム。 （Ｓ３０１）前記データベースに登録されたデータを用い、学習用データを前記コンピュータに入力する手段 （Ｓ３０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する手段であって、前記前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である手段 （Ｓ３０３）目標とする色彩の目標色彩データＸｔを得る手段 （Ｓ３０４）前記目標色彩データＸｔを、前記コンピュータに入力する手段 （Ｓ３０５）コンピュータを用いた検索により、前記目標色彩データＸｔに近似する検索色彩データＸｎ１及び検索色彩データＸｎ１に対応する近似配合組成データＹｎ１を得るとともに、前記目標色彩データＸｔと前記検索色彩データＸｎ１とを比較し合否を判定する手段 （Ｓ３０６）前記手段Ｓ３０５において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測される候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する手段 （Ｓ３０７）前記手段Ｓ３０６において合格しない場合に、コンピュータを用いて目標色彩データＸｔを与えると予測されるＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉを得た後、前記少なくとも１種の学習した人工知能モデル及び／又は前記人工知能モデル以外の予測式を用いて、候補配合組成データＹｎｉから予測される予測色彩データＸｎｉを得るとともに、前記色彩データＸｔと前記予測色彩データＸｎｉとを比較し、合否を判定する手段を、合格するまで繰り返す手段 （Ｓ３０８）前記手段Ｓ３０５～Ｓ３０７のいずれかで合格した際の、合格配合組成データＹＣ１を得る手段 （Ｓ３０９）前記合格配合組成データＹＣ１に基づき、実候補塗料ＣＭＣｉを調製し、該実候補塗料ＣＭＣｉの塗装板を得て、実測色彩データＸＣｉを取得する手段 （Ｓ３１０）前記色彩データＸｔと前記実測色彩データＸＣｉとの比較、及び／又は、前記目標とする色彩と前記実候補塗料ＣＭＣｉの塗装板の色彩との比較により、合否を判定する手段 （Ｓ３１１）前記手段Ｓ３１０において合格しない場合に、前記手段Ｓ３０６～Ｓ３１０を繰り返す手段 【請求項１１】 １種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いる塗膜の色彩データを予測するシステムであって、下記手段Ｓ４０１～Ｓ４０７を含む、前記システム。 （Ｓ４０１）前記データベースに登録されたデータを用い、学習用データを前記コンピュータに入力する手段 （Ｓ４０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する手段であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である手段 （Ｓ４０３）塗膜の色彩データを予測する塗料ＣＭｔの配合組成データＹＣＭを得る手段 （Ｓ４０４）前記配合組成データＹＣＭを、前記コンピュータに入力する手段 （Ｓ４０５）必要に応じて、コンピュータを用いた検索により、前記配合組成データＹＣＭに対応する検索色彩データＸｎ１を取得する手段 （Ｓ４０６）前記手段Ｓ４０５で対応する検索色彩データＸｎ１が検索されなかった場合、又は、前記手段Ｓ４０５を行わなかった場合において、前記配合組成データＹＣＭから、前記少なくとも１種の学習した人工知能モデル、又は、前記少なくとも１種の学習した人工知能モデルと前記人工知能モデル以外の予測式とを用いて、予測色彩データＸｍ１を得る手段 （Ｓ４０７）必要に応じて、前記塗料ＣＭｔを塗装した塗装板の実測色彩データＸＣＭを取得し、前記予測色彩データＸｍ１と比較する手段 【請求項１２】 前記システムが、得られた配合組成データに基づき自動調合して調色配合を行う自動調合手段を備えている、請求項１０又は１１に記載のシステム。 【請求項１３】 請求項１０～１２のいずれかに記載のシステムを制御し動作させるためのアプリケーションソフトウェア。 【請求項１４】 １種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いる塗膜の色彩データを予測する方法であって、下記Ｓ２０１～Ｓ２０７工程を含む 、前記方法。 （Ｓ２０１）前記データベースに登録されたデータを用い、学習用データを前記コンピュータに入力する工程 （Ｓ２０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記人工知能モデルの少なくとも１種を生成する工程が、 （ｉ）光輝性顔料を含まない組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 （ｉｉ）光輝性顔料を含む組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、 を含み、 前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程 （Ｓ２０３）塗膜の色彩データを予測する塗料ＣＭｔの配合組成データＹＣＭを得る工程 （Ｓ２０４）前記配合組成データＹＣＭを、前記コンピュータに入力する工程 （Ｓ２０５）必要に応じて、コンピュータを用いた検索により、前記配合組成データＹＣＭに対応する検索色彩データＸｎ１を取得する工程 （Ｓ２０６）前記Ｓ２０５工程で対応する検索色彩データＸｎ１が検索されなかった場合、又は、前記Ｓ２０５工程を行わなかった場合において、前記配合組成データＹＣＭから、前記少なくとも１種の学習した人工知能モデル、又は、前記少なくとも１種の学習した人工知能モデルと前記人工知能モデル以外の予測式とを用いて、予測色彩データＸｍ１を得る工程 （Ｓ２０７）必要に応じて、前記塗料ＣＭｔを塗装した塗装板の実測色彩データＸＣＭを取得し、前記予測色彩データＸｍ１と比較する工程 【請求項１５】 前記人工知能モデルの少なくとも１種を生成する工程が、 組成物中の光反射性顔料の含有量、光干渉性顔料の含有量、配向制御剤の含有量、組成物中の光反射性顔料の各色相別の含有量、光干渉性顔料の各色相別の含有量、着色剤の各色相別の含有量、及び、それらの含有量の２つ以上の合計から選ばれる１種類以上のデータ、及び／又は、 組成物に含まれる色材の形状データ、 を学習用データとして用い、人工知能モデルを学習させる工程を含む、請求項４又は１４に記載の方法。 【請求項１６】 前記データベースに登録された１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸは、実測データ、又は、実測データと実測データに基づき算出されたデータとを含む、請求項４、１４、１５のいずれかに記載の方法。 【請求項１７】 車両の補修塗装を行う際に用いられる、請求項４、１４～１６のいずれかに記載の方法。」 第４ 取消理由の概要 当審が令和３年９月２２日付けの取消理由通知（決定の予告）で通知した取消理由は、以下の取消理由１、取消理由２、及び、取消理由４であり、その概要は下記１～３のとおりである。 ＜取消理由１＞ 本件特許の特許請求の範囲の記載は、特許法第３６条第６項第２号に規定する要件を満たしていないから、本件特許は、特許法第３６条第６項第２号に規定する要件を満たしていない出願に対してなされたものであり、同法第１１３条第４号に該当し、取り消すべきものである。 ＜取消理由２＞ 本件特許の特許請求の範囲の記載は、特許法第３６条第６項第１号に規定する要件を満たしていないから、本件特許は、特許法第３６条第６項第１号に規定する要件を満たしていない出願に対してなされたものであり、同法第１１３条第４号に該当し、取り消すべきものである。 ＜取消理由４＞ 本件特許の特許請求の範囲の請求項１～１７に係る発明は、その出願前にその発明の属する技術の分野における通常の知識を有する者が、本件特許の出願前に日本国内又は外国において、頒布された刊行物に記載された発明又は電気通信回線を通じて公衆に利用可能となった発明に基いて容易に発明をすることができたものであるから、特許法第２９条第２項の規定により特許を受けることができないものであり、それらの発明に係る特許は、同法第１１３条第２号に該当し、取り消すべきものである。 １ 取消理由１の概要 取消理由１は、要するに、本件発明の「人工知能モデル」について、「人工知能モデル」に該当するものと該当しないものとを区別する基準がどのようなものか明確でない。したがって、本件特許の特許請求の範囲の記載は、特許法第３６条第６項第２号に規定する要件を満たしていないから、本件特許は、特許法第３６条第６項第２号に規定する要件を満たしていない出願に対してなされたものであり、同法第１１３条第４号に該当し、取り消すべきものであるというもの（以下、「取消理由１－１」という。）、及び、 Ｓ１０６工程とＳ１０７工程は、全く同じ工程であり（請求項の記載からは差異は認められない。また、令和３年５月１２日付けの訂正請求によってＳ１０６工程及びＳ１０７工程の記載はなんら訂正されていない。）、両者の合否の判定は常に一致するはずであり、また、いずれの工程を何度繰り返し行っても常に同じ合否の判定が出るはずであり、また、同じ候補配合組成データＹｎｉに対して、何度繰り返しＳ１１０工程を行ってもその合否判定は常に同じになるはずである。 以上を勘案すると、Ｓ１０６工程で不合格の場合はＳ１０７工程を（何度繰り返し）行っても合格とならないはずであるし、Ｓ１１０工程で不合格になった場合にＳ１０６工程（Ｓ１０７工程）を再度行っても再度同じ候補配合組成データＹｎｉが得られるだけなので、その後再度Ｓ１１０工程を行っても合格判定が出ることもあり得ない。 しかしながら、Ｓ１０７工程及びＳ１１０工程は、必ず合格判定が出ることを要するものであるから、以上のとおりであるにもかかわらず、Ｓ１０７工程及びＳ１１０工程において必ず合格判定が出るのだとすると、Ｓ１０６工程、Ｓ１０７工程、及び、Ｓ１１０工程は、同じ条件に対する判定が合格であったり不合格であったりする非理論的な工程であり、したがって、本件発明は明確ではない。したがって、本件特許の特許請求の範囲の記載は、特許法第３６条第６項第２号に規定する要件を満たしていないから、本件特許は、特許法第３６条第６項第２号に規定する要件を満たしていない出願に対してなされたものであり、同法第１１３条第４号に該当し、取り消すべきものであるというもの（以下、「取消理由１－２」という。）である。 ２ 取消理由２の概要 当審が令和３年３月１０日付けで通知した取消理由２は、要するに、本件発明１が解決しようとする課題は、「光学特性の予測が難しい光輝性の色彩を含む、多種多様な色彩の塗色を得るための塗料の製造方法であって、作業者の熟練度によらず、少ない試作回数で調色を終了させることができるコンピュータ調色に基づく塗料の製造方法を提供すること」である。 また、本件発明１は、Ｓ１０５～Ｓ１０７工程のいずれかで合否判定が合格になることを要するものであるが、Ｓ１０６工程において不合格となった場合に行われるＳ１０７工程は、Ｓ１０６工程と同じ工程なので、何度繰り返し行っても判定が合格になることはありえないし、Ｓ１１０工程で不合格になった場合にＳ１０６工程（Ｓ１０７工程）を再度行っても再度同じ候補配合組成データＹｎｉが得られるだけなので、その後再度Ｓ１１０工程を行っても合格判定が出ることはあり得ない。 したがって、本件発明１は、合格判定が出ない態様（所定の塗料を製造できないため、その課題を解決することができない態様）を包含していると認められる、また、本件発明２～１７についても同様の理由によりその課題を解決することができない態様を包含していると認められる。したがって、本件特許の特許請求の範囲の記載は、特許法第３６条第６項第１号に規定する要件を満たしていないから、本件特許は、特許法第３６条第６項第１号に規定する要件を満たしていない出願に対してなされたものであり、同法第１１３条第４号に該当し、取り消すべきものであるというものである。 ３ 取消理由４の概要 取消理由４は、要するに、刊行物等として、特開平１０－３２４８２９号公報（特許異議申立人藤江桂子が提出した甲第１号証。以下、「甲１」という。）を引用し、本件発明は、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるから、特許法第２９条第２項の規定により特許を受けることができないものであり、それらの発明に係る特許は、同法第１１３条第２号に該当し、取り消すべきものである、というものである。 第５ 当審の判断 １ 取消理由通知（決定の予告）で通知した取消理由について （１）取消理由１－１について 上記第２のとおり、本件訂正請求が認められた結果、本件発明に係る「人工知能モデル」は、「配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種」に限定されたので、本件発明に係る「人工知能モデル」に該当するか否かの基準（定義）が明確になった。 また、一般に人工知能とは、データの入力層と出力層を備え、入力層と出力層の関係を学習用データによってモデル化して使用するものを意味する技術用語であり、上記定義は、「人工知能モデル」という表記とも矛盾しないと認められる。 なお、特許異議申立人は、要するに、データの入力層と出力層の処理要素の数がそれぞれ１である場合が含まれていると解せること、したがって、線形回帰やファジイ理論を用いるものが含まれるのか否かが依然として明確ではないと主張する（令和３年１２月２２日付け意見書３頁下から６行～６頁末行）。 しかしながら、線形回帰やファジイ理論を用いるものであっても、本件発明では、入力層と出力層の関係が学習用データによってモデル化されるものであることが特定されており、「人工知能モデル」に該当するか否かは明確である。たとえば、線形回帰における回帰直線が、学習用データによってモデル化されるものであれば人工知能モデルであり、そうでなければ人工知能モデルでないことになる。また、ファジィ推論のルールが学習用データによってモデル化されるものであれば人工知能モデルであり、そうでなければ人工知能モデルでないことになる。 したがって、取消理由１－１によって本件特許を取り消すべきものとすることはできない。 （２）取消理由１－２について 上記第２のとおり、本件訂正請求が認められた結果、本件発明１に係る「Ｓ１０７工程」で得られる「候補配合組成データＹｎｉ」は、「ＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉ」となった。 そうすると、「Ｓ１０７工程」で得られる「候補配合組成データＹｎｉ」は、直前に行われたＳ１０６工程あるいはＳ１０７工程で得られた「候補配合組成データＹｎｉ」とは異なるものであり、かつ、「ＸｔとＸｎｉの誤差を減らす方向に作用する成分」が追加されているのであるから、直前に行われたＳ１０６工程あるいはＳ１０７工程で不合格と判定された場合であっても、合格と判定される可能性がより高いことは明らかであり、したがって、Ｓ１０６工程、Ｓ１０７工程、及び、Ｓ１１０工程が、同じ条件に対する判定が合格であったり不合格であったりする非理論的な工程であるとはいえない。 よって、取消理由１－２によって本件特許を取り消すべきものとすることはできない。 （３）取消理由２について 上記第２のとおり、本件訂正請求が認められた結果、本件発明１に係る「Ｓ１０７工程」で得られる「候補配合組成データＹｎｉ」は、「ＸｔとＸｎｉの誤差を減らす方向に作用する成分を追加してＸｔに近づけた次の候補配合組成データＹｎｉ」となった（直前に行われたＳ１０６工程あるいはＳ１０７工程で得られる「候補配合組成データＹｎｉ」とは異なるものとなった）ので、直前に行われたＳ１０６工程あるいはＳ１０７工程で不合格と判定された場合であっても、「Ｓ１０７工程」で得られる判定がこれとは異なるも（合格）となる可能性があることは明らかであるし、Ｓ１０７工程を繰り返すたびに「ＸｔとＸｎｉの誤差を減らす方向に作用する成分」が追加されるのであるから、そのたびに合格と判定される可能性が高まっていくことも明らかである。そして、以上によれば、本件発明１は、いつか必ず合格の判定が得られるものであるといえる。 そうすると、本件発明１は、合格判定が出ない態様を包含しているとはいえないし、本件発明２～１７についても同様であるから、取消理由２によって本件特許を取り消すべきものとすることはできない。 （４）取消理由４について ア 甲１に記載されている事項 特開平１０－３２４８２９号公報（甲１）には、以下の事項が記載されている。 「【０００１】 【発明の属する技術分野】本発明は、自動車補修用塗料の調色装置に関する。」 「【００１４】 【発明が解決しようとする課題】本発明は、上述の現状に鑑み、光輝材を含有しない塗色のみならず、光輝材を含有する塗色についても、削減された工程数で、熟練者によらずとも短時間で高精度に補修塗料の調色をすることが可能である自動車補修用塗料の調色装置を提供することを目的とするものである。 【００１５】 【課題を解決するための手段】本発明は、コンピュータ、カラー表示装置、複数の受光角で測色することができる分光光度計及び電子天秤からなる自動車補修用塗料の調色装置であって、前記調色装置は、自動車補修用塗料の調色計算をおこなうことができる調色計算機構、色彩データファイル、並びに、通信回線を介してデータベースサーバー中の少なくとも塗料用配合材の基礎データ及び自動車上塗り塗料の基本配合情報データを参照することができるデータベース参照機構を前記コンピュータに搭載しており、与えられた計算指示に即応して、前記コンピュータから、前記分光光度計の測色データ及び前記色彩データファイル中の色彩データに基づいて前記調色計算機構により光輝材を含有するか又は含有しない自動車補修用塗料の調色計算結果を前記カラー表示装置並びに前記電子天秤に出力することができるとともに、通信回線を介してデータベースサーバーに接続することにより、少なくとも塗料用配合材の基礎データ及び自動車上塗り塗料の基本配合情報を参照して前記調色計算に使用することができることを特徴とする自動車補修用塗料の調色装置である。以下に本発明を詳述する。 【００１６】 【発明の実施の形態】本発明の自動車補修用塗料の調色装置は、典型的には図２に示すように、パーソナルコンピュータ１、カラー表示装置２、多角度分光光度計３及び電子天秤４からなる。上記調色装置は、調色計算機構、色彩データファイル、並びに、通信回線５を介してデータベースサーバー６中の少なくとも塗料用配合材の基礎データ及び自動車塗料の基本配合情報データを参照することができるデータベース参照機構を上記パーソナルコンピュータ１に搭載している。以下、これらについて詳細に説明する。 【００１７】（１）調色計算機構 本発明における調色計算の過程は、図３に示すブロック図により典型的に表すことができる。まず、目標色の多角度分光反射率を測定し（過程１）、次に、図示しない色彩データファイルから色材基礎データ分光反射率を読み込んで、着色に供する複数の着色材についての配合を求める（過程２）。光輝材を含有しない塗料については、この配合結果に基づく予測反射率が目標色の所定範囲内に納まるか否かを判定し（過程５）、所定範囲内に納まるように必要な修正計算を繰り返した後出力される（過程６）。一方、着色材と光輝材とを含有する塗料については、着色材の配合を求め（過程２）、更に、光輝材を添加した効果を計算にいれて（過程３）、着色材や光輝材の配合及び塗装条件を変えた複数の塗板について測色した複数の受光角における分光反射率データを用いてファジイ推論により補正し（過程４）、この予測反射率を目標色の反射率と比較し（過程５）、その結果、目標色との色差が所定値以上であれば、所定値内に納まるように修正計算を繰り返した後出力される（過程６）。 【００１８】目標とする塗色がソリッド系塗料のものである場合 目標とする塗色がソリッド系塗料のものである場合、補修対象自動車の目標色の分光反射率を測定し、後に説明する色彩データファイルから基礎データとなる着色材塗板の分光反射率を読み込んで、着色に供する複数の着色材をある特定の配合で混合した場合の予測分光反射率を、以下に示すクベルカ・ムンクの光学濃度式を用いて予測計算をしつつ色彩が一致するように配合計算をする。この予測分光反射率を目標色の反射率と比較し、目標色との色差が所定値以上であれば、所定値内に納まるように修正計算を繰り返す。 【００１９】この場合において、クベルカ・ムンクの光学濃度式は、 （Ｋ／Ｓ）λ＝（１－Ｒλ）２／２Ｒλ （０＜Ｒλ＜１） で表される。式中、（Ｋ／Ｓ）λは、波長λにおけるクベルカ・ムンクの光学濃度を表し、Ｒλは、波長λにおける反射率を表す。上記クベルカ・ムンクの光学濃度式により、上記色彩データファイル中の基礎データである分光反射率を、着色層の吸収係数Ｋと散乱係数Ｓの比で示される光学濃度Ｋ／Ｓに変換し、ダンカンの混色理論式である２定数法により混合時の光学濃度を求め、更にこれを反射率に変換して所定配合の場合の予測分光反射率を求めることができる。 【００２０】この際、予測精度をより向上させるために、サンダーソンの補正式を用いて樹脂層と空気層との界面で生じる影響を補正し、理想状態の反射率に変換した後、上記混色理論式を用いることができる。 【００２１】上記修正計算過程においては、ニュートン・ラプソン法による反復計算手法を使用することができ、収束計算を、色彩値ＸＹＺ、Ｌ＊ａ＊ｂ＊等を利用して目標との差を評価しつつ行うメタメリック法や、目標反射率との差の２乗和を評価しつつ行うアイソメリック法等により行うことができる。 【００２２】以上の過程を経て、目標とする塗色がソリッド系塗料のものである場合に、目標色と一致する補修用塗料を調色することができる。」 「【００２３】目標とする塗色がメタリック・パール系塗料のものである場合 一方、目標とする塗色がメタリック・パール系塗料のものである場合、複数の着色材と光輝材とからなる塗料の調色をする必要がある。この際、目標色と目標光輝感とがともに目標塗色と一致するようにするために、着色材と光輝材との配合比は、（ｉ）複数の受光角において測色可能な分光光度計を用いて、照射角と受光角との複数の組み合わせに対する目標塗色の分光反射率を測色し、（ｉｉ）この分光反射率分布と一致するように、着色材と光輝材との配合から予測分光反射率を予測計算しつつ、着色材と光輝材との配合比を計算する。」 「【００２６】上記（ｉｉ）の場合において、着色材と光輝材とをある所定比率で混合した場合の予測分光反射率を計算するには、予め、光輝材の基礎データ分光反射率Ｒｂ、及び、光輝材と混合した着色材について測色された基礎データ分光反射率Ｒｇを、コンピュータの記憶装置に格納しておく。これらの基礎データは、 Ｒｂ＝Ｒｂ（θ，λ，ｘ） Ｒｇ＝Ｒｇ（θ，λ，ｘ，ｙ） で表される。式中、θは、受光角θを表し、ｘは、光輝材の濃度を表し、ｙは、着色材の濃度を表し、λは、波長を表す。 【００２７】本発明においては、上記光輝材の基礎データ分光反射率Ｒｂ、及び、光輝材と混合した着色材について計測された基礎データ分光反射率Ｒｇは、上記迷光に対する補正や、塗料を形成する樹脂の表面反射、樹脂の内部鏡面反射率の影響に対する補正を施した値であることが好ましい。 【００２８】また、光輝材含有塗色の分光反射率Ｒｂ、Ｒｇは、受光角が正反射に近い条件では、分光測色の測定値が容易に１００％を超えてしまう場合があるが、このために、本発明においては、配向－トラップモデルを適用して上記Ｒｂ、Ｒｇを定めることが好ましい。すなわち、塗料層内部では、照射光に対して、光輝材の形状や塗装条件によって様々な角度に散乱反射される。また、光輝材の空隙に入射した照射光は、空隙内でトラップされる。これらの要因を考慮にいれることにより、理想状態における光輝材の分光反射率Ｒｂtrueは、 Ｒｂtrue（θ，λ，ｘ）＝Ｉ０（θ，λ）／Ｉ１（λ）＝Ｃ（θ，λ）×〔１－Ｔｒ（λ，ｘ）〕×Ｒｍ（θ，λ） となる。式中、Ｉ０（θ，λ）は、波長λ、受光角θにおける観察光の受光エネルギーを表し、Ｉ１（λ）は、波長λにおける観察光の照射エネルギーを表し、Ｃ（θ，λ）は、光輝材による光の散乱配向関数を表し、Ｔｒ（λ，ｘ）は、光輝材濃度ｘにおける観察光のトラップ効果を表し、Ｒｍ（θ，λ）は、光輝材の固有反射率を表す。上記Ｒｇについても、同様に理想状態における分光反射率Ｒｇtrueを求めることができる。 【００２９】なお、複数の光輝材を配合した場合の分光反射率は、以下のようにして、理想状態における光輝材の分光反射率Ｒｂtrueから、複数の光輝材を配合した場合の分光反射率Ｒｂtrue,Mとして求めておくことが好ましい。すなわち、まず、標準の光輝材に対する相対的な値として、配向関数Ｃｓ（θ，λ）とトラップ効果Ｔｒｓ（λ，ｘ）を求めておき、これらを用いて標準の光輝材による理想状態の反射率Ｒtrue,S（θ，λ，ｘ）から標準の光輝材の固有反射率を求める。 Ｒms（θ，λ，ｘ）＝Ｒtrue,S（θ，λ，ｘ）／Ｃｓ（θ，λ）×〔１－Ｔｒｓ（λ，ｘ）〕 式中、Ｒms（θ，λ，ｘ）は、標準の光輝材の固有反射率を表す。そして、これに基づいて、ｎ種の光輝材を配合した場合の分光反射率を以下の式から求める。 Ｒｂtrue,M（θ，λ，ｘ1 ，ｘ2 ・・・ｘn ）＝Σ〔Ｃｓｊ（θ，λ，ｘｊ）・ｘｊ〕／Σｘｊ×〔１－Σ〔Ｔｒｓ，ｊ（λ，ｘｊ）・ｘｊ〕／Σｘｊ〕×Σ〔Ｒｍｓ，ｊ（θ，λ，ｘｊ）・ｘｊ〕／Σｘｊ 式中、Ｒｂtrue,M（θ，λ，ｘ１，ｘ２・・・ｘｎ）は、ｎ種の光輝材をｘ１、ｘ２・・・ｘｎの配合で配合した場合の分光反射率を表す。和は、ｊについてｎまでとる。その他の記号は、上記に準じる。 【００３０】かくして、上述の補正等により求めた光輝材の基礎データ分光反射率Ｒｂ、及び、光輝材と混合した着色材についての基礎データ分光反射率Ｒｇから、着色材による吸収率Ａは、 Ａ＝Ｒｇ（θ，λ，ｘ，ｙ）－Ｒｂ（θ，λ，ｘ） となる。透過性が高くて散乱能の低い着色材の場合、ランベルト－ベールの法則が成り立つと考えてよく、 Ａｂｓ（θ，λ，ｘ，ｙ）＝－ｌｏｇ（Ｔ） である。式中、式中、Ａｂｓ（θ，λ，ｘ，ｙ）は、光輝材と混合した着色材についての吸光度スペクトルを表す。Ｔは透過率であり、吸収率ＡとＴ＝Ａ－１の関係がある。このとき、塗料層内の光路長及び着色材の固有吸光度スペクトルを考慮することにより、 Ａｂｓ（θ，λ，ｘ，ｙ）＝Ｌ（θ，ｘ）・ｙ・Ａｂｓ（λ） がなりたつ。Ｌ（θ，ｘ）は、塗料層内の光輝材を考慮した光路長を表す。Ａｂｓ（θ，λ，ｘ，ｙ）は、上記と同様であり、Ａｂｓ（λ）は、着色材の固有吸光度スペクトルを表す。上記Ｌ（θ，ｘ）は、光輝材について、標準的な着色材を用いて予め求めておく。 【００３１】上記考察に基づいて、ｎ種類の光輝材とｍ種類の着色材を配合した場合の吸光度スペクトルは、 ＡｂｓＭ（θ，λ，ｘ１，ｘ２・・・ｘｎ，ｙ１，ｙ２・・・ｙｍ）＝ΣＬｉ（θ，ｘｉ）／Σｘｉ・Σ〔ｙｊ・Ａｂｓｊ（λ）〕 となる。式中、符号の意味は上記に準じる。和は、ｉについてｎまで、ｊについてｍまでとる。予測分光反射率は、従って、上記吸光度スペクトルＡｂｓＭ（θ，λ，ｘ１，ｘ２・・・ｘｎ，ｙ１，ｙ２・・・ｙｍ）から上記ランベルト－ベールの法則を考慮して求めることができる。図３中、２の過程がこれを表す。 【００３２】ところで、光輝材の添加量によって乱反射の程度が異なり、各受光角における分光反射率は変化する。通常、着色層内部に存在する光輝材の密度が高い程着色層内部の単位面積当たりの散乱能が高いので、光輝材による乱反射が増加し、従って光輝感が増大する。光輝材の添加量が充分多くなり、散乱能が飽和に達したなら、光輝材を更に添加してももはや光輝感は増加しない。従って、光輝材の添加量に対する光輝感の変化の関係は、飽和に達するまでは比例的であり、一次微分が正で二次微分が負の単調増加関数となる。そこで、光輝材の添加量を徐徐に増加させたときの各照射角と各受光角における分光反射率の基礎データを求めておき、下記式に示すように、この光輝材の濃度ｘと光輝感を表すフロップ値Ｆとの関係ｆによって、光輝材の濃度ｘに対するフロップ値Ｆを推定する。 Ｆ＝ｆ（ｘ） 式中、ｆは、フロップ値の推定関数である。図３中、３の過程がこれを表す。 【００３３】この場合、フロップ値の推定関数は、予め離散的に測定した光輝材の添加量に対するプロップ値を対応づけて求める。この対応づけは、例えば、一次補間等によることができる。この際、補間の精度を向上させるために、フロップ値Ｆを光輝材の濃度ｘに対して一次微分が正で二次微分がゼロに近い単調増加関数によってフロップ値Ｆ１変換しておくと、この変換されたフロップ値Ｆ１は、光輝材の添加量に対して比例関係がよく成立するので、複数の光輝材を添加する場合に各変換されたフロップ値Ｆ１の加法性が成立しやすく、従って、複数の光輝材を添加する場合のフロップ値の推定がより正確になるので好ましい。 【００３４】かくして、本発明においては、着色材と光輝材とからなる塗料の配合を求めるに際して、光輝材の添加量の変化によって生じる各受光角における分光反射率の変化を考慮しつつ、目標分光反射率及び目標フロップ値となる配合を予測計算することができる。 【００３５】本発明においては、このようにして理論的に求めた予測計算結果を、更に、ファジイ推論を用いた計算手法を導入して補正することにより、色合わせの精度の向上を実現する。この手法においては、予測分光反射率の計算を行う場合に、予め、着色材や光輝材の配合及び塗装条件を変えた複数の塗板について測色した変角分光反射率や多角度分光反射率をコンピュータのメモリ内に格納し、上記理論的に計算した予測結果との差を補正して色合わせの精度を向上させる計算手段として、上記格納したデータに基づいてファジイ推論を使用する。図３中、４の過程がこれを表す。以下、この過程を詳述する。」 「【００３８】図４に本発明におけるファジイ推論のブロック図を示す。ファジイ推論においては、曖昧性をファジイ集合論におけるメンバーシップ関数を用いて定義する。推論に応用する場合には、このメンバーシップ関数を用いてファジイプロダクションルールを定義する。このファジイプロダクションルールは、前件部と後件部とからなり、一般的には、下記式で表される。下記式は、簡単のため、前件部２、後件部１の場合について示す。 Ｒ１：ｉｆ ａ１ ｉｓ Ａｉ１ ａｎｄ ａ２ ｉｓ ａｉ２ ｔｈｅｎ ｂ ｉｓＢｉ（ｉ＝１，２・・・ｎ） 式中、Ｒｉは、ｉ番目のファジイプロダクションルールを表し、ａ１は、前件部１の概念を表し、ａ２は、前件部２の概念を表し、Ａｉ１は、前件部１のｉ番目のメンバーシップ関数（ファジイラベル）を表し、Ａｉ２は、前件部２のｉ番目のメンバーシップ関数（ファジイラベル）を表し、ｂは、後件部の概念を表し、Ｂｉは、後件部のｉ番目のメンバーシップ関数（ファジイラベル）を表し、ｎは、メンバーシップ関数（ファジイラベル）の数を表す。上記補正関数Ｒcorを求める場合には、ファジイプロダクションルールの前件部は、着色材の種類、光輝材の種類及び膜厚からなり、後件部は、補正値となる。 【００３９】前件部のファジイラベルは、着色材、白顔料、光輝材については、「多い」、「少ない」の表現であり、それに程度が加わる。塗膜の厚さｔについては、実測値であってもよく、又は、適当なインデックス、例えば、バーコーターの番号等であってもよい。想定される膜厚の範囲を想定し、これを等間隔又は不等間隔に分割してファジイラベルを設定する。光輝材については、最大添加量を想定して、これを等間隔又は不等間隔に分割してファジイラベルを設定することが好ましい。着色材と白顔料については、これらの配合量の合計は常に１００であるので、着色材についてのみ注目すればよい。着色材については、全ての着色材の合計配合量と、各着色材の配合比とを表す座標系で配合情報を表すことができる。例えば、着色材が３種類の場合は、合計配合量に対応する座標軸と、各着色材の、合計配合量に対する配合比を表す座標軸からなる三角柱座標空間内に対応付けることができる。そして、配合比の合計は０～１００の範囲内であるから、この間をｎ分割すればよい。この場合、淡色領域では分割を密に、濃色領域では分割を疎にするように、指数関数的に分割間隔を変化させることが好ましい。 【００４０】後件部のファジイラベルは、ある条件で作成された塗板の実測分光反射率から計算される光学濃度と、作成条件から理論的に計算された光学濃度との差の程度を表すものである。例えば、理論計算により求めた波長λにおける光学濃度と実測の波長λにおける光学濃度との比の値をとり、この値の想定範囲を等間隔又は不等間隔にｎ分割して後件部のメンバーシップ関数を規定する。この場合において、比の値が１．０付近では分割が密になり、想定範囲の最小値及び最大値付近では疎になるように分割することが好ましい。」 「【００４２】ファジイ推論においては、前件部の各概念について目標値と検索値との差からメンバーシップ関数により、各概念をファジイ化し、次に、予め決めておいたファジイプロダクションルールを用いて、例えば、着色材がやや多いなら、着色材をやや減らす等のように、状態に対する対策をどのようにとればよいかを決定する。これから、後件部のメンバーシップ関数を引き当てる。そして、引き当てられた関数から着色量の修正量を決定する。この過程を非ファジイ化という。本発明においては、予め作成された塗板の作成条件とその実測反射率とを上記コンピュータのメモリー内に記憶させ、この情報を用いて正確な後件ファジイ出力が得られるように、後件部のメンバーシップ関数の調整とファジイプロダクションルールの調整をする。この場合、単純高さ法による非ファジイ化手法を用いて計算を行う。単純高さ法においては、メンバーシップ関数は、後件部の概念ｂに対する広がりを持たず、ｂ軸上の位置とその高さのみの関数となる。」 「【００５６】本発明においては、上記コンピュータには、更に、電子天秤計量支援機能、色彩シミュレーション機能、計算候補選択機能、色彩測定機能、色差測定機能、製品ロット管理機能、オーサリング機能、リモートメンテナンス機能等を付与するこができる。上記電子天秤計量支援機能は、電子天秤連携計量機能、電子天秤連携色彩シミュレーション機能、データファイル登録機能等からなるものであり、上記学習用実績データファイルの構築を促進することができる。」 「【００６０】上記色彩測定機能は、メタリック・パール系の塗色を測光するための分光光度計、例えば、多角度分光光度計、変角分光光度計等による測光を制御するための機能である。上記色差測定機能は、上記調色計算後に、実際に予測配合に基づいて調製した塗料を塗布した塗板と見本とがどの程度一致しているかを確認したり、また、データの再現性をみるためのものである。」 「【００６６】本発明の調色装置は、更に、所望により、その他の付属装置、例えば、プリンター、色材の自動供給装置等を装備することができる。 【００６７】本発明の調色装置においては、光輝材を含有するか又は含有しない自動車補修用塗料の調色計算をおこなうことができる調色計算機構、及び、色彩データファイルをコンピュータに搭載することにより、計算指示に即応して、例えば、３～６０秒程度の応答時間内に、光輝材を含有するか又は含有しない自動車補修用塗料の調色計算結果を出力することができる。また、本発明の調色装置においては、通信回線を介してデータベースサーバーに接続することにより、少なくとも塗料用配合材の基礎データ及び自動車上塗り塗料の基本配合情報を収集して上記調色計算に利用して常に最新のデータを反映させることができ、かつ、コンピュータ上のデータベースを過度に大きなものとすることがないので、記憶装置やＣＰＵ等に過度の負担をかけることがなく、通常のパーソナルコンピュータで充分対応することができる。 【００６８】また、調色計算機構が、複数の着色材と光輝材とからなる塗料配合を求めるに際して、光輝材の添加によって生じる各受光角における分光反射率の変化を考慮しつつ、目標分光反射率及び目標フロップ値となる配合を予測計算するとともに、着色材や光輝材の配合及び塗装条件を変えて測定した変角分光反射率をコンピュータのメモリ内に格納し、計算した調色結果との差を補正して色合わせの精度を向上させる計算手段として、ファジイ推論を使用するものであるので、例えば、３～４つの受光角における分光測色データを使用しても充分高精度の予測分光反射率を算出することができ、従って、何度も修正計算を繰り返す必要がなく、熟練を要することなしに多様な塗色に対して確実に高精度の塗料配合を求めることができる。このため、従来、１時間程度は必要としていた調合作業時間を、例えば、２０分以内程度に短縮することができる。また、クリヤー塗料を塗布しないベース塗膜の測色データから、クリヤー塗膜の塗布した場合の測色データを予測することも可能であるので、クリヤー塗装工程を省くことが可能となり、作業の短縮化に資することができる。 【００６９】更に、色彩シミュレーション機能により、秤量中の配合に対応する色彩を瞬時に計算して表示し、目標色と比較表示することで、本来感覚的な作業である調色作業の特性を損なうことなく、目標色にどの程度近づいたかを視覚的に判断してより効率的に塗料配合を実現することができる。」 「【００７２】実施例１ パーソナルコンピュータ（ＣＰＵ１６６ＭＨｚ、メモリ３２ＭＢ、ウインドウズ’９５搭載）、液晶フルカラー表示装置、ドッキングステーション及び測色プローブからなる分光光度計（マクベス社製）並びに電子天秤（ザルトリウス社製、最小秤量０．１ｇ、最大秤量７．２ｋｇ）をセットし、上記パーソナルコンピュータに、光輝材含有塗料の調色計算をおこなうことができるファジイ推論を使用した調色計算機構、データベース参照機構、及び、光輝材と着色材の色彩データファイルを搭載した。 データベースの作成 光輝材と着色材の色彩データファイルには、表１の着色材及び光輝材について、表１に示す濃度における測色データを搭載した。 【００７３】 【表１】 ・・・ 【００７４】また、ファジイ推論のために、１８種の実際の塗板についての測色データを実績データとして搭載した。なお、測色は、予め下塗り塗装を施した装板にメタリック系塗料を塗布して得た試料塗板を多角度分光光度計（ＣＥ－７４１、マクベス社製）を使用して、４００～７００ｎｍを１０ｎｍ毎に、正反射方向から２０°、４５°及び１１０°の受光角について行った。 【００７５】カラーマッチングの実行 分光光度計で目標塗色を測色後、分光光度計をドッキングステーションにセットしてデータをコンピュータに入力した後、配合計算指示を与えた。指示後、約１０秒で初回計算結果を得た。この計算結果に基づいて電子天秤で秤量して塗料を調製した。この塗料を塗布して目標塗板と同様にして塗板を作成した。この塗板を測色して目標色との色差ΔＥを求めた。結果を表２に示した。また、得られた予測配合を表３に示した。次に、この初回計算結果にもとづいて修正計算を行い、指示後、約８秒で第二回目の計算結果を得た。この計算結果に基づいて電子天秤で秤量して塗料を調製した。この塗料を塗布して目標塗板と同様にして塗板を作成した。この塗板を測色して目標色との色差ΔＥを求めた。結果を表２に示した。また、得られた予測配合を表３に示した。修正計算後の予想配合は、目標配合と比べた場合の相対誤差が３％以内であった。 【００７６】また、上記秤量中の予想配合色を、ハイライト方向、正面方向、シェード方向について目標色とともに、表示装置上に表示して目視により確認した。」 「【図３】 ［図：0001386092000001.jpg］ イ 甲１に記載された発明 甲１には、メタリック・パール系塗料（複数の着色材と光輝材とからなる塗料）の調色について、目標色と目標光輝感とがともに目標塗色と一致するようにするために、（ｉ）複数の受光角において測色可能な分光光度計を用いて、照射角と受光角との複数の組み合わせに対する目標塗色の分光反射率を測色すること、（ｉｉ）この分光反射率分布と一致するように、着色材と光輝材との配合から予測分光反射率を予測計算しつつ、着色材と光輝材との配合比を計算することが記載されている（【００２３】）。 また、上記（ｉｉ）の場合について、着色材と光輝材とをある所定比率で混合した場合の予測分光反射率を計算するには、予め、光輝材の基礎データ分光反射率Ｒｂ、及び、光輝材と混合した着色材について測色された基礎データ分光反射率Ｒｇを、コンピュータの記憶装置に格納しておくこと（【００２６】）、 ｎ種類の光輝材とｍ種類の着色材を配合した場合の吸光度スペクトルは、ＡｂｓＭ（θ，λ，ｘ１，ｘ２・・・ｘｎ，ｙ１，ｙ２・・・ｙｍ）＝ΣＬｉ（θ，ｘｉ）／Σｘｉ・Σ〔ｙｊ・Ａｂｓｊ（λ）〕となること（【００３１】）、 このようにして理論的に求めた予測計算結果を、更に、ファジイ推論を用いた計算手法を導入して補正することにより、色合わせの精度の向上を実現すること（【００３５】）、 も記載されている。 そうすると、甲１には、上記（ｉｉ）の場合における、着色材と光輝材との配合から予測分光反射率を予測計算する方法の発明として、以下の発明（以下、「甲１発明」という。）が記載されていると認められる。 ［甲１発明］ 「着色材と光輝材との配合から塗膜の予測分光反射率を予測計算する方法であって、 予め、光輝材の基礎データ分光反射率Ｒｂ、及び、光輝材と混合した着色材について測色された基礎データ分光反射率Ｒｇを、コンピュータの記憶装置に格納し、 ｎ種類の光輝材とｍ種類の着色材を配合した場合の吸光度スペクトルを、ＡｂｓＭ（θ，λ，ｘ１，ｘ２・・・ｘｎ，ｙ１，ｙ２・・・ｙｍ）＝ΣＬｉ（θ，ｘｉ）／Σｘｉ・Σ〔ｙｊ・Ａｂｓｊ（λ）〕で予測計算し、 このようにして求めた予測計算結果を、更に、ファジイ推論を用いた計算手法を導入して補正する、 方法。」 また、甲１には、メタリック・パール系塗料（複数の着色材と光輝材とからなる塗料）の調色方法であって、目標色と目標光輝感とがともに目標塗色と一致するようにするために、（ｉ）複数の受光角において測色可能な分光光度計を用いて、照射角と受光角との複数の組み合わせに対する目標塗色の分光反射率を測色すること、及び、（ｉｉ）この分光反射率分布と一致するように、着色材と光輝材との配合から予測分光反射率を予測計算しつつ、着色材と光輝材との配合比を計算することを含むものであり、さらに、上記（ｉｉ）における、着色材と光輝材との配合から予測分光反射率を予測計算する方法が、上記甲１発明を用いた方法として、以下の調色方法の発明（以下、「甲１製法発明」という。）及び「調色システム」（以下、「甲１システム発明」という。）が記載されていると認められる。 ［甲１製法発明］ 「メタリック・パール系塗料（複数の着色材と光輝材とからなる塗料）の調色方法であって、調色について、目標色と目標光輝感とがともに目標塗色と一致するようにするために、以下の（ｉ）、（ｉｉ）及び（ｉｉｉ）を含む調色方法。 （ｉ）複数の受光角において測色可能な分光光度計を用いて、照射角と受光角との複数の組み合わせに対する目標塗色の分光反射率を測色すること、 （ｉｉ）この分光反射率分布と一致するように、着色材と光輝材との配合から予測分光反射率を予測計算しつつ、着色材と光輝材との配合比を計算すること （ｉｉｉ）上記（ｉｉ）の予測計算は、着色材と光輝材との配合から予測分光反射率を予測計算する方法であって、予め、光輝材の基礎データ分光反射率Ｒｂ、及び、光輝材と混合した着色材について測色された基礎データ分光反射率Ｒｇを、コンピュータの記憶装置に格納し、 ｎ種類の光輝材とｍ種類の着色材を配合した場合の吸光度スペクトルを、ＡｂｓＭ（θ，λ，ｘ１，ｘ２・・・ｘｎ，ｙ１，ｙ２・・・ｙｍ）＝ΣＬｉ（θ，ｘｉ）／Σｘｉ・Σ〔ｙｊ・Ａｂｓｊ（λ）〕で予測計算し、 このようにして求めた予測計算結果を、更に、ファジイ推論を用いた計算手法を導入して補正するものであること」 ［甲１システム発明］ 「メタリック・パール系塗料（複数の着色材と光輝材とからなる塗料）の調色システムであって、調色について、目標色と目標光輝感とがともに目標塗色と一致するようにするために、以下の（ｉ）、（ｉｉ）及び（ｉｉｉ）を含む調色システム。 （ｉ）複数の受光角において測色可能な分光光度計を用いて、照射角と受光角との複数の組み合わせに対する目標塗色の分光反射率を測色すること、 （ｉｉ）この分光反射率分布と一致するように、着色材と光輝材との配合から予測分光反射率を予測計算しつつ、着色材と光輝材との配合比を計算すること （ｉｉｉ）上記（ｉｉ）の予測計算は、着色材と光輝材との配合から予測分光反射率を予測計算する方法であって、予め、光輝材の基礎データ分光反射率Ｒｂ、及び、光輝材と混合した着色材について測色された基礎データ分光反射率Ｒｇを、コンピュータの記憶装置に格納し、 ｎ種類の光輝材とｍ種類の着色材を配合した場合の吸光度スペクトルを、ＡｂｓＭ（θ，λ，ｘ１，ｘ２・・・ｘｎ，ｙ１，ｙ２・・・ｙｍ）＝ΣＬｉ（θ，ｘｉ）／Σｘｉ・Σ〔ｙｊ・Ａｂｓｊ（λ）〕で予測計算し、 このようにして求めた予測計算結果を、更に、ファジイ推論を用いた計算手法を導入して補正するものであること」 ウ 本件発明１について （ア）対比・判断 本件発明１と甲１製法発明を対比する。 甲１製法発明は、塗料の製造方法に関するものであり、塗料を調色する際にコンピュータを用いたものであるから、本件発明１と甲１製法発明とは「コンピュータ調色に基づく塗料の製造方法」である点で一致し、次の点で相違が認められる。 （相違点１） 「コンピュータ調色」について、本件発明１は「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いるコンピュータ調色に基づく塗料の製造方法であって、下記Ｓ１０１～Ｓ１１１工程を含む、前記塗料の製造方法。・・・（略）・・・（Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程・・・（略）・・・（Ｓ１１１）前記Ｓ１１０工程において合格しない場合に、前記Ｓ１０６～Ｓ１１０工程を繰り返す工程」であることが特定されているのに対し、甲１発明は、「メタリック・パール系塗料（複数の着色材と光輝材とからなる塗料）の調色方法であって、調色について、目標色と目標光輝感とがともに目標塗色と一致するようにするために、以下の（ｉ）、（ｉｉ）及び（ｉｉｉ）を含む調色方法。（以下略）」である点（下線は当審が付与。以下同じ。）。 ここで、相違点について検討する。 甲１製法発明は、「（ｉ）複数の受光角において測色可能な分光光度計を用いて、照射角と受光角との複数の組み合わせに対する目標塗色の分光反射率を測色すること、（ｉｉ）この分光反射率分布と一致するように、着色材と光輝材との配合から予測分光反射率を予測計算しつつ、着色材と光輝材との配合比を計算する」ものである。 また、甲１の【００１７】には、「調色計算機構」について、光輝材を含有しない塗料及び光輝材を含有する塗料の両者についての調色計算の過程について記載され、いずれの塗料についても、「目標色の多角度分光反射率を測定し（過程１）」、次に、「色彩データファイルから色材基礎データ分光反射率を読み込んで、着色に供する複数の着色材についての配合を求める（過程２）」ことを備えることが記載されている。 すなわち、甲１製法発明は、「目標塗色の分光反射率」（又は「目標色の多角度分光反射率」）に最も一致する「着色材と光輝材との配合比（又は「複数の着色材についての配合」）」を計算によって求めるものであり、仮に、甲１製法発明において人工知能モデルを採用することができたとしても、その場合は、人工知能モデルの入力層は「着色材と光輝材との配合比（又は「複数の着色材についての配合」）」であり、出力層は「目標塗色の分光反射率」となって、当該入力層と出力層との関係を人工知能モデルで表すものとなる。ここで、「分光反射率」は光輝感を反映するものであり、色彩データのような色彩を表す指標ではないことから、甲１製法発明において、人工知能モデルを採用したものにおいては、本件発明１のような出力層が「色彩データ」となることはない。 そうすると、本件発明１は、甲１製法発明に基づいて、当業者が容易に発明をすることができたものである、ということはできない。 （イ）効果について 本件発明１は、上記相違点１に係る発明特定事項を備えることにより、「光学特性の予測が難しい光輝性の色彩を含む、多種多様な色彩の塗色を得るための塗料の製造方法であって、作業者の熟練度によらず、少ない試作回数で調色を終了させることができるコンピュータ調色に基づく塗料の製造方法が提供される。」（本件特許明細書の段落【００１５】）と記載されるように、多種多様な色彩の塗色について、少ない試作回数で調色を終了させることができるという、光輝感に対して調色を行う甲１製法発明からは予測し得ない、格別顕著な作用効果を奏するものである。 （ウ）特許異議申立人の主張について 特許異議申立人は、「引用文献１（当審注：甲１のこと）において複数の着色材と光輝材とからなる塗料配合を求める際にファジー推論を用いるのは、「色彩と光輝感の両者を目標色と一致させる」必要があるため、「多くの試行回数を必要と」する（【００１３】）ことから、特に、光輝材を含む場合にファジー推論を用いるとしたものです。すなわち、光輝材を含まない塗料の調色にファジー推論を用いることを排除したものではありません」（令和３年１２月２２日付け意見書１０頁下から３行～１１頁３行）と主張するが、仮に、光輝材を含まない塗料の調色にファジー推論を用いたとしても、甲１製法発明は、吸光度スペクトルをファジー推論によって予測計算するものであるから、ファジィ推論による予測計算結果として吸光度スペクトルが得られるものに留まり、本件発明１のような「色彩データ」が得られるものとはならない。したがって、上記主張は、上記判断を左右しない。 （エ）本件発明１についての小括 以上のとおりであるから、本件発明１は、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められない。 エ 本件発明２について 本件発明２と甲１製法発明とを対比すると、上記ウで述べたことから明らかなように、両者は、「コンピュータ調色に基づく塗料の製造方法」である点で一致し、次の点で相違が認められる。 （相違点２） 「コンピュータ調色」について、本件発明２は、「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いるコンピュータ調色に基づく塗料の製造方法であって、下記Ｓ１０１～Ｓ１１１工程を含む 、前記塗料の製造方法。・・・（略）・・・（Ｓ１０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程・・・（略）・・・（Ｓ１１１）前記Ｓ１１０工程において合格しない場合に、前記Ｓ１０６～Ｓ１１０工程を繰り返す工程」が特定されているのに対し、甲１製法発明は「メタリック・パール系塗料（複数の着色材と光輝材とからなる塗料）の調色方法であって、調色について、目標色と目標光輝感とがともに目標塗色と一致するようにするために、以下の（ｉ）、（ｉｉ）及び（ｉｉｉ）を含む調色方法。（以下略）」である点。 ここで、相違点２について検討すると、上記ウ（ア）で述べたように、甲１製法発明において、人工知能モデルを採用したものにおいては、本件発明２のような出力層が「色彩データ」となることはない。また、上記ウ（イ）で述べたように、本件発明２は、甲１製法発明からは予測し得ない、格別顕著な作用効果を奏するものである。 したがって、本件発明２は、甲１に記載された発明に基いて当業者が容易に想到することができたとは認められない。 オ 本件発明３について 本件発明３は、本件発明１又は２を引用し、さらに限定した発明に該当するところ、本件発明１及び２と同様な理由から、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められない。 カ 本件発明４について 本件発明４と甲１発明とを対比すると、甲１発明の「塗膜の予測分光反射率」は、本件発明１の「塗膜の色彩データ」に対応するから、両者は、「コンピュータを備える装置を用いた塗膜の色彩データを予測する方法」である点で一致し、次の点で相違が認められる。 （相違点３） 「塗膜の色彩データ」の予測について、本件発明４は、「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いる塗膜の色彩データを予測する方法であって、下記Ｓ２０１～Ｓ２０７工程を含む、前記方法。・・・（略）・・・（Ｓ２０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程・・・（略）・・・（Ｓ２０７）必要に応じて、前記塗料ＣＭｔを塗装した塗装板の実測色彩データＸＣＭを取得し、前記予測色彩データＸｍ１と比較する工程」が特定されているのに対し、甲１発明は「着色材と光輝材との配合から塗膜の予測分光反射率を予測計算する方法であって、予め、光輝材の基礎データ分光反射率Ｒｂ、及び、光輝材と混合した着色材について測色された基礎データ分光反射率Ｒｇを、コンピュータの記憶装置に格納し、 ｎ種類の光輝材とｍ種類の着色材を配合した場合の吸光度スペクトルを、ＡｂｓＭ（θ，λ，ｘ１，ｘ２・・・ｘｎ，ｙ１，ｙ２・・・ｙｍ）＝ΣＬｉ（θ，ｘｉ）／Σｘｉ・Σ〔ｙｊ・Ａｂｓｊ（λ）〕で予測計算し、このようにして求めた予測計算結果を、更に、ファジイ推論を用いた計算手法を導入して補正する、方法。」である点。 ここで、相違点３について検討すると、上記ウ（ア）で述べたように、甲１発明において、人工知能モデルを採用したものにおいては、本件発明４のような出力層が「色彩データ」となることはない。また、上記ウ（イ）で述べたように、本件発明４は、甲１発明からは予測し得ない格別顕著な作用効果を奏するものである。 したがって、本件発明４は、甲１に記載された発明に基いて当業者が容易に想到することができたとは認められない。 キ 本件発明５について 本件発明５は、要するに、本件発明２において、そのＳ１０２工程を「（ｉ）光輝性顔料を含まない組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、（ｉｉ）光輝性顔料を含む組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、を含」むものに限定したものに相当する。 また、上記エのとおり、本件発明２は、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められないものである。 そうすると、本件発明５も、本件発明２と同様の理由により、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められない。 ク 本件発明６～９について 本件発明６～９は、要するに、本件発明１、２、５を直接又は間接的に引用し、さらに限定した発明に相当する。 また、上記ウ、エ、キのとおり、本件発明１、２、５は、いずれも、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められないものである。 そうすると、本件発明６～９も、本件発明１、２、５と同様の理由により、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められない。 ケ 本件発明１０について 本件発明１０と甲１発明とを対比すると、甲１発明の「塗膜の予測分光反射率」は、本件発明１０の「塗膜の色彩データ」に対応するから、両者は、「コンピュータを備える装置を用いた塗膜の色彩データを予測する方法」である点で一致し、次の点で相違が認められる。 （相違点４） 「塗膜の色彩データ」の予測について、本件発明１０は、「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いる塗膜の色彩データを予測する方法であって、下記Ｓ２０１～Ｓ２０７工程を含む、前記方法。・・・（略）・・・（Ｓ２０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する工程であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である工程・・・（略）・・・（Ｓ２０７）必要に応じて、前記塗料ＣＭｔを塗装した塗装板の実測色彩データＸＣＭを取得し、前記予測色彩データＸｍ１と比較する工程」が特定されているのに対し、甲１発明は「着色材と光輝材との配合から塗膜の予測分光反射率を予測計算する方法であって、予め、光輝材の基礎データ分光反射率Ｒｂ、及び、光輝材と混合した着色材について測色された基礎データ分光反射率Ｒｇを、コンピュータの記憶装置に格納し、ｎ種類の光輝材とｍ種類の着色材を配合した場合の吸光度スペクトルを、ＡｂｓＭ（θ，λ，ｘ１，ｘ２・・・ｘｎ，ｙ１，ｙ２・・・ｙｍ）＝ΣＬｉ（θ，ｘｉ）／Σｘｉ・Σ〔ｙｊ・Ａｂｓｊ（λ）〕で予測計算し、このようにして求めた予測計算結果を、更に、ファジイ推論を用いた計算手法を導入して補正する、方法。」である点。 ここで、相違点４について検討すると、上記ウ（ア）で述べたように、甲１発明において、人工知能モデルを採用したものにおいては、本件発明１０のような出力層が「色彩データ」となることはない。また、上記ウ（イ）で述べたように、本件発明１０は、甲１発明からは予測し得ない格別顕著な作用効果を奏するものである。 したがって、本件発明１０は、甲１に記載された発明に基いて当業者が容易に想到することができたとは認められない。 コ 本件発明１１について 本件発明１１と甲１システム発明とを対比すると、両者は、「コンピュータを備える装置を用いた塗膜の色彩データを予測するシステム」である点で一致し、次の点で相違が認められる。 （相違点５） 「塗膜の色彩データ」の予測について、本件発明１１は、「１種類以上の色材を含有する組成物の配合組成データＹ及び対応する色彩データＸが少なくとも登録されたデータベースであって、１種類以上の色材を含有する組成物の配合組成データＹと対応する色彩データＸとを対応させて登録したデータベースと、該データベースに登録されたデータを利用した色合わせ計算ロジックが作動するコンピュータと、を備える装置を用いる塗膜の色彩データを予測するシステムであって、下記手段Ｓ４０１～Ｓ４０７を含む、前記システム。・・・（略）・・・（Ｓ４０２）前記学習用データを機械学習させ、配合組成データＹから色彩データＸを推定する人工知能モデルの少なくとも１種を生成する手段であって、前記学習用データを機械学習させることで生成する人工知能モデルは、配合組成データＹの入力層及び色彩データＸの出力層を備え、入力層と出力層の関係が前記学習用データによってモデル化されるものである人工知能モデルの少なくとも１種である手段・・・（略）・・・（Ｓ４０７）必要に応じて、前記塗料ＣＭｔを塗装した塗装板の実測色彩データＸＣＭを取得し、前記予測色彩データＸｍ１と比較する手段」が特定されているのに対し、甲１システム発明は「メタリック・パール系塗料（複数の着色材と光輝材とからなる塗料）の調色システムであって、調色について、目標色と目標光輝感とがともに目標塗色と一致するようにするために、以下の（ｉ）、（ｉｉ）及び（ｉｉｉ）を含む調色システム。（以下略）」である点。 ここで、相違点５について検討すると、上記ウ（ア）で述べたように、甲１システム発明において、人工知能モデルを採用したものにおいては、本件発明１１のような出力層が「色彩データ」となることはない。また、上記ウ（イ）で述べたように、本件発明１１は、甲１システム発明からは予測し得ない格別顕著な作用効果を奏するものである。 したがって、本件発明１１は、甲１に記載された発明に基いて当業者が容易に想到することができたとは認められない。 サ 本件発明１２、１３について 本件発明１２、１３は、本件発明１０、または、１１を直接又は間接的に引用し、さらに限定した発明に相当する。 また、上記ク、ケのとおり、本件発明１０、１１は、いずれも、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められないものである。 そうすると、本件発明１２、１３も、本件発明１０、１１と同様の理由により、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められない。 シ 本件発明１４について 本件発明１４は、要するに、本件発明４のＳ１０２工程について、さらに、「前記人工知能モデルの少なくとも１種を生成する工程が、（ｉ）光輝性顔料を含まない組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、（ｉｉ）光輝性顔料を含む組成物の１種類以上に係る、各配合組成データＹ及び各色彩データＸを学習用データとして用い、人工知能モデルを学習させる工程と、を含」むことを限定したものに相当する。 また、上記カのとおり、本件発明４は、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められないものである。 そうすると、本件発明１４も、本件発明４と同様の理由により、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められない。 ス 本件発明１５～１７について 本件発明１５～１７は、本件発明４、または、１４を直接又は間接的に引用し、さらに限定した発明に相当する。 また、上記カ、シのとおり、本件発明４、１４は、いずれも、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められないものである。 そうすると、本件発明１５～１７も、本件発明４、１４と同様の理由により、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められない。 セ 取消理由４についてのまとめ 以上のとおりであるから、本件発明１～１７は、いずれも、甲１に記載された発明に基いて当業者が容易に発明をすることができたものであるとは認められない。したがって、本件発明１～１７に係る特許は、いずれも、取消理由４によって取り消すべきものであるとは認められない。 ２ 取消理由通知（決定の予告）で採用しなかった特許異議申立の理由について 取消理由通知（決定の予告）で採用しなかった特許異議申立の理由は、以下の（１）～（５）の取消理由Ａ～Ｅである。 （１）取消理由Ａについて 取消理由Ａは、要するに、本件発明４、６、８、９、１１～１３は、甲１に記載された発明であるから、特許法第２９条第１項第３号に該当し、特許を受けることができないものであり、それらの発明に係る特許は、同法第１１３条第２号に該当し、取り消すべきものである、というものであるが、上記第５ １（４）カ、ク、コ、サのとおり、本件発明４、６、８、９、１１～１３は、甲１に記載された発明ではない。したがって、それらの発明に係る特許を取消理由Ａによって取り消すべきものとすることはできない。 （２）取消理由Ｂについて 取消理由Ｂは、要するに、本件発明は、甲１に記載された発明、及び、甲２～４の技術的事項を適用して容易に発明をすることができたものであるから、特許法第２９条第２項の規定により特許を受けることができないものであり、それらの発明に係る特許は、同法第１１３条第２号に該当し、取り消すべきものである、というものでる。 （当審の判断） しかしながら、上記第５ １（４）ウ～スのとおり、本件発明と甲１に記載された発明とを対比すると、本件発明は、いずれも、「色彩データＸの出力層を備え」るものであるのに対し、甲１に記載された発明は、そのような事項を備えていない点で相違している。そして、甲２～４をみても、甲１に記載された発明において、「色彩データＸの出力層を備え」るものに変更することを動機づけるような記載を何も見出せない。 したがって、本件発明に係る特許を取消理由Ｂによって取り消すべきものとすることはできない。 （３）取消理由Ｃについて 取消理由Ｃは、要するに、本件特許の特許請求の範囲の記載は、「近似する」の基準、「合格」と判定する基準、及び、「必要に応じて」に該当するか否かの基準が明確ではないので、特許法第３６条第６項第２号に規定する要件を満たしていないから、本件特許は、特許法第３６条第６項第２号に規定する要件を満たしていない出願に対してなされたものであり、同法第１１３条第４号に該当し、取り消すべきものであるというものである。 （当審の判断） しかしながら、これらはいずれも本件発明の実施にあたり任意に設定できる事項であると認められる事項であるから、基準が記載されていなくても第三者に不足の不利益を及ぼすほどに不明確であるとはいえない。 したがって、本件特許を取消理由Ｃによって取り消すべきものとすることはできない。 （４）取消理由Ｄについて 取消理由Ｄは、要するに、本件特許の特許請求の範囲の記載は、「近似する」の基準、「合格」と判定する基準が明確ではないといえることを前提として、本件発明は発明の詳細な説明にサポートされておらず、また、発明の詳細な説明を参酌しても実施することができないというものである。 （当審の判断） しかしながら、本件発明の特徴は、コンピュータ調色において、色彩データを出力層とする人工知能モデルを用いること及び所望の配合組成データが得られるまで配合組成データに成分を追加することであることからみて、「近似する」の基準、「合格」と判定する基準は、本件発明の作用効果が奏される範囲内で、それぞれ、「近似する」もの、及び「合格」するものを指し、それらの基準が請求項に特定されていないとしても、本件特許の特許請求の範囲の記載は不明確とはいえない。また、本件特許の特許請求の範囲の記載が、特許法第３６条第６項第１号に規定する要件を満たしていないとか、本件特許の明細書の発明の詳細な説明の記載が同法同条第４項第１号に規定する要件を満たしていないなどといえるものでもない。 そして、特許異議申立人は、本件特許の特許請求の範囲の記載が、特許法第３６条第６項第１号に規定する要件を満たしていないとか、本件特許の明細書の発明の詳細な説明の記載が同法同条第４項第１号に規定する要件を満たしていないといえる具体的な理由を何も説明していない。 したがって、本件特許を取消理由Ｄによって取り消すべきものとすることはできない。 （５）取消理由Ｅについて 取消理由Ｅは、要するに、本件特許の特許請求の範囲の請求項３の「補正係数α」をどのように用いるのかに関する説明が発明の詳細な説明に記載されていないので、本件発明３は実施することができないというものである。 （当審の判断） しかしながら、請求項３は、「前記Ｓ１１１工程において合格しない場合において、前記予測色彩データＸｎｉと前記実測色彩データＸＣｉの差分Δを補正係数αとしてコンピュータに入力した後に、前記Ｓ１０６～Ｓ１１１工程が繰り返される、請求項１又は２に記載の方法。」というものであるから、「補正係数α」は、要するに、「前記予測色彩データＸｎｉと前記実測色彩データＸＣｉの差分Δ」であって、これが小さくなるように調色をすることは明らかである。 そうすると、「補正係数α」をどのように用いるのかは明らかであるから、本件の請求項３に係る特許を取消理由Ｅによって取り消すべきものとすることはできない。 第５ むすび 以上のとおり、本件特許の請求項１～１７に係る発明の特許は、取消理由通知に記載した取消理由及び特許異議申立書に記載した特許異議申立理由のいずれによっても、取り消すべきものとすることはできない。また、他に本件請求項１～１７に係る特許を取り消すべき理由を発見しない。 よって、結論のとおり決定する。