| Project/Area Number |
20J10486
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 26060:Metals production and resources production-related
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
金 根佑 北海道大学, 工学院, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2020-04-24 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥1,900,000 (Direct Cost: ¥1,900,000)
Fiscal Year 2021: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2020: ¥1,000,000 (Direct Cost: ¥1,000,000)
|
|---|
| Keywords | 固液界面エネルギーの異方性 / フェーズフィールド・シミュレーション / 機械学習 / 凝固組織 / 凝固組織の形態 / フェーズフイールド・シミュレーション |
|---|
| Outline of Research at the Start |
本研究の概要は，優先成長方位の遷移現象が凝固組織に及ぼす影響の全容を明らかにすることである．特に合金の優先成長方位を決定する固液界面エネルギーの異方性パラメータを系統的に変化させて，多様な凝固条件及び合金系でどのような凝固組織が形成するのかをまとめ組織形態マップとして整理する．
さらに，現在実験のみでは推定することが難しい異方性強度を，得られた凝固組織の曲率・形態を定量化し，逆解析によって推定することも試みる研究である．
|
| Outline of Annual Research Achievements |
合金の固液界面エネルギーの異方性は凝固組織の形態を決定する重要な因子である．fcc合金は二つの異方性パラメータによって固液界面エネルギーの異方性が記述される．しかし，多くの合金系においてその異方性パラメータの値は不明であり，実験，計算による推定も困難なのが現状である．本研究では，逆解析的なアプローチとしてシミュレーションで得られた多様な組織形態から，逆に異方性パラメータを推定することを試みた．また，凝固組織の3次元形態を扱うのは難しいため，形態の特徴のみを抽出し2次元で表すことができる interfacial shape distribution (ISD) マップに着目した．
本研究では，フェーズフィールド・シミュレーションを用いて，多様な異方性パラメータのセットにおけるfcc二元系合金の等温凝固シミュレーションを行なった．それから得られたISDマップを学習データとし，convolutional neural network (CNN)を用いて学習させ，異方性パラメータとISDマップを関係づけた．学習によって得られた関係を用いて，任意のISDマップから，逆にその異方性パラメータを推定することを試みた．
異方性パラメータの数によって4900から40000枚のISDマップを用いてCNNによる学習を行なった．また，学習データと異なる異方性パラメータのセットから得られた10000枚のISDマップを用いて，学習させたCNNモデルでその異方性パラメータの推定を行なった．その結果，学習データ数が多くなるほど推定精度が高くなることが分かり，40000枚のISDマップで学習させた場合は，二つの異方性パラメータを5%以下の高精度で推定することができた．今後，このアプローチを用いて，X線トモグラフィーなどで得られた凝固組織のISDマップから実合金の異方性パラメータの推定が期待できる．
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
