Automatic crystal growth by visuomotor learning
Project/Area Number |
21H01681
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
Section | 一般 |
Review Section |
Basic Section 26060:Metals production and resources production-related
|
Research Institution | Nagoya University |
Principal Investigator |
原田 俊太 名古屋大学, 未来材料・システム研究所, 准教授 (30612460)
|
Project Period (FY) |
2021-04-01 – 2024-03-31
|
Project Status |
Completed (Fiscal Year 2023)
|
Budget Amount *help |
¥18,070,000 (Direct Cost: ¥13,900,000、Indirect Cost: ¥4,170,000)
Fiscal Year 2023: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2022: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2021: ¥13,260,000 (Direct Cost: ¥10,200,000、Indirect Cost: ¥3,060,000)
|
Keywords | 自動化 / 結晶成長 / 強化学習 / 浮遊帯域溶融法 / 混合ガウスモデル / 製造自動化 / 逆強化学習 / 機械学習 / 自動操業 / 深層視覚運動学習 |
Outline of Research at the Start |
ロボット制御で用いられつつある深層視覚運動学習を、浮遊帯域溶融(FZ)法による単結晶育成の制御に応用し、「職人技」を定量化し、熟練のオペレータの制御を学習することにより、「見て」「判断し」「制御する」アルゴリズムを構築する。これにより熟練のオペレータの操業を模倣し、「職人技」を超える制御を実現する。
|
Outline of Annual Research Achievements |
自動運転やロボット制御など、制御工学の分野における機械学習の応用が進む中、製造業ではスマートファクトリーを通じた効率化への期待が高まっている。しかし、その応用は限定的であり、本研究ではロボット制御で成功を収めている強化学習を製造業に適用することを目的としている。結晶成長を例に挙げ、オペレータが手動で行っている監視と制御のプロセスを自動化するためのアルゴリズムを構築している。この技術は、結晶成長だけでなく、他の素材製造にも応用可能である。本研究では、融液ダイナミクスの同定と操業制御のための強化学習を用いて成果を上げている。融液の観察画像と制御入力値を同期して取得するシステムを開発し、高頻度でデータ取得を行う環境を構築している。また、ニューラルネットワークを用いて融液の画像データから幅や高さを抽出するアルゴリズムを開発し、融液に関する情報を定量的に抽出することに成功している。さらに、混合ガウスモデルを用いて融液ダイナミクスを推定し、最適な操業軌道を生成することもできている。 このように、本研究は製造業における自動化と効率化を推進するための基盤を築いており、既存の技術と比較して高い学習効率と精度を持つ状態遷移モデルを推定することが可能となった。 また、結晶成長炉の製造メーカとの連携によって、自動結晶成長炉のプロトタイプ作成にも着手しており、これにより実機での自動操業の実証実験が一層進むことが期待されている。このプロトタイプは、研究で得られたアルゴリズムと操業モデルを基に設計されており、融液の状態をリアルタイムで分析しながら、最適な条件下で結晶成長を行うことが可能である。この進展は、製造業における自動化技術の実用化に向けた重要なステップとなる。
|
Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
Report
(3 results)
Research Products
(10 results)