ケイ酸塩メルトの粘性率のニューラルネットワーク解析による混合エントロピーの決定
| Project/Area Number |
22K04680
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 26020:Inorganic materials and properties-related
|
|---|
| Research Institution | Akita University |
|---|
Principal Investigator |
菅原 透 秋田大学, 理工学研究科, 准教授 (40420492)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2025: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | ケイ酸塩メルト / ガラス融体 / 粘性率 / エントロピー / 熱力学 / マグマ / ガラス / 熱容量 / 機械学習 / 融体物性 |
|---|
| Outline of Research at the Start |
本研究はマグマ，ガラス融体，製錬スラグに関係する酸化物融体の粘性率の変化を包括的に明らかにすることを目的とする．実験データの少ない組成領域について新規に粘性率測定を行い，既報の測定データと組み合わせてニューラルネットワーク解析を行うことで，その温度・組成依存性を明らかにする．さらに熱力学的な関係式を用いて，融体の混合エントロピーの組成変化を計算する．これらの研究を通じて，ケイ酸塩メルトが関わる相平衡計算と熱・物質移動計算の適用範囲を広げ，火山におけるマグマプロセスや高温プロセス産業での各種シミュレーション計算の精度を高めるための基礎を築く．
|
| Outline of Annual Research Achievements |
本研究の目的はケイ酸塩メルトの粘性率をニューラルネットワーク（NN）によりモデル化し，計算された粘性率に対するAdam-Gibbs解析により配置エントロピーを算出することである，昨年度実施したLevenberg- Marquardt (LM) 法による計算の一部において見落としがあることが判明したため，粘性率のNN解析を再検討した．2023年度は特に，層構造と活性化関数が予測精度に与える影響を調査した．これまでに独自に収集してきたSiO2-Al2O3-MgO-CaO-Na2O系の4335データを検討に用いた．このうち，部分2成分系，3成分系，4成分系のデータを学習とテストに用いた．また5成分すべてを含むデータはテストのみに用いた．
その結果、次のことを明らかにした．
（１）NNの最適化計算において，計算条件が同一であればAdam法とLM法では差が見られない．（２）粘性率の温度内挿は活性化関数にReLuを用いると不連続となるが，SigmoidとTanhを用いると連続的になり，配置エントロピーの算出に適している．（３）パラメータ数は40から100まで増加させると二乗平均平方根誤差（RMSE）が連続的に低下するが，それ以上増やしても精度の向上は見られない．（４）中間層が2層であるときに誤差が最も小さくなる．（５）中間層の数に関係なく，活性化関数はSigmoidよりもTanhを用いた方がRMSEが低くなる．
これらの結果を踏まえて、Adam-Gibbsの関係式に対するフィッティングからメルトの配置エントロピーを算出する目処がたったため、Pythonによる計算コードを作成した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
機械学習モデルの基礎的な検討は終了した．配置エントロピーの算出はこれから実施する．粘性率装置製作の進捗率は50%である．
|
| Strategy for Future Research Activity |
(1) 2023年度に構築したNN回帰モデルをAdam-Gibbsモデルに適用し，SiO2-Al2O3-CaO-MgO-Na2O系メルトの配置エントロピーを算出する．
それらの値を既報の物理化学モデルによる値と比較する．
(2) B2O3とK2O含有メルトの粘性率測定の文献を収集し，データベースに収録する．また，今年度明らかにした，正規化したデータを用いた2層モデルによるNN解析を行い，モデルの精度を検証する．
(3) 2022年度の熱容量の測定結果とこれまでのSiO2-B2O3-Al2O3-Na2O系メルトの熱容量測定データを組み合わせて解析し，Cp(B2O3)の温度・組成依存性を定式化する．その結果に基づいて，ホウケイ酸塩メルトの粘性率データに対してAdam-Gibbs解析を試みる．
(4) 粘性率測定装置を完成させて試験測定を行う．また，データ解析プログラムを作成する．
|
Report
(2 results)
Research Products
(3 results)
