Assessment of ceramic matrix composite by machine learning with in-situ tomography technique

• Project/Area Number: 24K00767
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 18010:Mechanics of materials and materials-related
• Research Institution: Tokyo University of Science
• Principal Investigator: 井上 遼 東京理科大学, 工学部機械工学科, 准教授 (60756295)
• Co-Investigator(Kenkyū-buntansha): 垣澤 英樹 国立研究開発法人物質・材料研究機構, 構造材料研究センター, グループリーダー (30354137) ; 大熊 学 国立研究開発法人物質・材料研究機構, 構造材料研究センター, 主任研究員 (70838945) ; 新井 優太郎 東京理科大学, 先進工学部マテリアル創成工学科, 講師 (70844439)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,590,000 (Direct Cost: ¥14,300,000、Indirect Cost: ¥4,290,000); Fiscal Year 2026: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000); Fiscal Year 2025: ¥5,980,000 (Direct Cost: ¥4,600,000、Indirect Cost: ¥1,380,000); Fiscal Year 2024: ¥8,450,000 (Direct Cost: ¥6,500,000、Indirect Cost: ¥1,950,000)
• Keywords: セラミックス基複合材料 / 機械学習 / トモグラフィー / 材料組織 / 深層学習

Outline of Research at the Start

不規則欠陥と累積ミクロ損傷が相互作用するセラミックス系複合材料の複雑な破壊現象から重要因子を抽出し、強度予測実現の指針を提案する。そのために、予測結果の重要度を説明可能な機械学習モデルを構築する。大体積の高分解能断層画像，深層学習による相分離と画像解析から抽出した欠陥の三次元特徴量を説明変数に用い、強度の予測を実現する。同時に、予測結果への重要度を可視化し重要因子を導き出す。重要度の不確かさは三次元その場観察と変形分布計測を援用し補完する。これらから、強度を支配する欠陥の特徴量を解明し検知すべき欠陥の指標を提案する。また、本研究のアプローチが構造材料研究全体へと波及する可能性を検証する。