Visualization of potential distribution in a crevice using machine learning and establishment of a new corrosion evaluation method

• Project/Area Number: 24K17537
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 26050:Material processing and microstructure control-related
• Research Institution: Japan Atomic Energy Agency
• Principal Investigator: 青山 高士 国立研究開発法人日本原子力研究開発機構, 原子力科学研究所 原子力基礎工学研究センター, 研究職 (60752623)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2025: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000); Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
• Keywords: すき間腐食 / ステンレス鋼 / 機械学習

Outline of Research at the Start

ステンレス鋼の重要な腐食課題であるすき間腐食への対策として、すき間腐食進展抑制法の開発が求められている。すき間腐食進展抑制法を確立するためにはすき間内で生じる電位分布（腐食速度分布）を考慮した高精度なすき間腐食評価法が必要となる。本研究ではその場観察と機械学習を組み合わせることにより新規腐食評価法の開発を目指す。すき間内をその場観察することによってすき間内画像を取得する。得られた画像を機械学習によって処理することで、すき間腐食の進展挙動及び、すき間内電位分布を可視化することが可能となる。