統計的機械学習を用いた多変量複屈折イメージングの測定及び解析法の同時最適化

• Project/Area Number: 25K08487
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 29030:Applied condensed matter physics-related
• Research Institution: National Institute of Technology (KOSEN), Suzuka College
• Principal Investigator: 三浦 陽子 鈴鹿工業高等専門学校, 教養教育科, 准教授 (20456643)
• Co-Investigator(Kenkyū-buntansha): 真中 浩貴 鹿児島大学, 理工学域工学系, 助教 (80359984)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2027: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2026: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2025: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
• Keywords: 機械学習 / ニューラルネットワーク / 複屈折イメージング / 画像解析

Outline of Research at the Start

結晶中の粒界や欠陥、界面などの不均質構造は、材料特性に大きく影響する。これらの空間分布を可視化するため、イメージング技術を用いた観察が広く行われている。これまで本研究グループでも複屈折イメージング測定システムを開発し、このような構造の可視化に取り組んできた。しかし偏光像の定量解析を行う時には、選択する解析領域により結果が変わるという課題があった。そこで本研究では、偏光顕微鏡の偏光的分解能を高めるとともに、全データを用いた統計的機械学習手法を開発する。具体的には、畳み込みニューラルネットワークによる画像解析と、ベイズ最適化による実験設計を組み合わせ、解析精度の向上を目指す。