2021 Fiscal Year Annual Research Report
人工知能を利用した磁気パラメータの推定に関する研究
| Project/Area Number |
19H02553
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
仲谷 栄伸 電気通信大学, 大学院情報理工学研究科, 教授 (20207814)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
田辺 賢士 豊田工業大学, 工学(系)研究科(研究院), 准教授 (00714859)
山田 啓介 岐阜大学, 工学部, 助教 (50721792)
河口 真志 東京大学, 大学院理学系研究科(理学部), 助教 (90792325)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 機械学習 / 磁気パラメータ / マイクロマグネティックシミュレーション / ジャロシンスキー守谷交換定数 |
|---|
| Outline of Annual Research Achievements |
本研究は、機械学習を利用して、プローブ顕微鏡やカー効果顕微鏡によって測定された磁区画像から磁気パラメータ推定の研究を行うものである。機械学習用の教師用磁区画像データには、磁気パラメータの異なる磁区画像データが大量に必要となるが、マイクロマグ計算を用いることで実現する。またテスト用磁区画像データには、マイクロマグ計算を用いたものと、実際に実験によって測定されたものを用いる。マイクロマグ計算を用いたものは人工知能の精度をチェックするためであり、最終目標は実験によって測定された磁区画像から磁気パラメータを推定することである。
2021年度までに我々は、教師用磁区画像データにマイクロマグ計算によって作製されたデータを、テスト用磁区画像データにプローブ顕微鏡によって作製されたデータを用いて、機械学習を行い、ジャロシンスキー守谷交換定数と異方性分散の同時推定に成功している。2021年度は、この研究をさらに進め、教師データ数の縮小と、カー効果顕微鏡画像が適用できる低解像度画像の適用が可能か調査した。その結果、(1)画像を回転させることで、教師データを水増しして推定させたところ、10度回転の水増しでもこれまでと同様の高い推定精度が実現できることが明らかになった。(2)画像サイズをこれまでの2*2um^2から16*16um^2に拡張し、分解能を低下させて、推定精度を検証した。分解能を低下させる際には、磁区のサイズを大きくする必要があるが、異方性分散を3パーセント以下にすれば、可能になることが明らかになった。一方、マイクロマグ計算にかかる時間が飛躍的に伸び、1000nsたっても磁区状態が安定しないことが明らかになった。
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
Research Products
(1 results)
