2019 Fiscal Year Research-status Report
Study of optimal design of LED packaging using artificial intelligence
| Project/Area Number |
19K04145
|
|---|
| Research Institution | Kindai University |
|---|
Principal Investigator |
柏尾 知明 近畿大学, 理工学部, 准教授 (10581910)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 白色LED / パッケージング / 最適設計 / 機械学習 / ニューラルネットワーク / CNN |
|---|
| Outline of Annual Research Achievements |
白色LEDパッケージングの最適設計を行うためには，設計パラメータと白色LEDの光学特性の関係を詳細に知ることが必要となるが，本研究では人工知能（機械学習）を用いてその関係をモデリングすることを目指している．白色LEDの光学特性は，主に青色発光素子の特性（出力，スペクトル等），蛍光体の特性，パッケージングの構造・特性によって決まることから，機械学習によってその光学特性を予測するためには，それらの情報の組み合わせを学習データとして機械学習モデルに学習させる必要がある．
今年度は，白色LEDの3種類の設計パラメータ（発光素子の放射束，蛍光体量，拡散剤量）から，白色LEDの光学特性（全光束，色度）を機械学習モデルで学習・予測することができるか検討を行った．代表的な機械学習モデルである，Multi Layer Perceptron (MLP)，Radial Basis Function Network (RBFN)，Support Vector Regression (SVR)，Random Forest (RF)を用いて，線形回帰モデルと予測性能の比較を行った．予測結果では，RFが最も予測性能が高く，他のモデルも概ね線形回帰モデルより高い性能を示した．
さらには，Convolutional Neural Network (CNN)を用いて，白色LEDパッケージングの断面画像から白色LEDの明るさ（全光束）を予測することができるか検討を行った．白色LEDパッケージングの断面画像には，蛍光多量やレンズ形状などの白色LEDの明るさを決定する情報が含まれることから，高い画像認識性能を持つCNNでそれらの情報を学習できるか確認したところ，うまく画像を学習し白色LEDの全光束を予測することができた．
これらの研究結果をまとめ，複数の学会，フォーラム等で発表することができた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度の研究結果から，機械学習によって白色LEDパッケージングの設計パラメータから白色LEDの光学特性を予測することが可能であることを確認することができた．また，協力企業で白色LEDのサンプルを作製してもらい，その設計パラメータ・測定データを提供してもらう体制が確立できた．
|
| Strategy for Future Research Activity |
今後は，設計パラメータの種類を増やしても機械学習モデルによって白色LEDの光学特性の予測が可能であるかどうか検討を行っていく．また，白色LEDパッケージングの断面画像データの数を増やして，CNNによる画像情報からの光学特性予測を行う手法の有効性の確認を行っていく．さらには，それらの学習済みモデルを用いた最適設計方法の検討を行っていく．
|
| Causes of Carryover |
主に，１．他の研究費で購入した物品で研究を進めることができた，２．出張が予定より少なかった，３．研究補助員を雇わずデータまとめの対応ができた，という理由から今年度の支出が予定よりも少なくなった．次年度は，今年度を購入しなかった物品を購入し，シミュレーションのデータまとめのための研究補助員を研究計画より長く使用する予定である．
|
