2021 Fiscal Year Annual Research Report
シミュレーションによる界面物性の新規異方性を考慮した凝固組織制御法の構築
| Project/Area Number |
20J10486
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
金 根佑 北海道大学, 工学院, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2020-04-24 – 2022-03-31
|
| Keywords | 固液界面エネルギーの異方性 / フェーズフィールド・シミュレーション / 機械学習 / 凝固組織 |
|---|
| Outline of Annual Research Achievements |
合金の固液界面エネルギーの異方性は凝固組織の形態を決定する重要な因子である．fcc合金は二つの異方性パラメータによって固液界面エネルギーの異方性が記述される．しかし，多くの合金系においてその異方性パラメータの値は不明であり，実験，計算による推定も困難なのが現状である．本研究では，逆解析的なアプローチとしてシミュレーションで得られた多様な組織形態から，逆に異方性パラメータを推定することを試みた．また，凝固組織の3次元形態を扱うのは難しいため，形態の特徴のみを抽出し2次元で表すことができる interfacial shape distribution (ISD) マップに着目した．
本研究では，フェーズフィールド・シミュレーションを用いて，多様な異方性パラメータのセットにおけるfcc二元系合金の等温凝固シミュレーションを行なった．それから得られたISDマップを学習データとし，convolutional neural network (CNN)を用いて学習させ，異方性パラメータとISDマップを関係づけた．学習によって得られた関係を用いて，任意のISDマップから，逆にその異方性パラメータを推定することを試みた．
異方性パラメータの数によって4900から40000枚のISDマップを用いてCNNによる学習を行なった．また，学習データと異なる異方性パラメータのセットから得られた10000枚のISDマップを用いて，学習させたCNNモデルでその異方性パラメータの推定を行なった．その結果，学習データ数が多くなるほど推定精度が高くなることが分かり，40000枚のISDマップで学習させた場合は，二つの異方性パラメータを5%以下の高精度で推定することができた．今後，このアプローチを用いて，X線トモグラフィーなどで得られた凝固組織のISDマップから実合金の異方性パラメータの推定が期待できる．
|
| 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。
|
