2023 Fiscal Year Research-status Report

ケイ酸塩メルトの粘性率のニューラルネットワーク解析による混合エントロピーの決定

Research Project

Project/Area Number	22K04680
Research Institution	Akita University
Principal Investigator	菅原透秋田大学, 理工学研究科, 准教授 (40420492)
Project Period (FY)	2022-04-01 – 2026-03-31
Keywords	ケイ酸塩メルト / ガラス融体 / 粘性率 / エントロピー / 熱力学
Outline of Annual Research Achievements	本研究の目的はケイ酸塩メルトの粘性率をニューラルネットワーク（NN）によりモデル化し，計算された粘性率に対するAdam-Gibbs解析により配置エントロピーを算出することである，昨年度実施したLevenberg- Marquardt (LM) 法による計算の一部において見落としがあることが判明したため，粘性率のNN解析を再検討した．2023年度は特に，層構造と活性化関数が予測精度に与える影響を調査した．これまでに独自に収集してきたSiO2-Al2O3-MgO-CaO-Na2O系の4335データを検討に用いた．このうち，部分2成分系，3成分系，4成分系のデータを学習とテストに用いた．また5成分すべてを含むデータはテストのみに用いた．その結果、次のことを明らかにした．（１）NNの最適化計算において，計算条件が同一であればAdam法とLM法では差が見られない．（２）粘性率の温度内挿は活性化関数にReLuを用いると不連続となるが，SigmoidとTanhを用いると連続的になり，配置エントロピーの算出に適している．（３）パラメータ数は40から100まで増加させると二乗平均平方根誤差（RMSE）が連続的に低下するが，それ以上増やしても精度の向上は見られない．（４）中間層が2層であるときに誤差が最も小さくなる．（５）中間層の数に関係なく，活性化関数はSigmoidよりもTanhを用いた方がRMSEが低くなる．これらの結果を踏まえて、Adam-Gibbsの関係式に対するフィッティングからメルトの配置エントロピーを算出する目処がたったため、Pythonによる計算コードを作成した。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 機械学習モデルの基礎的な検討は終了した．配置エントロピーの算出はこれから実施する．粘性率装置製作の進捗率は50%である．
Strategy for Future Research Activity	(1) 2023年度に構築したNN回帰モデルをAdam-Gibbsモデルに適用し，SiO2-Al2O3-CaO-MgO-Na2O系メルトの配置エントロピーを算出する．それらの値を既報の物理化学モデルによる値と比較する． (2) B2O3とK2O含有メルトの粘性率測定の文献を収集し，データベースに収録する．また，今年度明らかにした，正規化したデータを用いた2層モデルによるNN解析を行い，モデルの精度を検証する． (3) 2022年度の熱容量の測定結果とこれまでのSiO2-B2O3-Al2O3-Na2O系メルトの熱容量測定データを組み合わせて解析し，Cp(B2O3)の温度・組成依存性を定式化する．その結果に基づいて，ホウケイ酸塩メルトの粘性率データに対してAdam-Gibbs解析を試みる． (4) 粘性率測定装置を完成させて試験測定を行う．また，データ解析プログラムを作成する．
Causes of Carryover	2023度は装置製作のための時間を確保できなかったため，粘性率測定装置の立ち上げを行うことができなかった．次年度は実験に必要な白金るつぼのほか，白金棒，白金線，熱電対，アルミナるつぼ等を購入し，粘性率測定を実施する計画である．