Development of computational techniques for inverse problems and optimizations of sheet metal forming using machine learning

• Project/Area Number: 20H02476
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 26050:Material processing and microstructure control-related
• Research Institution: Tokyo University of Agriculture and Technology
• Principal Investigator: 山中 晃徳 東京農工大学, 工学(系)研究科(研究院), 教授 (50542198)
• Co-Investigator(Kenkyū-buntansha): 渡邊 育夢 国立研究開発法人物質・材料研究機構, 構造材料研究拠点, 主任研究員 (20535992) ; 箱山 智之 岐阜大学, 工学部, 助教 (20799720) ; 桑原 利彦 東京農工大学, 工学(系)研究科(研究院), 卓越教授 (60195609)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Project Status: Granted (Fiscal Year 2021)
• Budget Amount: ¥17,680,000 (Direct Cost: ¥13,600,000、Indirect Cost: ¥4,080,000); Fiscal Year 2022: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2021: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000); Fiscal Year 2020: ¥6,890,000 (Direct Cost: ¥5,300,000、Indirect Cost: ¥1,590,000)
• Keywords: 板材成形 / 機械学習 / データ同化 / 結晶塑性有限要素法 / フェーズフィールド法 / 結晶塑性

Outline of Research at the Start

本研究では, フェーズフィールド法による材料組織予測と多岐にわたる機械学習方法（深層学習・転移学習・敵対的生成ネットワーク・データ同化・ベイズ最適化）を駆使し, アルミニウム合金板の内部組織情報から機械的特性や成形加工性を順推定するのみならず, その逆推定, さらには内部組織の最適化を可能とする計算技術を開発する.