| 研究課題/領域番号 |
17K06874
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
金属・資源生産工学
|
|---|
| 研究機関 | 秋田大学 |
|---|
研究代表者 |
棗 千修 秋田大学, 理工学研究科, 准教授 (80632752)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2017年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | 凝固 / データ同化 / データサイエンス / 凝固組織 / 鋳造 / セルオートマトン法 / 熱伝達係数 / 金属生産工学 / シミュレーション / 材料組織 |
|---|
| 研究成果の概要 |
金属材料の凝固組織形成シミュレーションを高度化するために，データサイエンスの一手法であるデータ同化を用いて，実測が困難な鋳型-鋳物間の熱伝達係数および凝固組織形成に必須な核生成のモデルパラメータの推定法を構築し，試行錯誤的操作のない各種パラメータ評価を可能とした。また，機械学習を用いた凝固組織の推定法についても検討した。これらのデータサイエンス手法を用いることで組織解析の高速化と高精度化を両立できることを明らかにした。
|
| 研究成果の学術的意義や社会的意義 |
本研究課題で得られた研究成果の学術的意義は，従来の凝固組織予測法には用いられていなかったデータサイエンス的アプローチを，モデル内の各種パラメータ評価に用い，評価者の主観によるパラメータの不確実性や高度な専門知識に基づく評価基準を排除できる方法を構築したことであり，これは，凝固組織予測法の幅広い産業応用への課題でもあるため，今後，応用研究としてさらに発展させることで社会的にも意義ある成果であると考えている。
|
