| 研究課題/領域番号 |
21K14090
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分19020:熱工学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
Sciazko Anna 東京大学, 生産技術研究所, 特任助教 (30898945)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2022年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2021年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
|
|---|
| キーワード | solid oxide fuel cell / machine learning / 3D microstructure / FIB-SEM / GAN network / semantic segmentation / super-resolution / artificial structure / porous material / porous electrode |
|---|
| 研究開始時の研究の概要 |
The multiscale porous media found interest in many fields of engineering. In particular, the porous electrode microstructure determines the performances of fuel cells and batteries. The multi-sized pore design is beneficial as large pores enhance the gas transport and nano-pores increase active reaction area. Here, the characterization methods of multi-sized porous media based on deep neural networks will be proposed. The focus is to provide high resolution large volume 3D characterization, fabricate synthetic 3D structure from single 2D image and correlate microstructure with performance.
|
| 研究成果の概要 |
機械学習を用いた微細構造解析フレームワークを開発した。本フレームワークの実装によって、解析精度の向上とともに観察・解析時間を短縮することができた。開発した解析フレームワークを用いて空隙率、コンポジット組成、粒子サイズなどを調整した固体酸化物形燃料電池（SOFC）のセリア系電極を定量的に評価した。このフレームワークを応用して、SOFC電極上に析出した炭素の構造を再構築・評価することに成功した。また、敵対的生成ネットワークを用いて2次元画像から人工的に3次元構造を作成する新しい手法も開発した。実構造データを用いて訓練することで、指定した特徴や組成・粒子分布勾配を有する構造の作成が可能となった。
|
| 研究成果の学術的意義や社会的意義 |
The porous media found interest in many fields of engineering. Particularly, the porous electrode microstructure determines the performances of fuel cells and batteries. This study proposed comprehensive framework for analyzing porous media microstructures based on machine learning methods.
|
