| 研究課題/領域番号 |
22KJ0946
|
|---|
| 補助金の研究課題番号 |
22J14363 (2022)
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 基金 (2023)
補助金 (2022) |
|---|
| 応募区分 | 国内 |
|---|
| 審査区分 |
小区分60100:計算科学関連
|
|---|
| 研究機関 | 国立研究開発法人海洋研究開発機構 (2023)
東京大学 (2022) |
|---|
研究代表者 |
野口 聖史 国立研究開発法人海洋研究開発機構, 付加価値情報創生部門(数理科学・先端技術研究開発センター), Young Research Fellow
|
|---|
| 研究期間 (年度) |
2023-03-08 – 2024-03-31
|
| 研究課題ステータス |
中途終了 (2023年度)
|
| 配分額 *注記 |
1,700千円 (直接経費: 1,700千円)
2023年度: 800千円 (直接経費: 800千円)
2022年度: 900千円 (直接経費: 900千円)
|
|---|
| キーワード | 製造―構造―特性連関 / 材料設計 / 構造材料 / 深層学習 / データ駆動型科学 / プロセス・構造・特性連関 / 分子構造最適化 |
|---|
| 研究開始時の研究の概要 |
本研究は、鉄鋼材料や分子構造を対象に、深層学習を用いて特定の特性を実現する材料構造・製造条件を不確実性も含めて推定する一般的な方法論を構築することを目的とする。さらに、本研究の与える方法論を基礎として、材料設計の根幹である製造―構造―特性という非自明な因果関係を計算機上で一気通貫に実現し、分析し得る枠組みを獲得する。
また、実際の鉄鋼組織・医薬品分子データに適用し、構築した枠組みの有効性を確認する。特に，深層学習が獲得する非自明な相関の物理的・材料的解釈に関して検討する．加えて，本研究で構築する深層学習による枠組みと既存の材料的知見の親和性に関しても議論する．
|
| 研究実績の概要 |
令和５年度は、令和４年度までに構築した手法の拡張及び応用を検討した。また、本研究課題の最終年度として研究成果の取りまとめを行った。
前年度までに、深層学習を基礎とする枠組みの開発が完了していたため、本年度はそこからの一つの発展として、材料的な知見と深層学習の枠組みの親和性を検討した。特に、鉄鋼材料の相変態挙動を予測する物理モデルであるJohnson-Mehl-Avrami-Kolmogorov(JMAK)式と本研究の与える枠組みの融合を議論した。その結果、材料的な知見との融合によって同量のデータであっても深層学習の予測精度が向上することが示唆された。つまり、深層学習を材料設計に応用する場合、分野に蓄積された知見を適切に取り込むことが肝要であると言える。また、これは限られたデータしか得られない材料設計において、深層学習の精度を向上させるための一つの方策を与える。この結果は、査読付き和文論文誌である「鉄と鋼」に投稿し掲載された。また、本研究課題の取りまとめとして、本研究課題によって得られた成果を広く公開するために、本研究課題で構築した方法論とその材料設計における応用に関する論文を査読付き和文論文誌「応用統計学」に投稿し掲載された。
以上から、本研究課題の目的である材料設計の肝である製造―構造―特性という非自明な連関関係を材料データから計算機上で一気通貫に実現し、分析し得る基本的な枠組みの構築が完了した。
|
