統計的機械学習を用いた多変量複屈折イメージングの測定及び解析法の同時最適化

• 研究課題/領域番号: 25K08487
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分29030:応用物理一般関連
• 研究機関: 鈴鹿工業高等専門学校
• 研究代表者: 三浦 陽子 鈴鹿工業高等専門学校, 教養教育科, 准教授 (20456643)
• 研究分担者: 真中 浩貴 鹿児島大学, 理工学域工学系, 助教 (80359984)
• 研究期間 (年度): 2025-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2025年度)
• 配分額: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円); 2027年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円); 2026年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2025年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
• キーワード: 機械学習 / ニューラルネットワーク / 複屈折イメージング / 画像解析

研究開始時の研究の概要

結晶中の粒界や欠陥、界面などの不均質構造は、材料特性に大きく影響する。これらの空間分布を可視化するため、イメージング技術を用いた観察が広く行われている。これまで本研究グループでも複屈折イメージング測定システムを開発し、このような構造の可視化に取り組んできた。しかし偏光像の定量解析を行う時には、選択する解析領域により結果が変わるという課題があった。そこで本研究では、偏光顕微鏡の偏光的分解能を高めるとともに、全データを用いた統計的機械学習手法を開発する。具体的には、畳み込みニューラルネットワークによる画像解析と、ベイズ最適化による実験設計を組み合わせ、解析精度の向上を目指す。