| 研究課題/領域番号 |
19K22117
|
|---|
| 研究機関 | 東京理科大学 |
|---|
研究代表者 |
小嗣 真人 東京理科大学, 基礎工学部材料工学科, 准教授 (60397990)
|
|---|
| 研究分担者 |
橋爪 洋一郎 東京理科大学, 理学部第一部応用物理学科, 講師 (50711610)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2021-03-31
|
| キーワード | 機械学習 / デンドライト組織 / パーシステントホモロジー / フェーズフィールド法 / スピノーダル分解 |
|---|
| 研究実績の概要 |
電気自動車市場の急速な拡大を背景に、長寿命かつ安全な二次電池の実現は社会的、産業的な重要課題である。電極表面のデンドライト組織は複雑な形状を示すことから、これまでの組織解析ではショートの原因究明を行うことが困難であった。
そこで本研究では、位相幾何学の新規概念「パーシステントホモロジー(PH)」を活用し、デンドライト組織形状に内在する特徴の抽出を行った。また機械学習と組み合わせて種々の物性パラメータを逆解析する手法を開発した。PHは構造データにおける形状、ゆらぎ、連結性を定量的に記述できる手法である。実験ではデンドライト組織およびスピノーダル金属組織を対象に、PHを適用し組織画像からのパーシステンス図(PD)を作成した。また、機械学習では主成分分析(PCA)で次元削減し、PDと勾配エネルギー係数、発展時間、全エネルギーの対応関係を教師無し学習にて可視化した。デンドライト組織については昨年度に報告しているため、最終年度報告ではスピノーダル金属組織の結果を中心に述べる。
スピノーダル組織はフェーズフィールド法を用いて、金属組織を計算した。種々の勾配エネルギー係数に対する時系列金属組織のデータを生成し、入力データとした。その後HomCloudを用いてPH解析を行いPDを作成した。ベクトル化されたPDにPCAを適用することで、約40億次元から2次元平面へ次元削減を行いデータの構造を可視化した。その結果、勾配エネルギー係数に応じてデータを分類できることがわかり、時間および全エネルギーの推定が可能であることがわかった。なお、第2主成分までの累積寄与率は97％であり、PDの情報をほとんど損なうことなく特徴量抽出できていることがわかった。昨年度の結果と合わせると、PH解析ではスピノーダル組織およびデンドライト組織の解析に有用であり、種々の物性パラメータの推定に有用であることが示された。
|
