| 研究課題/領域番号 |
19K22117
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分28:ナノマイクロ科学およびその関連分野
|
|---|
| 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 | パーシステントホモロジー / 機械学習 / 金属組織 |
|---|
| 研究成果の概要 |
本研究では近年注目を集めている位相幾何学的概念「パーシステントホモロジー」を活用し、デンドライト析出物やスピノーダル金属組織の画像データのみから、物性パラメータを自動的に推定する手法を開発した。まずフェーズフィールド法を用いてデンドライト析出物およびスピノーダル金属組織の画像データを生成した。次にパーシステントホモロジーを用いて微細組織の形状を特徴抽出した。その後、主成分分析を用いて次元削減し、データの変化を低次元空間で可視化した。その結果、金属組織形成における発展時間、異方性パラメータ、勾配エネルギー係数、全エネルギー等の様々な物性パラメータを推定可能なことが示唆された。
|
| 自由記述の分野 |
顕微分光解析、マテリアルズインフォマティクス
|
| 研究成果の学術的意義や社会的意義 |
パーシステントホモロジーと呼ばれる位相幾何学の概念と教師無し機械学習を組み合わせて、デンドライト組織などの複雑な金属組織から、自動的に物性パラメータ（発展時間、異方性パラメータ、勾配エネルギー係数、全エネルギー）を逆解析するための枠組みを新しく開発した。
|
