深層学習による多結晶超伝導材料の微細組織相解析

カテゴリ: 研究会(論文単位)

論文No: MC22020,ASC22025

グループ名: 【A】基礎・材料・共通部門 金属・セラミックス/【B】電力・エネルギー部門 超電導機器合同研究会

発行日: 2022/11/12

タイトル(英語): Microstructural Analysis of Polycrystalline Superconducting Materials by Deep Learning

著者名: 西谷 慶輝(東京農工大学),細川 貴弘(東京農工大学),平林 由宇(東京農工大学),伊加 遥河(東京農工大学),長谷川 友大(東京農工大学),德田 進之介(東京農工大学),嶋田 雄介(東北大学),山本 明保(東京農工大学)

著者名(英語): Yoshiki NISHIYA(Tokyo University of Agriculture and Technology),Takahiro HOSOKAWA(Tokyo University of Agriculture and Technology),Yu HIRABAYASHI(Tokyo University of Agriculture and Technology),Haruka IGA(Tokyo University of Agriculture and Technology),Yut

キーワード: 機械学習|画像情報解析|ニューラルネットワーク|超伝導|微細組織|Machine Learning|Computer Vision|Neural Network|Superconductor|Microstructure

要約(日本語): 鉄系高温超伝導体は銅酸化物系に次いで高い超伝導転移温度と上部臨界磁場を有している。一方で、結晶粒界や種々の微細組織因子が臨界電流密度に強く影響するため、微細組織画像に対する精密な超伝導相の識別が機序理解やインフォマティクスの活用に向けた課題の一つとなっている。本研究では、多結晶超伝導材料の微細組織解析に向けて、深層学習を用いたロバスト性の高い微細組織の相識別手法を検討した。

要約(英語): Iron-based superconductors have the second highest superconducting transition temperature and upper critical field after cuprate superconductors. On the other hand, grain boundaries and various microstructural factors strongly affect the critical current density. Therefore, precise identification of superconducting phases in microstructural images is one of the challenges for mechanistic understanding and informatics applications. In this study, we investigate a highly robust microstructural phase identification method using deep learning for microstructural analysis of polycrystalline superconducting materials.

本誌: 2022年11月15日金属・セラミックス/超電導機器合同研究会

本誌掲載ページ: 59-62 p

原稿種別: 日本語

PDFファイルサイズ: 1,382 Kバイト