深層学習による組成の異なる多結晶超伝導体微細組織の相解析

カテゴリ: 研究会(論文単位)

論文No: MC23005,ASC23021

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: 2023/10/28

タイトル(英語): Deep Learning for Phase Analysis of Polycrystalline Superconductor Microstructures with Different Compositions

著者名: 西谷 慶輝(東京農工大学),細川 貴弘(東京農工大学),石橋 辰則(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),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),Tatsunori Ishibashi(Tokyo University of Agriculture and Technology),Yu Hirabayashi(Tokyo University of Agriculture and Technology),Haruka Iga(Tokyo University of Agriculture and Technology),Shinnosuke Tokuta(Tokyo University of Agriculture and Technology),Yusuke Shimada(Tohoku University),Akiyasu Yamamoto(Tokyo University of Agriculture and Technology)

キーワード: 機械学習|画像解析|超伝導|Machine Learning|Computer Vision|Superconductor

要約(日本語): 機能性多結晶材料の微細組織が及ぼす機能発現の機序理解、材料合成プロセスへのインフォマティクス適用等の上で、微細組織から構成相を識別する画像解析は重要な課題の一つである。本研究では、機能性多結晶材料の一種である鉄系多結晶超伝導材料に対し、学習した微細組織像とは条件が異なる微細組織像を識別した際の深層学習モデルの識別能力を検討した。

要約(英語): Image analysis to identify the phases from microstructural images is one of the most important issues in understanding the mechanism derived from the microstructures of functional polycrystalline materials. In this study, deep learning models were investigated the segmentation ability when identifying microstructural images under conditions different from the learned images.

本誌: 2023年10月31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: 19-22 p

原稿種別: 日本語

PDFファイルサイズ: 2,267 Kバイト