機械学習を用いた3次元固相焼結シミュレーションのパラメータ推定

カテゴリ: 研究会(論文単位)

論文No: MC20003,ASC20012

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: 2020/11/19

タイトル(英語): Estimation of Parameters for 3D Phase-Field Simulation of Solid-State Sintering by Machine Learning

著者名: 岡田 雄輝(東京農工大学),山中 晃徳(東京農工大学),石井 秋光(東京農工大学),山本 明保(東京農工大学)

著者名(英語): Yuki Okada(Tokyo University of Agriculture and Technology),Akinori Yamanaka(Tokyo University of Agriculture and Technology),Akimitsu Ishii(Tokyo University of Agriculture and Technology),Akiyasu Yamamoto(Tokyo University of Agriculture and Technology)

キーワード: 焼結|フェーズフィールド法|機械学習|ベイズ最適化|パラメータ推定|Sintering|Phase-field|Machine learning|Bayesian optimization|Parameter estimation

要約(日本語): 多結晶超伝導体の特性向上には、固相焼結中の組織変化の理解が必要であり、フェーズフィールド法を用いたシミュレーションは有望なアプローチである。しかしながら、シミュレーションに必要なパラメータには、未知であるものが多く、定量的なシミュレーション結果を得ることを難しくしている。本研究では、ベイズ最適化を用いて、固相焼結シミュレーションに必要な未知パラメータを推定する方法を提案し、数値実験により評価した。

要約(英語): To improve the transport properties of polycrystalline bulk superconductors, understanding of mechanisms of microstructural changes during a solid-state sintering is important. Numerical simulation of the solid-state sintering using three-dimensional phase-field (3D-PF) model is a promising approach for understanding how microstructure changes during the solid-state sintering. However, some of the parameters involved in the 3D-PF model are not known , that makes difficult to simulate the microstructural changes quantitatively. We proposed a new method for estimating the unknown parameters used for the 3D PF model of solid-state sintering using the Bayesian optimization.

原稿種別: 日本語

PDFファイルサイズ: 1,112 Kバイト