構造材料データベースチーム

データ設計と組織の定量化で、構造材料のデータベースを広げる

2022.09.26 更新

逆問題MIを進めるためには、データベースが肝になります。特に、構造材料では、特性や性能を支配するミクロ・マクロ組織の取り扱いが大事になります。逆問題を解くために必要なデータ設計と、組織の定量化技術で、逆問題MIの基盤を作ります。

専門分野・研究対象

構造材料のデータ設計と組織の定量化技術の2つを対象としています。

東洋大学、理化学研究所、関西大学、東北大学、 (株) 神戸製鋼所、JFEスチール (株) 、 (株) UAC、 (株) IHIと共同で研究開発を行なっています。

[データ設計]

データを扱うには、データ項目の名称やデータ形式、単位などを揃えていく必要があります。構造材料と一口に言っても、金属、セラミックス、高分子と様々にあり、それぞれの材料ごとに、必要なデータ項目は異なります。さらに、対象とする特性や性能によって、着目する組織が変わります。このように、取り組む課題によって必要なデータが変わっていくため、全てに適用できるような統一的なデータ設計は難しいというのが現状です。

我々は、データ設計を、ボトムアップとトップダウンの両面から取り組みます。ボトムアップの取り組みとしては、地道に課題ごとにデータ設計を行い、できるだけバリエーションの豊富なデータ様式を開発したいと考えています。そして、これらを互いに紐づけることを企図して、材料オントロジーの開発をトップダウンの取り組みとして行います。この両方向の取り組みによって、各課題に対応しながら、それらが有機的につながるデータ設計を行いたいと考えています。

[組織の定量化]

材料組織の定量化には、3D組織観察技術の開発と機械学習の適用という組み合わせで取り組みます。組織の定量化は、いわゆる画像のパターン認識の問題と言えます。特有の様々な幾何学的な特徴から領域を判別できれば、そこから特性や性能を支配する特徴量を定量化する道が開けます。幾何学的な特徴は3次元において完全に把握することができるので、3Dで組織を取得しておくことで、パターン認識が容易になることが期待されます。

従来の3D組織観察手法では、光学顕微鏡によるものと走査電子顕微鏡によるものとの間にスケールギャップがあったため、適用できるケースが限られていました。本研究では、広視野で観察できる3D走査電子顕微鏡を開発し、そのスケールギャップを埋めていきます。さらに、取得した3D情報に対して機械学習等をはじめとした様々な画像処理技術を適用し、組織の特徴を定量化する技術を開発していきます。