シミュレーションによる界面物性の新規異方性を考慮した凝固組織制御法の構築

通过模拟开发考虑新的界面物理性质各向异性的凝固组织控制方法

基本信息

批准号：
20J10486
负责人：
金根佑
金额：
$ 1.22万
依托单位：
Hokkaido University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-24 至 2022-03-31
项目状态：
已结题

项目摘要

合金の固液界面エネルギーの異方性は凝固組織の形態を決定する重要な因子である．fcc合金は二つの異方性パラメータによって固液界面エネルギーの異方性が記述される．しかし，多くの合金系においてその異方性パラメータの値は不明であり，実験，計算による推定も困難なのが現状である．本研究では，逆解析的なアプローチとしてシミュレーションで得られた多様な組織形態から，逆に異方性パラメータを推定することを試みた．また，凝固組織の3次元形態を扱うのは難しいため，形態の特徴のみを抽出し2次元で表すことができる interfacial shape distribution (ISD) マップに着目した．本研究では，フェーズフィールド・シミュレーションを用いて，多様な異方性パラメータのセットにおけるfcc二元系合金の等温凝固シミュレーションを行なった．それから得られたISDマップを学習データとし，convolutional neural network (CNN)を用いて学習させ，異方性パラメータとISDマップを関係づけた．学習によって得られた関係を用いて，任意のISDマップから，逆にその異方性パラメータを推定することを試みた．異方性パラメータの数によって4900から40000枚のISDマップを用いてCNNによる学習を行なった．また，学習データと異なる異方性パラメータのセットから得られた10000枚のISDマップを用いて，学習させたCNNモデルでその異方性パラメータの推定を行なった．その結果，学習データ数が多くなるほど推定精度が高くなることが分かり，40000枚のISDマップで学習させた場合は，二つの異方性パラメータを5%以下の高精度で推定することができた．今後，このアプローチを用いて，X線トモグラフィーなどで得られた凝固組織のISDマップから実合金の異方性パラメータの推定が期待できる．

合金的固液界面能的各向异性是决定凝固结构形态的重要因素。 FCC合金中固液界面能的各向异性用两个各向异性参数描述。但是，在许多合金系统中，各向异性参数的值尚不清楚，目前很难通过实验和计算来估计它。在这项研究中，我们试图从模拟中获得的各种组织形态估算各向异性参数，作为一种反分析方法。此外，由于很难处理固化组织的三维形态，因此我们专注于界面形状分布（ISD）图，该图只能提取形态的特征并在两个维度中表示它们。在这项研究中，对具有各种各向异性参数的FCC二元合金进行了相场模拟，以进行等温固化模拟。获得的ISD图用作训练数据，并使用卷积神经网络（CNN）进行训练，而各向异性参数和ISD映射是相关的。使用通过学习获得的关系，我们试图从任何ISD映射中估算各向异性参数。使用4900至40,000的ISD图进行CNN学习，具体取决于各向异性参数的数量。此外，使用从与训练数据不同的一组各向异性参数获得的10,000个ISD地图，使用训练有素的CNN模型估算各向异性参数。结果，发现训练数据的数量越高，估计准确性越高，并且当使用40,000 ISD地图的训练时，可以以5％或更低的高度估算两个各向异性参数。将来，使用这种方法可以预期，可以从通过X射线断层扫描和其他方法获得的实际合金的各向异性参数估算。