Elucidation and improvement of dynamic magnetostriction behavior based on microstructure data using combinatorial method

点击翻译按钮获取中文摘要

コンビナトリアル手法と機械学習を組み合わせた磁歪材料の組織構造予測手法の確立を研究目的とし，令和2年度は，バルク磁歪材料から取得したバルクハウゼンノイズ信号に対して，プログラミング言語であるPythonを用いた解析プログラムを構築し，機械学習によるデータ分析を実施した．特に，(1)データの取得と特徴量の決定，(2)機械学習モデルの生成と妥当性評価，(3)解釈性評価を実施することにより，複雑かつ不規則な発生原理に基づくバルクハウゼンノイズから結晶粒径を推定することが可能であることを見出した．現在、これらの研究成果を学術論文として報告する準備を行っている．以下にその詳細を示す．(1)では，加工熱処理により微細組織制御を実施したFe-Co合金線材を用いて，異なる熱処理を施したFe-Co合金のバルクハウゼンノイズ信号を取得した．得られたバルクハウゼンノイズ信号に対してデータ前処理（スムージング等），高速フーリエ変換を実施し，データセットを作成した．(2)では，機械学習モデルの生成にLightGBMによる回帰分析を用いた．この回帰分析により，比較的高い推定結果を示すことを明らかにした．また，生成した機械学習モデルの妥当性評価を実施した結果，合金組織の相の違いにより適用できる範囲が明らかとなり，本手法の有用性と課題を示すことができた．(3)では，合金組織の平均結晶粒径の推定に寄与すると考えられる特徴量のうち，最も高い貢献度を示したのは，スペクトル波形の出力強度，標準偏差，尖度であることを明らかにした．一方，バルク試料から薄膜試料へ本手法を適用する際に生じる課題，例えば，薄膜試料の系統的な微構造制御や，磁気信号の検出感度の改善，磁気・磁歪特性の取得等を残しているため，今後の推進方策を実施することにより，本研究課題の達成を目指す．