Development of metal-matrix composites with materials informatics

利用材料信息学开发金属基复合材料

• 批准号: 22K04727
• 负责人: 杉尾 健次郎
• 金额: $ 2.66万
• 依托单位: Hiroshima University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K04727/
• 关键词: 金属基複合材料; データベース; 機械学習; Webアプリケーション; マテリアルズ・インフォマティクス; 複合材料

本研究では「高熱伝導・低熱膨張の金属基複合材料の開発」を対象にデータベースを中心としたプロセス・材料組織・材料特性の相互の関係性を機械学習により分析するシステムの開発を行う。具体的にはプロセス・材料組織・材料特性データを収集してデータベースを構築するためのソフトウェアの開発を行い，また，プロセス・材料組織・材料特性データを取得するシステムの構築を行う。さらに，それらの相互関係を機械学習によって分析するソフトウェアの開発を行う。リレーショナルデータベースを利用したWebアプリケーションの開発を行い，Webサーバー上での運用を始めた。WebアプリケーションのフレームワークとしてPythonで開発が可能なDjangoを用いた。実験より得られた生データを順次サーバー上にアップロードすることによりデータベースを構築することが可能となった。また，既存の装置にクライアントPCまたはラズベリーパイを取り付け，ネットワークを介して測定データをサーバーから取得することが可能となった。測定データから二次データ（特徴量）を抽出するための機能をWebアプリケーションに追加した。これらは測定データの内容およびフォーマットに合わせて個別に開発する必要がある。例えば，測定データがOM画像またはSEM画像等の画像データの場合，色調補正，フィルタ処理，二値化処理，ノイズ除去，輪郭抽出等の画像処理を適用して，第二相の面積率，数密度，真円度，等価円直径，アスペクト比，長辺・短辺長さ等の二次データの抽出が可能となった。測定データから抽出した複数の二次データ（特徴量）を分類，回帰，クラスタリングまたは次元削減等の機械学習の手法によって分析する機能をWebアプリケーションに追加した。開発において，画像処理にはOpenCV，データ処理にはPandas，機械学習にはscikit-learnを用いた。

This study で は "high fever 伝 conductivity, low thermal expansion の metal matrix composites の 発" を like に seaborne デ ー タ ベ ー ス を center と し た プ ロ セ ス, material organization, material properties の mutual の masato is sexual を rote learning に よ り analysis す る シ ス テ ム の open 発 う を line. Specific に は プ ロ セ ス, material organization, material properties デ ー タ を 収 set し て デ ー タ ベ ー ス を build す る た め の ソ フ ト ウ ェ ア の open 発 を い, ま た, プ ロ セ ス, material organization, material properties デ ー タ を obtain す る シ ス テ ム の build う を line. Youdaoplaceholder0, それら, それら are interrelated with を, machine learning によって, analysis するソフトウェア, development を, and う. リ レ ー シ ョ ナ ル デ ー タ ベ ー ス を using し た Web ア プ リ ケ ー シ ョ ン の open 発 を い, Web サ ー バ ー on で の beginning use を め た. Web ア プ リ ケ ー シ ョ ン の フ レ ー ム ワ ー ク と し て Python で open 発 が may な Django を with い た. Be 験 よ り have ら れ た raw デ ー タ を progressive サ ー バ ー on に ア ッ プ ロ ー ド す る こ と に よ り デ ー タ ベ ー ス を build す る こ と が may と な っ た. ま た, existing の device に ク ラ イ ア ン ト PC ま た は ラ ズ ベ リ ー パ イ を り pay け, ネ ッ ト ワ ー ク を interface し て determination デ ー タ を サ ー バ ー か ら obtain す る こ と が may と な っ た. Determination of デ ー タ か ら secondary デ ー タ (徴 quantity) を spare す る た め の function を Web ア プ リ ケ ー シ ョ ン に additional し た. Content determination of こ れ ら は デ ー タ の お よ び フ ォ ー マ ッ ト に close わ せ て individual に open 発 す る necessary が あ る. Example え ば, determination of デ ー タ が OM portrait ま た は SEM pictures such as portraits の デ ー タ の occasions, color correction, フ ィ ル タ 処, two numerical 処 principle, ノ イ ズ eliminate, like pump wheel guo の portrait 処 Richard を applicable し て, the second phase の area rate, number density, really has drifted back towards &yen; degrees, such as 価 has drifted back towards &yen; diameter, ア ス ペ ク ト ratio, Long 辺 · short 辺 long さ and other <s:1> secondary デ タ タ タ が extraction が may となった. Determination of デ ー タ か ら spare し た plural の secondary デ ー タ (徴 quantity) を classification, back 帰, ク ラ ス タ リ ン グ ま た は dimensional cutting の の machine learning technique such as に よ っ て analysis す る function を Web ア プ リ ケ ー シ ョ ン に additional し た. Open 発 に お い て, portrait 処 に は OpenCV, デ ー タ 処 Richard に は Pandas, rote learning に は scikit - learn を with い た.

项目成果

Microstructural Classification of Unmodified and Strontium Modified Al–Si–Mg Casting Alloys with Machine Learning Techniques

利用机器学习技术对未改性和锶改性 Al-Si-Mg 铸造合金进行微观结构分类

• DOI: 10.2320/matertrans.mt-mbw2021001
• 发表时间: 2023
• 期刊: MATERIALS TRANSACTIONS
• 影响因子: 1.2
• 作者: Qiu Zixiang;Sugio Kenjiro;Sasaki Gen
• 通讯作者: Sasaki Gen

Classification of microstructure of Al-Si alloyswith machine learning techniques

利用机器学习技术对铝硅合金微观结构进行分类

• 发表时间: 2022
• 作者: Kenjiro SUGIO;Tomoki KATAYAMA;Zixiang QIU and Gen SASAKI
• 通讯作者: Zixiang QIU and Gen SASAKI

Effective Thermal Conductivity and Thermal Resistance of Electroless Copper Plated Carbon Fiber and Fe Composite

化学镀铜碳纤维与铁复合材料的有效导热系数和热阻

• DOI: 10.2320/matertrans.mt-m2022123
• 发表时间: 2023
• 期刊: MATERIALS TRANSACTIONS
• 影响因子: 1.2
• 作者: Wu Di;Sugio Kenjiro;Sasaki Gen
• 通讯作者: Sasaki Gen

機械学習によるADC12の冷却曲線・材料組織・ 引張特性の分析

使用机器学习分析 ADC12 的冷却曲线、材料结构和拉伸性能

• 发表时间: 2023
• 作者: Qiu Zixiang;Sugio Kenjiro;Sasaki Gen;杉尾 健次郎，林 雄大，佐々木 元，田畑 潤二
• 通讯作者: 杉尾 健次郎，林 雄大，佐々木 元，田畑 潤二