マシンラーニングで非破壊材料テストを改善

May, 13, 2020, Providence--ブラウン大学の研究チームは､材料の機械的特性のテストで誤り率を大幅に減らす新しいアルゴリズが､最新の3Dプリントされた材料の評価で特に有用である､と発表した｡

インストルメンテッドインデンテーション(instrumented indentation)は､材料の機械的特性を非破壊テストする手段である｡その技術は、材料に微小デント作るために必要な力を計測し､その計測を利用して材料特性を計算する｡

その技術は弾性変形(直ぐに元に戻る凹みを作る力)の計測ではよく機能する｡しかし､それは塑性変形ではそれほどでもない(材料に不可逆的変化を起こす力)｡現在､ブラウン大学の2数学者を含む研究チームは､塑性変形計測精度を著しく改善する新しい人工知能アルゴリズムを開発した｡

「塑性変形にこの技術を使用するときの誤り率は、140%程度だった。しかし、このマシンラーニング技術を使用すると、われわれはそれを4%か5%に下げられる」と応用数学教授、George Karniadakisは説明している。

そのアルゴリズムは、Proceedings of the National Academy of Sciences.に発表されている。研究は、MIT、NTUの研究者との共同研究。

「通常、新しい材料でネットワークをトレーニングするには10000の繰り返しが必要である。しかし、われわれは一つの材料からの情報を使い、それを、わずかな実験データポイントしかない新しい材料に移転することができる」と研究の主筆、ブラウン大学ポスドク研究者、Lu Luは説明している。

Karniadakisによると、その新しいアルゴリズムは、既存のインストルメンテッドインデンテーション・ハードウエアに簡単に組み込み可能である。研究チームは、そのアルゴリズムを特許化し、それらを商用利用可能にする計画である。その新システムは、特性についての実験データが特に少ない3Dプリンティングや他の積層造形法で作製される材料の評価に特に有用である。

「材料は、利用される前に慎重に試験されなければならない。特に航空宇宙産業や他の重要アプリケーションで言えることである。われわれが3Dプリンティングや他の積層造形に移行するにともない、これらの新しい材料を評価する必要があり、そのためにこれは役立つ」とKarniadakisはコメントしている。

(詳細は、https://www.brown.edu/)