文献

J-GLOBAL ID：202202239996793568   整理番号：22A2993819

深層学習による多結晶超伝導材料の微細組織相解析

Microstructural Analysis of Polycrystalline Superconducting Materials by Deep Learning

著者 (8件)： 西谷慶輝 (東京農工大) ,  細川貴弘 (東京農工大) ,  平林由宇 (東京農工大) ,  伊加遥河 (東京農工大) ,  長谷川友大 (東京農工大) ,  徳田進之介 (東京農工大) ,  嶋田雄介 (東北大) ,  山本明保 (東京農工大)
資料名： 電気学会研究会資料(Web)  (Papers of Technical Meeting, IEE Japan (Web))
号： MC-22-008-023/ASC-22-013-028 金属・セラミックス研究会/超電導機器研究会  ページ： 59-62 (WEB ONLY)  発行年： 2022年11月12日 
JST資料番号： U2358A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 結晶粒界と種々の微細構造因子は,多結晶超伝導材料の臨界電流密度に強く影響する。微細構造画像における超伝導相の精密で客観的な同定は,臨界電流密度の改善と情報科学応用に対するガイドラインを得るための課題の一つである。本研究では,多結晶超伝導材料の微細構造解析のための深層学習を用いた非常に強固な微細構造相同定法を開発した。(翻訳著者抄録)

シソーラス用語： *多結晶 ,  *超伝導材料 ,  *機械学習 ,  ニューラルネットワーク ,  人工知能 ,  微細構造 ,  画像分析 ,  臨界電流密度 ,  結晶粒界 ,  情報科学 ,  人文科学

分類 (1件)： 超伝導体の物性一般  (BM04021A)

引用文献 (9件)：

• Y. Kamimura, T. Watanabe, M. Hirano, H. Hosono: “Iron-Based Layered Superconductor La[O_1-xF_x]FeAs (x = 0.05-0.12) with T_c = 26 K”, J.Am. Chem. Soc, Vol. 130, No.11 3296-3297 (2008)
• H. Ogawa, S. Tokuta, Y. Okada, Y. Shimada, A. Yamamoto:“Phase segmentation of polycrystalline, inter-metallic superconductors by microstructural image analysis with deep learning”, JSOP EXPO Spring 2021, 18a-Z32-8 (2021)
• Y. Hirabayashi, H. Iga, S. Tokuta, H. Ogawa, Y. Shimada, A. Yamamoto:“Microstructural phase analysis of polycrystalline materials by Semantic Segmentation”, JSOP EXPO Spring 2022, 24p-E203-13 (2022)
• F. Ning, D. Delhomme, Y. LeCun, F. Piano, L. Bottou, P. E. Barbano: “Toward automatic phenotyping of developing embryos from videos”, IEEE Trans. Image, Vol. 14, No. 9, 1360-1371 (2005)
• E. Shelhamer, J. Long, T. Darrel: “Fully Convolutional Networks for Semantic Segmentation”, IEEE Trans. Pattern Anal. Mach. Intell, Vol. 39, No. 4, 640-651 (2017)

タイトルに関連する用語 (5件)： 深層学習 ,  多結晶 ,  超伝導材料 ,  微細組織 ,  相解析