文献

J-GLOBAL ID：202402231610785853   整理番号：24A0315017

深層学習による組成の異なる多結晶超伝導体微細組織の相解析

Deep Learning for Phase Analysis of Polycrystalline Superconductor Microstructures with Different Compositions

著者 (8件)： 西谷慶輝 (東京農工大) ,  細川貴弘 (東京農工大) ,  石橋辰則 (東京農工大) ,  平林由宇 (東京農工大) ,  伊加遥河 (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-23-001-015/ASC-23-017-031 金属・セラミックス研究会/超電導機器研究会  ページ： 19-22 (WEB ONLY)  発行年： 2023年10月28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： 微細組織画像から相を識別する画像解析は,機能性多結晶材料の微細組織に関連するメカニズムを理解する上で最も重要な課題の1つである。本研究では,異なる化学組成を持つ材料で訓練された深層学習モデルのセグメンテーション能力を調べた。(翻訳著者抄録)

シソーラス用語： *電磁気学 ,  *機械学習 ,  *超伝導 ,  画像 ,  *画像分析 ,  微細構造 ,  *深層学習
準シソーラス用語： 微細組織画像 ,  微細組織

分類 (4件)： 電磁気学一般  (BD01020N) ,  人工知能  (JE08000Z) ,  超伝導の基礎理論  (BM04010Y) ,  図形・画像処理一般  (JE04010I)

引用文献 (11件)：

• Y. Kamihara, T. Watanabe, M. Hirano, H. Hosono: ′′Iron-Based Layered Superconductor La[1-xFx]FeAs (x=0.05-0.12) with Tc=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 (6件)： 深層学習 ,  組成 ,  多結晶 ,  超伝導体 ,  微細組織 ,  相解析