文献

J-GLOBAL ID：202002218717225411   整理番号：20A1127412

機械学習に基づくマルチスケール材料シミュレーションを用いた新しいDP鋼の発見の加速【JST・京大機械翻訳】

Accelerating the Discovery of New DP Steel Using Machine Learning-Based Multiscale Materials Simulations

著者 (5件)： Chehade Abdallah A. (Department of Industrial and Manufacturing Systems Engineering, University of Michigan-Dearborn, Dearborn, MI, USA) ,  Belgasam Tarek M. (Materials Research Division, Honda R&D America, Inc., Raymond, OH, USA) ,  Belgasam Tarek M. (Mechanical Engineering Department, Faculty of Engineering, University of Benghazi, Benghazi, Libya) ,  Ayoub Georges (Department of Industrial and Manufacturing Systems Engineering, University of Michigan-Dearborn, Dearborn, MI, USA) ,  Zbib Hussein M. (School of Mechanical and Materials Engineering, Washington State University, Pullman, WA, USA)
資料名： Metallurgical and Materials Transactions. A. Physical Metallurgy and Materials Science  (Metallurgical and Materials Transactions. A. Physical Metallurgy and Materials Science)
巻： 51  号： 6  ページ： 3268-3279  発行年： 2020年 
JST資料番号： E0265B  ISSN： 1073-5623  CODEN： MTTABN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,自動車産業による二相(DP)鋼の使用は急速に成長しており,燃料効率の高い自動車の生産を促進する政府の政策に動機付けられている。望ましい機械的性質を示す異なるグレードのDP鋼を設計し,発見することは,輸送産業にとって高い関心事であるが,これは多数のDP鋼の微細構造の組合せを探求する必要がある。高価な試行錯誤ベースの実験とマルチスケール材料シミュレーションは,材料設計と発見の分野で広く採用されている2つの従来のアプローチである。しかし,計算とコストの限界を考慮するとき,高速材料設計と発見のためのそのようなアプローチを使用することは困難である。それは,数百万の異なる微細構造の機械的性質を特性化するためにマルチスケール材料モデルを用いることができないためである。材料設計におけるこの主要な限界を扱うために,限られた数の数値シミュレーション(マルチスケール材料モデルを用いて)を用いて,微細構造パラメータを進化させることにより,異なるDP鋼の機械的性質の発見を加速するために,Gaussプロセスを開発した。Gauss過程は,望ましい出力(機械的性質)を予測するために,一連の入力(微細構造特性)間の非自明な相関を見出すために訓練された機械学習技術である。提案したGauss過程は,数百万のマルチスケール材料シミュレーションの望ましい機械的性質の予測を加速するだけでなく,その予測の周りの不確実性の定量化も提供する。これらの利点は,Gauss過程を材料設計探索のための非常に信頼性のある,ロバストで実用的な解にする。マルチスケールシミュレーションとGaussプロセスを組み合わせた提案フレームワークを用いて,最大引張靱性を有するDP鋼の微細構造設計を発見した。結果は,ベンチマーク法と比較して提案方法の有効性とロバスト性を示した。Copyright The Minerals, Metals & Materials Society and ASM International 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *シミュレーション ,  自動車 ,  信頼性 ,  不確実性 ,  *鋼 ,  靱性 ,  Gauss過程 ,  引張 ,  構造パラメータ ,  ロバスト性 ,  *二相鋼 ,  *機械学習
準シソーラス用語： 数値シミュレーション ,  マルチスケールシミュレーション ,  材料モデル , 【Automatic Indexing@JST】

分類 (2件)： 機械的性質  (WB02030U) ,  変態組織,加工組織  (WB01030N)

タイトルに関連する用語 (6件)： 機械学習 ,  マルチスケール ,  シミュレーション ,  DP鋼 ,  発見 ,  加速