文献

J-GLOBAL ID：202002280037400129   整理番号：20A0700454

ディープラーニングを用いた画像解析によるリチウムイオン電池における空隙情報の自動抽出方法の探索

An Extraction Method of Pore Feature for Li-ion Battery by Image Analysis through Deep Learning

著者 (3件)： 塩原孝弘 (TDK) ,  内野学 (TDK) ,  福井正博 (立命館大 理工)
資料名： 電子情報通信学会論文誌 C(Web)
巻： J103-C  号： 3  ページ： 143-152 (WEB ONLY)  発行年： 2020年03月01日 
JST資料番号： U0472A  ISSN： 1881-0217  資料種別： 逐次刊行物 (A)
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： 材料開発において,人は材料の組み合わせや手順などの設計条件を決めて繰り返し実験し,求める特性値(機能,性能)をもつ新材料や代替材料を探索する.実験結果のデータ(画像)から注目する組成の特徴量を抽出するのに非常に時間がかかり,しかも人により抽出精度にばらつきが生じ,材料開発を効率的に進めることができない.画像データから組成の大きさや位置,分布などの特徴量を自動抽出し,しかも結果の材料特性値と関連づけすることで,効率的かつ非属人的に最適解を導き出すことができる.我々はこれまで蓄積したリチウムイオン電池の走査型電子顕微鏡画像データから,ディープラーニングを用いた解析により熟練者が注目する空隙情報を自動抽出し,数値化するアルゴリズムを開発した.本手法による抽出精度が人による精度の平均値を上回り,熟練者に匹敵する実験結果を得ることを確認できた.(著者抄録)

シソーラス用語： *機械学習 ,  *画像分析 ,  *リチウムイオン電池 ,  *抽出 ,  開発 ,  特徴抽出 ,  特性 ,  解 ,  走査電子顕微鏡 ,  データ ,  ニューラルネットワーク ,  *細孔構造 ,  材料特性 ,  最適解 ,  画像データ ,  畳込みニューラルネットワーク ,  *深層学習
準シソーラス用語： *ディープラーニング ,  *画像解析 ,  *自動抽出 ,  材料開発

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  二次電池  (YB04030K)

引用文献 (19件)：

• “Materials Genome Initiative, the Subcommittee of the Materials Genome Initiative,” https://www.mgi.gov/
• “The NOMAD Laboratory, A European Centre of Excellence,” https://NOMAD-coe.eu/
• Y. Wang, W.D. Richards, S.P. Ong, L.J. Miara, J.C. Kim, Y. Mo, and G. Ceder, “Design principles for solid-state lithium superionic conductors,” Nature Materials, vol.14, pp.1026-1031, Oct. 2015.
• Y. Mo, S.P. Ong, and G. Ceder, “First principles study of the Li10GeP2S12 lithium super ionic conductor material,” Chem. of Mat., vol.24, no.1, pp.15-17, Jan. 2012.
• K. Simonyan, A. Vedaldi, and A. Zisserman, “Deep in-side convolutional networks: Visualising image classication models and saliency maps,” ICLR 2014 Workshop Track, April 2014. arXiv: 1312.6034.

タイトルに関連する用語 (6件)： ディープラーニング ,  画像解析 ,  リチウムイオン電池 ,  空隙 ,  自動抽出 ,  探索