文献

J-GLOBAL ID：202202210352912284   整理番号：22A0183628

機械学習とBayes最適化により支援されたアクティブ学習を用いたNd-Fe-B磁石の直接押出プロセスの最適化【JST・京大機械翻訳】

Optimization of direct extrusion process for Nd-Fe-B magnets using active learning assisted by machine learning and Bayesian optimization

著者 (5件)： Lambard G. (Energy Materials Design Group, Research and Services Division of Materials Data and Integrated System (MaDIS), National Institute for Materials Science (NIMS), Tsukuba, Japan) ,  Sasaki T.T. (Elements Strategy Initiative Center for Magnetic Materials (ESICMM), National Institute for Materials Science (NIMS), Tsukuba, Japan) ,  Sodeyama K. (Energy Materials Design Group, Research and Services Division of Materials Data and Integrated System (MaDIS), National Institute for Materials Science (NIMS), Tsukuba, Japan) ,  Ohkubo T. (Elements Strategy Initiative Center for Magnetic Materials (ESICMM), National Institute for Materials Science (NIMS), Tsukuba, Japan) ,  Hono K. (Elements Strategy Initiative Center for Magnetic Materials (ESICMM), National Institute for Materials Science (NIMS), Tsukuba, Japan)
資料名： Scripta Materialia  (Scripta Materialia)
巻： 209  ページ： Null  発行年： 2022年 
JST資料番号： B0915A  ISSN： 1359-6462  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 永久磁石のプロセス最適化は,合金組成に依存する微細構造として時間がかかり,高い保磁力を達成するためにプロセスパラメータを最適化する必要がある。固定組成の原材料を考えると,プロセスの最適化は粒径の微細化,結晶方位の整列および粒界相の生成を含む。本論文では,プロセスパラメータから磁気特性を予測するための機械学習とBayes最適化(ALMLBO)によって支援されたアクティブ学習パイプラインを実装し,直接熱間押出により作製したNd-Fe-B異方性磁石における高い保磁力と残留磁気をもたらす最適条件を提案した。ALMLBOは,高い保磁力,μ_0H_c-1.7T,および残留磁気,μ_0B_r-1.4Tを同時に示すプロセスを最適化し,同時に,優れた最大エネルギー積(BH)_max-380kJ/m3をもたらした。ALMLBOパイプラインがNd-Fe-B異方性磁石のプロセス最適化のための有効なツールであることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 保磁力 ,  *最適化 ,  残留磁化 ,  *磁石 ,  磁気的性質 ,  永久磁石 ,  結晶方位 ,  粒径 ,  熱間押出 ,  精密化 ,  プロセスパラメータ ,  *機械学習
準シソーラス用語： エネルギー積 ,  異方性磁石 ,  合金組成 , 【Automatic Indexing@JST】

著者キーワード (5件)： アクティブ学習 ,  機械学習 ,  Bayes最適化 ,  Nd-Fe-B磁石 ,  熱間押出

分類 (2件)： 磁気的性質  (WB02020J) ,  電磁石  (NA05080G)

タイトルに関連する用語 (10件)： 機械学習 ,  Bayes最適化 ,  支援 ,  アクティブ学習 ,  Nd ,  Fe ,  磁石 ,  押出 ,  プロセス ,  最適化