文献

J-GLOBAL ID：202202210547872468   整理番号：22A0879358

ゴム材料開発のためのGenerative Adversarial Networkに基づく配合量および物性からの電子顕微鏡画像の生成に関する一検討

A Note on Electron Microscope Image Generation from Mix Proportion and Material Property via Generative Adversarial Network for Rubber Materials

著者 (6件)： 柳凜太郎 (北大 大学院情報科学院) ,  藤後廉 (北大 数理・データサイエンス教育研究セ) ,  前田圭介 (北大) ,  前田圭介 (北大 大学院情報科学研究院) ,  小川貴弘 (北大 大学院情報科学研究院) ,  長谷山美紀 (北大)
資料名： 映像情報メディア学会技術報告
巻： 46  号： 6(MMS2022 1-37/ME2022 26-62/AIT2022 1-37)  ページ： 187-191  発行年： 2022年02月14日 
JST資料番号： S0209A  ISSN： 1342-6893  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ゴム材料の物性推定は,ゴム材料開発の高度化・高速化において必要不可欠であり,様々な推定手法が提案されている.一方,従来の推定手法では大量のパラメータを複雑に組み合わせることで推定が行われており,配合データと物性の関連性を人が理解可能な形式で確認することは困難であった.ここで,ゴム材料開発の現場においては,電子顕微鏡画像を用いた視覚的な材料開発が行われている.そのため,機械学習手法に基づく関連性の解析を人が理解可能な形式で実現するためには,電子顕微鏡画像という視覚的な情報を経由することが有用であると考えられる.しかしながら,配合データや物性から電子顕微鏡画像を試作するためには多大な労力が必要であることから,解析可能な電子顕微鏡画像のデータは限られている.そこで,本文では,配合データおよび物性からの電子顕微鏡画像生成について検討を行う.提案手法では,電子顕微鏡画像,配合データおよび物性の組を用いて,条件付き画像生成ネットワークの学習を行う.提案手法により,人が理解可能な形式での物性推定に結びつくことが期待される.(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *ゴム ,  製品開発 ,  材料設計 ,  電子顕微鏡 ,  物性データ ,  物理的性質 ,  画像合成 ,  機械学習
準シソーラス用語： 画像生成 ,  材料開発 ,  電子顕微鏡画像 ,  物性

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  ゴム・プラスチック材料試験  (HB03000F)

タイトルに関連する用語 (5件)： ゴム材料 ,  開発 ,  配合 ,  物性 ,  電子顕微鏡画像