Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
山崎 匠*; 平井 孝昌*; 八木 貴志*; 山下 雄一郎*; 内田 健一*; 関 剛斎*; 高梨 弘毅
Physical Review Applied (Internet), 21(2), p.024039_1 - 024039_11, 2024/02
被引用回数：0 パーセンタイル：0.00(Physics, Applied)This study presents a measurement method for determining the figure of merit for transverse thermoelectric conversion in thin-film forms. Leveraging the proposed methodology, we comprehensively investigate the transverse thermoelectric coefficient, in-plane electrical conductivity, and out-of-plane thermal conductivity in epitaxial and polycrystalline Fe/Pt metallic multilayers.
高橋 弘毅*; 加藤 徹*; 山下 圏*; 土井 章男*; 今渕 貴志
Proceedings of 29th International Symposium on Artificial Life and Robotics (AROB 2024) (Internet), p.1093 - 1096, 2024/01
When performing shape recognition using machine learning from point cloud data, data expansion can be expected to improve accuracy. In this research, we developed a virtual 3D scanner, VCC (Virtual Cloud Creator), that automatically generates data with a distribution close to actual measurement from large-scale point clouds. VCC can generate labeled point cloud data with an appropriate point cloud density from any viewpoint using 3D measured point cloud data and CAD data created from the point cloud data. It was confirmed that shape recognition accuracy was improved by using the augmented data generated by VCC for learning.
青木 裕之; Liu, Y.*; 山下 貴志*
Scientific Reports (Internet), 11(1), p.22711_1 - 22711_9, 2021/11
被引用回数：9 パーセンタイル：66.25(Multidisciplinary Sciences)Neutron reflectometry (NR) allows us to probe into the structure of the surfaces and interfaces of various materials such as soft matters and magnetic thin films with a contrast mechanism dependent on isotopic and magnetic states. The neutron beam flux is relatively low compared to that of other sources such as synchrotron radiation; therefore, there has been a strong limitation in the time-resolved measurement and further advanced experiments such as surface imaging. This study aims at the development of a methodology to enable the structural analysis by the NR data with a large statistical error acquired in a short measurement time. The neural network-based method predicts the true NR profile from the data with a 20-fold lower signal compared to that obtained under the conventional measurement condition. This indicates that the acquisition time in the NR measurement can be reduced by more than one order of magnitude. The current method will help achieve remarkable improvement in temporally and spatially resolved NR methods to gain further insight into the surface and interfaces of materials.
Aghamiri, S. M. S.*; 曽和 貴志*; 鵜飼 重治*; 大野 直子*; 坂本 寛*; 山下 真一郎
Materials Science & Engineering A, 771, p.138636_1 - 138636_12, 2020/01
被引用回数：33 パーセンタイル：90.76(Nanoscience & Nanotechnology)酸化物分散強化型FeCrAlフェライト鋼は、高温までの優れた機械特性とアルミナ皮膜形成による水蒸気酸化特性の著しい改善により、軽水炉用事故耐性燃料被覆管候補材料として開発されてきている。本研究では、被覆管成型プロセスにおいて、1100
Cと1150Cの異なる引き抜き温度で成型した時のFeCrAl-ODS被覆管の微細組織特性及び引張特性を調査した。温間引き抜き成型した試料では、
110
方向に沿った集合組織を有するミクロンサイズの
繊維であったのに対し、冷間ピルガ-圧延で成型した微細組織では、結晶の回転を経由し、110方向に沿った集合組織を有するミクロンサイズの繊維と{111}面に沿った集合組織を有するサブミクロンサイズの
繊維が確認された。次に、最終アニーリングを行うことで、これらの組織は約810-850Cで再結晶化した大粒径の再結晶組織に変化した。再結晶被覆管材において、これら2つの異なる集合体組織発達が生じた。すなわち、引き抜き温度を1100Cにして成型した時に形成した(110) 211集合組織を有する大きな伸張粒と、より高い温度の1150Cで引き抜き成型した時に見られた(110) 211集合組織と{111} 112集合組織である。1100Cで引き抜き加工を施した被覆管において生じた異なる集合組織の発達と再結晶の遅延は、酸化物粒子の高密度分散に起因していると考えられる。
Aghamiri, M. S.*; 鵜飼 重治*; 大野 直子*; 林 重成*; 曽和 貴志*; 菅原 直也*; 坂本 寛*; 山下 真一郎
no journal, ,
事故時の燃料被覆管の材料設計では、その微細組織と機械的特性は重要である。本研究では、種々の押出材, 回復材及び再結晶材FeCrAl-ODS鋼の微細組織と引張特性を比較、検討して、最適処理材を提案した。
土井 章男*; 山下 圏*; 高橋 弘毅*; 加藤 徹*; 今渕 貴志; 羽成 敏秀; 谷藤 祐太; 伊藤 倫太郎
no journal, ,
廃炉作業を安全かつ効率的に行うために、構造物の状態、空間線量率等の情報を計測・収集・可視化・データ蓄積が行える「線源・線量率推定システム」の開発を行っている。構造物の状態は廃炉作業終了後に巡回する3D計測ロボットにより取得する。計測したデータは既知のデータと同期して差分情報のみを抽出することで自動的にデータベースを更新する。本研究では、この更新作業を容易に実施するために、抽出された差分情報に対して、Pointnet++による点群データ自動認識を行った。Pointnet++は点群データを直接入力して学習が行えるニューラルネットワークである。本ネットワークは入力点群の順序や密度に出力が変化しない特徴を有している。さらに認識された点群データは、必要に応じて、3角形メッシュ,平面,円筒,立方体(ボクセル)に自動変換され、「線源逆推定エンジン」のシミュレーションモデル更新に利用される。
土井 章男*; 山下 圏*; 高橋 弘毅*; 加藤 徹*; 今渕 貴志; 羽成 敏秀; 谷藤 祐太; 伊藤 倫太郎
no journal, ,
廃炉作業を安全かつ効率的に行うために、被ばく低減を目的とした環境・線源分布のデジタル化技術の開発を進めている。作業環境のデジタル化のために環境内の構造物の状態は3D計測ロボットにより取得し、得られたデータはデータベースに蓄積されている過去のデータとの同期により2時刻間の差分情報を抽出することで効率的なデータの更新・蓄積を行う。データ更新の際、環境中に新たに追加された点群データは深層学習を用いて形状からの構造物の認識・分類を行う。また、新たに追加された点群データは必要に応じて3角形メッシュ、ボクセルデータに自動変換(3Dモデル化)され、線源推定のためのシミュレーションの構造モデルとして利用される。現在、我々は作業環境のデジタル化技術として、この工程を自動化するための研究を進めている。本発表では、環境データの更新・蓄積作業を効率的に実施するために、深層学習を用いた点群データの自動認識および点群データからの3Dモデル化を試みた結果について報告する。
曽和 貴志*; 鵜飼 重治*; Aghamiri, M.*; 柴田 博紀*; 林 重成*; 大野 直子*; 坂本 寛*; 平井 睦*; 山下 真一郎
no journal, ,
原子炉運転時、及び事故時高温条件における燃料被覆管の機械的特性を調査することは、燃料被覆管を設計する上で極めて重要である。本研究では、FeCrAl-ODS鋼について引張試験を実施し、強度特性を評価し、応力ひずみ関係式を策定した。
