Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Li, T.*; Garg, U.*; Liu, Y.*; Marks, R.*; Nayak, B. K.*; Madhusudhana Rao, P. V.*; 藤原 守*; 橋本 尚信*; 中西 康介*; 奥村 瞬*; et al.
Physical Review C, 81(3), p.034309_1 - 034309_11, 2010/03
被引用回数：107 パーセンタイル：97.48(Physics, Nuclear)We have investigated the isoscalar giant resonances in the Sn isotopes using inelastic scattering of 386-MeV 
particles at extremely forward angles, including 0
. The strength distributions for various multipoles were extracted by a multipole decomposition analysis based on the expected angular distributions of the respective multipoles. We find that the centroid energies of the isoscalar giant monopole resonance (ISGMR) in the Sn isotopes are significantly lower than the theoretical predictions. In addition, the asymmetry term, 
, in the expression for the nuclear incompressibility has been determined from the ISGMR data in Sn isotopes and is found to be consistent with a number of indirectly extracted values for this parameter.
廣岡 瞬; 奥村 和之; 牧野 崇義
no journal, ,
光学顕微鏡で得られるMOX燃料ペレットの金相写真は、結晶粒やポア、異常な組織等の情報が得られる。また、写真を撮るだけのため大量のデータを得ることが容易である。しかし、これら微細組織の大きさや数といった定量的な評価は手作業で実施しているのが現状であり、ペレット全体のように広範囲を評価するには膨大な時間が必要になる。ここで、近年進歩の著しい人工知能技術の一つである機械学習を用いた画像解析技術を利用したところ、これまでは不可能であった結晶粒界等を自動検出することが可能となった。機械学習を利用した画像解析は専門的な知識が必ずしも必要ではなく、多くの可能性を秘めていることが分かった。
廣岡 瞬; 堀井 雄太; 瀬川 智臣; 川口 浩一; 石井 克典; 牧野 崇義; 奥村 和之
no journal, ,
高速炉燃料製造における有望な新技術として、機械学習を利用したペレット外観検査の自動化を検討している。様々な欠陥を施した模擬ペレットに対して、機械学習を利用した画像解析により欠陥箇所の識別を行い、精度の確認と自動化に向けての課題を評価した。模擬ペレットに対しては高い精度で欠陥を識別できることが確認され、一部、表面が粗いだけの箇所も欠陥として評価される結果が得られた。今後、精度の向上と、割れ・欠けのサイズに対する合否判定の自動化、さらに、MOXペレットに対する適用可否を実証した上で、実用化に向けた課題解決と設計を進める計画である。
堀井 雄太; 廣岡 瞬; 加藤 正人; 宇野 弘樹*; 小笠原 誠洋*; 田村 哲也*; 山田 忠久*; 奥村 和之
no journal, ,
低除染燃料ペレットの熱物性研究の一環として、添加元素によるMOXの熱伝導率への影響について評価した。MOXに固溶するFPであるSm
O
及びNdOを添加した結果、熱伝導率は低下した。一方、燃料製造工程等で混入する不純物元素でありMOXに固溶しないAlO及びSiOを添加した結果、熱伝導率は上昇した。
後藤 健太; 廣岡 瞬; 堀井 雄太; 中道 晋哉; 村上 龍敏; 柴沼 公和; 小野 高徳; 山本 和也; 畑中 延浩; 奥村 和之
no journal, ,
原子力機構プルトニウム燃料技術開発センターで進めているAI技術を用いたMOXペレットの自動外観検査技術の開発として、実際のMOXペレットを用いて欠陥箇所の識別精度を評価するとともに、実用化に向けた検討を行った。開発した合否判定プログラムは実用に十分な処理速度を有していることを確認したが、識別精度については課題が残り、さらに多くの教師データを用いて学習させる必要がある。また、今回は欠陥部分の面積比のみを元に合否判定を行ったが、割れの長さやペレット自体の形状等の判定プロセスも構築する必要がある。
