Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
gas under 1000 K by synchrotron radiation photoemission spectroscopy吉越 章隆; 盛谷 浩右; 寺岡 有殿
Surface Science, 566-568(Part.2), p.1124 - 1129, 2004/09
被引用回数：5 パーセンタイル：29.77(Chemistry, Physical)Si(001)表面初期酸化は、超LSIのMOSトランジスター製造技術として重要であるばかりでなく、表面化学としても大変興味深い反応系である。これまでの研究から表面温度が、1000K以下では、酸化反応がpassive酸化領域とSiO脱離を伴う2次元島状酸化領域に分けることが知られている。これまでの研究は、表面吸着酸素量の時間変化、いわゆる反応速度論に基づいた議論がほとんどであり、吸着状態つまりSiの酸化状態と成長モードの関係がわからなかった。本報告では、SPring-8の軟X線ビームラインBL23SUに設置したSUREAC2000を用いて、高輝度放射光によるリアルタイム光電子分光観察によりこれらの情報を得たので報告する。実験の結果、2次元島状成長領域では、酸化初期からSi
が明瞭に観察され、SiO形成が反応初期に形成されていることがわかった。
高桑 雄二*; 石塚 眞治*; 吉越 章隆; 寺岡 有殿; 山内 康弘*; 水野 善之*; 頓田 英樹*; 本間 禎一*
Applied Surface Science, 216(1-4), p.395 - 401, 2003/06
被引用回数：19 パーセンタイル：64.2(Chemistry, Physical)SPring-8の原研軟X線ビームラインBL23SUに設置した「表面反応分析装置」を用いてTi(0001)表面のO分子による酸化素過程を放射光による光電子分光法で実時間その場観察した。また、東北大学において反射高速電子線回折(RHEED)とオージェ電子分光(AES)によっても実時間その場観察を行った。酸素分圧を2
10
Torrから810
Torrの範囲とし、表面温度を473Kまたは673Kとした。光電子分光観察ではTi-2pとO-1s光電子スペクトルの時間発展を観察することで、清浄Ti表面がTiO変化する様子が観察された。また、RHEED-AES測定においては反射電子線強度とO-KLLオージェ電子強度が時間に依存した振動構造を示した。これらの実験結果から酸化されたTi(0001)表面の粗さの変化は表面の金属層の消失ばかりでなく、酸化結合状態の変化にも関係していることが明らかとなった。
柴田 勝之; 蛯沢 勝三; 阿部 一郎*; 久野 哲也; 堀 貞喜*; 大井 昌弘*
Proceedings of 12th World Conference in Earthquake Engineering (CD-ROM), 8 Pages, 2000/01
原研では、科学技術庁の「地震総合フロンティア研究」の一環として、地震観測ネットワークによる地震動観測データを利用して、震源及び地震動パラメータを迅速に推定する「地震情報緊急伝達システム」の研究開発に着手した。システムの主な機能は次の通り。ネットワーク間の異なるフォーマットの一元化機能、地震波形のノイズ・ドリフト等への対応機能、震源パラメータを1分以内で断層パラメータを2分以内で推定する機能、表層地盤の非線形性や基盤の不整形性を考慮した地震動パラメータ推定機能。また、時空間的に常に更新され、平常時、緊急時を通して常に活用されるような地理情報システムとのインターフェースを検討する。システムの機能は、兵庫県南部地震で得られた地震動データや地盤データを用いて検証する。また、開発地震動推定手法を原研東海研周辺地域に適用し、想定大地震による地震動分布を把握するため、同地域の地盤データベースを整備中である。本報では、これらについて述べる。
鍋島 邦彦; 鈴土 知明; 鈴木 勝男; Tuerkcan, E.*
Journal of Nuclear Science and Technology, 35(2), p.93 - 100, 1998/02
被引用回数：36 パーセンタイル：91.63(Nuclear Science & Technology)本論文では、ニューラルネットワークを利用した原子炉運転中の異常検知について述べる。この手法の基本原理は、実際のブラントから測定されたプロセス信号とプラントモデルから得られる出力信号の誤差が大きくなる場合に異常を検知するものであり、プラントは3層のオートアソシアティブ型ニューラルネットワークでモデル化されている。オートアソシアティブ型ネットワークを用いると、未知のプラント状態を検知できるという利点がある。ここで用いる新しい学習方法は、一般的な誤差逆伝播アルゴリズムを改良したもので、ニューラルネットワークによるプラントの動的モデルが得られる。実炉による試験の結果、このプラント監視システムが、原子炉の起動、停止、定常運転を含めた広い出力範囲にわたって、実時間で微小な異常兆候を的確に検知できることが明らかになった。
