Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
岩元 大樹; 新倉 潤*; 水野 るり恵*
Physical Review C, 111(3), p.034614_1 - 034614_13, 2025/03
被引用回数:0 パーセンタイル:0.00(Physics, Nuclear)1軌道上の負ミューオンは原子核に捕獲され、原子核崩壊過程を引き起こす。負ミューオンの全核捕獲率は、地球化学、宇宙核物理学、半導体デバイス開発などの分野できわめて重要であるが、現在の物理理論モデルによる正確な予測は依然として困難である。本研究では、ベイズ統計の枠組みで物理理論の情報と実験データを統合し、負ミューオンの全核捕獲率を推定する包括的な機械学習(ML)モデルを開発することを目的とした。本研究では、ガウス過程回帰に基づくMLモデルを採用し、不確かさが評価された実験データを学習データとして用いた。このモデルは事前情報としてGoulard-Primakoffの式を取り入れ、特にデータが乏しい領域での推定を可能にするために、転移学習の方法を適用した。開発したMLモデルは、精度と包括性の両方において物理理論モデルを上回ることが示され、モデル性能をさらに向上させるための重要な実験が特定された。本研究で生成された推定値は、ミューオン核データに組み込まれ、様々な研究分野に応用される予定である。
野村 昌弘; 島田 太平; 田村 文彦; 沖田 英史; 宮越 亮輔*; 清矢 紀世美*; 吉井 正人*; 大森 千広*; 原 圭吾*; 長谷川 豪志*; et al.
Proceedings of 21st Annual Meeting of Particle Accelerator Society of Japan (インターネット), p.85 - 88, 2024/10
J-PARC 3GeVシンクロトロン(RCS)では、Linacからの入射ビームに関する情報をビームモニタで得た強度分布の情報をマウンテンプロットと呼ばれる画像にすることにより、入射ビームの運動量や入射タイミングのオフセットが視覚的に分かる様にしている。最近話題となっている深層生成モデルの一つにCVAE(Conditional Variational Auto Encoder)がある。CVAEでは、なんらかの条件を与える事により、元の画像から与えられた条件に沿った画像が生成されることが示されている。今回このCVAEの特性を活かして、測定したマウンテンプロットの画像に新たなRCSへの入射の条件を与える事により、入射ビームの運動量分布や時間幅の情報も視覚的に分かる様にすることができた。このことは、今後の加速器の調整に有効であると考えられる。
小林 恵太
New Glass, 39(2), p.13 - 17, 2024/07
ガラス構造には原子の配列に周期性がなく、実験的に得られる情報は平均的な構造を反映したものとなる。そのため、ガラス物質の三次元構造を推定するには、分子動力学法等の利用が有効である。分子動力学計算の結果は原子間ポテンシャルに強く依存するため、その設計は極めて重要である。我々は、シリカ物質に対する第一原理計算結果を学習した機械学習原子間ポテンシャルを作成した。本稿では、機械学習原子間ポテンシャルを用いた機械学習分子動力学法により、高密度シリカガラスの構造解析を行った研究成果を概説する。機械学習分子動力学法により、シリカガラスの実験データをよく再現できた。また、高密度シリカガラスにおける中距離秩序構造の変化は、ガラス構造の圧縮に伴うSi-O共有結合ネットワーク中のリング構造の変形挙動によって特徴付けられることが明らかになった。
岩元 大樹; 明午 伸一郎; 杉原 健太*
Physical Review C, 109(5), p.054610_1 - 054610_12, 2024/05
被引用回数:2 パーセンタイル:78.45(Physics, Nuclear)核種生成断面積は、原子力の研究、開発、宇宙探査、天体物理学的調査において極めて重要である。その重要性にもかかわらず、利用可能な実験データが限られているため、現象論的アプローチによる包括的な断面積推定の実用性が制限されている。この問題を解決するために、われわれは、豊富なデータを持つ元素の知識を、実験データが限られている、あるいは全くない元素に伝達することができるガウス過程に基づく機械学習(ML)モデルを提案する。われわれのMLモデルは、様々な元素の包括的な断面積推定を可能にするだけでなく、学習データが乏しい領域においても、物理モデルに近い予測能力を示す。
鈴土 知明; 海老原 健一; 都留 智仁; 森 英喜*
Journal of Applied Physics, 135(7), p.075102_1 - 075102_7, 2024/02
被引用回数:3 パーセンタイル:62.71(Physics, Applied)体心立方(bcc)金属および合金では延性脆性遷移温度以下において脆性的破壊が起きる。この事象は、脆性破壊を起こすき裂先端の臨界応力拡大係数が塑性変形を起こす臨界応力拡大係数よりも小さく塑性変形よりも脆性破壊が優先的に選択されるという考え方によって理論的に説明されている。この考え方は巨視的には正しいが、このような脆性破壊は常にき裂先端近傍での小規模な塑性変形、すなわちき裂先端塑性変形を伴う。この論文では、最近開発された-Feの機械学習原子間ポテンシャルを用いて原子論的モデリングを行い、この塑性の発現メカニズムを解析した。その結果、高速なき裂進展によってき裂先端位置の原子群が動的に活性化され、それがき裂先端塑性の前駆体になっていることが判明した。
楠本 利行*; 猿田 晃一; 直江 崇; 勅使河原 誠; 二川 正敏; 長谷川 和男*; 坪井 昭彦
実験力学, 23(4), p.310 - 315, 2023/12
原子力施設の廃止措置や放射性廃棄物の減容化に、切断技術としてレーザー溶断を適用する場合、レーザーによる加熱で溶融した物質が、溶滴となって飛散するスパッタが発生するために、放射能汚染を生じる恐れがある。本研究では、レーザー溶断時のスパッタ飛散量の低減を目的に、レーザーパワー,ビーム径,照射時間からなるレーザー制御条件と高速度カメラで可視化したSS316L試験片のスパッタ飛散過程を3つの特徴的な挙動を示す時間領域:(I)金属蒸気の発生、(II)溶融金属の液膜的挙動と粒状化、(III)溶融金属の液柱化と断続的噴出に分類し評価した結果に対して機械学習を適用し、レーザー制御条件とスパッタ飛散挙動を関連付ける予測モデルを作成した。予測モデルの精度は89%であり、このモデルで計算したスパッタ飛散量の予測結果をレーザーパワーとビーム径の2次元ヒートマップとして図示することで、100点程度の少ない学習データでも予測結果の効率的な評価が可能となり、スパッタ飛散量を低減するレーザー制御条件の選定ができることを示した。
杉田 萌; 高柳 智弘; 植野 智晶*; 小野 礼人; 堀野 光喜*; 金正 倫計; 小栗 英知; 山本 風海
Proceedings of 20th Annual Meeting of Particle Accelerator Society of Japan (インターネット), p.519 - 522, 2023/11
J-PARC RCSでは、ペイント入射のビーム軌道偏向にペイントバンプ電磁石を用いている。ペイントバンプ電磁石用の電源は、IGBT制御のチョッパ回路で構成され、指令電流と指令電圧のパターンにより、ビーム軌道を時間変化させる出力電流波形(ペイントパターン)を作成することができる。ビーム軌道の制御精度は、指令電流と出力電流の波形の形状差(出力電流偏差)で決まる。現在のペイントパターン調整では、電源制御の応答関数に応じてパターンを調整するソフトを用いたうえで手動調整を行い、要求精度を達成している。しかし、この調整に1時間程度を要しており、更なる調整時間の短縮を行いたい。また、より最適な調整方法によりビームロスの低減を実現するために、従来の要求より10倍精密な出力電流偏差を実現したい。高精度なペイントパターンの作成には、負荷側のインピーダンスの解析モデルが必要になるが、時間変化する非線形のペイントパターンにおいてはインピーダンスが変化するため、解析モデルの構築は非常に困難である。機械学習では、負荷の解析モデルを構築せずとも学習によって非線形な応答を高速かつ高精度で得ることが可能である。機械学習を用いて台形波の出力パターン調整を行ったところ、学習を重ねることで立ち上り直後のリンギングを抑制した出力パターンの作成に成功した。本発表ではシステムの現状と今後の展望について報告する。
小林 恵太; 奥村 雅彦; 中村 博樹; 板倉 充洋; 町田 昌彦; 浦田 新吾*; 鈴谷 賢太郎
Scientific Reports (Internet), 13, p.18721_1 - 18721_12, 2023/11
被引用回数:11 パーセンタイル:74.59(Multidisciplinary Sciences)非晶質物質の構造因子に現れる鋭い第一ピークはFSDPと呼ばれ、非晶質物質中の中距離秩序構造を反映したものであると考えられているが、その構造的起源に関しては現在まで議論が続いている。今回、第一原理計算と同等の精度を持つ機械学習分子動力学を用いることにより、高密度シリカガラスにおけるFSDPの構造起源を解析した。まず、機械学習分子動力学を用いることにより、高密度シリカガラスの様々な実験データの再現に成功した。また、高密度シリカガラスにおけるFSDPの発達(減少)は、ガラス構造の圧縮に伴う、Si-O共有結合ネットワーク中のリング構造の変形挙動によって特徴付けられることを明らかにした。
加藤 正人; 中道 晋哉; 廣岡 瞬; 渡部 雅; 村上 龍敏; 石井 克典
日本原子力学会和文論文誌(インターネット), 22(2), p.51 - 58, 2023/04
高速炉燃料として使用されるウラン・プルトニウム混合酸化物(MOX)ペレットは、ボールミル,造粒,プレス,焼結などのプロセスを経て、機械的混合法によって製造されている。重要な燃料仕様の一つであるペレット密度を制御することは不可欠だが、製造工程における多くのパラメーター間の関係を理解することは困難である。日本での生産実績からMOX製造データベースを作成し、18種類の入力データを選定してデータセットを作成した。MOXペレットの焼結密度を予測するための機械学習モデルは、勾配ブーストリグレッサーによって導出され、測定された焼結密度をR=0.996の決定係数で表すことができた。
小林 恵太; 中村 博樹; 板倉 充洋; 町田 昌彦; 奥村 雅彦
まてりあ, 62(3), p.175 - 181, 2023/03
核燃料の研究開発において、原子炉運転時からシビアアクシデント時の融点付近に至る温度領域まで、核燃料物質の高温物性を把握することが必須となるが、その取扱いの困難さから、実験研究を行うことは容易ではない。一方、シミュレーション研究は安全に実施可能であるが、高温物性評価のために必要である、高精度な大規模構造の長時間シミュレーションは、従来のシミュレーション手法では、実施が難しかった。我々は、最近開発された機械学習技術を応用して高精度な大規模構造の長時間シミュレーションが実施可能な「機械学習分子動力学法」を用いて、酸化トリウムの高温熱物性評価に成功した。本稿は、機械学習分子動力学法と我々の研究成果について概説する。
野村 昌弘; 沖田 英史; 島田 太平; 田村 文彦; 山本 昌亘; 杉山 泰之*; 長谷川 豪志*; 原 圭吾*; 大森 千広*; 吉井 正人*
Proceedings of 19th Annual Meeting of Particle Accelerator Society of Japan (インターネット), p.215 - 217, 2023/01
J-PARC 3GeVシンクロトロン(RCS)では、機械学習の一種であるニューラルネットワークによる画像認識技術を用いることにより、ビームモニタで得た強度分布の画像から、前段のLinacからの入射ビームに関する情報が得られるようにしている。現状では、得られる情報の中で、入射ビームの運動量広がりについてはガウス分布の標準偏差として、また時間構造については強度が一定としてその時間幅として求められているが、これらの情報に関してはそれぞれの値としてではなく、運動量広がりと時間で表される位相空間上での強度分布として求められることが望まれる。そこで本研究では、ニューラルネットワークの出力を値から画像に変更し、位相空間上での強度分布の画像を学習させることにより、ニューラルネットワークの予測画像として位相空間上での強度分布が求められる様にした。その結果、シミュレーションによる画像を用いた検証ではあるが、ビームモニタで得た強度分布の画像から位相空間上での強度分布が求められることが確かめられた。
粉川 広行; 二川 正敏; 羽賀 勝洋; 都築 峰幸*; 村井 哲郎*
JAEA-Technology 2022-023, 128 Pages, 2022/11
大強度陽子加速器施設(J-PARC)の物質・生命科学実験施設では、ステンレス製の水銀標的容器内で流動する水銀にパルス陽子ビームを繰り返し入射し、核破砕反応により生成する中性子を最先端科学実験に供する。パルス陽子ビーム入射に伴い、水銀中には圧力波が発生し、圧力波の伝播と容器変形の相互干渉に起因するキャビテーション損傷、特に陽子ビーム入射部の損傷が標的容器の寿命を支配する。圧力波及び損傷の低減対策として、ヘリウムの微小気泡を水銀中に注入する方法を開発し、圧力波及び損傷の低減を実証した。所期の1MWの大強度陽子ビーム下における水銀標的容器の耐久性を向上させるには損傷をさらに低減する必要がある。微小気泡による圧力波低減効果の向上には、水銀中での直径が150m以下である気泡の体積含有率を高めることが求められる。気泡生成器から注入した気泡は浮力による上昇や流動過程での合泡などを起こし、水銀内を流動中に気泡の体積含有率は低下する。気泡生成器の設置位置を損傷が激しいビーム入射部に近づければ、ビーム入射部近傍の気泡体積含有率の低下を防ぐことが可能である。しかし、ビーム入射部に近づくほど、気泡生成器の設置空間が狭く流動抵抗が大きくなるため、冷却に十分な水銀流量の確保が困難になることや、水銀流速の低下により生成気泡径が大きくなる等の弊害が生じる。そこで、標的容器のビーム入射部近傍でより小さな気泡を高い密度で分布できるように、標的容器内部における気泡生成器の形状や設置位置、さらに水銀流動案内羽根の形状に関して機械学習による設計の最適化を試みた。気泡分布を考慮した水銀標的構造の設計では、多数の設計変数を考慮する必要があることから、ラテン超方格法に基づき約1000ケースの設計変数について数値解析を実施し、その結果を学習データとしてビーム入射部近傍での気泡分布(サイズや数密度)が最適になる設計を決定した。水銀の流量は標的容器の温度に、気泡生成器の形状は製作性や生成気泡径に影響を及ぼすことから、これらを制約条件とした。その結果、ビーム入射部近傍で半径が150
m以下の気泡の密度を約20%増大できる解を見出した。
小林 恵太; 山口 瑛子; 奥村 雅彦
Applied Clay Science, 228, p.106596_1 - 106596_11, 2022/10
被引用回数:9 パーセンタイル:73.45(Chemistry, Physical)粘土鉱物の一種であるカオリナイトの機械学習ポテンシャルを構築し、分子動力学法シミュレーションを実施することにより、カオリナイトの各種物性値を評価し、実験結果と比較した。その結果、原子構造や機械的特性を非常に良い精度で実験結果を再現することが確認された。さらに、構築した機械学習ポテンシャルを用いた分子動力学方シミュレーションで振動状態密度を評価したところ、古典分子動力学法や第一原理計算手法等の既存のシミュレーション手法では再現できなかった中性子非弾性散乱実験の結果をよく再現することがわかった。
小林 恵太; 奥村 雅彦; 中村 博樹; 板倉 充洋; 町田 昌彦; Cooper, M. W. D.*
Scientific Reports (Internet), 12(1), p.9808_1 - 9808_11, 2022/06
被引用回数:15 パーセンタイル:68.20(Multidisciplinary Sciences)核燃料の一つであるトリウム酸化物に対し、機械学習分子動力学法を用い、その高温物性を調査した。様々な交換汎関数により第一原理計算を実施し、ニューラルネットによりその結果を学習することにより機械学習力場を構築した。特にSCANと呼ばれる交換汎関数を用いた第一原理計算結果を学習することにより得られた機械学習力場は、ラムダ転移温度や融点を含め、比較可能な実験データの多くに対し高精度な結果を示した。
岩元 大樹
JAEA-Conf 2021-001, p.83 - 87, 2022/03
発表者は、ガウス過程回帰を用いて、核データを生成する手法を開発した[1]。本手法は機械学習における教師あり学習法の一つであり、測定データを訓練データとみなして核データを生成する。カーネル関数および超パラメータの設定のみで、ノンパラメトリックな手法を用いて回帰を行うことができ、過学習の影響を受けにくいといった特長を有する。さらに、ベイズ推論を基にしているため、任意のエネルギー点における断面積の情報を不確実性を含めて生成することができる。本研究会では、ガウス過程の基礎について講演するとともに、本手法を用いた最新の研究成果および現在進行中の研究内容について報告する。[1] H. Iwamoto, "Generation of nuclear data using Gaussian process regression", Journal of Nuclear Science and Technology, 50:8, 932-938 (2020).
岩元 大樹; 岩本 修; 国枝 賢
Journal of Nuclear Science and Technology, 59(3), p.334 - 344, 2022/03
被引用回数:7 パーセンタイル:62.34(Nuclear Science & Technology)ガウス過程を用いたハイブリッド核データ推定モデル(G-HyND)を開発した。本モデルは、ガウス過程モデルに基づき、実験データと原子核理論モデルに基づく解析データから構成されるデータを訓練データとして学習し、断面積などの核データを不確実性も含めて推定する。本論文では、実験データと解析データが核データの推定に相補的な役割を果たすとともに、これらを組み合わせて学習することで、核データをより合理的に推定できることを示す。さらに本モデルの枠組みで、ガウス過程に固有の問題である過剰適合及び計算コストに対する解決案を提示する。
佐々木 美雪
Isotope News, (778), p.2 - 5, 2021/12
2011年の福島第一原子力発電所(1F)における事故後、日本では有人ヘリコプターや無人機(UAV)を用いた上空からの放射線モニタリングが行われてきた。上空からの放射線測定は、人が立ち入れない森林等も含め、迅速に広範囲を測定できるというメリットがある。しかしその一方で、上空での測定値から地上の線量率を換算するには、地形や地上の構造物の状況を考慮する必要があるため複雑な換算が必要になるというデメリットがある。従来、上空での放射線測定値を地上における線量率に換算するには、測定対象となる地表面は平らで線量率分布が一定と仮定した簡易的なパラメータで換算を行っていた。そのような仮定条件から逸脱する地形や線量率の変化が複雑なエリアでは不確かさが大きくなりやすい。UAVによる上空からの測定データを簡便かつ正確に換算できることは、現状の福島第一原子力発電所(1F)周辺のモニタリングの効率化が期待できるだけでなく、将来の原子力防災技術としての応用も可能である。また、地形や構造物などのジオメトリの効率的な評価は、上空からの放射線モニタリングに限らず、地上でのサーベイやひいては、原子力発電所施設内や医療用の放射線計測技術にも応用可能と考えられる。日本原子力研究開発機構(JAEA)では、1F周辺の放射線モニタリングを事故後、継続して実施しており、事故から10年以上経過した今、そのデータは膨大なものとなっている。本稿では、1F周辺において取得してきた、UAVによる上空からの放射線モニタリングデータと対になる地上における歩行サーベイのビックデータを学習データとして、機械学習を利用した新たな上空放射線測定値の解析手法についてまとめる。
須山 賢也
核データニュース(インターネット), (130), p.29 - 34, 2021/10
欧州各国が使用する核データであるJEFFの開発の統括を行うOECD/NEAデータバンクでの勤務経験に基づき、欧州から見た我が国の核データJENDLの姿、JEFFの状況、そしてそれらの経験を踏まえた核データ評価の将来について述べる。
小林 恵太; 永井 佑紀; 板倉 充洋; 志賀 基之
Journal of Chemical Physics, 155(3), p.034106_1 - 034106_9, 2021/07
被引用回数:13 パーセンタイル:68.59(Chemistry, Physical)自己学習ハイブリッドモンテカルロ法は機械学習力場を利用することにより、第一原理計算の高速化を可能にする手法である。今回、自己学習ハイブリッドモンテカルロ法をNPTアンサンブルに適用し、液体シリカの解析を行った。本論文では自己学習ハイブリッドモンテカルロ法を用いることにより、厳密に第一原理計算の精度を保ちながら、高速に液体シリカの配置空間のサンプリングが可能であることを示した。また、液体シリカの構造因子の計算を行い実験データとの比較を行ったところ、両者はよい一致を見せた。
岩元 大樹
核データニュース(インターネット), (129), p.19 - 25, 2021/06
近年、機械学習を用いた技術が注目され、様々な分野で応用されている。著者は機械学習の一種であるガウス過程に注目し、その枠組みで核データを生成する手法を開発した。本稿は、日本原子力学会2021年春の年会の核データ部会・連絡会セッション「先端データサイエンスの核データへの適用」で講演した内容をもとに、この手法の概要と核データ生成への適用性を紹介するとともに、本手法の高エネルギー粒子輸送計算への適用の可能性について記述したものである。