JP6912677B2 - 材料探索装置、方法、およびプログラム - Google Patents

材料探索装置、方法、およびプログラム Download PDF

Info

Publication number
JP6912677B2
JP6912677B2 JP2020553933A JP2020553933A JP6912677B2 JP 6912677 B2 JP6912677 B2 JP 6912677B2 JP 2020553933 A JP2020553933 A JP 2020553933A JP 2020553933 A JP2020553933 A JP 2020553933A JP 6912677 B2 JP6912677 B2 JP 6912677B2
Authority
JP
Japan
Prior art keywords
composition
determined
characteristic
thermodynamic calculation
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2020553933A
Other languages
English (en)
Other versions
JPWO2020090805A1 (ja
Inventor
克樹 奥野
克樹 奥野
好成 奥野
好成 奥野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Resonac Holdings Corp
Original Assignee
Showa Denko KK
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Showa Denko KK filed Critical Showa Denko KK
Application granted granted Critical
Publication of JP6912677B2 publication Critical patent/JP6912677B2/ja
Publication of JPWO2020090805A1 publication Critical patent/JPWO2020090805A1/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • C—CHEMISTRY; METALLURGY
    • C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
    • C22C—ALLOYS
    • C22C1/00—Making non-ferrous alloys
    • C—CHEMISTRY; METALLURGY
    • C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
    • C22C—ALLOYS
    • C22C21/00—Alloys based on aluminium
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Metallurgy (AREA)
  • Mechanical Engineering (AREA)
  • Materials Engineering (AREA)
  • Organic Chemistry (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Description

本発明は、材料探索装置、方法、およびプログラムに関する。
従来、多くの分野で、新材料や代替材料となる材料を探索する材料探索が行われている。例えば、合金の開発では、合金のさまざまな組成（例えば、各成分の質量百分率）で材料の試作を行う。そして、材料の試作に成功したものについてその材料の特性の測定を実施して、要求されている特性を満たす材料を探索するという方法がとられている。
また、最近では、マテリアルズインフォマティクスと呼ばれるコンピュータによる解析に基づく材料探索も用いられている（特許文献１、特許文献２など）。
特開２００１−２２０６３８号公報 特開２００４−１４９８５９号公報
しかしながら、現状、材料が製造可能であるか否かは人の経験に頼っている。そのため、たとえ試作を試みたとしても、何らかの理由で（例えば、鋳造段階で巣が入るなどで）、特性を測定できるような材料を製造できないことがある。また、マテリアルズインフォマティクスの場合にも、要求されている特性を満たしている材料であったとしても、実際に材料を製造することができないケースがある。
そこで、本発明は、材料探索を効率化することを目的とする。
本発明は、以下の示す構成を備える。
［１］判定対象の組成を取得する組成取得部と、
前記判定対象の組成に対して、熱力学計算を実行する熱力学計算部と、
所定の組成に対する前記熱力学計算の結果と、前記所定の組成により材料が製造可能であるかを示す製造可能性との対応関係に基づいて、前記判定対象の組成により材料が製造可能であるか否かを判定する製造判定部と、
前記製造が可能であると判定された組成を出力する出力部と
を有する材料探索装置。
［２］前記熱力学計算の結果は、各温度における平衡状態での化合物の相分率である、［１］に記載の材料探索装置。
［３］前記対応関係は、前記所定の組成に対する熱力学計算の結果と前記所定の組成により材料が製造可能であるかを示す製造可能性とを教師データとして機械学習した製造可能性学習済みモデル、または、前記所定の組成に対する熱力学計算の結果から製造可能性を導出するためのルールベースにより規定されている、［１］または［２］に記載の材料探索装置。
［４］前記組成取得部は、判定対象の製造条件をさらに取得し、
所定の組成および製造条件と、前記所定の組成および製造条件により製造される材料の特性との対応関係に基づいて、判定対象の組成および製造条件により製造される材料の特性を予測する特性予測部と、
前記判定対象の組成および製造条件により製造される材料についての要求特性を取得する要求特性取得部と、
予測された前記特性が、取得された前記要求特性を満たすか否かを判定する特性判定部と
を有する［１］から［３］のいずれかに記載の材料探索装置。
［５］所定の組成および製造条件と、前記所定の組成および製造条件により製造される材料の特性との対応関係は、前記所定の組成および製造条件と前記所定の組成および製造条件により製造される材料の特性とを教師データとして機械学習した特性予測学習済みモデル、または、統計解析に基づくルールベースにより規定されている、［４］に記載の材料探索装置。
［６］前記製造判定部は、前記予測した特性が前記要求特性を満たすと前記特性判定部が判定した組成に対して、前記組成による材料の製造が可能であるかを判定する［４］に記載の材料探索装置。
［７］前記特性判定部は、前記組成による材料の製造が可能であると前記製造判定部が判定した組成に対して、前記予測した特性が前記要求特性を満たすかを判定し、
前記出力部は、前記製造が可能でありかつ前記要求特性を満たすと判定された組成を出力する、［４］に記載の材料探索装置。
［８］前記組成による材料の製造が可能であるかの判定と、前記予測した特性が前記要求特性を満たすかの判定は、並列処理で実施され、
前記出力部は、前記製造が可能でありかつ前記要求特性を満たすと判定された組成を出力する、［４］に記載の材料探索装置。
［９］判定対象の組成を取得するステップと、
前記判定対象の組成に対して、熱力学計算を実行するステップと、
所定の組成に対する前記熱力学計算の結果と、前記所定の組成により材料が製造可能であるかを示す製造可能性との対応関係に基づいて、前記判定対象の組成により材料が製造可能であるか否かを判定するステップと、
前記製造が可能であると判定された組成を出力するステップと
を含む方法。
［１０］コンピュータを
判定対象の組成を取得する組成取得部と、
前記判定対象の組成に対して、熱力学計算を実行する熱力学計算部と、
所定の組成に対する前記熱力学計算の結果と、前記所定の組成により材料が製造可能であるかを示す製造可能性との対応関係に基づいて、前記判定対象の組成により材料が製造可能であるか否かを判定する製造判定部と、
前記製造が可能であると判定された組成を出力する出力部と
して機能させるためのプログラム。
本発明では、材料探索を効率化することができる。
本発明の一実施形態に係る材料探索装置を含む全体のシステム構成を示す図である。 本発明の一実施形態に係る材料探索装置のハードウェア構成を示す図である。 本発明の一実施形態に係る材料探索の処理をフェーズごとに説明するための図である。 本発明の一実施形態に係る材料探索の処理の製造可能性学習フェーズを説明するための図である。 本発明の一実施形態に係る材料探索の処理の特性予測学習フェーズを説明するための図である。 本発明の一実施形態に係る材料探索装置の機能ブロックを示す図である。 本発明の一実施形態に係るスクリーニング処理の流れを示すフローチャートである。 本発明の一実施形態に係るスクリーニング処理の流れを示すフローチャートである。 本発明の一実施形態に係るスクリーニング処理の流れを示す別のフローチャートである。 本発明の一実施形態に係るスクリーニング処理の流れを示すさらに別のフローチャートである。 本発明の一実施形態に係るスクリーニングの効果を説明するための図である。
以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。
なお、本明細書ではアルミニウム合金の開発を一例として説明するが、本発明は、Fe合金、Cu合金、Ni合金、Co合金、Ti合金、Mg合金、Mn合金、Zn合金などの各種合金材料全般に適用することができる。さらに、本発明は、複数の組成からなる合金材料、または、複数の製造条件・処理（温度、圧力、加工など）の組み合わせにより製造される合金材料全般に適用することができる。
図１は、本発明の一実施形態に係る材料探索装置１０１を含む全体のシステム構成を示す図である。本システムは、材料探索装置１０１、機械学習用端末１０２、探索用端末１０３を含むことができる。材料探索装置１０１は、任意のネットワーク１０４を介して機械学習用端末１０２とデータを送受信することができる。また、材料探索装置１０１は、任意のネットワーク１０４を介して探索用端末１０３とデータを送受信することができる。以下、それぞれについて説明する。
材料探索装置１０１は、材料の組成に基づいて、その組成により材料が製造可能であるか否かを判定するための装置である。また、材料探索装置１０１は、好ましくは、材料の組成および製造条件に基づいて、その組成および製造条件により製造される材料の特性が、材料に対して要求されている特性（以下、要求特性ともいう）を満たすか否かを判定するための装置である。
具体的には、材料探索装置１０１は、探索用端末１０３によって指定された組成により材料が製造可能であるか否かを判定する。また、材料探索装置１０１は、探索用端末１０３によって指定された組成および製造条件により製造される材料の特性が、探索用端末１０３によって指定された要求特性を満たすか否かを判定する構成とすることもできる。
また、材料探索装置１０１は、機械学習用端末１０２から取得したデータに基づいて機械学習を行って、材料が製造可能であるか否かを判定するために用いる学習済みモデル（以下、製造可能性学習済みモデルともいう）を生成する構成とすることもできる。また、材料探索装置１０１は、機械学習用端末１０２から取得したデータに基づいて機械学習を行って、材料の特性を予測するために用いる学習済みモデル（以下、特性予測学習済みモデルともいう）を生成する構成とすることもできる。後段で、図２および図６を参照しながら、材料探索装置１０１について詳細に説明する。
材料探索装置１０１が前述した製造可能性学習済みモデルを用いる場合には、機械学習用端末１０２は、製造可能性学習済みモデルを生成するための教師データを入力する者が利用する端末である。また、機械学習用端末１０２は、特性予測学習済みモデルを生成するための教師データを入力する者が利用する端末であってもよい。具体的には、機械学習用端末１０２は、機械学習用端末１０２に入力された教師データ（後段で詳細に説明する）を、材料探索装置１０１へ送信することができる。機械学習用端末１０２は、例えば、パーソナルコンピュータなどのコンピュータである。
探索用端末１０３は、材料探索を行いたい者が利用する端末である。具体的には、探索用端末１０３は、探索用端末１０３に入力された組成のデータを、材料探索装置１０１へ送信することができる。また、探索用端末１０３は、探索用端末１０３に入力された製造条件のデータを、材料探索装置１０１へ送信することができる。また、探索用端末１０３は、探索用端末１０３に入力された要求特性のデータを、材料探索装置１０１へ送信することができる。また、探索用端末１０３は、製造が可能であると判定された組成のデータを、材料探索装置１０１から受信することができる。また、探索用端末１０３は、要求特性を満たすと判定された組成のデータを、材料探索装置１０１から受信することができる。また、探索用端末１０３は、製造が可能でありかつ要求特性を満たすと判定された組成のデータを、材料探索装置１０１から受信することができる。探索用端末１０３は、例えば、パーソナルコンピュータなどのコンピュータである。
なお、本明細書では、機械学習用端末１０２と探索用端末１０３とを別々のコンピュータとして説明するが、機械学習用端末１０２と探索用端末１０３とを１つのコンピュータで実装するようにしてもよい。また、材料探索装置１０１が機械学習用端末１０２の一部または全部の機能を有するようにすることができる。また、材料探索装置１０１が探索用端末１０３の一部または全部の機能を有するようにすることができる。
＜材料探索装置１０１のハードウェア構成＞
図２は、本発明の一実施形態に係る材料探索装置１０１のハードウェア構成を示す図である。材料探索装置１０１は、ＣＰＵ（Central Processing Unit）２０１、ＲＯＭ（Read Only Memory）２０２、ＲＡＭ（Random Access Memory）２０３を有する。ＣＰＵ２０１、ＲＯＭ２０２、ＲＡＭ２０３は、いわゆるコンピュータを形成する。
また、材料探索装置１０１は、補助記憶装置２０４、表示装置２０５、操作装置２０６、Ｉ／Ｆ（Interface）装置２０７、ドライブ装置２０８を有する。なお、材料探索装置１０１の各ハードウェアは、バス２０９を介して相互に接続されている。
ＣＰＵ２０１は、補助記憶装置２０４にインストールされている各種プログラムを実行する演算デバイスである。
ＲＯＭ２０２は、不揮発性メモリである。ＲＯＭ２０２は、補助記憶装置２０４にインストールされている各種プログラムをＣＰＵ２０１が実行するために必要な各種プログラム、データ等を格納する主記憶デバイスとして機能する。具体的には、ＲＯＭ２０２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する、主記憶デバイスとして機能する。
ＲＡＭ２０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ２０３は、補助記憶装置２０４にインストールされている各種プログラムがＣＰＵ２０１によって実行される際に展開される作業領域を提供する、主記憶デバイスとして機能する。
補助記憶装置２０４は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する補助記憶デバイスである。
表示装置２０５は、材料探索装置１０１の内部状態等を表示する表示デバイスである。
操作装置２０６は、材料探索装置１０１の管理者が材料探索装置１０１に対して各種指示を入力する入力デバイスである。
Ｉ／Ｆ装置２０７は、ネットワーク１０４に接続し、機械学習用端末１０２、探索用端末１０３と通信を行うための通信デバイスである。
ドライブ装置２０８は記憶媒体２１０をセットするためのデバイスである。ここでいう記憶媒体２１０には、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記憶媒体２１０には、ＥＰＲＯＭ (Erasable Programmable Read Only Memory)、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
なお、補助記憶装置２０４にインストールされる各種プログラムは、例えば、配布された記憶媒体２１０がドライブ装置２０８にセットされ、該記憶媒体２１０に記録された各種プログラムがドライブ装置２０８により読み出されることでインストールされる。あるいは、補助記憶装置２０４にインストールされる各種プログラムは、Ｉ／Ｆ装置２０７を介して、ネットワーク１０４とは異なる他のネットワークよりダウンロードされることでインストールされてもよい。
＜材料探索の処理の概要＞
図３は、本発明の一実施形態に係る材料探索の処理をフェーズごとに説明するための図である。図３に示されるように、材料探索装置１０１の処理は４つのフェーズに分けられうる。具体的には、材料探索装置１０１の処理は、"製造可能性学習フェーズ １０"、"特性予測学習フェーズ ２０"、"第１のスクリーニングフェーズ ３０"、"第２のスクリーニングフェーズ ４０"のフェーズに分けられうる。なお、各フェーズの順序は、フェーズの用意と処理の順番に支障がない範囲で入れ替えられうる。製造可能性のみ判定する場合は、第１のスクリーニングフェーズを行い、製造可能性判定と特性予測判定の両方の判定を行う場合は、第２のスクリーニングフェーズを行う。以下、それぞれのフェーズについて説明する。
＜製造可能性学習フェーズ＞
製造可能性学習フェーズについて説明する。
・ステップ１１（Ｓ１１）で、機械学習用端末１０２は、機械学習用端末１０２に入力された材料の組成のデータを、材料探索装置１０１へ送信することができる。アルミニウム合金材料の組成は、例えば、各成分（例えばSi, Fe, Cu, Mn, Mg, Cr, Ni, Zn, Ti, Na, V, Pb, Sn, B, Bi, Zr, Oなどの元素種）の質量百分率（ｗｔ％）である。なお、アルミニウムの質量百分率（ｗｔ％）は、１００−（上記元素の質量百分率の和）によって表される。
・ステップ１２（Ｓ１２）で、材料探索装置１０１は、Ｓ１１で取得した組成に対して熱力学計算を実行することができる。材料探索装置１０１は、例えば、ＣＡＬＰＨＡＤ（CALculation of PHAse Diagrams）法により熱力学計算を実行することができる。ＣＡＬＰＨＡＤ法では、前記組成の合金において、各温度で到達する平衡状態を計算することができ、熱力学計算の結果としては、例えば、各温度における平衡状態において含まれる化合物の相分率である。
また、前記ＣＡＬＰＨＡＤ法による熱力学計算において、Ｓｃｈｅｉｌ−Ｇｕｌｌｉｖｅｒ（ＳＧ）モデルを用いて熱力学計算を実行することもできる。ＳＧモデルの近似式では、固相内無拡散および液相内均一組成を仮定している。ＳＧモデルを用いることにより、前記組成の合金材料を高温の液相より冷却していった際に、凝固過程の各温度において存在する液相組成や凝固析出してくる固相成分の種類や量を計算することができる。熱力学計算の結果は、例えば、凝固過程において析出する固相成分を反映した、各温度において含まれる化合物の相分率である。
機械学習用端末１０２に材料の組成および製造条件のデータが入力されてもよい。この場合、前記ＣＡＬＰＨＡＤ法による熱力学計算と連携して、さらにＰｈａｓｅ Ｆｉｅｌｄ法によるシミュレーションを実行することもできる。材料の製造条件は、例えば、鋳造における冷却速度、調質（製造における処理のパターン）、各処理（焼きなまし、溶体化処理、人工時効硬化処理、自然時効処理、熱間加工処理、冷間加工処理、安定化処理）の温度および保持時間、加工条件（加工率、押比、減面率、製品形状など）である。Ｐｈａｓｅ Ｆｉｅｌｄ法では、例えば、前記組成の合金材料に対して前記製造条件の温度と時間を反映した、相変態と結晶粒成長を計算することができる。熱力学計算の結果は、例えば、前記相変態過程後に含まれる化合物の相分率や化合物の数平均粒径である。
・ステップ１３（Ｓ１３）で、材料探索装置１０１は、Ｓ１２で実行した熱力学計算の結果のデータを、機械学習用端末１０２へ送信することができる。熱力学計算の結果は、例えば、各温度における平衡状態において含まれる化合物の相分率である。
・ステップ１４（Ｓ１４）で、機械学習用端末１０２は、Ｓ１３で取得した熱力学計算の結果を、機械学習用端末１０２の表示装置上に表示することができる。
・ステップ１５（Ｓ１５）で、機械学習用端末１０２は、機械学習用端末１０２に入力された教師データを、材料探索装置１０１へ送信することができる。教師データは、入力データが熱力学計算の結果であり、出力データが製造可能性である。製造可能性は、例えば、製造可能であるか否かを示してもよいし、あるいは、製造可能である確率を示してもよい。
・ステップ１６（Ｓ１６）で、材料探索装置１０１は、Ｓ１５で取得したデータを教師データとして機械学習を行うことができる。
このように、熱力学計算の結果と製造可能性とを教師データとして機械学習することによって、製造可能性学習済みモデルＳ１７が生成される。
機械学習用端末１０２に材料の組成および製造条件のデータが入力される場合には、教師データは、入力データが熱力学計算の結果および製造条件であり、出力データが製造可能性である。この場合、熱力学計算の結果および製造条件と製造可能性とを教師データとして機械学習することによって、製造可能性学習済みモデルＳ１７が生成される。機械学習用端末１０２に入力されるデータとして、材料の組成のデータ、もしくは材料の組成および製造条件のデータのいずれが入力されるかは、後述する第１のスクリーニングフェーズまたは第２のスクリーニングフェーズにおいて、探索用端末１０３に入力されるデータに合わせて選択される。
＜特性予測学習フェーズ＞
特性予測学習フェーズについて説明する。
・ステップ２１（Ｓ２１）で、機械学習用端末１０２は、機械学習用端末１０２に入力された教師データを、材料探索装置１０１へ送信することができる。教師データは、入力データが材料の組成および製造条件であり、出力データが材料の特性である。材料の組成は、前述した、製造可能性学習フェーズで用いたものと同様である。材料の製造条件は、例えば、鋳造における冷却速度、調質（製造における処理のパターン）、各処理（焼きなまし、溶体化処理、人工時効硬化処理、自然時効処理、熱間加工処理、冷間加工処理、安定化処理）の温度および保持時間、加工条件（加工率、押比、減面率、製品形状など）である。また、材料の特性は、例えば、引張強度、0.2%耐力、伸び、線膨張係数、ヤング率、ポワソン比、疲労特性、硬さ、クリープ強度、クリープ歪み、せん断強度、比熱、熱伝導率、電気抵抗率、密度、固相線、液相線などである。
・ステップ２２（Ｓ２２）で、材料探索装置１０１は、Ｓ２１で取得したデータを教師データとして機械学習を行うことができる。
このように、材料の組成および製造条件と材料の特性とを教師データとして機械学習することによって、特性予測学習済みモデルＳ２３が生成される。
教師データとしては、入力データが材料の組成とし、出力データが材料の特性としてもよい。この場合、材料の組成と材料の特性とを教師データとして機械学習することによって、特性予測学習済みモデルＳ２３が生成される。機械学習用端末１０２に入力されるデータとして、材料の組成のデータ、もしくは材料の組成および製造条件のデータのいずれが入力されるかは、後述する第１のスクリーニングフェーズまたは第２のスクリーニングフェーズにおいて、探索用端末１０３に入力されるデータに合わせてそれぞれ選択される。
＜第１のスクリーニングフェーズ＞
第１のスクリーニングフェーズについて説明する。第１のスクリーニングフェーズでは、製造が可能であると判定された組成がスクリーニングされる。
・ステップ３１（Ｓ３１）で、探索用端末１０３は、探索用端末１０３に入力された材料の組成のデータを、材料探索装置１０１へ送信することができる。この組成により材料が製造可能であるか否かが判定されることとなる。
・ステップ３２（Ｓ３２）で、材料探索装置１０１は、Ｓ３１で取得した組成により材料が製造可能であるか否かを判定して、製造が可能であると判定された組成をスクリーニングすることができる。なお、材料探索装置１０１は、製造可能性学習済みモデルＳ１７を用いて、Ｓ３１で取得した組成により材料が製造可能であるか否かを判定することができる。
機械学習用端末１０２に材料の組成および製造条件のデータが入力されてもよい。
＜第２のスクリーニングフェーズ＞
第２のスクリーニングフェーズについて説明する。第２のスクリーニングフェーズでは、製造が可能であると判定され、かつ、要求特性を満たすと判定された組成がスクリーニングされる。
・ステップ４１（Ｓ４１）で、探索用端末１０３は、探索用端末１０３に入力された材料の組成および製造条件のデータを、材料探索装置１０１へ送信することができる。この組成および製造条件により製造される材料の特性が要求特性を満たすか否かが判定されることとなる。
・ステップ４２（Ｓ４２）で、探索用端末１０３は、探索用端末１０３に入力された要求特性のデータを、材料探索装置１０１へ送信することができる。要求特性は、材料に対して要求されている特性である。なお、Ｓ４１とＳ４２は同時に行われるようにしてもよいし、Ｓ４２の後にＳ４１が行われるようにしてもよい。
・ステップ４３（Ｓ４３）で、材料探索装置１０１は、Ｓ４１で取得した組成および製造条件により製造される材料の特性が、Ｓ４２で取得した要求特性を満たすか否かを判定することができる。また、材料探索装置１０１は、第１のスクリーニングフェーズ ３０と同様に、Ｓ４１で取得した組成により材料が製造可能であるか否かを判定することができる。そして、材料探索装置１０１は、製造が可能であると判定され、かつ、要求特性を満たすと判定された組成をスクリーニングすることができる。なお、材料探索装置１０１は、特性予測学習済みモデルＳ２３を用いて、Ｓ４１で取得した組成により製造される材料の特性を予測することができる。
探索用端末１０３に入力されるデータが材料の組成であってもよい。
上述のとおり、材料の組成に基づいて製造可能であるか否かが判定されてもよいし、あるいは、材料の組成および製造条件に基づいて製造可能であるか否かが判定されてもよい。また、材料の組成および製造条件に基づいて要求特性を満たすか否かが判定されてもよいし、あるいは、材料の組成に基づいて要求特性を満たすか否かが判定されてもよい。
＜製造可能性学習フェーズの具体例＞
図４は、本発明の一実施形態に係る材料探索の処理の製造可能性学習フェーズ １０を説明するための図である。製造可能性学習フェーズ １０では、所定の組成に対する熱力学計算の結果と、その所定の組成により材料が製造可能であるかを示す製造可能性との対応関係が生成される。まず、材料探索装置１０１は、各組成（例えば、組成（Ａ１，Ｂ１，Ｃ１）、組成（Ａ２，Ｂ２，Ｃ２）、組成（Ａ３，Ｂ３，Ｃ３）・・・など）に対して熱力学計算を実行する。熱力学計算の結果４０１は、例えば、図４に示されているような、各温度における平衡状態での化合物の相分率である。次に、材料探索装置１０１は、入力データが熱力学計算の結果であり、出力データが製造可能性（例えば、○、×、△・・・など）である教師データを用いて機械学習を行い、製造可能性学習済みモデルＳ１７を生成する。あるいは、材料探索装置１０１は、機械学習ではなく、ルールベース（例えば、状態図の液相線と固相線に挟まれた固液共存温度範囲が４０℃以上となると鋳造割れが発生し製造不可能となる、といった熟練技能者の経験による知識に基づくルール）を用いることもできる。つまり、材料探索装置１０１は、機械学習によって生成された製造可能性学習済みモデルＳ１７に基づいて製造可能性を判定することもできるし、あるいは、ルールベースに基づいて製造可能性を判定することもできる。
＜特性予測学習フェーズの具体例＞
図５は、本発明の一実施形態に係る材料探索の処理の特性予測学習フェーズ ２０を説明するための図である。特性予測学習フェーズ ２０では、所定の組成および製造条件と、その所定の組成および製造条件により製造される材料の特性との対応関係が生成される。材料探索装置１０１は、入力データが組成（例えば、組成（Ａ１，Ｂ１，Ｃ１）、組成（Ａ２，Ｂ２，Ｃ２）、組成（Ａ３，Ｂ３，Ｃ３）・・・など）および製造条件（例えば、（製造条件１１，製造条件１２）、（製造条件２１，製造条件２２）、（製造条件３１，製造条件３２）・・・など）であり、出力データが特性（例えば、特性α、特性β、特性γ・・・など）である教師データを用いて機械学習を行い、特性予測学習済みモデルＳ２３を生成する。あるいは、材料探索装置１０１は、機械学習ではなく、ルールベース（例えば、統計解析に基づくルール）を用いることもできる。つまり、材料探索装置１０１は、機械学習によって生成された特性予測学習済みモデルＳ２３に基づいて特性を予測することもできるし、あるいは、ルールベースに基づいて特性を予測することもできる。
＜材料探索装置１０１の機能ブロック＞
図６は、本発明の一実施形態に係る材料探索装置１０１の機能ブロックを示す図である。材料探索装置１０１は、組成取得部６０１、熱力学計算部６０２、製造判定部６０３、製造可能性記憶部６０４、出力部６０９を含む。材料探索装置１０１は、さらに、特性予測部６０５、要求特性取得部６０６、特性判定部６０７、特性予測記憶部６０８を含むことができる。また、材料探索装置１０１は、プログラムを実行することで、組成取得部６０１、熱力学計算部６０２、製造判定部６０３、出力部６０９として機能する。材料探索装置１０１は、さらに、特性予測部６０５、要求特性取得部６０６、特性判定部６０７として機能してもよい。以下、それぞれについて説明する。
組成取得部６０１は、判定の対象となる材料の入力された組成を取得する。また、組成取得部６０１は、判定の対象となる材料の製造条件を取得することができる。具体的には、組成取得部６０１は、探索用端末１０３に入力された組成のデータを、探索用端末１０３から受信する。上述したように、アルミニウム合金材料の組成は、例えば、各成分（Si, Fe, Cu, Mn, Mg, Cr, Ni, Zn, Ti, Na, V, Pb, Sn, B, Bi, Zr, Oなどの元素種）の質量百分率（ｗｔ％）である。なお、アルミニウムの質量百分率（ｗｔ％）は、１００−（上記元素の質量百分率の和）によって表される。また、組成取得部６０１は、探索用端末１０３に入力された製造条件のデータを、探索用端末１０３から受信することができる。上述したように、材料の製造条件は、例えば、鋳造における冷却速度、調質（製造における処理のパターン）、各処理（焼きなまし、溶体化処理、人工時効硬化処理、自然時効処理、熱間加工処理、冷間加工処理、安定化処理）の温度および保持時間、加工条件（加工率、押比、減面率、製品形状など）である。なお、材料の組成の値（例えば、質量百分率）は、最大値および最小値などの範囲として指定されてもよいし、特定の値として指定されてもよい。材料の組成の値が最大値および最小値などの範囲として指定された場合、指定された範囲内でランダムに生じさせた組成に対して判定が行われてもよいし、指定された範囲の格子点にある組成に対して判定が行われてもよい。組成取得部６０１は、取得したデータを熱力学計算部６０２が参照できるようにメモリに記憶することができる。
熱力学計算部６０２は、組成取得部６０１が取得した組成に対して、熱力学計算を実行する。具体的には、熱力学計算部６０２は、例えば、ＣＡＬＰＨＡＤ（CALculation of PHAse Diagrams）法により熱力学計算を実行することができる。熱力学計算の結果は、例えば、各温度における平衡状態での化合物の相分率である。ＣＡＬＰＨＡＤ法では、前記組成の合金において、各温度で到達する平衡状態を計算することができ、熱力学計算の結果としては、例えば、各温度における平衡状態において含まれる化合物の相分率である。
また、前記ＣＡＬＰＨＡＤ法による熱力学計算において、Ｓｃｈｅｉｌ−Ｇｕｌｌｉｖｅｒ（ＳＧ）モデルを用いて熱力学計算を実行することもできる。ＳＧモデルの近似式では、固相内無拡散および液相内均一組成を仮定している。ＳＧモデルを用いることにより、前記組成の合金材料を高温の液相より冷却していった際に、凝固過程の各温度において存在する液相組成や凝固析出してくる固相成分の種類や量を計算することができる。熱力学計算の結果は、例えば、凝固過程において析出する固相成分を反映した、各温度において含まれる化合物の相分率である。
組成取得部６０１が材料の組成および製造条件のデータを取得する場合、前記ＣＡＬＰＨＡＤ法による熱力学計算と連携して、さらにＰｈａｓｅ Ｆｉｅｌｄ法によるシミュレーションを実行することもできる。Ｐｈａｓｅ Ｆｉｅｌｄ法では、例えば、前記組成の合金材料に対して前記製造条件の温度と時間を反映した、相変態と結晶粒成長を計算することができる。熱力学計算の結果は、例えば、前記相変態過程後に含まれる化合物の相分率や化合物の数平均粒径である。
熱力学計算部６０２は、熱力学計算の結果を製造判定部６０３が参照できるようにメモリに記憶することができる。
製造判定部６０３は、組成取得部６０１が取得した組成により材料が製造可能であるか否かを判定する。具体的には、製造判定部６０３は、製造可能性記憶部６０４に格納されている"所定の組成に対する熱力学計算の結果と、その所定の組成により材料が製造可能であるかを示す製造可能性との対応関係"と、熱力学計算部６０２が実行した熱力学計算の結果とに基づいて、組成取得部６０１が取得した組成により材料が製造可能であるか否かを判定する。なお、製造判定部６０３が、製造可能である確率（例えば、製造可能性が高い、低いといったレベルなど）を判定するようにしてもよい。製造判定部６０３は、製造が可能であると判定した材料の組成を出力部６０９が参照できるようにメモリに記憶することができる。
製造可能性記憶部６０４は、"所定の組成に対する熱力学計算の結果と、その所定の組成により材料が製造可能であるかを示す製造可能性との対応関係"を格納することができる。具体的には、製造可能性記憶部６０４は、図３および図４で説明した製造可能性学習済みモデルＳ１７を格納することができる。また、製造可能性記憶部６０４は、図４で説明したルールベースを格納することができる。
このように、本発明の一実施形態では、組成そのものではなく、組成から算出される情報であって製造可否の判定に必要な情報（例えば、組成に対する熱力学計算の結果）と製造可能性との対応関係を用いることによって、その組成により材料が製造可能であるか否かを判定する。
特性予測部６０５は、組成取得部６０１が取得した組成および製造条件により製造される材料の特性を予測することができる。具体的には、特性予測部６０５は、特性予測記憶部６０８に格納されている"所定の組成および製造条件と、その所定の組成および製造条件により製造される材料の特性との対応関係"と、組成取得部６０１が取得した組成および製造条件とに基づいて、組成取得部６０１が取得した組成および製造条件により製造される材料の特性を予測することができる。上述したように、材料の特性は、例えば、引張強度、0.2%耐力、伸び、線膨張係数、ヤング率、ポワソン比、疲労特性、硬さ、クリープ強度、クリープ歪み、せん断強度、比熱、熱伝導率、電気抵抗率、密度、固相線、液相線などである。特性予測部６０５は、予測した特性を特性判定部６０７が参照できるようにメモリに記憶することができる。
特性予測記憶部６０８は、"所定の組成および製造条件と、その所定の組成および製造条件により製造される材料の特性との対応関係"を格納することができる。具体的には、特性予測記憶部６０８は、図３および図５で説明した特性予測学習済みモデルＳ２３を格納することができる。また、特性予測記憶部６０８は、図５で説明したルールベースを格納することができる。
要求特性取得部６０６は、要求特性を取得することができる。具体的には、要求特性取得部６０６は、組成取得部６０１が取得した組成および製造条件により製造される材料に対して要求されている特性のデータを、探索用端末１０３から受信することができる。上述したように、材料の特性は、例えば、引張強度、0.2%耐力、伸び、線膨張係数、ヤング率、ポワソン比、疲労特性、硬さ、クリープ強度、クリープ歪み、せん断強度、比熱、熱伝導率、電気抵抗率、密度、固相線、液相線などである。要求特性取得部６０６は、取得したデータを特性判定部６０７が参照できるようにメモリに記憶することができる。
特性判定部６０７は、特性予測部６０５により予測された特性が、要求特性取得部６０６により取得された要求特性を満たすか否かを判定することができる。具体的には、特性判定部６０７は、特性予測部６０５により予測された特性が、要求特性の一部または全部を満たすか否かを判定することができる。特性判定部６０７は、要求特性を満たすと判定した材料の組成を出力部６０９が参照できるようにメモリに記憶することができる。
出力部６０９は、製造判定部６０３により製造が可能であると判定された組成を出力する。また、出力部６０９は、特性判定部６０７により要求特性を満たすと判定された組成を出力することができる。また、出力部６０９は、製造判定部６０３により製造が可能であると判定され、かつ、特性判定部６０７により要求特性を満たすと判定された組成を出力することができる。具体的には、出力部６０９は、１または複数の組成のデータを、探索用端末１０３へ送信することができる。
＜スクリーニング処理の詳細＞
図７は、本発明の一実施形態に係るスクリーニング処理の流れを示すフローチャートである。具体的には、図７では、図３のＳ３２のスクリーニング処理（つまり、製造可能性判定処理）の流れを示している。
ステップ７０１（Ｓ７０１）で、組成取得部６０１は、判定の対象となる材料の組成を取得する。
ステップ７０２（Ｓ７０２）で、熱力学計算部６０２は、Ｓ７０１で取得した組成に対して、熱力学計算を実行する。
ステップ７０３（Ｓ７０３）で、製造判定部６０３は、Ｓ７０２で実行した熱力学計算の結果に基づいて、Ｓ７０１で取得した組成により材料が製造可能であるか否かを判定する。製造可能であればステップ７０４へ、製造不可能であればステップ７０５へ進む。ステップ７０５（Ｓ７０５）で、製造判定部６０３は、Ｓ７０１で取得した組成により材料が製造不可能であることを、探索用端末１０３へ通知する。
ステップ７０４（Ｓ７０４）で、出力部６０９は、Ｓ７０３で製造が可能であると判定された組成を出力する。
図８は、本発明の一実施形態に係るスクリーニング処理の流れを示すフローチャートである。具体的には、図８では、図３のＳ４３のスクリーニング処理（つまり、製造可能性判定処理および特性判定処理）の流れを示している。
ステップ８０１（Ｓ８０１）で、組成取得部６０１は、判定の対象となる材料の組成および製造条件を取得する。
ステップ８０２（Ｓ８０２）で、特性予測部６０５は、Ｓ８０１で取得した組成および製造条件により製造される材料の特性を予測する。
ステップ８０３（Ｓ８０３）で、要求特性取得部６０６は、要求特性を取得する。なお、Ｓ８０３は、Ｓ８０１と同時に行われるようにするなど、Ｓ８０４よりも前であれば任意のときに行われるようにしてよい。
ステップ８０４（Ｓ８０４）で、特性判定部６０７は、Ｓ８０２で予測した特性が、Ｓ８０３で取得した要求特性を満たすか否かを判定する。要求特性を満たせばステップ８０５へ、要求特性を満たさなければステップ８０８へ進む。ステップ８０８（Ｓ８０８）で、特性判定部６０７は、Ｓ８０１で取得した組成が要求特性を満たさないことを、探索用端末１０３へ通知する。
ステップ８０５（Ｓ８０５）で、熱力学計算部６０２は、Ｓ８０４で要求特性を満たすと判定した組成に対して、熱力学計算を実行する。
ステップ８０６（Ｓ８０６）で、製造判定部６０３は、Ｓ８０５で実行した熱力学計算の結果に基づいて、Ｓ８０１で取得した組成により材料が製造可能であるか否かを判定する。製造可能であればステップ８０７へ、製造不可能であればステップ８０９へ進む。ステップ８０９（Ｓ８０９）で、製造判定部６０３は、Ｓ８０１で取得した組成により材料が製造不可能であることを、探索用端末１０３へ通知する。
ステップ８０７（Ｓ８０７）で、出力部６０９は、Ｓ８０６で製造が可能であると判定された組成を出力する。
図９は、本発明の一実施形態に係るスクリーニング処理の流れを示す別のフローチャートである。具体的には、図９では、図３のＳ４３のスクリーニング処理（つまり、製造可能性判定処理および特性判定処理）の流れを示している。
ステップ９０１（Ｓ９０１）で、組成取得部６０１は、判定の対象となる材料の組成および製造条件を取得する。
ステップ９０２（Ｓ９０２）で、熱力学計算部６０２は、Ｓ９０１で取得した組成に対して、熱力学計算を実行する。
ステップ９０３（Ｓ９０３）で、製造判定部６０３は、Ｓ９０２で実行した熱力学計算の結果に基づいて、Ｓ９０１で取得した組成により材料が製造可能であるか否かを判定する。製造可能であればステップ９０４へ、製造不可能であればステップ９０８へ進む。ステップ９０８（Ｓ９０８）で、製造判定部６０３は、Ｓ９０１で取得した組成により材料が製造不可能であることを、探索用端末１０３へ通知する。
ステップ９０４（Ｓ９０４）で、特性予測部６０５は、Ｓ９０１で取得した組成および製造条件により製造される材料の特性を予測する。
ステップ９０５（Ｓ９０５）で、要求特性取得部６０６は、要求特性を取得する。なお、Ｓ９０５は、Ｓ９０１と同時に行われるようにするなど、Ｓ９０６よりも前であれば任意のときに行われるようにしてよい。
ステップ９０６（Ｓ９０６）で、特性判定部６０７は、Ｓ９０４で予測した特性が、Ｓ９０５で取得した要求特性を満たすか否かを判定する。要求特性を満たせばステップ９０７へ、要求特性を満たさなければステップ９０９へ進む。ステップ９０９（Ｓ９０９）で、特性判定部６０７は、Ｓ９０１で取得した組成が要求特性を満たさないことを、探索用端末１０３へ通知する。
ステップ９０７（Ｓ９０７）で、出力部６０９は、Ｓ９０６で要求特性を満たすと判定された組成を出力する。
なお、図８および図９の処理において、途中で判定の結果が通知されるようにしてもよい。具体的には、特性判定部６０７は、図８のＳ８０４で要求特性を満たすと判定された組成を出力するようにしてもよい。また、製造判定部６０３は、図９のＳ９０３で製造が可能であると判定された組成を出力するようにしてもよい。
図１０は、本発明の一実施形態に係るスクリーニング処理の流れを示すさらに別のフローチャートである。具体的には、図１０では、図３のＳ４３のスクリーニング処理（つまり、製造可能性判定処理および特性判定処理）の流れを示している。
ステップ１００１（Ｓ１００１）で、組成取得部６０１は、判定の対象となる材料の組成および製造条件を取得する。その後、ステップ１００４の判定のための処理とステップ１００７の判定のための処理とが並列で行われる。
ステップ１００２（Ｓ１００２）で、特性予測部６０５は、Ｓ１００１で取得した組成および製造条件により製造される材料の特性を予測する。
ステップ１００３（Ｓ１００３）で、要求特性取得部６０６は、要求特性を取得する。なお、Ｓ１００３は、Ｓ１００１と同時に行われるようにするなど、Ｓ１００４よりも前であれば任意のときに行われるようにしてよい。
ステップ１００４（Ｓ１００４）で、特性判定部６０７は、Ｓ１００２で予測した特性が、Ｓ１００３で取得した要求特性を満たすか否かを判定する。要求特性を満たせばステップ１００９へ、要求特性を満たさなければステップ１００５へ進む。ステップ１００５（Ｓ１００５）で、特性判定部６０７は、Ｓ１００１で取得した組成が要求特性を満たさないことを、探索用端末１０３へ通知する。
ステップ１００６（Ｓ１００６）で、熱力学計算部６０２は、Ｓ１００１で取得した組成に対して、熱力学計算を実行する。
ステップ１００７（Ｓ１００７）で、製造判定部６０３は、Ｓ１００６で実行した熱力学計算の結果に基づいて、Ｓ１００１で取得した組成により材料が製造可能であるか否かを判定する。製造可能であればステップ１００９へ、製造不可能であればステップ１００８へ進む。ステップ１００８（Ｓ１００８）で、製造判定部６０３は、Ｓ１００１で取得した組成により材料が製造不可能であることを、探索用端末１０３へ通知する。
ステップ１００９（Ｓ１００９）で、出力部６０９は、Ｓ１００４で要求特性を満たすと判定され、かつ、Ｓ１００７で製造が可能であると判定された組成を出力する。
図１１は、本発明の一実施形態に係るスクリーニングの効果を説明するための図である。図１１に示されるように、本発明の一実施形態では、組成の候補１１０１（つまり、探索用端末１０３によって指定された、判定の対象となる材料の組成群）のうち、製造が可能な組成１１０２をスクリーニングすることができる。また、本発明の一実施形態では、組成の候補１１０１のうち、要求特性を満たす組成１１０３をスクリーニングすることができる。また、本発明の一実施形態では、組成の候補１１０１のうち、製造が可能でありかつ要求特性を満たす組成（図１１中の点が付された、１１０２と１１０３の両方に含まれる部分）をスクリーニングすることができる。
このように、本発明の一実施形態では、あらかじめ材料が製造可能であるか否かを判定することができるので、材料の無駄な試作を減らすことができる。
なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。
本願は、日本特許庁に２０１８年１０月３１日に出願された基礎出願２０１８-２０６０１８号の優先権を主張するものであり、その全内容を参照によりここに援用する。
１０１ 材料探索装置
１０２ 機械学習用端末
１０３ 探索用端末
１０４ ネットワーク
１０ 製造可能性学習フェーズ
２０ 特性予測学習フェーズ
３０ 第１のスクリーニングフェーズ
４０ 第２のスクリーニングフェーズ
Ｓ１７ 製造可能性学習済みモデル
Ｓ２３ 特性予測学習済みモデル
４０１ 計算結果
６０１ 組成取得部
６０２ 熱力学計算部
６０３ 製造判定部
６０４ 製造可能性記憶部
６０５ 特性予測部
６０６ 要求特性取得部
６０７ 特性判定部
６０８ 特性予測記憶部
６０９ 出力部

Claims (10)

  1. 判定対象の組成を取得する組成取得部と、
    前記判定対象の組成に対して、熱力学計算を実行する熱力学計算部と、
    所定の組成に対する前記熱力学計算の結果と、前記所定の組成により材料が製造可能であるかを示す製造可能性との対応関係に基づいて、前記判定対象の組成により材料が製造可能であるか否かを判定する製造判定部と、
    前記製造が可能であると判定された組成を出力する出力部と
    を有する材料探索装置。
  2. 前記熱力学計算の結果は、各温度における平衡状態での化合物の相分率である、請求項１に記載の材料探索装置。
  3. 前記対応関係は、前記所定の組成に対する熱力学計算の結果と前記所定の組成により材料が製造可能であるかを示す製造可能性とを教師データとして機械学習した製造可能性学習済みモデル、または、前記所定の組成に対する熱力学計算の結果から製造可能性を導出するためのルールベースにより規定されている、請求項１または２に記載の材料探索装置。
  4. 前記組成取得部は、判定対象の製造条件をさらに取得し、
    所定の組成および製造条件と、前記所定の組成および製造条件により製造される材料の特性との対応関係に基づいて、判定対象の組成および製造条件により製造される材料の特性を予測する特性予測部と、
    前記判定対象の組成および製造条件により製造される材料についての要求特性を取得する要求特性取得部と、
    予測された前記特性が、取得された前記要求特性を満たすか否かを判定する特性判定部と
    を有する請求項１から３のいずれか一項に記載の材料探索装置。
  5. 所定の組成および製造条件と、前記所定の組成および製造条件により製造される材料の特性との対応関係は、前記所定の組成および製造条件と前記所定の組成および製造条件により製造される材料の特性とを教師データとして機械学習した特性予測学習済みモデル、または、統計解析に基づくルールベースにより規定されている、請求項４に記載の材料探索装置。
  6. 前記製造判定部は、前記予測した特性が前記要求特性を満たすと前記特性判定部が判定した組成に対して、前記組成による材料の製造が可能であるかを判定する請求項４に記載の材料探索装置。
  7. 前記特性判定部は、前記組成による材料の製造が可能であると前記製造判定部が判定した組成に対して、前記予測した特性が前記要求特性を満たすかを判定し、
    前記出力部は、前記製造が可能でありかつ前記要求特性を満たすと判定された組成を出力する、請求項４に記載の材料探索装置。
  8. 前記組成による材料の製造が可能であるかの判定と、前記予測した特性が前記要求特性を満たすかの判定は、並列処理で実施され、
    前記出力部は、前記製造が可能でありかつ前記要求特性を満たすと判定された組成を出力する、請求項４に記載の材料探索装置。
  9. コンピュータが実行する方法であって、
    判定対象の組成を取得するステップと、
    前記判定対象の組成に対して、熱力学計算を実行するステップと、
    所定の組成に対する前記熱力学計算の結果と、前記所定の組成により材料が製造可能であるかを示す製造可能性との対応関係に基づいて、前記判定対象の組成により材料が製造可能であるか否かを判定するステップと、
    前記製造が可能であると判定された組成を出力するステップと
    を含む方法。
  10. コンピュータを
    判定対象の組成を取得する組成取得部と、
    前記判定対象の組成に対して、熱力学計算を実行する熱力学計算部と、
    所定の組成に対する前記熱力学計算の結果と、前記所定の組成により材料が製造可能であるかを示す製造可能性との対応関係に基づいて、前記判定対象の組成により材料が製造可能であるか否かを判定する製造判定部と、
    前記製造が可能であると判定された組成を出力する出力部と
    して機能させるためのプログラム。
JP2020553933A 2018-10-31 2019-10-29 材料探索装置、方法、およびプログラム Active JP6912677B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018206018 2018-10-31
JP2018206018 2018-10-31
PCT/JP2019/042331 WO2020090805A1 (ja) 2018-10-31 2019-10-29 材料探索装置、方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP6912677B2 true JP6912677B2 (ja) 2021-08-04
JPWO2020090805A1 JPWO2020090805A1 (ja) 2021-09-02

Family

ID=70463265

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020553933A Active JP6912677B2 (ja) 2018-10-31 2019-10-29 材料探索装置、方法、およびプログラム

Country Status (5)

Country Link
US (1) US20210357546A1 (ja)
EP (1) EP3875619A4 (ja)
JP (1) JP6912677B2 (ja)
CN (1) CN112912523A (ja)
WO (1) WO2020090805A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2022080443A1 (ja) * 2020-10-16 2022-04-21
WO2022113945A1 (ja) * 2020-11-27 2022-06-02 昭和電工マテリアルズ株式会社 情報処理システム、情報処理方法、および情報処理プログラム
JP7548000B2 (ja) 2020-12-25 2024-09-10 住友ゴム工業株式会社 解析システム、解析装置、及び解析方法
JP7088399B1 (ja) * 2021-12-17 2022-06-21 Dic株式会社 ノボラック型フェノール樹脂の探索方法、情報処理装置、及びプログラム
CN114496125B (zh) * 2022-02-10 2023-05-02 西南交通大学 一种相似材料的制备方法、装置、设备及可读存储介质
WO2024190755A1 (ja) * 2023-03-13 2024-09-19 株式会社レゾナック 予測結果解析装置、解析方法及び解析プログラム

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09259156A (ja) * 1996-03-21 1997-10-03 Hitachi Ltd 材料設計方法およびその方法を行う材料設計装置
JPH09264815A (ja) * 1996-03-28 1997-10-07 Chichibu Onoda Cement Corp 複合材料の強度測定方法及びその装置
JP2001220638A (ja) 2000-02-08 2001-08-14 Kobe Steel Ltd 表面品質に優れたアルミニウム合金およびその成分設計方法
JP4132719B2 (ja) * 2001-04-27 2008-08-13 みずほ情報総研株式会社 タスクフローを用いた解析支援システムおよび物質・材料設計支援システムおよび解析支援方法および物質・材料設計支援方法
JP4009670B2 (ja) * 2002-08-02 2007-11-21 独立行政法人科学技術振興機構 成分配合設計方法、成分配合設計プログラム及びそのプログラムを記録した記録媒体
JP2004149859A (ja) 2002-10-30 2004-05-27 National Institute For Materials Science γ’析出強化型白金族元素添加Ｎｉ基超合金設計支援プログラムおよびγ’析出強化型白金族元素添加Ｎｉ基超合金設計支援装置
JP2009116404A (ja) * 2007-11-01 2009-05-28 Nippon Light Metal Co Ltd 合金設計支援システム、合金設計支援用プログラム、および合金設計支援方法
US8706283B2 (en) * 2009-01-20 2014-04-22 GM Global Technology Operations LLC System for evaluating manufacturability of a casting design
US8655476B2 (en) * 2011-03-09 2014-02-18 GM Global Technology Operations LLC Systems and methods for computationally developing manufacturable and durable cast components
CN109830269B (zh) * 2013-10-10 2023-09-19 思高博塔公司 选择材料组合物和设计具有目标特性的材料的方法
US20160034614A1 (en) * 2014-08-01 2016-02-04 GM Global Technology Operations LLC Materials property predictor for cast aluminum alloys
CN105787144B (zh) * 2014-12-26 2019-02-05 北京有色金属研究总院 一种弹性铜合金的材料设计方法
US10830747B2 (en) * 2016-10-26 2020-11-10 Northwestern University System and method for predicting fatigue strength of alloys
JP6782194B2 (ja) 2017-06-02 2020-11-11 株式会社日立製作所 自動点検システム

Also Published As

Publication number Publication date
JPWO2020090805A1 (ja) 2021-09-02
EP3875619A1 (en) 2021-09-08
US20210357546A1 (en) 2021-11-18
CN112912523A (zh) 2021-06-04
WO2020090805A1 (ja) 2020-05-07
EP3875619A4 (en) 2022-01-19

Similar Documents

Publication Publication Date Title
JP6912677B2 (ja) 材料探索装置、方法、およびプログラム
US20150213164A1 (en) Product design reliability with consideration of material property changes during service
Arghavani et al. A 3-D phenomenological constitutive model for shape memory alloys under multiaxial loadings
Niclaeys et al. Determination of the interaction energy in the martensitic state
JP7190615B1 (ja) 材料特性予測方法及びモデル生成方法
Hasan et al. Structural fatigue and fracture of shape memory alloy actuators: Current status and perspectives
Hu et al. Corrosion–fatigue life prediction for 2024-T62 aluminum alloy using damage mechanics-based approach
Sun et al. Concurrent multi-scale fatigue damage evolution simulation method for long-span steel bridges
Kujirai et al. Modelling and simulation of dynamic recrystallisation based on multi-phase-field and dislocation-based crystal plasticity models
JP7390138B2 (ja) 情報処理装置、情報処理方法、および情報処理プログラム
Verma et al. Crystal plasticity-based modelling of grain size effects in dual phase steel
US11409836B2 (en) Optimization problem arithmetic method and optimization problem arithmetic apparatus
Sulzer et al. Critical assessment 31: on the modelling of tertiary creep in single-crystal superalloys
Gosar et al. Dissipated energy-based fatigue lifetime calculation under multiaxial plastic thermo-mechanical loading
Chen et al. Hyper-parameter optimization based nonlinear multistate deterioration modeling for deterioration level assessment and remaining useful life prognostics
Altenbach et al. Modeling creep damage of an aluminum–silicon eutectic alloy
JP6919705B2 (ja) 劣化予測装置、劣化予測方法、及びプログラム
JP6915173B2 (ja) 技術予測装置、方法、およびプログラム
JP6915156B2 (ja) 電力需要予測装置、電力需要予測方法、およびそのプログラム
Samal Development of a model for simulation of micro-twin and corresponding asymmetry in high temperature deformation behavior of nickel-based superalloy single crystals using crystal plasticity-based framework
Dao-chun et al. Research on high temperature deformation behavior of low carbon steel based on processing map
Wang et al. Application of neural network in micromechanical deformation behaviors of Inconel 740H alloy
Paudel et al. Full-Field Crystal Plasticity Modeling of Twin Nucleation
Gouttebroze et al. A new constitutive model for the finite element simulation of local hot forming of aluminum 6xxx alloys
Tang et al. Study of microstructure degradation and rejuvenation evolution for F-class gas turbine blade

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210302

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210302

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20210405

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210413

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210426

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210706

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210708

R150 Certificate of patent or registration of utility model

Ref document number: 6912677

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350