JP7232393B1 - 磁化反転解析装置及び方法 - Google Patents
磁化反転解析装置及び方法 Download PDFInfo
- Publication number
- JP7232393B1 JP7232393B1 JP2022110333A JP2022110333A JP7232393B1 JP 7232393 B1 JP7232393 B1 JP 7232393B1 JP 2022110333 A JP2022110333 A JP 2022110333A JP 2022110333 A JP2022110333 A JP 2022110333A JP 7232393 B1 JP7232393 B1 JP 7232393B1
- Authority
- JP
- Japan
- Prior art keywords
- magnetization
- magnetization reversal
- information
- processing unit
- main phase
- 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
Links
- 230000005415 magnetization Effects 0.000 title claims abstract description 563
- 238000004458 analytical method Methods 0.000 title claims abstract description 257
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 255
- 238000000605 extraction Methods 0.000 claims abstract description 120
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 239000000284 extract Substances 0.000 claims abstract description 27
- 230000005374 Kerr effect Effects 0.000 claims description 48
- 239000002245 particle Substances 0.000 claims description 6
- 239000013078 crystal Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 description 53
- 238000001000 micrograph Methods 0.000 description 40
- 238000003860 storage Methods 0.000 description 27
- 230000006399 behavior Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 23
- 238000001878 scanning electron micrograph Methods 0.000 description 22
- 238000001887 electron backscatter diffraction Methods 0.000 description 17
- 239000000203 mixture Substances 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 15
- 238000013075 data extraction Methods 0.000 description 14
- 239000000463 material Substances 0.000 description 13
- 238000009795 derivation Methods 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000000547 structure data Methods 0.000 description 7
- 230000000903 blocking effect Effects 0.000 description 5
- 230000004907 flux Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000002149 energy-dispersive X-ray emission spectroscopy Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000000177 wavelength dispersive X-ray spectroscopy Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002003 electron diffraction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229910052779 Neodymium Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- QEFYFXOXNSNQGX-UHFFFAOYSA-N neodymium atom Chemical group [Nd] QEFYFXOXNSNQGX-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000879 optical micrograph Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 229910052761 rare earth metal Inorganic materials 0.000 description 1
- 150000002910 rare earth metals Chemical group 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
【解決手段】着磁した永久磁石に外部磁界を印加して磁化の向きを反転させた際の磁化反転の挙動を解析する装置であって、外部磁界の強度を変化させつつ取得した、主相粒の磁化の向きを特定可能な磁化評価用画像を用い、外部磁界の強度毎の前記各主相粒の磁化の向きを抽出する磁化方向抽出処理部281と、磁化評価用画像、または当該磁化評価用画像と同一視野の断面画像を用いて、少なくとも主相粒同士の隣接関係を抽出する隣接関係抽出処理部273と、磁化方向抽出処理部281の抽出結果、および隣接関係抽出処理部273の抽出結果を基に、磁化反転の伝播情報を得る磁化反転伝播解析処理部282と、を備えた。
【選択図】図1
Description
以下、本発明の実施の形態を添付図面にしたがって説明する。
本実施の形態に係る磁気特性予測装置1は、永久磁石の磁気特性を予測する装置である。磁気特性の予測対象となる永久磁石は、主に焼結磁石であり、後述する磁気光学カー効果顕微鏡(以下、MOKE顕微鏡)65による観察が可能な希土類磁石が対象として好適である。
図1に示すように、磁気特性予測装置1は、制御部2と、記憶部3と、表示器4と、入力装置5と、を有している。本実施の形態では、磁気特性予測装置1は、パーソナルコンピュータにより構成されている。
磁気特性予測装置1は、機械学習を利用して、永久磁石の磁気特性を予測する装置である。磁気特性予測装置1には、機械学習に必要なデータ、組織や磁化反転の挙動の解析に用いる画像データ、及び、予測元となるデータが入力される。具体的には、図2に示すように、永久磁石を製造する製造装置61から磁気特性予測装置1に、永久磁石の組成の情報である組成情報を含む組成データ70と、永久磁石の製造条件の情報であるプロセス情報を含むプロセスデータ71とが入力される。入力された組成データ70及びプロセスデータ71は、後述するデータ取得処理部22により全体データベース31に登録され、記憶部3に記憶される。なお、組成データ70やプロセスデータ71の入力はネットワークを介して行われてもよいし、USBメモリ等のメディアを介して行われてもよいし、入力装置5により行われてもよい。
図4は、全体データベース31の一例を示す図である。なお、図4は全体データベース31の概念を示すものであり、実際の実験データを記載したものではない。全体データベース31は、永久磁石のサンプルの識別用のID、組成情報、プロセス情報、組織情報、磁化反転解析情報、及び特性情報を関連付けて記憶したデータベースである。すなわち、全体データベース31は、組成情報のデータである組成データ70、プロセス情報のデータであるプロセスデータ71、組織情報のデータである組織データ72、磁化反転解析情報のデータである磁化反転解析データ73、特性情報のデータである特性データ74を統合し、互いに関連付けて登録したデータベースである。
以下、制御部2の各部について詳細に説明する。設定処理部21は、磁気特性予測装置1の各種設定を行うための設定処理(図20(a)参照)を行うものである。設定処理部21では、例えば、データ取得処理部22によるデータ取得の方法やデータ取得日時の設定等、各種制御に係る情報の設定を行うことができる。また、設定処理部21では、記憶部3に記憶する各種情報の登録・更新・削除等が可能である。各種情報の入力には、入力装置5等を用いることができる。
データ取得処理部22は、各種データを取得し記憶部3に記憶するデータ取得処理(図20(b)参照)を行うものである。データ取得処理部22は、取得した各種データをサンプル毎に関連付けて全体データベース31及び画像データベース36に登録する。データ取得処理部22は、製造装置61等の外部装置にデータを要求する信号を送信するなど、積極的にデータの取得を行うよう構成されていてもよい。また、データ取得処理部22は、任意のサンプルに関して、欠損しているデータを表示器4に表示するなど、欠損しているデータを提示する機能を有していてもよい。
学習用データ抽出処理部23は、種々のデータを含む全体データベース31から、機械学習に必要なデータを抽出する学習用データ抽出処理を行う。本実施の形態では、学習用データ抽出処理部23は、全体データベース31から、機械学習において説明変数として用いるデータとして、磁化反転解析情報を含むデータを抽出し、説明変数データ81とする。つまり、説明変数データ81は、着磁した永久磁石の磁化の向きを反転させた際の挙動を解析する磁化反転解析により得られた磁化反転解析情報を含む。
回帰モデル作成処理部24は、予め設定された説明変数データ81と、予測対象の磁気特性の情報を含む目的変数データ82との関係を機械学習し、説明変数データ81と目的変数データ82との相関性を表す回帰モデル33を作成する回帰モデル作成処理(図23(a)参照)を行うものである。本実施の形態では、回帰モデル作成処理部24は、学習用データ抽出処理部23が生成した学習用データ32を用い、説明変数データ81と目的変数データ82との相関性を表す回帰モデル33を作成する。なお、本実施の形態では、説明変数データ81には、磁化反転解析情報が含まれている。
磁気特性予測処理部25は、回帰モデル33を用いて予測対象の磁気特性を予測する磁気特性予測処理(図23(b)参照)を行うものである。磁気特性予測処理部25は、予測した磁気特性を予測データ35として記憶部3に記憶する。
予測データ提示処理部26は、予測データ35を提示する予測データ提示処理を行う。予測データ提示処理では、例えば、予測データ35を表示器4に表示する。なお、予測データ提示処理では、予測データ35以外のデータ、例えば、予測に使用した説明変数データ81の項目や予測精度を示す指標等もあわせて提示するように構成されていてもよい。また、予測データ提示処理部26は、管理用の演算装置など、外部の装置に予測データ35を送信する機能を有していてもよく、予測データ35を提示する具体的な手段は特に限定されない。
本実施の形態では、磁化反転解析装置10は、磁気特性予測装置1の一部を構成している。磁化反転解析装置10は、磁気特性予測装置1を構成するパーソナルコンピュータ等に一体に搭載されており、当該パーソナルコンピュータ等の制御部2の一部が磁化反転解析装置10として作用するように構成されている。ただし、これに限らず、磁化反転解析装置10は、磁気特性予測装置1を構成するパーソナルコンピュータ等とは別体に構成されていてもよく、また単独での使用も当然に可能である。さらに、磁化反転解析装置10は、記憶部3の画像データベース36とミクロ組織データベース37が含まれていてもよく、パーソナルコンピュータ等に制御部2と一体に搭載されていてもよく、別体に構成されていてもよい。
組織解析処理部27は、分析エリア(図2参照)で取得された画像データを基に、永久磁石の組織を解析して組織データ72を得る組織解析処理(図21参照)を行うものである。なお、ここでいう組織の解析とは、図6に示すように、磁性結晶粒子である主相粒と、隣り合う主相粒の間に位置する粒界相である二粒子粒界相と、3以上の主相粒に囲まれた粒界相である粒界三重点と、を識別し、それぞれの大きさ、隣接関係等を解析することを意味している。本実施の形態では、組織の解析において、主相粒の磁化容易方向(配向方向)を取得するため、EBSD像データ641を用いた。また、主相粒、二粒子粒界相、及び粒界三重点の識別、大きさや隣接関係の解析のためにSEM像データ631を用いた。
磁化反転解析処理部28は、磁化評価用画像として、磁気光学カー効果顕微鏡により得た画像データであるMOKE顕微鏡像データ651を用いて、着磁した永久磁石に外部磁界を印加して磁化の向きを反転させた際の磁化反転の挙動を解析する磁化反転解析を行う磁化反転解析処理(図22(a)参照)を行うものである。磁化反転解析処理部28は、磁化方向抽出処理部281と、磁化反転伝播解析処理部282と、を有している。
ここで、ミクロ組織データベース37の具体例について説明しておく。ミクロ組織データベース37は、微視的な組織の情報や磁化反転の挙動に関する詳細な情報を記録したデータベースであり、主相粒データベース91、二粒子粒界相データベース92、及び粒界三重点データベース93を有している。
次に、磁化方向抽出処理部281による磁化方向情報の抽出の具体例について説明する。まず、永久磁石を着磁した状態とし、着磁方向とは逆方向の外部磁界を加え、外部磁界の強度を段階的に変化させていく。図10(a)は、約-200kA/mの外部磁界(ここでは、観察視野における反磁界の影響も考慮した有効磁界)を付与した際のMOKE顕微鏡像(MOKE顕微鏡像データ651)を表しており、図10(b)は磁化反転を検出した箇所を示している。この段階では、主相粒に磁化反転は生じていない。
次に、磁化反転伝播解析処理部282による磁化反転の伝播情報の導出の具体例について説明する。磁化反転の伝播情報の導出方法は、磁化方向情報の形式に応じたものとなるため、ここでは、磁化方向情報の形式もあわせて説明する。
磁化反転の伝播情報を導出する他の方法について説明する。図17(a)の例では、磁化方向抽出処理部281は、各主相粒について、磁化の向きが反転したときの外部磁界の強度である反転磁界強度を、主相粒データベース91に磁化方向情報として記録する。
磁化反転解析情報抽出処理部29は、磁化反転伝播解析処理部282の解析結果、すなわち磁化反転の伝播情報を基に、磁化反転の挙動に係る特徴量である磁化反転解析情報を得る磁化反転解析情報抽出処理(図22(b)参照)を行うものである。磁化方向情報や磁化反転の伝播情報がミクロの情報であるのに対し、磁化反転解析情報は永久磁石全体での磁化反転に関する情報を表すマクロな情報であるといえる。
図19は、本実施の形態に係る磁気特性予測方法のフロー図である。図19のフロー図のうち、ステップS5の組織解析処理、ステップS6の磁化反転解析処理、及びステップS7の磁化反転解析情報抽出処理の各ステップが、本実施の形態に係る磁化反転解析方法に相当するフロー図となる。以下、各ステップについて詳細に説明する。
上記実施の形態では、磁気特性予測装置1がパーソナルコンピュータにより構成されている場合を説明したが、これに限らず、例えば、磁気特性予測装置1は、サーバ等のネットワーク装置により構成されてもよい。この場合、磁気特性予測装置1は、データ管理用の端末装置などの所定の端末装置と相互に通信可能に構成され、当該端末装置から画像データを含む各種データを受信するように構成するとよい。また、磁気特性予測装置1で予測した予測データ35を端末装置に送信し、端末装置にて予測データ35を提示するように構成するとよい。
より具体的には、磁気特性予測装置1は、図24(a),(b)に示すように、組織データ72と磁化反転解析データ73との関係を機械学習し、組織データ72と磁化反転解析データ73との相関性を表す磁化反転解析用回帰モデル102を作成する磁化反転解析用回帰モデル作成処理部101と、磁化反転解析用回帰モデル102を用いて磁化反転解析データ73(予測磁化反転解析データ73a)を予測する磁化反転解析データ予測処理部103と、をさらに備えてもよい。
さらにまた、ミクロ組織データベース37内で解析(機械学習を用いた各種パラメータの予測)を行うことも可能である。例えば、上記実施の形態では、磁化反転解析により磁化方向情報や磁化反転の伝播情報を求めたが、機械学習により磁化方向情報や磁化反転の伝播情報を予測する機能を磁気特性予測装置1に備えてもよい。この場合、磁化反転解析情報抽出処理部29は、予測した磁化方向情報や磁化反転の伝播情報に基づき、磁化反転解析情報を抽出してもよい。
さらに、上記実施の形態では、外部磁界の強度を段階的に増加させてMOKE顕微鏡像データ651を取得したが、これに限らず、例えばリコイル測定やFORC(First Order Reversal Curve)測定と呼ばれる手法等を応用し、外部磁界の方向を適宜反転させて外部磁界の強度の増減を繰り返すことで、より詳細に磁化反転の挙動を解析するようにしてもよい。
上記実施の形態では、磁化評価用画像としてのMOKE顕微鏡像を用いる場合を説明したが、これに限らず、例えば、X線磁気円二色性(XMCD)顕微鏡や磁気力顕微鏡(MFM)により取得した画像データ等を磁化評価用画像として用いてもよい。この場合、特定の磁界における主相粒の磁化の向きを抽出して、隣接粒子間の磁化の向きの相違を求めてこれを磁化反転の伝播情報として採用できる。そのため、磁化方向抽出処理部281は複数の磁化評価用画像を使用せず、単独の磁化評価用画像を用いて外部磁界の強度毎の各主相粒の磁化の向きを抽出することができる。なお、単数に限られず複数の磁化評価用画像を使用してもよい。
また、上記実施の形態では、磁化反転に関する情報、すなわち、磁化反転解析情報や、磁化方向情報、磁化反転の伝播情報の提示を行わなかったが、これに限らず、磁気特性予測装置1(あるいは磁化反転解析装置10)は、磁化反転に関する情報を表示器4等に提示する機能を有していてもよい。この際、磁化反転に関する情報の統計情報等を併せて提示するようにしてもよい。同様に、組織の情報を提示する機能も有してもよい。
さらに、上記実施の形態では、主相粒の磁化容易方向や、外部磁界の方向について、EBSD像やMOKE顕微鏡像の画像に対する垂直方向の成分(例えば、図10(a)における紙面方向の成分)について特に言及しなかったが、主相粒の磁化容易方向や、外部磁界の方向については、画像に平行な方向と垂直な方向の成分を分けて登録するようにしてもよい。また、上記実施の形態で得られる磁気特性予測装置に、VSM(試料振動型磁力計)による磁石全体の磁化過程解析(直流磁化曲線、初磁化曲線、FORCダイアグラム)など、その他の計測および解析手法で取得したデータを登録して活用してもよい。
以上説明したように、本実施の形態に係る磁化反転解析装置10では、外部磁界の強度を変化させつつ取得した、主相粒の磁化の向きを特定可能な磁化評価用画像(MOKE顕微鏡像データ651)を用い、外部磁界の強度毎の各主相粒の磁化の向きを抽出する磁化方向抽出処理部281と、磁化評価用画像(MOKE顕微鏡像データ651)、または当該磁化評価用画像と同一視野の断面画像(SEM像データ631やEBSD像データ641)を用いて、少なくとも主相粒同士の隣接関係を抽出する隣接関係抽出処理部273と、磁化方向抽出処理部281の抽出結果、および隣接関係抽出処理部273の抽出結果を基に、磁化反転の伝播情報を得る磁化反転伝播解析処理部282と、を備えている。
次に、以上説明した実施の形態から把握される技術思想について、実施の形態における符号等を援用して記載する。ただし、以下の記載における各符号等は、特許請求の範囲における構成要素を実施の形態に具体的に示した部材等に限定するものではない。
以上、本発明の実施の形態を説明したが、上記に記載した実施の形態は特許請求の範囲に係る発明を限定するものではない。また、実施の形態の中で説明した特徴の組合せの全てが発明の課題を解決するための手段に必須であるとは限らない点に留意すべきである。また、本発明は、その趣旨を逸脱しない範囲で適宜変形して実施することが可能である。
10…磁化反転解析装置
2…制御部
21…設定処理部
22…データ取得処理部
23…学習用データ抽出処理部
24…回帰モデル作成処理部
25…磁気特性予測処理部
26…予測データ提示処理部
27…組織解析処理部
271…識別処理部
272…ラベル処理部
273…隣接関係抽出処理部
28…磁化反転解析処理部
281…磁化方向抽出処理部
282…磁化反転伝播解析処理部
29…磁化反転解析情報抽出処理部
3…記憶部
31…全体データベース(データベース)
32…学習用データ(データベース)
33…回帰モデル
34…予測元データ
35…予測データ
36…画像データベース
37…ミクロ組織データベース
4…表示器
5…入力装置
61…製造装置
62…磁気特性試験装置
63…SEM(走査電子顕微鏡)
631…SEM像データ(走査電子顕微鏡像)
64…EBSD(後方散乱電子回折装置)
641…EBSD像データ
65…MOKE顕微鏡(磁気光学カー効果顕微鏡)
651…MOKE顕微鏡像データ(磁気光学カー効果顕微鏡像、磁化評価用画像)
70…組成データ
71…プロセスデータ
72…組織データ
73…磁化反転解析データ
74…特性データ
81…説明変数データ
82…目的変数データ
91…主相粒データベース
92…二粒子粒界相データベース
93…粒界三重点データベース
101…磁化反転解析用回帰モデル作成処理部
102…磁化反転解析用回帰モデル
103…磁化反転解析データ予測処理部
Claims (15)
- 着磁した永久磁石に外部磁界を印加して磁化の向きを反転させた際の磁化反転の挙動を解析する装置であって、
前記外部磁界の強度を変化させつつ取得した、主相粒の磁化の向きを特定可能な磁化評価用画像を用い、前記外部磁界の強度毎の前記各主相粒の磁化の向きを抽出する磁化方向抽出処理部と、
前記磁化評価用画像、または当該磁化評価用画像と同一視野の断面画像を用いて、少なくとも主相粒同士の隣接関係を抽出する隣接関係抽出処理部と、
前記磁化方向抽出処理部の抽出結果、および前記隣接関係抽出処理部の抽出結果を基に、磁化反転の伝播情報を得る磁化反転伝播解析処理部と、を備えた、
磁化反転解析装置。 - 磁化方向抽出処理部は、前記永久磁石の着磁方向に対して磁化の向きが反転した前記主相粒の情報と未反転の前記主相粒の情報をそれぞれ特定の数値として記録し、
前記磁化反転伝播解析処理部は、隣接する前記主相粒の前記数値の組合せから、前記磁化反転の伝播情報を導出する、
請求項1に記載の磁化反転解析装置。 - 磁化方向抽出処理部は、前記永久磁石の着磁方向に対して磁化の向きが反転した前記主相粒の情報と未反転の前記主相粒の情報とを、絶対値が等しく正負の符号が異なる数値として記録する、
請求項2に記載の磁化反転解析装置。 - 磁化方向抽出処理部は、前記各主相粒について、磁化の向きが反転したときの前記外部磁界の強度である反転磁界強度を記録し、
前記磁化反転伝播解析処理部は、隣接する主相粒同士に反転磁界強度の差がある場合に、反転磁界強度がより大きい主相粒で磁化の向きが反転しない最大の外部磁界の強度を導出する、
請求項1に記載の磁化反転解析装置。 - 前記磁化反転伝播解析処理部は、前記外部磁界の強度を段階的に変化させた際に磁化の向きが一斉に反転する集団反転が生じた前記主相粒のグループを、前記磁化反転の伝播情報として導出する、
請求項1に記載の磁化反転解析装置。 - 前記磁化評価用画像として、磁気光学カー効果顕微鏡により得た画像を用いる、
請求項1に記載の磁化反転解析装置。 - 前記磁化反転伝播解析処理部の解析結果を基に、磁化反転の挙動に係る特徴量である磁化反転解析情報を得る磁化反転解析情報抽出処理部をさらに備えた、
請求項1に記載の磁化反転解析装置。 - 前記磁化反転解析情報は、少なくとも、結晶粒子である主相粒のうち所定の割合の主相粒の磁化の向きが反転した際の前記外部磁界の強度の情報を含む、
請求項7に記載の磁化反転解析装置。 - 前記磁化反転解析情報は、少なくとも、前記外部磁界の強度を段階的に変化させた際に、結晶粒子である主相粒の磁化の向きが一斉に反転する集団反転が生じた領域の面積の情報を含む、
請求項7に記載の磁化反転解析装置。 - 前記磁化反転解析情報は、少なくとも、前記永久磁石の組織の情報を磁化反転の伝播に関連付けた磁化反転伝播詳細情報を含む、
請求項7に記載の磁化反転解析装置。 - 前記磁化反転解析情報は、前記磁化反転伝播詳細情報として、少なくとも、隣接する主相粒間の配向角度差を、磁化反転の伝播に関連付けた情報を含む、
請求項10に記載の磁化反転解析装置。 - 前記磁化反転解析情報は、前記磁化反転伝播詳細情報として、少なくとも、主相粒の磁化容易方向と前記外部磁界とがなす角度を、磁化反転の伝播に関連付けた情報を含む、
請求項10に記載の磁化反転解析装置。 - 前記磁化反転解析情報は、前記磁化反転伝播詳細情報として、少なくとも、二粒子粒界相の厚さを、磁化反転の伝播に関連付けた情報を含む、
請求項10に記載の磁化反転解析装置。 - 前記磁化評価用画像と同一視野の断面画像を用いて、主相粒と、隣り合う主相粒の間に位置する粒界相である二粒子粒界相と、3以上の主相粒に囲まれた粒界相である粒界三重点と、を識別する識別処理部と、
前記識別処理部の識別結果に基づき、前記各主相粒、前記各二粒子粒界相、及び前記各粒界三重点にラベルを付けるラベル処理部と、を備え、
前記磁化方向抽出処理部及び隣接関係抽出部は、前記ラベル処理部が付けたラベルに基づき、各主相粒を区別する、
請求項1に記載の磁化反転解析装置。 - 着磁した永久磁石に外部磁界を印加して磁化の向きを反転させた際の磁化反転の挙動を解析する方法であって、
前記外部磁界の強度を変化させつつ取得した、主相粒の磁化の向きを特定可能な磁化評価用画像を用い、前記外部磁界の強度毎の前記各主相粒の磁化の向きを抽出する磁化方向抽出工程と、
前記磁化評価用画像、または当該磁化評価用画像と同一視野の断面画像を用いて、少なくとも主相粒同士の隣接関係を抽出する隣接関係抽出工程と、
前記磁化方向抽出工程の抽出結果、および前記隣接関係抽出処理工程の抽出結果を基に、磁化反転の伝播情報を得る磁化反転伝播解析工程と、を備えた、
磁化反転解析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022110333A JP7232393B1 (ja) | 2022-07-08 | 2022-07-08 | 磁化反転解析装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022110333A JP7232393B1 (ja) | 2022-07-08 | 2022-07-08 | 磁化反転解析装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7232393B1 true JP7232393B1 (ja) | 2023-03-03 |
JP2024008448A JP2024008448A (ja) | 2024-01-19 |
Family
ID=85383459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022110333A Active JP7232393B1 (ja) | 2022-07-08 | 2022-07-08 | 磁化反転解析装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7232393B1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013064617A (ja) | 2011-09-15 | 2013-04-11 | Fujitsu Ltd | 磁性体のシミュレーションプログラム、シミュレーション装置及びシミュレーション方法 |
JP2013069821A (ja) | 2011-09-21 | 2013-04-18 | Toshiba Corp | 不揮発性記憶装置 |
US20150063018A1 (en) | 2013-08-29 | 2015-03-05 | Daeshik Kim | Methods of operating a magnetic memory device |
JP2020024131A (ja) | 2018-08-07 | 2020-02-13 | Tdk株式会社 | 磁石の磁気特性測定方法及び装置 |
-
2022
- 2022-07-08 JP JP2022110333A patent/JP7232393B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013064617A (ja) | 2011-09-15 | 2013-04-11 | Fujitsu Ltd | 磁性体のシミュレーションプログラム、シミュレーション装置及びシミュレーション方法 |
JP2013069821A (ja) | 2011-09-21 | 2013-04-18 | Toshiba Corp | 不揮発性記憶装置 |
US20150063018A1 (en) | 2013-08-29 | 2015-03-05 | Daeshik Kim | Methods of operating a magnetic memory device |
JP2020024131A (ja) | 2018-08-07 | 2020-02-13 | Tdk株式会社 | 磁石の磁気特性測定方法及び装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2024008448A (ja) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Trutnevyte et al. | Reinvigorating the scenario technique to expand uncertainty consideration | |
Hartmann et al. | New optimization algorithms in physics | |
Miles et al. | Correlator convolutional neural networks as an interpretable architecture for image-like quantum matter data | |
CN108287816B (zh) | 兴趣点在线检测、机器学习分类器训练方法和装置 | |
JP2007213384A (ja) | マイクロ磁化解析プログラム、方法及び装置 | |
Edwards et al. | Validation of spatial microsimulation models | |
Ding et al. | New block properties for flowshop scheduling with blocking and their application in an iterated greedy algorithm | |
Bonnet et al. | Maximum likelihood estimation for Hawkes processes with self-excitation or inhibition | |
Lin | Forecasting and analyzing the competitive diffusion of mobile cellular broadband and fixed broadband in Taiwan with limited historical data | |
JP2013201909A (ja) | 細胞画像判定装置、方法、並びにプログラム | |
Daniel | Overview of big data and analytics in higher education | |
Zhen et al. | Adjusting parallel coordinates for investigating multi-objective search | |
JP7232393B1 (ja) | 磁化反転解析装置及び方法 | |
Gros | An empirical study of the per capita yield of science Nobel prizes: is the US era coming to an end? | |
JP7315068B1 (ja) | 磁気特性予測装置及び方法 | |
Hrkac et al. | Three-dimensional micromagnetic finite element simulations including eddy currents | |
Yoshioka et al. | Crystal field parameters with Wannier functions: application to Nd2Fe14B systems | |
CN117332766A (zh) | 流程图生成方法、装置、计算机设备和存储介质 | |
Parisi et al. | A numerical study of the overlap probability distribution and its sample-to-sample fluctuations in a mean-field model | |
Sitko et al. | Evaluation of the effectiveness of neighbors’ selection algorithms in the random cellular automata model of unconstrained grain growth | |
Chen et al. | Modelling of the material flow of Nd-Fe-B magnets under high temperature deformation via finite element simulation method | |
JP6380871B1 (ja) | 特許文献集合の分析方法 | |
Park et al. | Accelerated spin dynamics using deep learning corrections | |
Zafar et al. | An Optimization Approach for Convolutional Neural Network Using Non-Dominated Sorted Genetic Algorithm-II. | |
Choudhary et al. | Machine learning-based Curie temperature prediction for magnetic 14: 2: 1 phases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221103 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221103 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221226 |
|
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: 20230117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230130 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7232393 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |