JP7315068B1 - 磁気特性予測装置及び方法 - Google Patents

Abstract

【課題】磁気特性を精度よく予測可能な磁気特性予測装置及び方法、データベースを提供する。
【解決手段】永久磁石の磁気特性を予測する磁気特性予測装置１であって、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特性データ７４との関係を機械学習し、説明変数データ８１と特性データ７４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部２４と、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部２５と、を備え、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。
【選択図】図１

Description

本発明は、磁気特性予測装置及び方法に関する。

永久磁石においては、残留磁束密度Ｂ_ｒや保磁力Ｈ_ｃＪが磁気特性の主な指標となっている。従来、永久磁石である焼結磁石において、磁性結晶粒子である主相粒の形状等の組織構造を調整することで良好な保磁力Ｈ_ｃＪを得ること等が提案されている（例えば、特許文献１参照）。また、保磁力向上の指針を得るための研究も進められている（例えば、非特許文献１）。

特開２０１７－１８３７１０号公報

Ｎｄ－Ｆｅ－Ｂ系焼結磁石における隣接粒子間方位差と磁化反転の関係、日立金属技報第３４巻、ｐ．２４～ｐ．３１

近年、データマイニングなどの情報科学を利用して新材料や代替材料を効率的に探索するマテリアルズインフォマティクス（Ｍａｔｅｒｉａｌｓ Ｉｎｆｏｒｍａｔｉｃｓ）が注目されている。また、日本では、マテリアルズインテグレーション（Ｍａｔｅｒｉａｌｓ Ｉｎｔｅｇｒａｔｉｏｎ）による材料開発が検討されている。マテリアルズインテグレーションとは、材料科学の成果に、理論、実験、解析、シミュレーション、データベースなどの科学技術を融合して、材料の研究開発を支援することを目指す総合的な材料技術ツールと定義されている。

上述のように、永久磁石においては、残留磁束密度Ｂ_ｒや保磁力Ｈ_ｃＪが磁気特性の主な指標となっており、これら磁気特性を精度よく予測することが望まれている。

そこで、本発明は、磁気特性を精度よく予測可能な磁気特性予測装置及び方法、データベースを提供することを目的とする。

本発明は、上記課題を解決することを目的として、永久磁石の磁気特性を予測する磁気特性予測装置であって、予め設定された説明変数データと、予測対象の磁気特性の情報を含む特性データとの関係を機械学習し、前記説明変数データと前記特性データとの相関性を表す回帰モデルを作成する回帰モデル作成処理部と、前記回帰モデル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部と、を備え、前記説明変数データは、着磁した前記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、磁気特性予測装置を提供する。

また、本発明は、上記課題を解決することを目的として、永久磁石の磁気特性を予測する磁気特性予測方法であって、予め設定された説明変数データと、予測対象の磁気特性の情報を含む特性データとの関係を機械学習し、前記説明変数データと前記特性データとの相関性を表す回帰モデルを作成する回帰モデル作成処理工程と、前記回帰モデル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工程と、を備え、前記説明変数データは、着磁した前記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、磁気特性予測方法を提供する。

また、本発明は、上記課題を解決することを目的として、予め設定された説明変数データと、予測対象の磁気特性の情報を含む特性データと、を含み、前記説明変数データは、永久磁石を着磁した後に外部磁界を印加して永久磁石の断面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、データベースを提供する。

本発明によれば、磁気特性を精度よく予測可能な磁気特性予測装置及び方法を提供できる。

本発明の一実施の形態に係る磁気特性予測装置の概略構成図である。 磁気特性予測装置の入出力を説明する図である。 磁化曲線の一例である。 全体データベースの一例を示す図である。 （ａ）は学習用データ抽出処理、（ｂ）は回帰モデル作成処理、（ｃ）は磁気特性予測処理を説明する説明図である。 主相粒、二粒子粒界相、粒界三重点を説明する模式図である。 （ａ）は組織解析処理、（ｂ）は磁化反転解析処理、（ｃ）は磁化反転解析情報抽出処理を説明する説明図である。 （ａ）は主相粒データベースの一例を示す図、（ｂ）は二粒子粒界相データベースの一例を示す図である。 粒界三重点データベースの一例を示す図である。 （ａ）はＭＯＫＥ顕微鏡像であり、（ｂ）は外部磁界の強度、及び（ａ）のＭＯＫＥ顕微鏡像における磁化反転検出箇所を示す図である。 （ａ）はＭＯＫＥ顕微鏡像であり、（ｂ）は外部磁界の強度、及び（ａ）のＭＯＫＥ顕微鏡像における磁化反転検出箇所を示す図である。 （ａ）はＭＯＫＥ顕微鏡像であり、（ｂ）は外部磁界の強度、及び（ａ）のＭＯＫＥ顕微鏡像における磁化反転検出箇所を示す図である。 （ａ），（ｂ）は、磁化反転の伝播情報の導出方法を説明する図である。 （ａ），（ｂ）は、磁化反転の伝播情報の導出方法を説明する図である。 （ａ），（ｂ）は、磁化反転の伝播情報の導出方法を説明する図である。 （ａ），（ｂ）は、磁化反転の伝播情報の導出方法を説明する図である。 （ａ），（ｂ）は、磁化反転の伝播情報の導出方法の他の例を説明する図である。 磁化反転解析情報の項目の一覧を示す図である。 本発明の一実施の形態に係る磁気特性予測方法のフロー図である。 （ａ）は設定処理、（ｂ）はデータ取得処理のフロー図である。 組織解析処理のフロー図である。 （ａ）は磁化反転解析処理、（ｂ）は磁化反転情報抽出処理のフロー図である。 （ａ）は回帰モデル作成処理、（ｂ）は磁気特性予測処理のフロー図である。 （ａ）は磁化反転解析用回帰モデル作成処理、（ｂ）は磁化反転解析データ予測処理を説明する説明図である。

［実施の形態］
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。

図１は、本実施の形態に係る磁気特性予測装置１の概略構成図である。図２は、磁気特性予測装置１の入出力を説明する図である。

（予測対象について）
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。

また、本実施の形態で予測対象となる磁気特性は、例えば、図３に示す磁化曲線において、永久磁石を着磁した後に外部磁界を減少させて０（ゼロ）にしたときに永久磁石に残留する磁束密度である残留磁束密度Ｂ_ｒ、及び、さらに外部磁界を減少させて永久磁石に残留する磁束密度が０（ゼロ）となるときの外部磁界の強度である保磁力Ｈ_ｃＪである。なお、残留磁束密度Ｂ_ｒや保磁力Ｈ_ｃＪに限らず、例えば、磁化曲線の角形性を示す指標として用いられる磁界Ｈ_ｋなど他の磁気特性を予測対象としてもよい。

（磁気特性予測装置１の概略構成）
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。

制御部２は、ＣＰＵ等の演算素子、メモリ、インターフェイス、ソフトウェア、記憶装置等を適宜組み合わせて実現されている。本実施の形態では、制御部２は、設定処理部２１、データ取得処理部２２、学習用データ抽出処理部２３、回帰モデル作成処理部２４、磁気特性予測処理部２５、予測データ提示処理部２６、組織解析処理部２７、磁化反転解析処理部２８、及び磁化反転解析情報抽出処理部２９を有している。このうち、組織解析処理部２７、磁化反転解析処理部２８、及び磁化反転解析情報抽出処理部２９は、本発明の磁化反転解析装置１０を構成するものである。各部の詳細については後述する。

記憶部３は、メモリや記憶装置の所定の記憶領域により実現されている。表示器４は、例えば液晶ディスプレイ等であり、入力装置５は、例えばキーボードやマウス等である。なお、表示器４をタッチパネルで構成し、表示器４が入力装置５を兼ねる構成としてもよい。また、表示器４や入力装置５は、磁気特性予測装置１と別体に構成され、無線通信等により磁気特性予測装置１と相互に通信可能に構成されていてもよい。この場合、表示器４または入力装置５は、タブレットやスマートフォン等の携帯端末で構成されていてもよい。

（磁気特性予測装置１の入出力）
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。

分析エリアでは、製造装置６１で製造された永久磁石のサンプルの磁気特性の分析、及び組織や磁化反転の挙動の解析に用いる画像データの取得が行われる。磁気特性試験装置６２により取得された永久磁石の磁気特性の情報である特性情報を含む特性データ７４は、磁気特性予測装置１に入力される。入力された特性データ７４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、特性データ７４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。

また、磁気特性予測装置１には、ＳＥＭ（走査電子顕微鏡）６３で取得したＳＥＭ像のデータであるＳＥＭ像データ６３１、ＥＢＳＤ（後方散乱電子回折装置）６４で取得したＥＢＳＤ像のデータであるＥＢＳＤ像データ６４１、及びＭＯＫＥ顕微鏡（磁気光学カー効果顕微鏡）６５で取得したＭＯＫＥ顕微鏡像（磁気光学カー効果顕微鏡像）のデータであるＭＯＫＥ顕微鏡像データ６５１がそれぞれ入力される。入力されたＳＥＭ像データ６３１、ＥＢＳＤ像データ６４１、及びＭＯＫＥ顕微鏡像データ６５１は、画像データベース３６に登録され記憶部３に記憶される。なお、これら画像データのうち、ＳＥＭ像データ６３１とＥＢＳＤ像データ６４１は、組織の解析に用いられる。そして、ＭＯＫＥ顕微鏡像データ６５１は、磁化反転の挙動の解析に用いられる。なお、これら画像データ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。なお、ＳＥＭ像のデータはＳＥＩ（二次電子像）やＢＥＩ（反射電子像）など異なる結像原理で取得される複数種の画像データを取得してもよい。また、画像データはＥＤＸ（エネルギー分散Ｘ線分光分析）やＷＤＸ（波長分散Ｘ線分光分析）で得られた組成分布の画像データでもよく、ＸＲＤ（Ｘ線回折装置）で得られた相比率のデータなど、他の分析手段で取得したデータを含んでもよい。

また、入力装置５からは、磁気特性の予測元となる情報を含む予測元データ３４が入力される。入力された予測元データ３４は、記憶部３に記憶される。なお、予測元データ３４の入力は、入力装置５に限らず、例えば、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。

磁気特性予測装置１は、磁気特性予測装置１で予測した磁気特性の情報を含む予測データ３５を出力する。本実施の形態では、表示器４に予測データ３５が出力され、表示器４に予測結果が表示される。なお、これに限らず、予測データ３５の出力先は、例えば、他のパーソナルコンピュータ等であってもよいし、例えば特定のサーバ装置等にアップロードするように構成されていてもよい。

（全体データベース３１）
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。

組成データ７０は、ネオジム（Ｎｄ）の組成など、永久磁石の組成の情報を含む。プロセスデータ７１は、プロセス情報として、例えば、熱処理温度等の情報を含む。組織データ７２は、組織情報として、例えば、主相粒の粒径の平均値、二粒子粒界相の幅の平均値等の情報を含む。特性データ７４は、特性情報として、残留磁束密度Ｂ_ｒや保磁力Ｈ_ｃＪ等の情報を含む。そして、詳細は後述するが、磁化反転解析データ７３に含まれる磁化反転解析情報とは、永久磁石を着磁した後に外部磁界を印加して永久磁石の断面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情報である。磁化反転解析情報の具体的な項目等については、後述する。

全体データベース３１は、後述する説明変数データ８１として用いられる磁化反転解析情報と、予測対象の磁気特性の情報を含む特性データ７４と、を含んでおり、本発明のデータベースに相当する。

（設定処理部２１）
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）
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）
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。

本実施の形態では、一例として、説明変数データ８１として磁化反転解析データ７３のみを用いる場合を説明するが、これに限らず、説明変数データ８１として、磁化反転解析データ７３に加えて、組成データ７０、プロセスデータ７１、及び組織データ７２のうち１つ以上を用いるようにしてもよい。これにより、磁気特性の予測精度をより向上させることが可能になる。例えば、組成が一定である場合であっても、説明変数データ８１として、磁化反転解析データ７３に加え、組織データ７２及びプロセスデータ７１の少なくとも一方を用いることで、永久磁石の組織構造や製造条件を考慮したより高精度な磁気特性の予測が可能である。

また、学習用データ抽出処理部２３は、全体データベース３１から、予測対象の磁気特性のデータを抽出し、目的変数データ８２とする。抽出した説明変数データ８１と目的変数データ８２とは、学習用データ３２として記憶部３に記憶される。

図５（ａ）に示すように、例えば、説明変数として磁化反転解析情報のみを用い、予測対象の磁気特性を保磁力Ｈ_ｃＪとする場合、学習用データ抽出処理部２３は、全体データベース３１から、所望の磁化反転解析データ７３を抽出して説明変数データ８１とすると共に、特性データ７４のうち保磁力Ｈ_ｃＪのデータを抽出して目的変数データ８２とし、説明変数データ８１と目的変数データ８２とを関連付けた学習用データ３２を生成する。生成した学習用データ３２は記憶部３に記憶される。なお、本実施の形態では、学習用データ３２を生成し記憶するように学習用データ抽出処理部２３を構成したが、これに限らず、説明変数データ８１と目的変数データ８２とを抽出して抽出結果をそのまま回帰モデル作成処理に用いてもよく、学習用データ３２を生成する機能を省略してもよい。また、学習用データ３２を一時記憶とし、回帰モデル作成処理後に学習用データ３２を削除してもよい。

なお、学習用データ３２は、少なくとも、説明変数データ８１として用いられる磁化反転解析情報と、目的変数データ８２として用いられる予測対象の磁気特性の情報（すなわち特性データ７４）と、を含んでおり、上記の全体データベース３１と同様に、本発明のデータベースに相当する。

（回帰モデル作成処理部２４）
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。

回帰モデル作成処理部２４は、説明変数と目的変数との相関性を、機械学習により自ら学習するための学習アルゴリズム等のソフトウェアを含んでいる。学習アルゴリズムは特に限定されず、公知の学習アルゴリズムを用いることができ、例えば、３層以上の層をなすニューラルネットワークを用いた所謂ディープラーニング等を用いることができる。回帰モデル作成処理部２４が学習するものは、説明変数データ８１として用いられるデータ（例えば、磁化反転解析データ７３）と、目的変数データ８２として用いられるデータ（例えば、保磁力Ｈ_ｃＪのデータ）との相関性を表すモデル構造に相当する。

図５（ｂ）に示すように、回帰モデル作成処理では、学習用データ３２に基づき、磁化反転解析情報を含む説明変数データ８１と、予測対象の特性データ７４を含む目的変数データ８２との関係を機械学習し、これらの相関性を表す回帰モデル３３を作成する。なお、図５（ｂ）では、一例として、目的変数データ８２が磁化反転解析データ７３のみを含んでおり、目的変数データ８２が保磁力Ｈ_ｃＪのデータである場合（つまり、磁化反転解析情報から保磁力Ｈ_ｃＪを予測する場合）を示している。

より具体的には、回帰モデル作成処理部２４は、学習用データ３２を基に、説明変数と目的変数とを含むデータ集合に基づく学習を反復実行し、両者の相関性を自動的に解釈する。なお、学習の開始時には相関性は未知の状態であるが、学習を進めるに従って説明変数に対する目的変数の相関性を徐々に解釈し、その結果として得られた学習済みモデルである回帰モデル３３を用いることで、説明変数に対する目的変数の相関性の解釈が可能になり、精度よく予測することが可能となる。

回帰モデル作成処理部２４は、作成した回帰モデル３３を記憶部３に記憶する。本実施の形態では、回帰モデル作成処理部２４は、全体データベース３１が更新される度に、回帰モデル３３を更新する。ただし、これに限らず、例えば後述する磁気特性予測処理を実行する際に、データ更新分をまとめて学習し、回帰モデル３３を更新するようにしてもよい。

（磁気特性予測処理部２５）
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。

図５（ｃ）に示すように、磁気特性予測処理では、磁気特性予測処理部２５に、回帰モデル３３と、入力装置５等で入力された予測元データ３４（図示例では、磁化反転解析データ７３である場合を示している）とが入力される。磁気特性予測処理部２５は、回帰モデル３３を用いて、予測元データ３４に対応した磁気特性（図示例では保磁力Ｈ_ｃＪ）を求め、得られた特性データ７４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）
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。

（磁化反転解析装置１０）
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。

磁化反転解析装置１０は、解析対象の永久磁石を着磁した後に、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り、組織解析処理部２７と、磁化反転解析処理部２８と、磁化反転解析情報抽出処理部２９と、を有している。これら組織解析処理部２７、磁化反転解析処理部２８、及び磁化反転解析情報抽出処理部２９は、磁気特性予測装置１と磁化反転解析装置１０の両方の構成要素となるものである。

（組織解析処理部２７）
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。

なお、本実施の形態では、組織の解析に用いる画像データとして、ＳＥＭ像データ６３１とＥＢＳＤ像データ６４１を用いたが、永久磁石の断面の組織構造を十分に観察でき、主相粒の磁化容易方向を検出可能であれば、どのような画像データを用いてもよい。例えば、ＥＤＸ（エネルギー分散Ｘ線分光分析）やＷＤＸ（波長分散Ｘ線分光分析）で得られた組成分布の画像データや光学顕微鏡により取得した画像データ等を適宜用いてもよい。また、着磁後には高精度な画像を取得することが困難となる場合があるため、着磁前（すなわち、磁化反転解析前）に、組織の解析用の画像データを取得することが望ましい。

また、ＳＥＭ像データ６３１とＥＢＳＤ像データ６４１としては、後述する磁化評価用画像であるＭＯＫＥ顕微鏡像データ６５１と同一視野の断面画像を用いる。そのため、当該画像を用いて得られた永久磁石の組織の情報は、磁化反転解析が行われる永久磁石の断面の領域と同一の領域から得られたものとなる。なお、画像データベースに保存されるＳＥＭ像データ６３１とＥＢＳＤ像データ６４１の全てが磁化反転解析を行うための画像データである必要はなく、組織データ７２を得るために使用する画像データが含まれていてもよい。そして、組織データ７２を得るために使用する画像データ（磁化反転解析に使用しない画像データ）は、ＭＯＫＥ顕微鏡像データ６５１と同一視野でなくともよい。

組織解析処理では、図７（ａ）に示すように、組織解析処理部２７に、組織解析用の画像データとして、ＳＥＭ像データ６３１とＥＢＳＤ像データ６４１とが入力される。組織解析処理部２７は、入力されたＳＥＭ像データ６３１及びＥＢＳＤ像データ６４１を基に解析を行い、主相粒の特徴量を抽出した主相粒データベース（主相粒ＤＢ）９１、二粒子粒界相の特徴量及び隣接関係に関する情報を抽出した二粒子粒界相データベース（二粒子粒界相ＤＢ）９２、及び、粒界三重点の特徴量を抽出した粒界三重点データベース（粒界三重点ＤＢ）９３を生成する。これら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は、微視的な組織構造を表すデータベースであり、まとめてミクロ組織データベース（ミクロ組織ＤＢ）３７と呼称する。なお、各ミクロ組織データベース３７の詳細については、後述する。

さらに、組織解析処理部２７は、ミクロ組織データベース３７から、永久磁石全体に影響を及ぼすパラメータを適宜演算、抽出することで、組織データ７２を生成する。つまり、組織データ７２は、ミクロ組織データベース３７に含まれる情報、あるいは、ミクロ組織データベース３７から演算した情報から構成されている。組織解析処理部２７が生成した組織データ７２は、全体データベース３１に登録され、記憶部３に記憶される。

組織解析処理部２７は、磁化評価用画像と同一視野の断面画像（ここではＳＥＭ像データ６３１）を用いて、主相粒と、二粒子粒界相と、粒界三重点と、を識別する識別処理部２７１を有している。識別処理部２７１は、ＳＥＭ像データ６３１を適宜画像処理して、主相粒、二粒子粒界相、粒界三重点の各領域に区別する。識別処理部２７１による識別の具体的な方法は特に限定されず、例えば、特許第６９８８７０７号公報に記載の方法を用いることができる。

また、組織解析処理部２７は、識別処理部２７１の識別結果に基づき、各主相粒、各二粒子粒界相、及び各粒界三重点にラベル（ＩＤ）を付けるラベル処理部２７２を有している。本実施の形態では、ラベル処理部２７２で付したラベルが、各主相粒、各二粒子粒界相、及び各粒界三重点の識別のために用いられることになる。つまり、隣接関係抽出処理部２７３や、後述する磁化反転解析処理部２８の磁化方向抽出処理部２８１や磁化反転伝播解析処理部２８２は、ラベル処理部２７２が付けたラベルに基づき、各主相粒を区別する。

組織解析処理部２７は、各主相粒の特徴量（大きさなど）を抽出し、ラベルと関連付けて主相粒データベース９１を生成する。また、組織解析処理部２７は、各二粒子粒界相の特徴量（幅、磁化容易方向など）を抽出し、ラベルと関連付けて二粒子粒界相データベース９２を生成する。同様に、組織解析処理部２７は、各粒界三重点の特徴量（大きさなど）を抽出し、ラベルと関連付けて粒界三重点データベース９３を生成する。

また、組織解析処理部２７は、磁化評価用画像と同一視野の断面画像（ここではＳＥＭ像データ６３１）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を有している。本実施の形態では、二粒子粒界相を基準として、当該二粒子粒界相に接する一対の主相粒（二粒子粒界相を挟んで向かい合う一対の主相粒）を隣接関係にあるとし、また、二粒子粒界相の両端に位置する一対の粒界三重点を隣接関係にあるとして、基準となる二粒子粒界相に関連付けて二粒子粒界相データベース９２に登録するようにした。なお、これに限らず、隣接関係抽出処理部２７３が求めた隣接関係の情報を、二粒子粒界相データベース９２とは別のデータベースに登録するようにしてもよい。また、隣接関係抽出処理部２７３は、隣り合う主相粒と粒界三重点との関係も抽出するよう構成されていてもよい。なお、隣接関係を求める具体的な方法については特に限定されず、例えば、特許第６９８８７０７号公報に記載の方法を用いることができる。

（磁化反転解析処理部２８）
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。

磁化方向抽出処理部２８１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複数の磁化評価用画像（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。以下、磁化方向抽出処理部２８１が抽出する外部磁界の強度毎の各主相粒の磁化の向きの情報を、磁化方向情報と呼称する。磁化方向抽出処理部２８１が抽出した磁化方向情報は、主相粒データベース９１に登録され、記憶部３に記憶される。磁化方向情報を抽出する方法の詳細については、後述する。なお、各主相の磁化の向きの情報は、外部磁界を印可する前の磁化の向きに対して、例えば略平行や略反平行等の情報であってもよい。

磁化反転伝播解析処理部２８２は、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。磁化反転の伝播情報とは、外部磁界を段階的に変化させたときに、主相粒の磁化反転がどのように伝播したかを示す情報である。磁化反転伝播解析処理部２８２が得た磁化反転の伝播情報は、二粒子粒界相データベース９２に登録され、記憶部３に記憶される。

つまり、図７（ｂ）に示すように、磁化反転解析処理では、磁化反転解析処理部２８に、ＭＯＫＥ顕微鏡像データ６５１と、ミクロ組織データベース３７が入力される。磁化反転解析処理部２８の磁化方向抽出処理部２８１は、入力された主相粒データベース９１及びＭＯＫＥ顕微鏡像データ６５１を基に、磁化方向情報を抽出し、主相粒データベース９１に登録する。そして、磁化反転解析処理部２８の磁化反転伝播解析処理部２８２は、入力された二粒子粒界相データベース９２と磁化方向情報とを基に、磁化反転の伝播情報を導出し、二粒子粒界相データベース９２に登録する。磁化反転の伝播情報の導出の詳細については、後述する。

（ミクロ組織データベース３７）
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。

図８（ａ）は、主相粒データベース９１の一例を示す図である。なお、図８（ａ）は主相粒データベース９１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。図８（ａ）に示すように、主相粒データベース９１は、組織解析処理部２７が抽出した主相粒のミクロ組織情報と、磁化方向抽出処理部２８１が抽出した磁化方向情報を含んでおり、これら各情報が主相粒のラベルに関連付けて登録されている。主相粒のミクロ組織情報には、例えば、各主相粒の円相当径、着磁方向と磁化容易方向との角度、アスペクト比等の情報が含まれる。磁化方向情報は、外部磁界の強度毎の各主相粒の磁化の向きの情報である。磁化方向情報の形式等の詳細については、後述する。

図８（ｂ）は、二粒子粒界相データベース９２の一例を示す図である。なお、図８（ｂ）は二粒子粒界相データベース９２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。図８（ｂ）に示すように、二粒子粒界相データベース９２は、隣接関係抽出処理部２７３が抽出した隣接関係情報と、組織解析処理部２７が抽出した各二粒子粒界相のミクロ組織情報と、磁化反転伝播解析処理部２８２が抽出した磁化反転の伝播情報と、を含んでおり、これら各情報が二粒子粒界相のラベルに関連付けて登録されている。隣接関係情報には、例えば、二粒子粒界相に接する一対の主相粒それぞれのラベル、二粒子粒界相の両端部に位置する粒界三重点のラベル等が含まれる。二粒子粒界相のミクロ組織情報には、例えば、二粒子粒界相の厚さや長さ等の情報が含まれる。磁化反転の伝播情報には、例えば、対となる主相粒間での伝播阻止の有無、対となる主相粒の片方が磁化反転する磁界強度、対となる主相粒の両方が磁化反転する磁界強度等が含まれる。なお、伝播阻止の有無とは、外部磁界を段階的に変化させた際に、いずれかの段階で、対となる主相粒の一方が磁化反転し、他方が磁化反転しない状態が存在したかどうかを表している。

図９は、粒界三重点データベース９３の一例を示す図である。なお、図９は粒界三重点データベース９３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。図９に示すように、粒界三重点データベース９３は、組織解析処理部２７が抽出した各粒界三重点のミクロ組織情報を含んでおり、該ミクロ組織情報が粒界三重点のラベルに関連付けて登録されている。粒界三重点のミクロ組織情報には、例えば、各粒界三重点のＳＥＭ画像平均輝度や円相当径、アスペクト比等の情報が含まれる。

（磁化方向情報の抽出）
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。

その後、外部磁界の強度を約－３００ｋＡ／ｍとした際のＭＯＫＥ顕微鏡像（ＭＯＫＥ顕微鏡像データ６５１）を図１１（ａ）に、磁化反転を検出した箇所を図１１（ｂ）に示す。図１１（ａ），（ｂ）に示すように、外部磁界の強度を－３００ｋＡ／ｍとすると、主相粒の一部が磁化反転していることが分かるとともに、隣接粒子が共に反転している領域があることが確認できる。なお、ＭＯＫＥ顕微鏡像では、輝度の変化により各主相粒の磁化反転の有無を判定することができる。例えば、外部磁界を加えたときのＭＯＫＥ顕微鏡像と、外部磁界を加えていないときのＭＯＫＥ顕微鏡像との輝度を比較し、輝度の変化が所定の閾値よりも大きい領域を抽出することで、磁化反転した主相粒を抽出することが可能である。

その後、外部磁界の強度を約－４５０ｋＡ／ｍとした際のＭＯＫＥ顕微鏡像（ＭＯＫＥ顕微鏡像データ６５１）を図１２（ａ）に、磁化反転を検出した箇所を図１２（ｂ）に示す。図１２（ａ），（ｂ）に示すように、外部磁界の強度を－４５０ｋＡ／ｍとすると、磁化反転した主相粒が大幅に増加していることが分かる。

（磁化反転の伝播情報の導出１）
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。

図１３～１６の例では、磁化方向抽出処理部２８１は、着磁方向に対して磁化の向きが反転した主相粒の情報と未反転の主相粒の情報をそれぞれ特定の数値として、主相粒データベース９１の磁化方向情報として記録している。より詳細には、磁化方向抽出処理部２８１は、着磁方向に対して磁化の向きが反転した主相粒の情報と未反転の主相粒の情報とを、絶対値が等しく正負の符号が異なる数値として記録している。ここでは、磁化反転した主相粒を－１、未反転の主相粒を１として記録する場合を示している。

磁化方向抽出処理部２８１により抽出された磁化反転情報が図１３（ａ）～図１６（ａ）の左表の通りであり、各主相粒の隣接関係が図１３（ａ）～図１６（ａ）の右図の通りである場合について、磁化反転の伝播情報の導出を説明する。

まず、図１３（ａ）に示すように、外部磁界の強度が０ｋＡ／ｍであるときには、全ての主相粒が未反転の状態となる。磁化反転伝播解析処理部２８２は、隣接する主相粒の数値（ここでは１または－１）の組合せから、磁化反転の伝播情報を導出する。具体的には、図１３（ｂ）に示すように、隣接する主相粒の数値（磁化反転の有無を示す数値）を足し合わせて判定値とする。本実施の形態では、磁化反転伝播解析処理部２８２は、外部磁界の強度を段階的に変化させたときの前段階での強度との判定値の差（前磁場との差）も導出するように構成している。ここでは、全ての主相粒の数値が１であるから、判定値は全ての隣接している主相粒間で２となる。

図１４（ａ）に示すように、外部磁界の強度を－１００ｋＡ／ｍとすると、ラベル１の主相粒が磁化反転して数値が－１となる。これにより、図１４（ｂ）に示すように、ラベル１，２の主相粒のペア間において、判定値が０となる。このように、この方法では、任意の主相粒のペア間での判定値が０となったときに、当該主相粒のペア間で磁化反転が止まっていることが分かる。

さらに、図１５（ａ）に示すように、外部磁界の強度を－２００ｋＡ／ｍとすると、ラベル２，３，５，６の主相粒が一斉に磁化反転し数値が－１となる。これにより、図１５（ｂ）に示すような判定値が得られ、判定値が０となっている主相粒のペア間で磁化反転が止まっていることが分かる。また、判定値が－２でかつ前磁場との差が負の値となっている主相粒のペアは、現段階の外部磁界の強度とすることで、両方の主相粒が磁化反転した状態となったことが分かる。

さらに、図１６（ａ）に示すように、外部磁界の強度を－３００ｋＡ／ｍとすると、さらにラベル４，８，９の主相粒が一斉に磁化反転し数値が－１となる。これにより、図１６（ｂ）に示すような判定値が得られ、判定値が０となっている主相粒のペア間で磁化反転が止まっていることが分かる。また、判定値が－２でかつ前磁場との差が負の値となっている主相粒のペアは、現段階の外部磁界の強度とすることで、両方の主相粒が磁化反転した状態となったことが分かる。さらに、判定値が－２となり前磁場との差が０である主相粒のペアは、前段階で既に両方の主相粒が磁化反転しており、現段階では特に変化がない状態（前磁場から不変）であることが分かる。

このように、着磁方向に対して磁化の向きが反転した主相粒の情報と未反転の主相粒の情報をそれぞれ特定の数値として記録し、隣接する主相粒の数値を組合せることで、磁化反転の伝播情報を導出することができる。

（磁化反転の伝播情報の導出２）
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。

この場合、図１７（ｂ）に示すように、磁化反転伝播解析処理部２８２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において、磁化の向きが反転しない最大の外部磁界の強度（磁化反転が生じた強度の一段階前の強度）である伝播遮断磁界強度を、磁化反転の伝播情報として導出する。この伝播遮断磁界強度は少なくともその磁界強度を超えた磁界を印加しない限り隣接する主相粒に磁化反転が伝播しないことを意味する。ペアとなる主相粒が一斉に磁化反転している場合には、伝播遮断磁界強度は０（ゼロ）になる。つまり、任意の主相粒のペア間で伝播遮断磁界強度がゼロでないということは、当該主相粒のペア間で磁化反転の伝播阻止が存在していることを意味する。

また、図１７（ｂ）の例では、磁化反転伝播解析処理部２８２は、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主相粒のグループである集団反転グループを、磁化反転の伝播情報として導出している。集団反転グループを求める際には、例えば、反転磁界強度の最大値が同じ主相粒のペアをグルーピングした後、さらに、一方の主相粒が共通している連結されているペアをグルーピングするとよい。つまり、反転磁界強度の最大値が同じであっても、連結されていない主相粒のペアは、別グループとするとよい。

さらに、磁化反転伝播解析処理部２８２は、主相粒のペアの両方の磁化反転が生じる外部磁界の強度、すなわち主相粒のペアの集団反転が生じる外部磁界の強度である集団反転磁界強度を、磁化反転の伝播情報として導出してもよい。なお、外部磁界を不連続に変化させる態様を含んでもよい。この場合、外部磁界を連続的に変化させた場合よりも記録される反転磁界強度が高くなる場合がある。

（磁化反転解析情報抽出処理部２９）
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７（ｃ）に示すように、磁化反転解析情報抽出処理では、磁化反転解析情報抽出処理部２９に、磁化方向情報を含む主相粒データベース９１と、磁化反転の伝播情報を含む二粒子粒界相データベース９２とが入力される。磁化反転解析情報抽出処理部２９は、入力された主相粒データベース９１及び二粒子粒界相データベース９２を基に、磁化反転解析情報を抽出し、全体データベース（全体ＤＢ）３１に登録し記憶部３に記憶する。

図１８は、磁化反転解析情報の項目の一覧を示す図である。図１８に示すように、磁化反転解析情報は、（１）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外部磁界の強度の情報、及び、（２）外部磁界の強度を段階的に変化させた際に集団反転が生じた領域の面積の情報、を含むとよい。これらの情報は、保磁力Ｈ_ｃＪ等の磁気特性に大きな影響を与えると考えられるためである。

さらに、磁化反転解析情報は、永久磁石の組織の情報を磁化反転の伝播に関連付けた（３）磁化反転伝播詳細情報を含むとよい。磁化反転伝播詳細情報は、（３－１）全二粒子粒界相の長さに占める磁化反転の伝播が止まった二粒子粒界相の長さの情報を含んでもよい。

また、磁化反転伝播詳細情報は、（３－２）隣接する主相粒間の磁化容易方向の角度差を、磁化反転の伝播に関連付けた情報を含んでもよい。この情報は、具体的には、例えば、集団反転が起きた箇所と隣接主相粒との磁化容易方向の差の平均値・分散値の情報や、磁化反転の伝播が止まった箇所の隣接粒との磁化容易方向の角度差の平均値・分散値などである。

また、磁化反転伝播詳細情報は、（３－３）主相粒の磁化容易方向と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んでもよい。この情報は、具体的には、例えば、集団反転が起きた箇所の外部磁界印加方向と磁化容易方向の角度差の平均値・分散値の情報や、磁化反転の伝播が止まった箇所の外部磁界印加方向と磁化容易方向の角度差の平均値・分散値の情報などである。

また、磁化反転伝播詳細情報は、（３－４）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んでもよい。この情報は、具体的には、集団反転が起きた箇所の二粒子粒界相の厚さの平均値・分散値の情報や、磁化反転の伝播が止まった箇所の二粒子粒界相の厚さの平均値・分散値の情報などである。なお、磁化反転伝播詳細情報は、（３－１）～（３－４）の情報に限らず、磁化反転の伝播や停止と、組織の情報とを組み合わせたものであればよい。

（磁気特性予測方法、及び磁化反転解析方法）
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。

図１９に示すように、まず、ステップＳ１にて、設定処理を行う。設定処理では、図２０（ａ）に示すように、入力装置５等から設定データが入力され（ステップＳ１０１）、ステップＳ１０２にて、設定処理部２１が、入力された設定データに応じた各種の設定を行う。その後、ステップＳ１０３にて、設定処理部２１が、各種の設定に伴うデータ更新処理等を行い、リターンする。

ステップＳ１の設定処理の後、ステップＳ２にて、制御部２は、新たなデータが入力されたかを判定する。ステップＳ２でＮｏ（Ｎ）と判定された場合、ステップＳ１１に進む。ステップＳ２でＹＥＳ（Ｙ）と判定された場合、ステップＳ３にて、データ取得処理を行う。

データ取得処理では、図２０（ｂ）に示すように、ステップＳ３０１にて、データ取得処理部２２が、組成データ７０、プロセスデータ７１、特性データ７４、及び各種画像データ（ＳＥＭ像データ６３１、ＥＢＳＤ像データ６４１、ＭＯＫＥ顕微鏡像データ６５１）を受信する。なお、必ずしもすべてのデータを一度に受信しなくてもよいし、全てのデータが揃わなくてもよい。その後、ステップＳ３０２にて、データ取得処理部２２が、受信した各データを関連付けて、全体データベース３１や画像データベース３６に登録し、記憶部３に記憶する。その後、リターンする。

ステップＳ３のデータ取得処理の後、ステップＳ４にて、制御部２が、ステップＳ３のデータ取得処理にて画像データが入力されたかを判定する。ステップＳ４でＮｏ（Ｎ）と判定された場合、ステップＳ８に進む。ステップＳ４でＹｅｓ（Ｙ）と判定された場合、ステップＳ５にて、組織解析処理を行う。

図２１に示すように、組織解析処理では、ステップＳ５０１にて、識別処理部２７１が、ＳＥＭ像データ６３１を用いて、主相粒と二粒子粒界相と粒界三重点とを識別する識別処理を行う。なお、識別処理に用いる画像は、ＳＥＭ像に限らず、ＥＢＳＤ像やＭＯＫＥ顕微鏡像、光学顕微鏡像等でもよい。その後、ステップＳ５０２にて、ラベル処理部２７２が、ラベル処理を行い、各主相粒、各二粒子粒界相、及び各粒界三重点にラベルを付ける。その後、ステップＳ５０３にて、隣接関係抽出処理部２７３が、隣接関係抽出処理を行う。隣接関係抽出処理では、磁化評価用画像のデータである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のデータであるＳＥＭ像データ６３１等を用いて、少なくとも主相粒同士の隣接関係を抽出する。ここでは、隣接関係抽出処理部２７３は、ＳＥＭ像データ６３１を用いて、主相粒同士の隣接関係や、粒界三重点同士の隣接関係を抽出する。なお、ステップＳ５０３の隣接関係抽出処理は、本発明の隣接関係抽出処理工程に相当する。

その後、ステップＳ５０４にて、組織解析処理部２７が、各主相粒、各二粒子粒界相、及び各粒界三重点のミクロ組織情報を取得するミクロ組織情報取得処理を行う。なお、組織情報を抽出しない場合にはステップＳ５０４は省略可能である。その後、ステップＳ５０５にて、組織解析処理部２７が、ラベル、ミクロ組織情報、及び隣接関係情報を関連付けて、ミクロ組織データベース３７である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を生成するミクロ組織データベース生成処理を行う。その後、ステップＳ５０６にて、組織解析処理部２７が、ミクロ組織データベース３７から、主要な組織の情報を組織データ７２として抽出する組織データ抽出処理を行う。抽出した組織データ７２は、全体データベース３１に登録され、記憶部３に記憶される。その後、リターンする。

ステップＳ５の組織解析処理を行った後、ステップＳ６にて、磁化反転解析処理を行う。図２２（ａ）に示すように、磁化反転解析処理では、ステップＳ６０１にて、磁化方向抽出処理部２８１が、磁化方向抽出処理を行う。磁化方向抽出処理では、磁化方向抽出処理部２８１が、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複数の磁化評価用画像としてのＭＯＫＥ顕微鏡像（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方向を抽出して磁化方向情報とする。なお、ステップＳ６０１の磁化方向抽出処理は、本発明の磁化方向抽出工程に相当する。その後、ステップＳ６０２にて、磁化方向抽出処理部２８１が、抽出した磁化方向情報を主相粒データベース９１に登録し、記憶部３に記憶する。

その後、ステップＳ６０３にて、磁化反転伝播解析処理部２８２が、磁化方向抽出処理工程の抽出結果である磁化方向情報、および隣接関係抽出処理工程の抽出結果である隣接関係情報を基に、磁化反転の伝播情報を導出する磁化反転伝播解析処理を行う。なお、ステップＳ６０３の磁化反転伝播解析処理は、本発明の磁化反転伝播解析工程に相当する。その後、ステップＳ６０４にて、磁化反転伝播解析処理部２８２が、抽出した磁化反転の伝播情報を二粒子粒界相データベース９２に登録し、記憶部３に記憶する。その後、リターンする。

ステップＳ６の磁化反転解析処理を行った後、ステップＳ７にて、磁化反転解析情報抽出処理部２９が、磁化方向情報、磁化反転の伝播情報、及び組織の情報を基に、磁化反転解析情報を抽出する磁化反転解析情報抽出処理を行う。磁化反転解析情報は、例えば、図１８にて示したものである。その後、ステップＳ８に進む。

ステップＳ８では、学習用データ抽出処理部２３が、全体データベース３１から、機械学習に用いる学習用データ３２を抽出する学習用データ抽出処理を行う。説明変数や目的変数にどのような項目を用いるかは、例えば、設定処理で設定することができる。本実施の形態では、説明変数データ８１に磁化反転解析情報が含まれるように、学習用データ抽出処理が行われる。

その後、ステップＳ９にて、回帰モデル作成処理を行う。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特性データ７４（すなわち目的変数データ８２）との関係を機械学習し、説明変数データ８１と特性データ７４（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、ステップＳ９の回帰モデル作成処理は、本発明の回帰モデル作成処理工程に相当する。回帰モデル作成処理では、図２３（ａ）に示すように、ステップＳ９０１にて、回帰モデル作成処理部２４が、未学習の学習用データ３２を機械学習に用いて、回帰モデル３３の更新を行う。なお、ステップＳ９０１は、回帰モデル３３が未作成である場合には、回帰モデル３３が新たに作成される。その後、ステップＳ９０２にて、更新（あるいは作成）した回帰モデル３３を記憶部３に記憶し、リターンする。

磁気特性の予測を行う際には、入力装置５等により、予測元データ３４を入力する（ステップＳ１０）。なお、予め予測元データ３４となるデータを磁気特性予測装置１に入力しておき、入力装置５により予測元データ３４として用いるデータを選択するよう構成してもよい。

ステップＳ１１では、制御部２が、予測元データ３４が入力されたかを判定する。ステップＳ１１でＮｏ（Ｎ）と判定された場合、リターンする（ステップＳ１に戻る）。ステップＳ１１でＹｅｓ（Ｙ）と判定された場合、ステップＳ１２に進む。

ステップＳ１２では、磁気特性予測処理を行う。磁気特性予測処理では、図２３（ｂ）に示すように、まず、ステップＳ１２１にて、磁気特性予測処理部２５が、回帰モデル３３を用いて、予測元データ３４に対応する特性データ７４（予測対象の磁気特性）を予測し、予測データ３５とする。その後、ステップＳ１２２にて、得られた予測データ３５を記憶部３に記憶する。なお、ステップＳ１２の磁気特性予測処理は、本発明の磁気特性予測処理工程に相当する。その後、リターンする。

ステップＳ１２の磁気特性予測処理を行った後、ステップＳ１３にて、予測データ提示処理を行う。予測データ提示処理では、予測データ提示処理部２６が、予測した予測データ３５を表示器４に表示する等して、予測データ３５を提示する。その後、リターンする（ステップＳ１に戻る）。

（変形例：ハードウェア構成）
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。

また、上記実施の形態では、磁気特性予測装置１と磁化反転解析装置１０とが一体に構成されている（１台のパーソナルコンピュータ等で構成されている）場合について説明したが、これに限らず、例えば、磁化反転解析装置１０を単独で用いることも当然に可能であり、磁化反転解析装置１０をサーバ等のネットワーク装置により構成してもよい。

（変形例：機械学習による磁化反転解析データ７３の予測）
また、上記実施の形態では、磁化反転解析処理部２８及び磁化反転解析情報抽出処理部２９によって磁化反転解析データ７３（磁化反転解析情報）を求めたが、機械学習により磁化反転解析データ７３を予測する機能を磁気特性予測装置１に備えてもよい。

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。

図２４（ａ）に示すように、磁化反転解析用回帰モデル作成処理部１０１には、学習用のデータとして、同一視野から取得した組織データ７２と磁化反転解析データ７３が入力される。これらデータは、全体データベース３１から抽出されたものであってもよい。磁化反転解析用回帰モデル作成処理部１０１は、入力された組織データ７２を説明変数、磁化反転解析データ７３を目的変数として、これらの相関性を示す磁化反転解析用回帰モデル１０２を作成する。

図２４（ｂ）に示すように、磁化反転解析データ予測処理部１０３には、磁化反転解析用回帰モデル１０２と、予測元の組織データ７２ａが入力される。磁化反転解析データ予測処理部１０３は、磁化反転解析用回帰モデル１０２を用い、予測元の組織データ７２ａに対応する磁化反転解析データ７３である予測磁化反転解析データ７３ａを導出する。

これにより、磁化反転解析を行わずとも磁化反転情報を予測することが可能になる。そのため、例えば、何らかの理由でＭＯＫＥ顕微鏡像データ６５１を取得できないような場合であっても、精度の高い磁気特性の予測が可能になる。また、磁化反転解析用回帰モデル１０２を用いて、磁化反転条件を満足する所望の組織特徴を予測することもできる。

（変形例：ミクロ組織データベース３７内での解析他）
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。

例えば、主相粒のミクロ組織情報である円相当径（図８（ａ）参照）を説明変数とし、主相粒の反転磁界強度（図１７（ａ）参照）を目的変数として機械学習を行い、両者の相関を示す回帰モデルを予め作成しておき、当該回帰モデルを用いて、予測元の主相粒の円相当径から、主相粒の反転磁界強度を予測することができる。

また、例えば、主相粒及び二粒子粒界相のミクロ組織情報を説明変数とし、磁化反転の伝播情報の各パラメータを目的変数として機械学習を行い、両者の相関を示す回帰モデルを予め作成しておき、当該回帰モデルを用いて、予測元の主相粒及び二粒子粒界相のミクロ組織情報から、磁化反転の伝播情報の各パラメータを予測することができる。

このように、主相粒や二粒子粒界相のミクロ組織情報の任意のパラメータを説明変数として、機械学習を利用して磁化方向情報や磁化反転の伝播情報の各種パラメータを予測してもよい。

同様に、全体データベース３１に含まれる任意のパラメータを説明変数として、ミクロ組織データベース３７の解析（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。また、これとは逆に、ミクロ組織データベース３７の任意のパラメータを説明変数として、全体データベース３１の任意のパラメータを予測するといったことも可能である。このような様々な予測を利用して、データの不足分を補い、図１の回帰モデル３３を作成可能となるように、各データベースの補完を行ってもよい。

（変形例：外部磁界の変化のさせ方）
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。

（変形例：磁化評価用画像）
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。

（変形例：各種情報の提示）
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。

（変形例：その他）
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。

（実施の形態の作用及び効果）
以上説明したように、本実施の形態に係る磁気特性予測装置１では、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特性データ７４との関係を機械学習し、説明変数データ８１と特性データ７４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部２４と、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部２５と、を備え、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んでいる。

これにより、磁化反転の挙動を考慮して磁気特性の予測を行うことが可能になり、磁気特性を精度よく予測することが可能になる。

（実施の形態のまとめ）
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。

［１］永久磁石の磁気特性を予測する磁気特性予測装置（１）であって、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特性データ（７４）との関係を機械学習し、前記説明変数データ（８１）と前記特性データ（７４）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部（２４）と、前記回帰モデル（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部（２５）と、を備え、前記説明変数データ（８１）は、着磁した前記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、磁気特性予測装置（１）。

［２］磁気光学カー効果顕微鏡（６５）により得た画像を用いて前記磁化反転解析を行う磁化反転解析処理部（２８）と、前記磁化反転解析処理部（２８）の解析結果を基に、前記磁化反転解析情報を抽出する磁化反転解析情報抽出処理部（２９）と、を備えた、［１］に記載の磁気特性予測装置（１）。

［３］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外部磁界の強度の情報を含む、［１］に記載の磁気特性予測装置（１）。

［４］前記磁化反転解析情報は、少なくとも、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、［１］に記載の磁気特性予測装置（１）。

［５］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、［１］に記載の磁気特性予測装置（１）。

［６］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磁化容易方向の角度差を、磁化反転の伝播に関連付けた情報を含む、［５］に記載の磁気特性予測装置（１）。

［７］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、［５］に記載の磁気特性予測装置（１）。

［８］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、［５］に記載の磁気特性予測装置（１）。

［９］前記永久磁石の組織の情報は、前記磁化反転解析が行われる前記永久磁石の領域と同一の領域から得られたものである、［５］に記載の磁気特性予測装置（１）。

［１０］前記説明変数データ（８１）として、前記磁化反転解析情報を含む磁化反転解析データ（７３）に加え、前記永久磁石の組織の情報を含む組織データ（７２）、及び前記永久磁石の製造条件の情報を含むプロセスデータ（７１）の少なくとも一方を用いる、［１］に記載の磁気特性予測装置（１）。

［１１］前記永久磁石の組織の情報を含む組織データ（７２）と、前記磁化反転解析情報を含む磁化反転解析データ（７３）との関係を機械学習し、前記組織データ（７２）と前記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、前記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）を予測する磁化反転解析データ予測処理部（１０３）と、をさらに備えた、［１］に記載の磁気特性予測装置（１）。

［１２］永久磁石の磁気特性を予測する磁気特性予測方法であって、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特性データ（７４）との関係を機械学習し、前記説明変数データ（８１）と前記特性データ（７４）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工程と、前記回帰モデル（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工程と、を備え、前記説明変数データ（８１）は、着磁した前記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、磁気特性予測方法。

［１３］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特性データ（７４）と、を含み、前記説明変数データ（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、データベース（３１，３２）。

（付記）
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。

１…磁気特性予測装置
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 (12)

1. 永久磁石の磁気特性を予測する磁気特性予測装置であって、
   予め設定された説明変数データと、予測対象の磁気特性の情報を含む特性データとの関係を機械学習し、前記説明変数データと前記特性データとの相関性を表す回帰モデルを作成する回帰モデル作成処理部と、
   前記回帰モデル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部と、を備え、
   前記説明変数データは、着磁した前記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、
   磁気特性予測装置。
2. 磁気光学カー効果顕微鏡により得た画像を用いて前記磁化反転解析を行う磁化反転解析処理部と、
   前記磁化反転解析処理部の解析結果を基に、前記磁化反転解析情報を抽出する磁化反転解析情報抽出処理部と、を備えた、
   請求項１に記載の磁気特性予測装置。
3. 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外部磁界の強度の情報を含む、
   請求項１に記載の磁気特性予測装置。
4. 前記磁化反転解析情報は、少なくとも、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１に記載の磁気特性予測装置。
5. 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１に記載の磁気特性予測装置。
6. 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磁化容易方向の角度差を、磁化反転の伝播に関連付けた情報を含む、
   請求項５に記載の磁気特性予測装置。
7. 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５に記載の磁気特性予測装置。
8. 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５に記載の磁気特性予測装置。
9. 前記永久磁石の組織の情報は、前記磁化反転解析が行われる前記永久磁石の領域と同一の領域から得られたものである、
   請求項５に記載の磁気特性予測装置。
10. 前記説明変数データとして、前記磁化反転解析情報を含む磁化反転解析データに加え、前記永久磁石の組織の情報を含む組織データ、及び前記永久磁石の製造条件の情報を含むプロセスデータの少なくとも一方を用いる、
    請求項１に記載の磁気特性予測装置。
11. 前記永久磁石の組織の情報を含む組織データと、前記磁化反転解析情報を含む磁化反転解析データとの関係を機械学習し、前記組織データと前記磁化反転解析データとの相関性を表す磁化反転解析用回帰モデルを作成する磁化反転解析用回帰モデル作成処理部と、
    前記磁化反転解析用回帰モデルを用いて磁化反転解析データを予測する磁化反転解析データ予測処理部と、をさらに備えた、
    請求項１に記載の磁気特性予測装置。
12. 永久磁石の磁気特性を予測する磁気特性予測方法であって、
    予め設定された説明変数データと、予測対象の磁気特性の情報を含む特性データとの関係を機械学習し、前記説明変数データと前記特性データとの相関性を表す回帰モデルを作成する回帰モデル作成処理工程と、
    前記回帰モデル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工程と、を備え、
    前記説明変数データは、着磁した前記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、
    磁気特性予測方法。

Images