| 講演抄録／キーワード |
| 講演名 |
2022-02-21 15:20
ゴム材料開発のためのGenerative Adversarial Networkに基づく配合量および物性値からの電子顕微鏡画像の生成に関する一検討
○柳 凜太郎・藤後 廉・前田圭介・小川貴弘・長谷山美紀（北大） |
| 抄録 |
（和） |
ゴム材料の物性推定は，ゴム材料開発の高度化・高速化において必要不可欠であり，様々な推定手法が提案されている．一方，従来の推定手法では大量のパラメータを複雑に組み合わせることで推定が行われており，配合データと物性の関連性を人が理解可能な形式で確認することは困難であった．ここで，ゴム材料開発の現場においては，電子顕微鏡画像を用いた視覚的な材料開発が行われている．そのため，機械学習手法に基づく関連性の解析を人が理解可能な形式で実現するためには，電子顕微鏡画像という視覚的な情報を経由することが有用であると考えられる．しかしながら，配合データや物性から電子顕微鏡画像を試作するためには多大な労力が必要であることから，解析可能な電子顕微鏡画像のデータは限られている．そこで，本文では，配合データおよび物性からの電子顕微鏡画像生成について検討を行う．提案手法では，電子顕微鏡画像，配合データおよび物性の組を用いて，条件付き画像生成ネットワークの学習を行う．提案手法により，人が理解可能な形式での物性推定に結びつくことが期待される． |
| （英） |
Estimating the properties of rubber materials from ingredients is necessary to accelerate rubber material development. Although conventional researches realize rubber property estimation by utilizing pairs of ingredient and rubber properties, users cannot understand the relationships between ingredient and rubber properties because of these complex parameter combinations. Here, it is well known that rubber materials with similar ingredients and properties possess similar electron microscope images. Therefore, visual information of electron microscope images can be considered effective for realizing user-understandable rubber property estimation. In this paper, we propose a method that can generate electron microscope images from ingredients and rubber properties. In the proposed method, we train a generative adversarial network utilizing electron microscope images, ingredient mix proportions, and rubber properties. Our method leads to a human-understandable rubber property estimation. |
| キーワード |
（和） |
ゴム材料 / 電子顕微鏡画像 / 敵対的生成ネットワーク / 画像生成 / 配合データ / 物性 / / |
| （英） |
rubber materials / electron microscope image / generative adversarial network / image generation / ingredient mix proportions / material property / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|