[1Yin-A] Poster 1

[1Yin-A-66] Study on Conditioning Strategies for Diffusion-Model-Based Prediction of Unseen Microstructures in MoSiBTiC Alloys

〇Shugo Tomioka¹, Chihana Kudo², Shunto Obana², Takahiro Kaneko³, Kyosuke Yoshimi³ (1. Tohoku Univ. Eng. (Undergrad.), 2. Tohoku Univ. Eng. (Grad.), 3. Tohoku Univ. Eng.)

Keywords:

Materials Informatics,Deep Generative Model,Microstructure Predicttion

材料開発は多大な時間を要するため，開発期間の短縮は喫緊の課題である．近年，開発プロセスの加速化を目的として，深層生成モデルを用いて組成等の試料作製条件からミクロ組織を推定する研究が盛んに行われている．深層生成モデルを用いたミクロ組織推定の先行事例は存在するものの，次世代耐熱材料として期待されるMoSiBTiC合金のような多相かつ複雑なミクロ組織を有する材料を対象とした研究事例は少なく，組成等を条件としたミクロ組織の推定手法の確立が期待される．そこで本研究では，MoSiBTiC合金を対象とし，拡散モデルを用いて未観察の組成，すなわちトレーニングデータにない組成におけるミクロ組織を推定する手法を検討した．拡散モデルの条件付き学習・生成に用いる組成情報について，種々の方法で埋め込んで人工ミクロ組織を生成・評価し，その埋め込み手法の違いが人工ミクロ組織の推定精度に及ぼす影響について調査した．