資源・素材学会 年次大会

乾式の銅製錬炉である自熔炉では、投入した原料の硫化物銅精鉱から、その酸化反応によって、目的生成物であるマット（Cu₂S-FeS融体）とスラグ（FeO_x-SiO₂系酸化物融体）を生成する。銅製錬プロセスにおけるエネルギー利用の高度効率化には、種々の硫化物およびSiO₂をはじめとする酸化物成分の酸素富化気流中の複雑な燃焼形態をより詳細に知る必要がある。本研究では、Deep Neural Network(DNN)を利用したいわゆる「Deep Learning」によって、懸垂燃焼法で得られる種々の実銅精鉱燃焼時の高速かつ詳細な可視化データを組成と紐付けることで燃焼パターンの分類を実行した。各精鉱に教師ラベルとして組成のデータを付与したところ、本法での学習後の予測精度は90％以上を達成した。次に、学習済DNNを使用して未知の燃焼可視化データから組成を予測させた。特徴的な燃焼パターンに対して、関連性の高いと考えられる元素に共通した予測精度結果が得られた。このことは、結晶構造を含む化学組成データによって、燃焼パターンに影響を及ぼす融体や酸化皮膜形成、ガス発生の鉱石種による変化の分類可能性を示している。