機械学習を活用したデータ駆動型研究手法による電気絶縁材料劣化機構解明

利用机器学习的数据驱动研究方法阐明电绝缘材料的劣化机制

基本信息

批准号：
21K04024
负责人：
弓達新治
金额：
$ 2.58万
依托单位：
Ehime University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本年度は，前年度に引き続き，電気絶縁材料開発分野への機械学習導入をおこなった。絶縁劣化現象は、例えば，電気トリーイング現象において，トリーの進展のしやすさやその進展形状は，さまざまな要因(印加電圧波形，温度，材料の諸物性値，マクスウェル応力など)が複雑に関係する。前年度より，機械学習の手法であるベイズ最適化を用いて，各種実験パラメータを決定するためのプログラムを構築し，網羅的実験より少ない試行回数で実験パラメータを求めることを試みている。ベイズ最適化を絶縁材料開発に活用する準備ができた。さまざまな要因が関係する電気トリー進展の実験結果をフェーズフィールドシミュレーションで再現することを目指した。本年度は，電圧印加時の静電エネルギーを考慮した電気トリーのフェーズフィールシミュレーションをおこなった。さまざまな要因を考慮したシミュレーションの準備ができた。各種パラメータと絶縁破壊電圧(直流電圧印加時)からなるデータベースを構築する際に，各々の試料を流れる微小電流および空間電荷蓄積状態を知ることは絶縁破壊の要因を探るために重要である。無機フィラーである酸化マグネシウム(MgO)，酸化亜鉛(ZnO)，酸化第二鉄(Fe2O3)を添加したポリマーを作製し，微小電流および空間電荷蓄積状態を測定した。また，空間電荷蓄積状態を再現するシミュレーションに用いるパラメータの機械学習を用いた推定をおこなった。

今年，继去年之后，我们将机器学习引入到电气绝缘材料开发领域。在绝缘劣化现象中，例如，在电树现象中，树生长的难易程度及其形状与各种因素（施加的电压波形、温度、材料的各种物理特性、麦克斯韦应力等）有着复杂的关系。。自去年以来，我们一直在使用贝叶斯优化（一种机器学习方法）来构建确定各种实验参数的程序，并尝试使用比详尽实验更少的试验来确定实验参数。我们现在准备将贝叶斯优化应用于绝缘材料的开发。我们的目的是利用相场模拟重现涉及各种因素的电树演化的实验结果。今年，我们对电树进行了相感模拟，其中考虑了施加电压时的静电能量。我们现在准备运行考虑各种因素的模拟。当构建由各种参数和介电击穿电压（施加直流电压时）组成的数据库时，了解流经每个样品的微电流和空间电荷积累的状态对于研究介电击穿的原因非常重要。我们制备了含有氧化镁（MgO）、氧化锌（ZnO）和氧化铁（Fe2O3）等无机填料的聚合物，并测量了微电流和空间电荷积累状态。我们还使用机器学习来估计模拟中使用的参数，以重现空间电荷积累状态。