[4F4-GS-10o] AI応用：マテリアル情報

[4F4-GS-10o-02] 深層学習を用いた金属薄膜の低サイクル疲労損傷の予測

〇上山 道明¹、清水 一輝²、秋庭 義明¹ (1. 横浜国立大学、2. 日鉄テクノロジー株式会社)

キーワード：金属薄膜、疲労破壊、深層学習

金属薄膜は幅広いデバイスの部品に利用されている。例えば，配線や電極、導電膜等がある。これらは製品の正常動作に重要な部分であるため、薄膜の損傷の予測は、製品の信頼性の観点で重要である。特に、薄膜の導電性を利用した部品のFPC(フレキシブルプリント基板)では大ひずみが繰返し生じ厳しい疲労条件に置かれるが、金属薄膜の疲労過程は極めて複雑で予測が困難である。そこで、表面で観察される疲労き裂を直接評価でき、高精度に予測できる可能性があるCNN(畳み込みニューラルネットワーク)を用いて、FPC上金属薄膜の疲労損傷を予測する手法を検討した。本研究では銅薄膜表面の顕微鏡画像を対象とし、低サイクル疲労損傷の予測を行った。疲労き裂伝播を予測するCNNの学習時には，損失としてMSE lossとVGG lossの和を用いた。その結果，疲労損傷によるき裂の伝播を実測とほぼ同等の位置に予測できた．また，疲労損傷によって増加する電気抵抗比を6%の誤差で予測できた．