[1N3-GS-10] AI応用：医療/臨床への応用Ⅰ

[1N3-GS-10-02] 機械学習を用いた高分子複合材料における疲労限の予測

〇柴野 赳雄¹ (1. 日野自動車株式会社)

キーワード：高分子複合材料、ランダムフォレスト、マテリアルズインフォマティクス

近年、樹脂業界では、災害などの影響により、材料の供給が突発的に停止することがある。自動車に用いられる樹脂材料の評価項目は多岐に渡り、評価工数が多く必要である為、材料の供給が停止となる緊急時において、材料の迅速な切替えができていないのが現状である。樹脂材料の評価項目の中でも、特に評価工数が長く、必要となる機会が多いのは、疲労試験である。本報では、機械学習を用いることで、高分子複合材料における疲労限の予測を目指した。今回用いた解析手法は、決定木のアンサンブル法(Random Forest、XGBoost、Light GBM)である。解析の結果、材料の熱的特性や物性、そして試験条件が疲労限に大きく寄与していると分かった。また、樹脂に関するドメイン知識と照らし合わせた結果、解析に用いたデータセットに対しては、XGBoost回帰が適切であると分かった。結果、学習に用いていない材料メーカーの新規の高分子複合材料においても、決定係数が0.803と汎化性のある疲労限の予測モデルを確立することができた。今後も試験データを追加し、モデルの精度向上を目指していく。