(Special session) Introduction of the long-term MMIJ project (2022 Spring)

[3K0101-08-06] Development of copper matte-slag formation multiphysics with high-speed imaging and deep learning

○Shungo Natsui¹, Hiroshi Nogami¹ (1. Tohoku University)

司会：邑瀬 邦明（京都大学）

Keywords:copper concentrate, high-speed imaging, suspended combustion method, deep learning

乾式銅製錬用自熔炉において、投入原料である硫化物銅精鉱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）が生成する。反応速度制御・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での複雑な燃焼形態の「その場」での詳細な理解が求められる。本研究では、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取得するとともに、Deep Neural Network(DNN)を利用したいわゆる「Deep Learning」によって、各銅精鉱の化学的情報と紐付けることを目的とした燃焼パターンの分類を試みた。まず各精鉱に教師ラベルとして組成データを付与し、燃焼挙動の経時変化について学習させたところ、予測精度は90％以上に達し、本法の妥当性を確認した。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ところ、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。今後は、鉱物結晶構造など組成のみでは記述できない情報が、燃焼挙動に及ぼす影響についても検討予定である。