AIが解く世界の難問 · 化学・材料 · arXiv · 2026-10-20
機械学習と物理制約付きニューラルネットワークによる鋼のインデンテーション・サイズ効果の補正
原題: Data-Efficient Indentation Size Effect Mitigation in Steels Using Machine Learning and a Physics-Constrained Neural Network
浅いナノインデンテーションで得られる硬さは、インデンテーション・サイズ効果により過大に出るため、薄い層や微小領域では正確な評価が難しい。本研究は、少数の参照材料で学習し、単一の浅い押し込みから高荷重での参照硬さを予測するデータ効率の高い手法を提案した。外部の鋼に対しては、物理制約付きニューラルネットワークと線形回帰が平均絶対誤差3.7〜4.8%を示した一方、ランダムフォレストとXGBoostは10.2%と8.5%にとどまった。