機械学習とXAIを用いた鋼の結晶粒成長速度予測による機械的特性の向上

科学分野:

• 材料科学; 金属学; 計算材料科学

背景:

• 鋼の機械的特性を最適化するには、熱機械加工中の結晶粒成長速度論の理解が必要です。従来のモデルでは、組成と加工パラメータ間の複雑な相互作用に対処するのが困難です。

研究 の 目的:

• オーステナイト結晶粒成長挙動を予測する新しい機械学習（ML）フレームワークを開発すること。正確な予測のために化学組成とプロセス条件を利用すること。

主な方法:

• 1039個の実験的に検証されたサンプルの包括的なデータセットが使用されました。ハイパーパラメータ最適化後、高いR2を達成したXGBoostアルゴリズムが採用されました。特徴選択とSHAP分析により、結晶粒成長に影響を与える主要なパラメータが特定されました。

主要な成果:

• XGBoostモデルはR2スコア0.9728を達成し、優れた予測能力を示しました。温度、初期結晶粒径、保持時間が主要な要因として特定されました。316Lステンレス鋼を用いた実験的検証では、予測値と測定値の間に強い一致が見られました。

結論:

• 本研究は、鋼の結晶粒成長速度を予測するための最初の統合されたMLと実験的アプローチを提示します。開発されたフレームワークは、合金設計とプロセス最適化のための強力なツールを提供します。今後の作業では、より多くの変数と合金系を含むようにフレームワークを拡張します。