従来の課題 高精度な実験データは、マテリアル分野におけるメカニズム解明、理論・モデル構築、数値シミュレーション、AI・機械学習を支える基盤情報であり、材料イノベーションの源泉です。特に、耐熱超合金は多数の元素で構成されるうえ、複雑なミクロ組織構造を有するため、構造・プロセスの最適化には、多量かつ高精度なプロセス-構造-特性データベースが必要になります。しかしながら、実験データベース構築には長い年月をかけた地道な実験と膨大な資源投入が必要であり、合金開発の障壁となっていました。 成果のポイント...

従来の課題 材料データは機密性が高く、他機関と共有することが困難です。しかし、取得には多大な時間とコストがかかり、機関を超えた活用が望まれます。特に、発電設備の耐熱材料寿命データは、取得に10年以上かかる場合があり、産学連携が求められています。 成果のポイント NIMSは、データを秘匿したまま各機関で分散して機械学習を行うシステムを開発し、6社2国研のデータをお互いに開示せずに秘匿したまま機械学習を実施。耐熱鉄鋼材料の長期耐久性を予測するモデルを構築しました(図)。...