Download file (5.83MB)
Download as zip (5.8MB)

コレクション

引用

説明:

複数機関のクリープ試験データを活用した耐熱フェライト鋼のクリープ破断寿命予測モデルの構築について紹介する。各機関の機密性の高いデータを保護しつつ学習可能な連合学習技術を用い、8機関と共同でグローバルな深層学習モデルを構築した。個別機関のデータのみを用いたローカルモデルと比較し、連合学習で構築したグローバルモデルは全体に対して良好な予測精度を示した。また、説明変数空間でのデータの距離を定義し、データ量の多いNIMSを基準とした評価でも、グローバルモデルは距離に依存せず高い精度を維持した。

権利情報:

• Creative Commons BY-NC-ND Attribution-NonCommercial-NoDerivs 4.0 International
  

キーワード: ferritic heat resistant steel, federated learning, creep rupture time, high temperature tensile strength, machine learning, prediction

刊行年月日: 2025-04-01

出版者: Iron and Steel Institute of Japan

掲載誌:

• 鉄と鋼 vol. 111 issue. 5 p. 246-262

研究助成金:

原稿種別: 出版者版 (Version of record)

MDR DOI:

公開URL: https://doi.org/10.2355/tetsutohagane.tetsu-2024-124

関連資料:

その他の識別子:

連絡先:

更新時刻: 2025-07-26 08:30:25 +0900

MDRでの公開時刻: 2025-07-26 08:16:43 +0900