在隐藏数据的情况下构建机器学习模型

6家公司2国研究所的产学数据联合预测广泛的耐热材料的长期耐久性

2025.03.13

NIMS (国立研究开发法人物质材料研究机构)

NIMS与株式会社IHI、川崎重工业株式会社、关西电力株式会社、株式会社神户制钢所、电源开发株式会社、国立研究开发法人日本原子能研究开发机构、三菱重工业株式会社、株式会社Elix共同开发了在隐匿各机构数据的状态下实施机器学习，预测多种耐热钢铁材料的长期耐久性的模型 本研究成果于2025年2月6日在《钢铁与钢》杂志上先行公开。

概要

以往的课题

材料数据高度机密，很难与其他机构共享。 但是，取得需要大量的时间和成本，希望超越机构进行活用。 特别是发电设备的耐热材料寿命数据可能需要10年以上才能取得，需要产学合作。

成果要点

NIMS开发了在隐藏数据的情况下在各机构分散进行机器学习的系统，在6家公司2国研究所的数据互不公开的情况下在隐藏的情况下实施机器学习。 建立了预测耐热钢铁材料长期耐久性的模型(图)。 与仅使用NIMS数据的本地模型相比，该模型的预测精度大幅提高。 这是第一次在产学之间不共享数据的情况下进行合作。

前景展望

期待以这次的事例为契机，在材料领域整体上扩大产学数据合作。 在隐匿NIMS开发的数据的情况下分散进行机器学习的系统是开源的，任何人都可以使用。 今后，NIMS将成为合作的协调者，满足产学合作的需求。

图片

图:各机构开展分布式学习，在数据保密的情况下进行整合，提高耐热材料寿命预测精度

其他

本研究中使用的在隐藏数据的情况下进行分散学习的系统，是由NIMS和株式会社Elix在内阁府SIP第2期“基于综合型材料开发系统的材料革命”的支持下开发的，通过开放源代码化( https://github.com / 本工作是在文部科学省数据创造活用型材料研究开发项目事业JPMXP1122684766的支持下，在NIMS结构材料DX-MOP的框架内实施的。

本研究成果于2025年2月6日在《钢铁与钢》杂志的在线版上提前公开。

刊登论文

题目:蠕变断裂时间及高温拉伸强度预测模型的联合学习

作者:樱井惇也、鸟形启辅、松永学、髙梨直人、日比野真也、木津健一、森田聪、井元雅弘、下畠伸朗、丰田晃大、中村忠晖、桥本憩太、大久保达矢、柏希提洛克、理查德·范桑、

出村雅彦

杂志:铁和钢

刊登日期: 2025年2月6日

DOI :

10.2355/tetsutohagane.tetsu-2024-124