2 分で読了
0 views

Marcellus頁岩の弾性・強度・破壊特性の実験的解明

(Elastic, strength, and fracture properties of Marcellus shale)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、先日の話で「岩盤の性質を実験で測るとき、サイズで結果が変わる」と伺いましたが、具体的にどう変わるのか全く想像がつきません。現場での判断に使える話でしょうか。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、順を追って整理すれば投資判断に直結する話になりますよ。要点は3つで、1) ラボ試験と現場のスケール差、2) 亀裂進展の評価指標(破壊靭性や破壊エネルギー)、3) サイズ効果則(Size Effect Law, SEL)を使った実務的補正、です。

田中専務

それを聞くと気になります。投資に直結するのは「現場で亀裂が広がるかどうか」ですが、破壊靭性や破壊エネルギーという言葉が出てきました。これって要するに現場での『壊れにくさ』を数値で比較する指標という理解でいいですか。

AIメンター拓海

見事な本質把握ですよ!ほぼその通りです。破壊靭性(Fracture toughness, KIc)と破壊エネルギー(Fracture energy, Gf)は、材料が亀裂を進展させやすいか否かを示す数値です。実務ではこれらをもとに設計や作業手順を安全側に調整できますよ。

田中専務

なるほど。ただラボ試験で測った値をそのまま現場に当てはめるのは危険だと。そこでSELという補正を使うと聞きましたが、あれは要するに『小さな試験片の結果を大きな現場サイズに拡張するための換算式』という理解でいいですか。

AIメンター拓海

その理解で合っていますよ。SEL(Size Effect Law)は、亀裂が進む際に試験片のサイズが結果に与える影響を数学的に捉える法則です。難しく聞こえますが、実務的にはラボ値に対してどの程度の安全マージンや補正が必要かを定量的に示してくれる道具です。

田中専務

実務判断で欲しいのは、投資対効果が見えることです。分析結果を使ってどんな意思決定ができますか。例えば、掘削深度や水圧の設定、安全係数の決め方の参考になるのか知りたいです。

AIメンター拓海

良い質問ですね。要点を3つにまとめますと、1) 破壊特性を現場規模に外挿して安全係数を合理的に設定できる、2) 層理(ベッディング)方向による異方性を考慮して掘削や圧入方向を最適化できる、3) 複数試験法(圧縮、引張、ブラジリアン試験)を組み合わせて信頼性の高い材料パラメータを得られる、です。これらは全てコストと安全の天秤で直接使えますよ。

田中専務

ありがとうございます。ここまで聞いて、現場設計においてラボ試験をそのまま使うのはリスクで、SELなどで補正した上で層理方向や亀裂進展の指標を活用すれば投資判断が洗練されると理解しました。自分の言葉で説明するとこういうことですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
SGANによるGAN訓練の別解
(SGAN: An Alternative Training of Generative Adversarial Networks)
次の記事
DCT領域で読み解く多重JPEG圧縮の識別
(DCT-domain Deep Convolutional Neural Networks for Multiple JPEG Compression Classification)
関連記事
アベル665における強い合体衝撃
(A STRONG MERGER SHOCK IN ABELL 665)
大規模多クラスデータ分類のための増分学習型ランダムフォレスト
(hi-RF: Incremental Learning Random Forest for large-scale multi-class Data Classification)
母集団事後分布とストリーム上のベイズ推論
(The Population Posterior and Bayesian Inference on Streams)
太陽過渡現象認識のための深層学習
(STRUDL)—ヘリオスフェリックイメージャーデータ向け (Solar Transient Recognition Using Deep Learning (STRUDL) for heliospheric imager data)
小さな物体検出のための知覚的生成対抗ネットワーク
(Perceptual Generative Adversarial Networks for Small Object Detection)
動的グラフの構造予測
(Forecasting the structure of dynamic graphs)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む