JP2021189050A - 非破壊構造解析装置、非破壊構造検査装置および非破壊構造解析方法 - Google Patents

Abstract

【課題】測定対象の形状や組成が未知の条件のもとでも、測定対象の情報を高い精度で得ることができる非破壊構造解析装置を提供する。
【解決手段】放射線を用いた対象物５の測定の結果から対象物５の物質情報を得る非破壊構造解析装置１００は、測定領域１０を模擬したシミュレーション空間にランダムに物質情報を設定したランダム物質モデルを作成するランダム物質モデル作成部１１１と、ランダム物質モデルについて非破壊検査測定を再現するシミュレーションを実行するシミュレーション実行部１１２と、シミュレーションの結果から非破壊検査測定の結果を模擬する実測再現値を算出する計測値演算部１１３と、複数のランダム物質モデルとそれに対応する実測再現値の複数のセットを用いた機械学習により実測再現値を説明変数としランダム物質モデルの物質情報を目的変数とする予測器を作成する予測器作成部１１４とを具備する。
【選択図】図１

Description

本発明の実施形態は、非破壊構造解析装置、これを用いた非破壊構造検査装置、および非破壊構造解析方法に関する。

構造物内部の物質の分布や内部情報を測定する技術として、さまざまな非破壊検査手法が知られている。

代表的な技術としてエックス線を用いたラジオグラフィによる二次元透過画像作成、あるいはコンピュータ断層撮影（ＣＴ：Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）による３次元画像作成による測定が挙げられる。その他に中性子線源を用いたラジオグラフィ、パルス中性子源を用いたパルス中性子イメージング、中性子散乱、回折法、宇宙線ミュオンの透過率を用いた二次元画像測定やミュオン散乱を用いたミュオントモグラフィ等の多数の手法が存在する。

これらの手法は物質に対して特定の放射線（光子や粒子）をプローブとして入射し、その放射線が物質中でエネルギーを失うことにより減衰する作用や、物質を構成する粒子との相互作用により散乱する現象を測定することで、物質の情報を間接的に取得する手法である。

これらの手法は幅広い分野で用いられており、医療の分野ではレントゲンやＣＴによる診断、工業の分野では構造物の健全性の評価や材料の組成の評価等に用いられている。

放射線を用いた構造解析手法では、物質内部で、プローブとする粒子が起こす物質との相互作用を解析することにより構造を予測することが可能であるため、測定値を再現するシミュレーション手法としてモンテカルロ法が幅広く用いられている。

モンテカルロ法は、乱数を用いて多数の粒子の物質中での挙動を解析する手法であり、実際の測定における粒子挙動を高い精度で再現することができる。したがって、シミュレーションモデルとして、測定対象となる物質の形状や組成等を正確に再現し、プローブとなる粒子の種類やエネルギーなどの条件を再現することで、様々な手法における測定結果を非常に高い精度で再現することができる。

これらのシミュレーション技術は、実物での測定を行う前の準備段階での測定条件の検討や、測定結果と予測値との整合性の評価等を行うために利用されている。特に、複雑な測定条件においては、測定結果の解釈が困難である。したがって、目的とする測定結果が得られているかを確認するために、測定値とシミュレーションの比較による詳細な測定結果の分析が必要となる。

特開２０１３−２３１７００

前述したように、放射線をプローブとする非破壊検査手法は、モンテカルロ・シミュレーションにより高い精度で測定結果を再現することができる。しかしながら、モンテカルロ・シミュレーションを行うためには、測定体系を詳細に再現するモデルを作成する必要がある。このため、測定対象に対する情報が事前に得られない場合は、シミュレーシによる予測を行うことができないという課題があった。

そこで、本発明の実施形態は、測定対象の形状や組成が未知の条件のもとでも、測定対象の情報を得ることを目的とする。

上述の目的を達成するため、本実施形態に係る非破壊構造解析装置は、放射線を用いた対象物の測定の結果から前記対象物の物質情報を得る非破壊構造解析装置であって、前記対象物が存在する測定領域を模擬したシミュレーション空間を複数の３次元セルに分割し、各３次元セルにランダムに物質情報を設定した複数のランダム物質モデルを作成するランダム物質モデル作成部と、前記複数のランダム物質モデルのそれぞれについて非破壊検査測定を再現するシミュレーションを実行するシミュレーション実行部と、前記シミュレーションのそれぞれの結果から前記非破壊検査測定の結果を模擬する実測再現値を算出する計測値演算部と、前記ランダム物質モデルとそれに対応する前記実測再現値の複数のセットを用いた機械学習により、前記実測再現値を説明変数とし、前記ランダム物質モデルの物質情報を目的変数とする予測器を作成する予測器作成部と、を具備することを特徴とする。

第１の実施形態に係る非破壊構造検査装置およびその非破壊構造解析装置の構成を示すブロック図である。 第１の実施形態に係る非破壊構造解析装置におけるランダム物質モデル作成のためのセル分割を示す概念的な分割図である。 第１の実施形態に係る非破壊構造解析装置におけるランダム物質モデルの一例を示す概念的なモデル図である。 第１の実施形態に係る非破壊構造検査装置における測定系の構成を示すブロック図である。 第１の実施形態に係る非破壊構造解析装置による実施例の対象物を示す立体図である。 第１の実施形態に係る非破壊構造解析方法の手順を示すフロー図である。 第１の実施形態に係る非破壊構造解析装置による実施例のランダム物質モデルの一例を示す立体図である。 第１の実施形態に係る非破壊構造解析装置による実施例の測定結果を示す立体図である。 第２の実施形態に係る非破壊構造検査装置における測定系の構成を示すブロック図である。 第３の実施形態に係る非破壊構造検査装置における測定系の構成を示すブロック図である。 第４の実施形態に係る非破壊構造検査装置およびその非破壊構造解析装置の構成を示すブロック図である。 第４の実施形態に係る非破壊構造検査装置における測定系の構成を示すブロック図である。 第４の実施形態に係る非破壊構造検査装置による物質重量予測結果の例を示すグラフである。非破壊構造検査装置

以下、図面を参照して、本発明の実施形態に係る非破壊構造解析装置および非破壊構造解析方法について説明する。ここで、互いに同一または類似の部分には、共通の符号を付して、重複する説明は省略する。

［第１の実施形態］
図１は、第１の実施形態に係る非破壊構造検査装置３００およびその非破壊構造解析装置１００の構成を示すブロック図である。非破壊構造検査装置３００は、測定領域１０内の対象物５の構造を解析する非破壊構造解析装置１００および測定対象とする測定領域１０の測定を行う測定系２００を有する。なお、本実施形態では、後述するように、測定系２００は、ミュオン散乱測定による測定装置２１０を用いた場合を例にとって示す。

非破壊構造解析装置１００は、予測器関係演算部１１０、記憶部１２０、予測器１３０、構造解析部１４０、外部入力を受け入れる入力部１５０および外部へ出力する出力部１６０を有する。

予測器関係演算部１１０は、ランダム物質モデル作成部１１１、シミュレーション実行部１１２、計測値演算部１１３、予測器作成部１１４を有する。

まず、ランダム物質モデル作成部１１１について説明する。図２は、ランダム物質モデル作成のためのセル分割を示す概念的な分割図である。

ランダム物質モデル作成部１１１は、測定領域１０を模擬するシミュレーション空間１０ａを、複数のセルまたはボクセル（以下３次元セルと略）１１にセル分割し、各３次元セル１１に指定した組成を配置する。ここで、セル分割は、各軸方向にすべて等間隔でもよく、各軸方向に等間隔であるが軸方向ごとの間隔は異なっていてもよい。さらに、等間隔ではなくともよい。図２では、７行×６列の分割の例を示している。図２では、図示の便宜上、２次元的な分割の例を示しているが、測定領域１０が３次元の体系であれば、多くは、３次元的に複数の３次元セルに分割する。

図３は、ランダム物質モデルの一例を示す概念的なモデル図である。図３では、測定領域１０中の各３次元セル１１に、白抜きの３次元セルが空気、黒塗りの３次元セルが鉄の２種類の場合を示している。なお、この際、鉄の密度として複数の組成を用いてもよい。また、図３では、空気と鉄の２通りの場合を示したが、測定領域１０中に複数の種類の物質が含まれる場合は、体系に含まれる主要な物質を全て設定することで、複数の物質の分布を再現することができる。以下、各３次元セル１１における物質種類あるいは同じ物質の密度区分などの情報を、３次元セル１１内の物質情報と呼ぶものとする。

ランダム物質モデル作成部１１１は、３次元セル中に鉄をランダムに分布させたシミュレーションモデルを大量に作成する。測定領域１０中の３次元セルの数がｎ、物質および密度の種類の数がｍの場合、組み合わせは、ｍ^ｎ通りとなる。すなわちランダム物質モデルの数Ｎは、最大ｍ^ｎ個となる。

しかしながら、後述するように、予測器１３０の作成を機械学習により行うことから、ランダム物質モデルの数Ｎは、前述の最大ｍ^ｎ個とする必要はない。ここで、作成するモデルの数は任意であるが、予測器１３０の作成を十分な精度で行うためには、千通り以上のモデルを作成することが好ましい。設定する３次元セルが十分に細かく、作成するモデルの数が十分に多い場合、ランダム物質モデル作成の手法により測定領域中で成立し得る鉄の分布条件のほとんどを網羅することができる。

次に、シミュレーション実行部１１２について説明する。

シミュレーション実行部１１２は、ランダム物質モデル作成部１１１で作成された各ランダム物質モデルについて、モンテカルロ・シミュレーションにより、測定領域１０におけるミュオンと対象物５との相互作用、および、それによるミュオンの挙動を再現するシミュレーションを実行する。

ここで、一般的に、対象物５と放射線との相互作用としては、エックス線、ガンマ線等の電磁波および中性子線、ミュオン等の粒子線の減衰、エックス線、中性子線、ミュオン等の散乱および回折などがある。

この際、測定系２００の構成、特性および配置、測定領域１０へのミュオンの照射条件などのシミュレーション条件は、あらかじめ、入力部１５０に外部入力として受け入れられ、記憶部１２０に収納、記憶される。

シミュレーション実行部１１２は、このシミュレーション条件の下で、準備されたすべてのランダム物質モデルについて、測定系２００による測定を再現するシミュレーションを実行する。

次に、計測値演算部１１３について説明する。計測値演算部１１３は、シミュレーション実行部１１２でシミュレートされたミュオンと対象物５との相互作用によるミュオンの挙動に基づいて、ミュオン散乱測定の体系の下でミュオン散乱測定の再現により計測値を算出する。すなわち、実際の測定と同様に、検出器位置でのミュオン軌跡のデータが出力される。このデータは実測値と同等の形式を持つことから、実測再現値と呼称する。ランダム物質モデルをＮ通り作成した場合は、測定を再現するシミュレーションもＮ通り実行され、実測再現値もＮ通りの値が出力される。なお、ミュオン散乱測定のみの場合はＮ通りとなるが、複数の異なるＭ種類の測定手法を適用する場合は、１つのランダム物質モデルに対してＭ個の実測再現値を持つデータセットがＮ組作成される。

次に、予測器作成部１１４について説明する。予測器作成部１１４は、測定値を説明変数Ｘとし、目的とする値を目的変数Ｙとした関数（Ｙ＝ｆ（Ｘ））を作成する。ここで、目的とする値は、たとえば、後述する回帰分析の場合には、説明変数である測定値Ｘに対応するランダム物質モデルのモデル情報である。

予測器作成部１１４は、関数ｆ（Ｘ）を、機械学習に基づいて作成する。以下に、機械学習における教師あり学習の場合として、回帰分析およびクラス分類の例を示す。

まず、回帰分析の場合を説明する。回帰分析では、目的変数Ｙを、ランダム物質モデルが持つ数値情報とし、説明変数Ｘを実測再現値とする。

説明変数Ｘが１種類である単回帰分析においては、ある変数ｘから、目的となる値ｙを予測する。また、説明変数が複数でｍ個ある重回帰分析では、ｘ１、ｘ２〜ｘｍまでのｍ個の変数から、目的となるｙの値を予測する関数を作成する。

回帰分析を用いる場合は、目的変数Ｙを、測定領域中の鉄の重量や平均密度などの連続量として設定することによって、説明変数Ｘであるミュオン散乱データから、直接的にモデルが持つ情報を推測することができる。

次に、クラス分類の場合を説明する。クラス分類においては、たとえば、ある３次元セルに対して３次元セルの組成が空気か鉄かの２値の分類問題を扱う。あるいは、設定した物質が複数ある場合、同じ物質でも密度のレベルが複数ある場合等においては、多クラス分類問題となる。クラス分類の代表的な手法として、ＳＶＭ（サポートベクターマシン）が挙げられる。

クラス分類を行うことによって、各３次元セルが鉄であるか空気であるかが判定される。この分類を行うことにより、測定値から３次元セル中の鉄の分布を予測することができる。あるいは、他クラス分類の場合は、そのクラスに応じた分類に基づいて３次元セル中の物質の分布を予測することができる。

上記の手法以外にも機械学習、ディープラーニングの各手法を用いて、３次元セルの物質の分類、または測定体系の密度や物質の含有率などの特徴量を推定する予測手法を適用することで、測定値を入力としてランダム物質モデルで作成されたモデル情報を出力する予測器を作成することができる。

次に、記憶部１２０について説明する。記憶部１２０は、モデル記憶部１２１、シミュレーション条件記憶部１２２、および計測値演算結果記憶部１２３を有する。

まず、モデル記憶部１２１は、ランダム物質モデル作成部１１１が作成したすべてのランダム物質モデルを収納、記憶する。それぞれのランダム物質モデルは、図３に概念的に示したような３次元セル１１の体系における各３次元セル１１内の物質情報の集合として収納される。

次に、シミュレーション条件記憶部１２２は、外部入力として入力部１５０が受け入れたシミュレーション条件を収納、記憶する。シミュレーション条件としては、前述のような測定系２００の構成、特性および配置、測定領域１０へのミュオンの照射条件の外に、３次元セル１１の寸法等の情報がある。

次に、計測値演算結果記憶部１２３は、計測値演算部１１３による検出器位置での測定値の演算結果である実測再現値を、それぞれのランダム物質モデルに対応付けた形で収納する。なお、計測値演算結果記憶部１２３は、シミュレーション実行部１１２による演算結果等をさらに収納、記憶してもよい。

次に、予測器１３０について説明する。予測器１３０は、前述のように、予測器作成部１１４により作成された、測定値を説明変数Ｘとし、目的とする値を目的変数Ｙとした関数（Ｙ＝ｆ（Ｘ））を有している。予測器１３０が有するこの関数は、前述のように、機械学習により、使用される測定系２００の条件の下での測定値（説明変数Ｘ）と目的変数Ｙとの対応付けが可能となっている関数である。

測定系２００で得られた測定結果は、入力部１５０により受け入れられ、予測器１３０に入力される。予測器１３０は、この測定結果を説明変数Ｘとして、関数ｆ（Ｘ）を用いて、目的変数Ｙ、すなわち、測定結果に対応する３次元セル１１内の物質情報を出力する。

次に、構造解析部１４０は、予測器作成部１１４により作成された予測器１３０を用いて、入力部１５０を介して受け入れた測定系２００で測定した測定結果を、関数ｆ（Ｘ）の入力として、目的変数Ｙである物質構造を得る。

次に、測定系２００について説明する。図４は、非破壊構造検査装置３００における測定系２００の構成を示すブロック図である。

本第１の実施形態においては、測定系２００として、ミュオン散乱法による測定装置２１０が用いられている。

ミュオン散乱法は、宇宙線ミュオンが物質を透過する際のミュオン散乱を測定することにより、物質の構造を解析する手法である。ミュオン散乱は、次の式（１）に示されるように、散乱角θ_０が、物質の原子番号に固有の放射長Ｘ_０に依存して変化する。

θ_０＝［１３．６／（β_ｃｐ）］・ｚ・√（ｘ／Ｘ_０）［１＋０．０３８ｌｎ（ｘ／Ｘ_０）］
…（１）
なお、β_ｃ、ｐ、ｚは、それぞれミュオンの速度、運動量、電荷であり、ｘはミュオンが物質中を通過する距離である。

この特徴を利用して、ミュオンの散乱角θ_０の大きさの統計量と散乱位置とを解析することにより、測定領域内の物質の３次元分布を測定することができる。

ミュオン散乱法による測定のためには、２つのミュオン検出器２１１、２１２が必要となる。すなわち、ミュオン検出器２１１は、ミュオンが対象物５に入射する前のミュオン軌跡を、また、ミュオン検出器２１２は、ミュオンが対象物５を通過する際に散乱された後のミュオン軌跡を、それぞれ測定する。

ここで、測定領域１０については、測定に用いる制御された放射線以外には、外部から測定領域１０に放射線が入射することを防止するために、測定領域１０の周囲は、図示しない遮蔽構造により遮蔽されている。なお、これに代えて、宇宙からのミュオンを測定用の放射線として用いてもよい。この場合は、ミュオンの照射条件を宇宙からの照射の条件とする。

信号処理部２１３は、ミュオン検出器２１１およびミュオン検出器２１２からの信号を受け入れて、たとえば、増幅等を行った上で、対象物５への入射前後のミュオン軌跡の方向の差分を、ミュオンの散乱角θ_０として算出する。算出されたミュオンの散乱角θ_０は、入力部１５０に出力される。

最後に出力部１６０は、構造解析部１４０で解析された結果に基づいて、３次元画像化のためのデータを生成し、表示する。

次に、以上のように構成された非破壊構造検査装置３００を用いた非破壊構造解析方法について説明する。図５は、本実施形態に係る非破壊構造解析装置１００による実施例の対象物５を示す立体図である。実施例の対象物５は、外形が立方体のアルミニウム製の容器内に球体が収納されたものである。対象物５が設置されている測定領域を模したシミュレーション空間１０ａは、３次元的に、Ｘ軸、Ｙ軸、Ｚ軸の各方向に２００分割されており、８×１０^６個の３次元セルに分割されている。以下、本実施形態による非破壊構造解析方法のステップに従って、実施例を説明する。

図６は、第１の実施形態に係る非破壊構造解析方法の手順を示すフロー図である。図６では、予測器作成関係ステップＳ１０、対象物５の測定ステップＳ２０、および構造解析ステップＳ３０を示している。

非破壊構造解析方法は、この中の、予測器作成関係ステップＳ１０および構造解析ステップＳ３０を有する。

まず、予測器作成関係ステップＳ１０について説明する。予測器作成関係ステップＳ１０は、ランダム物質モデル作成ステップ（Ｓ１１）、シミュレーション実行ステップ（Ｓ１２）、実測値再現ステップ（Ｓ１３）、および予測器作成ステップ（Ｓ１４）を有する。

ランダム物質モデル作成ステップ（Ｓ１１）においては、ランダム物質モデル作成部１１１が、複数の３次元セル１１に分割されたシミュレーション空間１０ａ上に、測定領域１０中で成立し得る条件に基づきランダムに設定されたシミュレーションモデル、すなわちランダム物質モデルを、大量に作成する。作成されたこれらのランダム物質モデルは、モデル記憶部１２１に収納、記憶される。

図７は、非破壊構造解析装置１００による実施例のランダム物質モデルの一例を示す立体図である。各軸方向にそれぞれ２００に分割されたそれぞれの３次元セルについて、物質情報としては、空気、および鉄の区分とした。図７に示したランダム物質モデルの例において、色塗りされたセルは鉄に区分されたセル、色塗りされていないセルは空気に区分されたセルを示す。

シミュレーション実行ステップ（Ｓ１２）においては、シミュレーション実行部１１２が、すべてのランダム物質モデルについて、測定系２００による測定を再現するシミュレーションを実行する。すなわち、作成された各ランダム物質モデルについて、モンテカルロ・シミュレーションにより、測定領域１０におけるミュオンと対象物５との相互作用、および、それによるミュオンの挙動を再現するシミュレーションを実行する。この際、入力部１５０で受け入れてシミュレーション条件記憶部１２２で記憶されたシミュレーション条件に基づいて、シミュレーションを実行する。

実測値再現ステップ（Ｓ１３）においては、計測値演算部１１３が、シミュレーション実行部１１２でシミュレートされたそれぞれの結果に基づいて、ミュオン散乱測定の体系の下でのミュオン散乱測定の再現による計測値である実測再現値を算出する。この結果、Ｎ通りのランダム物質モデルについてＮ通りの実測再現値が得られる。なお、測定手法がＭ種類ある場合、このＭ種類について実測再現値を算出する場合には、Ｍ個の実測再現値を持つデータセットがＮ組作成される。これらの実測再現値は、計測値演算結果記憶部１２３に収納、記憶される。

予測器作成ステップ（Ｓ１４）においては、予測器作成部１１４が、機械学習に基づいて、測定値を説明変数Ｘとし、目的とする値を目的変数Ｙとした関数（Ｙ＝ｆ（Ｘ））を作成する。ここで、説明変数Ｘとなる測定値として、計測値演算部１１３により算出され計測値演算結果記憶部１２３に記憶されている実測再現値が用いられる。

機械学習が、教師あり学習であり回帰分析が用いられる場合は、目的変数Ｙは、測定領域中の鉄の重量や平均密度などの連続量として設定することができる。

また、機械学習が、教師あり学習でありクラス分類が用いられる場合は、クラスに応じた分類に基づいて３次元セル中の物質の分布を、目的変数Ｙとすることができる。

次に、対象物５の測定ステップＳ２０について説明する。

測定系２００としてのミュオン散乱法による測定装置２１０により対象物５におけるミュオン散乱が測定される。すなわち、ミュオン検出器２１１によりミュオンが対象物５に入射する前のミュオン軌跡を、また、ミュオン検出器２１２によりミュオンが対象物５を通過する際に散乱された後のミュオン軌跡がそれぞれ測定される。これらの結果は信号処理部２１３に受け入れられ、対象物５への入射前後のミュオン軌跡の方向の差分がミュオンの散乱角θ_０として算出され、算出されたミュオンの散乱角θ_０が入力部１５０に出力される。

次に、構造解析ステップＳ３０について説明する。

まず、予測器１３０が、測定系２００による対象物５の測定結果に基づいて、物質情報を予測する（ステップＳ３１）。すなわち、予測器１３０は、測定系２００による測定で得られた実測値を入力として受け入れる。測定系２００による実測値と、計測値演算部１１３で算出した実測再現値は同じ形式であるため、予測器１３０は、実測再現値を入力した場合と同様に、実測値から予測される最も適した物質モデルの情報を出力する。

次に、構造解析部１４０が、予測器１３０による予測の結果から、物質構造を解析する（ステップＳ３２）。

以上の手順により、対象物５の組成や構造が未知の条件で合っても、測定系２００による測定値から、その組成や構造等の内部情報を、予測値として出力することができる。

図８は、本実施形態に係る非破壊構造解析装置による実施例の測定結果を示す立体図である。予測器１３０の作成時点で、鉄の分布を学習しているため、アルミ容器は３次元画像には現れずに、鉄球のみが画像化されている。

すなわち、学習した鉄の分布に関しては、図５の実際の対象物５と比較して、鉄球の位置、形状、大きさ等が、再現されている。

以上のように、本実施形態によれば、測定対象である対象物５の形状や組成が未知の条件のもとでも、その情報を得ることができる。

［第２の実施形態］
図９は、第２の実施形態に係る非破壊構造検査装置における測定系の構成を示すブロック図である。本第２の実施形態は、第１の実施形態の変形である。

第１の実施形態ではミュオン散乱法に場合を例にとって、非破壊構造検査装置および非破壊構造解析方法を示したが、本第２の実施形態においては、測定系２００として中性子ラジオグラフィを用いた測定装置２２０の場合を示す。

測定装置２２０は、中性子発生装置２２１、中性子検出器２２２、および信号処理部２２３を有する。

中性子発生装置２２１は、たとえば、研究用原子炉などの原子炉、あるいは加速器である。

中性子発生装置２２１から発生する中性子を、測定領域１０中のサンプルである対象物５に照射し、対象物５に入射し、対象物５の中で減衰または散乱した中性子を中性子検出器２２２で測定する。

中性子検出器２２２の出力は、信号処理部２２３に受け入れられ、増幅され、ＡＤ変換され非破壊構造解析装置１００の入力部１５０（図１）に入力される。

一方、非破壊構造解析装置１００においては、第１の実施形態と同様に、シミュレーション実行部１１２が、対象物５に中性子を照射し対象物５を透過することにより減衰または散乱する中性子の挙動のシミュレーションを実施し、計測値演算部１１３が、実測再現値を算出する。予測器作成部１１４は、ランダム物質モデルと実測再現値との組み合わせに基づいて機械学習を行い、予測器１３０を作成する。

以上のように、中性子検出器２２２による測定結果に基づいて、予測器１３０が測定結果に対応するランダム物質モデルを出力する点では、第１の実施形態と同様である。

以上のように、中性子の照射によっても測定対象である対象物５の形状や組成が未知の条件のもとでも、その情報を得ることができる。また、例として中性子を用いたラジオグラフィの場合を示したが、プローブをＸ線やガンマ線に変更した場合でも同等の構成で測定することができる。

［第３の実施形態］
図１０は、第３の実施形態に係る非破壊構造検査装置における測定系の構成を示すブロック図である。本第３の実施形態は、第２の実施形態の変形である。

第２の実施形態では、サンプル中で減衰または散乱した中性子の測定による中性子ラジオグラフィを用いる場合を例にとって示したが、本第３の実施形態においては、測定系２００として中性子放射化分析を用いた測定装置２３０の場合を示す。

測定装置２３０は、中性子発生装置２２１、中性子検出器２２２、ガンマ線検出器２３２、および信号処理部２３３を有する。中性子発生装置２２１および中性子検出器２２２は、第２の実施形態と同様である。

ガンマ線検出器２３２は、入射中性子に対する対象物５の放射化により発生するガンマ線を測定する。発生するガンマ線スペクトルは物質内の組成により異なるため、ガンマ線スペクトルから測定領域中に含まれる物質の種類を推定することができる。

非破壊構造解析装置１００においては、第１の実施形態と同様に、シミュレーション実行部１１２が、対象物５に中性子を照射し対象物５が放射化する挙動のシミュレーションを実施し、計測値演算部１１３が、実測再現値を算出する。予測器作成部１１４は、予測器作成部１１４は、ランダム物質モデルと実測再現値との組み合わせに基づいて機械学習を行い、予測器１３０を作成する。

なお、同様の体系を用いて、中性子を入射し、対象物５中で発生する核分裂中性子を測定する手法により非破壊構造検査を実施することができる。対象物５中で発生する中性子量は、対象物５に含まれる核分裂性物質の量に対応するため、対象物５中の核物質量を評価する場合は、この方法が有効である。

［第４の実施形態］
図１１は、第４の実施形態に係る非破壊構造検査装置３００ａおよびその非破壊構造解析装置１００ａの構成を示すブロック図である。

本第４の実施形態における非破壊構造検査装置３００ａの非破壊構造解析装置１００ａは、第１の実施形態の変形である。本第４の実施形態における非破壊構造解析装置１００ａは、２つの予測器１３０、すなわち、第１の予測器１３１および第２の予測器１３２を有する。

本第４の実施形態における測定系２００は、ミュオン散乱法測定と中性子測定を組み合わせた測定装置２４０である。

図１２は、第４の実施形態に係る非破壊構造検査装置における測定系の構成を示すブロック図である。本第４の実施形態の測定系２００としての測定装置２４０は、第２の実施形態における測定装置２２０および第３の実施形態における測定装置２３０の組み合わせである。すなわち、測定装置２４０は、ミュオン検出器２１１、２１２、中性子発生装置２２１、中性子検出器２２２、および信号処理部２４３を有するミュオン散乱法測定と中性子測定を組み合わせた測定体系である。なお、ミュオン散乱法測定と中性子測定の組み合わせ以外にも、Ｘ線やガンマ線の測定を組み合わせる、あるいはこれらの組み合わせを加えることでもよい。

非破壊構造解析装置１００ａにおいては、まず、シミュレーション実行部１１２は、ミュオン散乱法測定の挙動のシミュレーションを実施し、計測値演算部１１３が、実測再現値を算出する。予測器作成部１１４は、ランダム物質モデルと実測再現値との組み合わせに基づいて機械学習を行い、第１の予測器１３１を作成する。次に、シミュレーション実行部１１２は、中性子測定の挙動のシミュレーションを実施し、計測値演算部１１３が、実測再現値を算出する。予測器作成部１１４は、ランダム物質モデルと実測再現値との組み合わせに基づいて機械学習を行い、第２の予測器１３２を作成する。なお、この順番は、逆でもよいし、並行して行われてもよい。

第１の予測器１３１により得られた予測結果と、第２の予測器１３２により得られた予測結果とが照合され、たとえば、両者の平均化処理等により、非破壊構造解析装置１００ａとしての予測がなされる。

図１１では、２通りの測定手法に基づいて２つの予測器１３０を作成する場合を示したが、３通り以上の測定手法の場合も、同様である。

なお、以上は、複数通りの測定手法のそれぞれについて予測器１３０を互いに独立に作成して、それぞれの予測器１３０によって予測を行う場合について示したが、これに限定されない。

すなわち、複数手法を統合した予測器１３０を作成することができる。複数手法を統合した予測器１３０を作成する場合は、予測器作成部１１４において、単回帰分析を行う代わりに、重回帰分析をすることによって、複数の説明変数Ｘ（Ｘ１，…，Ｘｍ）から一つの目的変数Ｙを出力する。

異なる測定手法では、異なる情報が得られるため、組み合わせる測定方法を増やすほど、より精度の高い構造解析が可能となる。

図１３は、第４の実施形態に係る非破壊構造検査装置３００ａによる物質重量予測結果の例を示すグラフである。図１３は、鉄とウランが混合した物質中のウランの重量についてのグラフであり、横軸は、真のＵＯ_２重量［ｋｇ］、縦軸は、真のＵＯ_２重量［ｋｇ］の予測値を示す。

図１３は、ミュオン散乱法、中性子計数率測定、ガンマ線測定の３通りの手法を組み合わせることにより予測した結果である。

このような評価の結果から複数の物質が混合した状態において、その中の一部の物質の量を抽出する目的でも本実施形態を適用することができる。

［その他の実施形態］
以上、本発明の実施形態を説明したが、実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。たとえば、実施形態では、放射線を用いた計測方法の場合を例にとって示しているがこれに限定されず、たとえば電磁気的方法、あるいは超音波を用いた方法など、その他の非破壊方式による計測方法であってもよい。

また、各実施形態の特徴を組み合わせてもよい。また、実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。

実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

５…対象物、１０…測定領域、１０ａ…シミュレーション空間、１１…３次元セル、１００…非破壊構造解析装置、１１０…予測器関係演算部、１１１…ランダム物質モデル作成部、１１２…シミュレーション実行部、１１３…計測値演算部、１１４…予測器作成部、１２０…記憶部、１２１…モデル記憶部、１２２…シミュレーション条件記憶部、１２３…計測値演算結果記憶部、１３０…予測器、１４０…構造解析部、１５０…入力部、１６０…出力部、２００…測定系、２１０…測定装置、２１１、２１２…ミュオン検出器、２１３…信号処理部、２２０…測定装置、２２１…中性子発生装置、２２２…中性子検出器、２２３…信号処理部、２３０…測定装置、２３２…ガンマ線検出器、２３３…信号処理部、２４０…測定装置、２４３…信号処理部、３００…非破壊構造検査装置

Claims (13)

1. 放射線を用いた対象物の測定の結果から前記対象物の物質情報を得る非破壊構造解析装置であって、
   前記対象物が存在する測定領域を模擬したシミュレーション空間を複数の３次元セルに分割し、前記複数の３次元セルのそれぞれにランダムに物質情報を設定した複数のランダム物質モデルを作成するランダム物質モデル作成部と、
   前記複数のランダム物質モデルのそれぞれについて非破壊検査測定を再現するシミュレーションを実行するシミュレーション実行部と、
   前記シミュレーションのそれぞれの結果から前記非破壊検査測定の結果を模擬する実測再現値を算出する計測値演算部と、
   前記複数のランダム物質モデルとそれに対応する前記実測再現値の複数のセットを用いた機械学習により、前記実測再現値を説明変数とし、前記ランダム物質モデルの物質情報を目的変数とする予測器を作成する予測器作成部と、
   を具備することを特徴とする非破壊構造解析装置。
2. 前記予測器を用いて、前記対象物の測定結果に基づいて前記対象物の前記物質情報を得る構造解析部をさらに備えることを特徴とする請求項１に記載の非破壊構造解析装置。
3. 前記シミュレーション実行部は、前記ランダム物質モデル作成部で作成された前記ランダム物質モデルを用いて、非破壊検査手法をモンテカルロ・シミュレーションにより再現することを特徴とする請求項１または請求項２に記載の非破壊構造解析装置。
4. 前記予測器作成部は、
   前記ランダム物質モデルとこれに対応する前記実測再現値を一組とするデータセットを複数作成し、
   前記ランダム物質モデルを前記目的変数とし、
   前記実測再現値を前記説明変数として、
   回帰分析またはクラス分類を用いた機械学習を行う、
   ことを特徴とする請求項１ないし請求項３のいずれか一項に記載の非破壊構造解析装置。
5. 前記放射線は、エックス線、ガンマ線等の電磁波または中性子線、電子線、ミュオン、陽子線の少なくともいずれか一つの粒子線であることを特徴とする請求項１ないし請求項４のいずれか一項に記載の非破壊構造解析装置。
6. 前記請求項１ないし請求項５のいずれか一項に記載の非破壊構造解析装置と、
   前記対象物の前記測定を行う測定装置と、
   を備えることを特徴とする非破壊構造検査装置。
7. 前記測定装置は、測定用の前記放射線以外に外部から前記測定領域に入射する放射線を遮蔽する構造を有することを特徴とする請求項６に記載の非破壊構造検査装置。
8. 前記測定装置は、測定用の前記放射線の種類に応じて、放射性同位体、加速器、または核融合装置の少なくとも一つを有することを特徴とする請求項６または請求項７に記載の非破壊構造検査装置。
9. 前記測定装置は、大気中で自然に生成される宇宙線ミュオンを測定することを特徴とする請求項６または請求項７に記載の非破壊構造検査装置。
10. 前記測定装置は、前記測定領域中を通過するエックス線、ガンマ線等の電磁波および、中性子線、ミュオン等の粒子線のいずれかの減衰を測定することを特徴とする請求項６ないし請求項９のいずれか一項に記載の非破壊構造検査装置。
11. 前記測定装置は、前記測定領域中を通過するエックス線、中性子線、ミュオン等のいずれかの散乱および回折を測定することを特徴とする請求項６ないし請求項９のいずれか一項に記載の非破壊構造検査装置。
12. 放射線を用いた対象物の測定の結果から前記対象物の物質情報を得る非破壊構造解析方法であって、
    ランダム物質モデル作成部が、前記対象物が存在する測定領域を模擬したシミュレーション空間を複数の３次元セルに分割し、前記複数の３次元セルのそれぞれにランダムに物質情報を設定した複数のランダム物質モデルを作成するするランダム物質モデル作成ステップと、
    シミュレーション実行部が、前記複数のランダム物質モデルのそれぞれについて非破壊検査測定を再現するシミュレーションを実行するシミュレーション実行ステップと、
    計測値演算部が、前記シミュレーションのそれぞれの結果から前記非破壊検査測定の結果を模擬する実測再現値を算出する計測値演算ステップと、
    予測器作成部が、前記ランダム物質モデルとそれに対応する前記実測再現値の複数のセットを用いた機械学習により、前記実測再現値を説明変数とし、前記ランダム物質モデルの物質情報を目的変数とする予測器を作成する予測器作成ステップと、
    を有することを特徴とする非破壊構造解析方法。
13. 前記予測器作成ステップの後に、構造解析部が、前記予測器をもちいて前記対象物の測定結果に基づいて物質情報を予測する予測ステップをさらに有することを特徴とする請求項１２に記載の非破壊構造解析方法。

Images