Data-Driven Scanning Pattern Selection for Multi-Layer Deposition in Laser Directed Energy Deposition via Deep Regression Method with Simulation Integration

技術要約：深層回帰法とシミュレーション統合による、マルチレイヤー堆積におけるデータ駆動型スキャニングパターンの選択

問題提起
レーザー指向性エネルギー堆積（LDED）において、マルチレイヤー堆積プロセス中の熱蓄積は熱場に大きな影響を与え、粗大な結晶粒、元素偏析、脆性相の形成といった望ましくない微細構造特性を引き起こす。レーザー出力や速度といったプロセスパラメータは熱伝導に影響を与えるが、スキャニング戦略は、直接的な調整が装置の制限を受けることが多いため、重要な要素となる。連続レーザー堆積（CLD）は連続的なエネルギー入力を伴い、これが冷却速度を低下させ、凝固を遅らせ、大きなデンドライトの成長や合金元素の偏析を促進する。既存の堆積パターンの最適化手法（実験的な試行錯誤やヒューリスティックなアプローチなど）は、非効率的であり、複雑なマルチレイヤーのシナリオに対して熱場を迅速に予測することに苦慮している。

手法
本研究では、準連続波（QCW）プロセスと、間欠パルスレーザー堆積（IPLD）プロセスと呼ばれる深層回帰アルゴリズムを統合することにより、スキャニングパターンの最適化を行うデータ駆動型アプローチを提案する。本手法は、主に以下の3つの段階で構成される。

1. 有限要素シミュレーションとデータセット構築： 20層の薄肉構造の熱場をシミュレートするために、マルチレイヤー有限要素モデルを構築した。汎用性を確保するため、シミュレーションモデルには、3つの初期単一トラック堆積層（各層33個の堆積位置）からなるランダム位置パターンを用い、計1,000件のシミュレーション結果を生成した。モデルは、形状変化が熱変動に大きな影響を与えない薄肉構造を想定し、代わりに隣接する層による熱的影響に焦点を当てた。
2. 深層回帰モデルの開発： U-Netに着想を得た、スキップ接続付き3D畳み込みオートエンコーダ（SC-3DCAE）に基づく深層回帰モデルを開発した。このアーキテクチャは、スキップ接続と3D畳み込みを利用して、異なる堆積パターンによって引き起こされる熱分布の変化の特徴を抽出する。モデルは、任意のパターンに対する熱場を予測するために、シミュレーションされた熱場データセット（訓練対テストの比は3:1）を用いて学習された。モデルは3,000エポック後に、正規化平均二乗誤差（nMSE）0.01未満、精度97.55%を達成した。
3. パターンの最適化と検証： 学習済みモデルを用いて、冷却率を最大化するランダム堆積パターンを迅速にスクリーニングした。ステップバイステップの選択法を用い、最初の3層に対する最適なパターンを特定し、最後の2層を次のイテレーションの初期入力として使用することで、20層すべてが定義されるまで継続した。隙間を防ぎ層の融合を確実にするため、50%の千鳥配置を用いた「レンガ積み」オーバーラップ戦略を実装した。最適化されたIPLDプロセスは、DD5合金をInconel 718基板上に堆積させることで実験的に検証され、その結果を従来のCLDと比較した。

主な貢献

• QCWとディープラーニングの統合： 本研究は、連続的なエネルギー入力の制限を克服するために、QCWプロセスの離散的な堆積ゾーンと深層回帰アルゴリズム（SC-3DCAE）を組み合わせた、新しいスキャニングパターン選択手法を導入した。
• 迅速な熱場予測： 開発されたSC-3DCAEモデルは、ミリ秒単位で任意のマルチレイヤー堆積パターンの熱場を予測することを可能にし、候補となる各パターンに対して計算負荷の高い有限要素シミュレーションを実行する必要を排除した。
• 体系的な微細構造解析： 本研究は、電子背後散乱回折（EBSD）、走査電子顕微鏡（SEM）、および電子線マイクロアナライザ（EPMA）技術を通じて、結晶方位、デンドライト間隔、析出物サイズ、および元素偏析を分析し、IPLDプロセスとCLDプロセスの包括的な比較を提供した。

結果
実験およびシミュレーションの結果、IPLDプロセスは熱蓄積と微細構造の制御において、CLDプロセスを大幅に上回ることが示された。

• 熱的および微細構造的特性： CLDプロセスの冷却率は、底部領域で約3,500 K/sから1,500 K/sに減少し、安定した中間領域では250 K/sまで低下する。対照的に、IPLDプロセスは、底部領域で3,500 K/sから7,000 K/s、中間領域で1,100 K/sから2,000 K/sという、有意に高い冷却率を維持する。その結果、CLDサンプルでは熱蓄積による著しい結晶粒の粗大化が見られたのに対し、IPLDサンプルは、より強い<001>配向を持つ微細な柱状晶と、より小さな結晶粒幅を示した。
• デンドライトと析出物の微細化： IPLDプロセスは、より小さな一次デンドライト間隔と、未発達な二次デンドライトアームをもたらした。IPLDサンプルにおける大型炭化物（>0.8 μm）の割合はわずか2%であり、CLDサンプルの11.2%と比較して極めて低かった。
• 機械的特性： 引張試験の結果、究極引張強度は同等であったが（IPLDは896 MPa、CLDは891 MPa）、IPLDサンプルの伸びは34.7%であり、CLDの29.9%よりも有意に高かった。破断解析では、IPLDサンプルはより小さな破断面ディンプルと少ないポア（空孔）を有しており、これはより均一な応力分布と優れた延性を示している。
• 元素偏析： Scheil凝固モデルを用いたシミュレーションにより、IPLDの高い凝固速度が、デンドライト間領域におけるNb、Ti、Taなどの元素の偏析を抑制し、大型で有害な析出物ではなく、より小さく多数の炭化物析出物を形成することが確認された。

意義
本論文は、データ駆動型のスキャニングパターン最適化によって駆動される提案手法（IPLDプロセス）が、LDEDにおける大型部品の堆積品質を向上させるための実現可能な研究方向であることを主張している。スキャニングパターンを制御することで、プロセスパラメータのみに頼ることなく、高い冷却率と低い熱蓄積を達成し、結晶粒径、配向、および析出物分布を効果的に制御できる。この研究は、熱管理が欠陥防止と機械的完全性の確保に極めて重要となる単結晶または多結晶超合金の堆積において、特に価値が高いことを示唆している。ディープ回帰とシミュレーションの統合は、迅速なパターン最適化のためのスケーラブルなフレームワークを提供し、従来のマルチレイヤー熱モデリングに関連する計算上のボトルネックに対処するものである。