マルチヘッドアテンションLSTMとデータ拡張によるクロム被覆厚さ推定の精度向上

薄い被覆の厚さが重要な理由

原子力発電所では、燃料を収めるために長い金属管（燃料棒）が使われ、安全に放射性燃料を保持します。福島の事故を受けて、これらの管に薄いクロム被覆を施すことで、高温や腐食に対する耐性を高める取り組みが進みました。しかし、この安全層は各燃料棒の数メートルにわたって厚さが適切であって初めて効果を発揮します。棒を切断せずにそのような微小な層の厚さを測るのは困難で、従来の検査法は生のセンサ信号を正確な厚さ値に変換するのが苦手です。とくに試験データが少ない場合はなおさらです。本研究は、限られたデータを増やす工夫と組み合わせた人工知能（AI）モデルが、こうした厚さ推定をより正確で信頼できるものにできることを示します。

事故からの教訓を燃料棒の安全性へ

本研究の動機は、燃料棒被覆に一般的に使われる金属ジルコニウムが高温の水と反応して水素と熱を発生させることにあります。福島ではこれが爆発につながり、炉施設に損害を与えました。ジルコニウム表面にクロム被覆を施すことで、腐食の進行を遅らせ、摩耗を抑え、事故時の挙動を改善できます。しかし被覆が薄すぎれば応力で破損する恐れがあり、厚すぎれば熱伝達や燃料性能に影響を及ぼす可能性があります。設置後に棒を破壊して試験することはできないため、操業者は渦電流試験（ECT）などの非破壊検査手段に頼る必要があります。ECTは変化する磁場を使って金属表面を探査しますが、複雑な波形を被覆厚さという数値に変換することが中心的な課題です。

金属の中の電気的なささやきを聞く

ECTセンサは棒表面近傍に渦状の電流を誘起し、これらの電流がクロム層やその下のジルコニウムにどのように応答するかを記録します。従来の手法は、抵抗やリアクタンス値など手作りの特徴量と2次曲線のような単純な数式フィットに頼ることが多く、条件が変わると性能が低下し、時間変化する信号に埋もれた微妙な関係を完全には捉えられませんでした。本稿の著者らは、既知の厚さをもつクロム被覆燃料棒試料の近傍にフラットな（パンケーキ形）ECTプローブを置き、複数の駆動周波数でフルの時系列信号を収集しました。これにより、1回の測定で4つの同時信号チャネルが得られ、それぞれが数千の時刻点からなる、情報量は豊富だが比較的小さなデータセットが構成されました。

重要な部分に注目するようAIを教える

限られたデータを最大限に活用するために、研究者らは2つの考えを組み合わせました。まず、時系列に対する変換ベースのデータ拡張を採用しました：信号を重なり合うウィンドウに切り出し、注意深くスケーリングしたランダムノイズ（ジッタ）を加え、振幅や時間軸を歪め、周波数領域で摂動を加え、時間反転を行います。これらの操作は厚さが信号の平均値に与える物理的影響を保ちながら、多様で現実的な変種を生成します。次に、長短期記憶（LSTM）ネットワークという時系列に適したニューラルネットワークを基盤に、マルチヘッドアテンションを付加したAIモデルを設計しました。LSTMは信号の時間的な展開を追跡し、アテンション機構は特に有益な信号部分や4チャネル間の相互作用を強調することを学習します。これらを組み合わせることで、従来の手作り式では捉えられなかったパターンをモデルが発見できます。

異なる検査設定でも成り立つ結果

チームは、ある厚さレベル全体を訓練から除外する厳格な交差検証スキームでモデルを評価し、AIにこれまで見たことのない厚さを予測させる設定を課しました。また、検査でセンサ設定が変わることを反映して複数の励起周波数での性能も検証しました。多項式回帰に基づく従来法と比較して、アテンション強化LSTMは厚さ推定の平均誤差を3分の1以上削減し、周波数間でより一貫した結果を示しました。拡張手法の中では、信号の平均値を保つ単純なジッタと時間反転が特に効果的で、両者を組み合わせると最良の性能が得られました。アテンションを持たない単純なニューラルネットワークは平均的な厚さに収束してしまう傾向があり、アテンション機構の重要性が強調されます。

原子力安全とその先に示す意義

簡潔に言えば、本研究は、現実的なデータ拡張と注意深く設計されたAIモデルを組み合わせることで、微小なマイクロメートル級の被覆厚さをノイズの多い電気信号から精度よく信頼できる形で測定できることを示しています。これにより、破壊試験や大量で高価なデータセットを必要とせずに、クロム被覆燃料棒が所期の性能を発揮するという信頼性が高まります。原子力燃料以外でも、時系列拡張とアテンションベースのシーケンスモデルを組み合わせる戦略は、実験データが限られる状況で物理量を推定する際に、より賢明なセンサや高精度の検査ツールを設計する助けとなるでしょう。

引用: Jeon, M., Choi, W., Park, J.W. et al. Enhancing chromium coating thickness estimation with multi-head attention LSTM and data augmentation. Sci Rep 16, 8286 (2026). https://doi.org/10.1038/s41598-026-39258-0

キーワード: 原子力燃料の安全性, クロム被覆, 渦電流試験, 時系列AI, データ拡張