アルミニウムの資源循環社会構築に向け，アルミニウムリサイクル材の特性最適化は重要な課題であるが，新規合金の開発とその特性評価には多大な労力が必要である．本研究では，合金の機械的特性を予測するための深層学習手法を開発した．アルミニウム合金の機械的特性は，材料中の構成相や鋳巣の影響を受けることが知られている．しかし，本手法では，XRD（x-ray diffractometers）データや密度測定から得られる構成相や密度といった情報を必要とせず，顕微鏡写真のみから機械的特性を高い精度で予測することができた．Grad-CAM（gradient-weighted class activation mapping）を用いた検証では，コントラストの違いから構成相と鋳巣を識別でき，それらが機械的特性に及ぼす異なる影響をモデルが適切に捉えていることを確認した．
