材料の安全利用を向上させるためには、破壊面を解析して破壊力学の種類を決定することが重要である。 最近のアプローチでは、深層ニューラルネットワークを適用して、破壊の種類や材料特性値を推定している。 本研究では、ファインチューニングを伴う転移学習とVision Transformer（ViT）を組み合わせることで、破面画像解析の精度が向上するかどうかを検証することを目的とした。 検証の結果、従来のフラクトグラフィで用いられている畳み込みニューラルネットワーク(CNN)よりも、attention機構を持つViTの方が優れた性能を示すことが分かった。 また、CNNを用いた従来の手法で見られた系統誤差が、ViTにより特に改善されることが確認された。
