この記事では、自己検証型熱電対の自動化と不確実性評価に関する新しい機械学習アプローチが紹介されています。熱電対は産業において広く使用されていますが、厳しい環境下ではキャリブレーションの漂移が問題です。自己検証型熱電対は、測定接点の近くに固定点を持つ小型相転移セルを使用してこの課題を解決します。金属の融点を知っていることで、融解温度を通過した際に出力がプラトーを示し、これに基づいて熱電対を現場で再キャリブレーション可能です。従来はこのプラトーを手動で特定し、融解開始点を定量化する必要がありましたが、この記事では機械学習を用いて自動でプラトーの形状を認識し、融解開始地点とその不確実性を定量化する手法を提案しています。テストデータではプラトー検出の精度が100%で、キャリブレーション漂移の予測においてR2値が0.99を示しました。