Advancing Digital Transformation in Cellulose Nanofiber (CNF) Research: Acquisition of CNF Morphological Information and Its Application to Composite Material Design
Abstract
セルロースナノファイバー（CNF）は形態分布の多様性が大きく，平均量のみでは複合材料物性を十分に説明できない。とくに機械解繊CNFでは，粗大画分と微細画分の混在が物性ばらつきの要因となる。本稿では，透過光沈降プロファイリングと機械学習を組み合わせ，沈降挙動から比表面積（SSA）および形態分布情報を非破壊・迅速に推定するデータ駆動型解析手法を概説する。沈降プロファイルを速度指標および時空間ヒートマップとして表現し，勾配ブースティング回帰や畳み込みニューラルネットワークによりSSAを高精度に予測した。さらに沈降ヒートマップを用いてアスペクト比分布を推定し，粗大／微細画分に区分した形態指標とIRスペクトル由来の化学情報を統合することで，ポリプロピレン（PP）/CNF複合材料の衝撃特性を定量的に説明可能であることを示した。本アプローチは，形態分布を扱う複合材料設計を可能にするとともに，品質管理やプロセス開発に資するマテリアルDX基盤として有効である。
Fields of Study & Subjects
Advanced Cellulose Research Studies
Machine Learning in Materials Science
Carbon Nanotubes in Composites
Publication details
- Journal / source
- Oleoscience
- Volume
- 26
- Issue
- 3
- Pages
- 101–106
- Publication date
- 1 January 2026
- Language
- EN