|
|
【10:30-12:30】
１．溶解度パラメータを用いた高分子の溶媒探索・溶解性評価 ― 実験数を減らすためのスクリーニングと設計指針
―
(株)Material Doors 取締役 博士(理学) 山村 諒祐 氏
|
| |
|
【習得できる知識】
Hildebrand溶解度パラメータ、Hansen溶解度パラメータ(HSP)、Flory-Huggins
χパラメータの基礎を理解し、高分子の溶解性・相溶性・分散性・膨潤性を物理化学的に評価する方法を習得する。また、HSPを用いることで、混合溶媒やグリーン溶媒代替などの溶媒探索、さらにポリマーリサイクル、ポリマーアロイ設計など、相溶性に関する様々な現象の指針を立て、実験数を減らす実践的な方法を提示する。
【講座趣旨】
高分子材料開発における溶媒選択や溶解性評価は、従来、経験や勘、手元の溶媒を順に試す試行錯誤に依存しがちであった。本講座では、材料間の親和性を定量的に表す溶解度パラメータ、とくにHansen溶解度パラメータを用いて、候補溶媒を効率よく絞り込み、実験数を減らし、次に検討すべき方向性を立てる方法を解説する。HSPの基礎理論、取得方法、混合溶媒設計、各種材料への応用事例を紹介し、溶解性、分散性、膨潤性、膜形成、選択的溶解といった様々な相溶性評価へどのように展開できるかを示す。最後には、親和性評価ソフトSoluVisionを用いた実演により、実験データや分子構造からHSPを算出し、溶媒探索・溶解性評価を行う実務的な流れを紹介する。
１．高分子材料開発における溶媒探索の課題
２．溶解度パラメータの基礎
2-1 Hildebrand溶解度パラメータとは何か
2-2 正則溶液理論と混合自由エネルギー
2-3 高分子溶液とFlory?Huggins χパラメータ
３．Hansen溶解度パラメータによる親和性評価
3-1 Hildebrand SP値の限界とHSPへの拡張
3-2 「分散・極性・水素結合」相互作用の物理的意味
3-3 Hansen球、相互作用半径R0、REDによる判定
3-4 溶解度パラメータを使った混合溶媒設計
3-5 抽出・遠心分離・再結晶への応用
3-6 HSPで評価できること、できないこと
3-7 溶解度パラメータによる物性推算
４．溶解度パラメータを求める : 実験と推算テクニック
4-1 実測手法：蒸気圧法、溶解球法(溶解、膨潤、接触角、吸光度/濁度)、逆ガスクロマトグラフィー
4-2 推算手法 : グループ寄与法、計算科学(MD, COSMO法)、機械学習
５．溶解度パラメータの活用 : 最新研究事例
5-1 グリーン溶媒・代替溶媒探索
5-2 難溶性ポリマーの最適溶媒設計(混合溶媒探索)
5-3 インク、塗布プロセスへの応用 : フィラー/顔料分散
5-4 界面制御 : ポリマーアロイ
5-5 リサイクル/選択溶解への活用
5-6 特許事例解析
６．親和性評価ソフト「SoluVision」を使った実演
【質疑応答】
|
|
|
【13:20-14:50】
２．深層学習による溶解度予測と溶媒の探索
奈良先端科学技術大学院大学 データ駆動型サイエンス創造センター センター長 特任教授 理学博士 船津
公人 氏
|
| |
|
【習得できる知識】
・広範な溶媒や溶質を対象とした溶解度を予測するにあたっての考え方
・深層学習を用いる場合に特徴量の効果的な抽出法
【講座趣旨】
多様な溶媒や溶質を対象とした溶解度予測を行うための手法の理解
溶媒、溶質の独立した特徴の抽出による解釈可能な深層学習モデルの構築
１．従来の溶解度予測の考え方
２．広範な溶媒や溶質を対象としたお湯開度予測をするには
３．深層学習による特徴量抽出
４．深層学習による溶解度予測モデルの構築
５．モデルの解釈のための可視化
６．モデルを用いた溶媒選択
【質疑応答】
|
|
|
【15:00-16:30】
３．難溶性バイオマスの優れた溶媒探索を実現するマテリアルズインフォマティクス
宮崎大学 工学部化学生命プログラム 准教授 博士(工学) 宇都 卓也 氏
|
| |
|
【習得できる知識】
分子シミュレーションの基礎と応用、難溶性バイオマスの溶解シミュレーション、
分子シミュレーションを基盤とした機械学習駆動の溶媒探索技術
【講座趣旨】
難溶性バイオマスであるセルロース・キチン結晶繊維の分子シミュレーションにおける基礎から応用までを計算事例を紹介しながら概説する。特に、イオン液体中におけるセルロース・キチン溶解シミュレーションの解析アプローチを取扱い、機械学習と連携することによる溶媒探索スクリーニング技術について解説する。
１．時空間スケールに応じたシミュレーション手段の選択
1-1 量子化学計算の基礎と応用
1-2 分子動力学計算の基礎と応用
1-3 マルチスケール計算の適用例
２．分子シミュレーションの進め方
2-1 初期シミュレーションシステムの構築
2-2 分子力場パラメータの設定
2-3 構造最適化と熱平衡化の概要
2-4 サンプリングと軌跡解析の実際
３．難溶性バイオマスの溶解シミュレーション
3-1 高分子繊維の結晶モデリング
3-2 溶媒系構築と分子力場パラメータ開発
3-3 セルロース溶解シミュレーションの計算事例
3-4 キチン溶解シミュレーションの計算事例
3-5 分子シミュレーションで特徴づけられた溶解度指標
４．機械学習との連携による溶媒探索スクリーニング
4-1 溶解度指標のデータ蓄積
4-2 機械学習による予測モデル構築
4-3 逆解析による溶媒候補の分子生成
4-4 溶媒探索スクリーニングの実践例
4-5 探索空間を拡張する取組み
【質疑応答】
|
|
