LIVE配信・WEBセミナー
開催日時 2026年11月13日（金） 14:00-16:25
受講料 1名50,600円（税込）より
★2026年11月13日WEBでオンライン開講。京都工芸繊維大学 野々口氏、国立研究開発法人 産業技術総合研究所 周氏が、【機械学習によるカーボンナノチューブ材料プロセスの高度化と高性能透明導電膜への展開～溶媒・分散剤の選定、自己組織化・配向制御、CNTインクの印刷・成膜設計～】について解説する講座です。
■本セミナーの主題および状況（講師より）
★カーボンナノチューブ（CNT）の分散・インク化・自己組織化・成膜プロセスは、溶媒や分散剤、CNTの構造、濃度、乾燥・処理条件など多数の因子が複雑に関係するため、経験的な試行錯誤だけでは最適化が困難です。
★近年は、定量的な実験データと機械学習を組み合わせることで、良好な条件を予測するだけでなく、CNTの分散性や配向形成を支配する化学的・プロセス的因子を抽出する取り組みが進められています。
★本講習会では、機械学習を活用したCNT溶液プロセスの解析・設計から、自己組織化による配向制御、CNTインクの印刷・成膜、高性能透明導電膜への応用までを体系的に解説します。
■注目ポイント
★CNTの分散・自己組織化・配向形成に関わる多変数データを機械学習で解析し、材料・溶媒・プロセス条件を支配する因子を抽出・可視化する方法を解説！
★機械学習を単なる条件予測にとどめず、特徴量設計、データセット構築、解析結果の解釈から次の実験条件の設計へつなげる実践的な活用法を解説！
★溶媒・分散剤・処理条件の選定からCNTインクの印刷・成膜までを一貫して捉え、導電性と透明性を両立する高性能な印刷型透明導電膜の設計指針を紹介！
講座担当：牛田孝平
≪こちらの講座は、WEB上での開催のオンライン講座になります≫
01 京都工芸繊維大学 野々口 斐之 氏
02 国立研究開発法人 産業技術総合研究所 周 英 氏
14:00-15:00
第1講
講 師
京都工芸繊維大学 教授 野々口 斐之 氏
【プログラム】
カーボンナノチューブ（CNT）の分散、インク化、自己組織化などの溶液プロセスでは、溶媒や分散剤の化学構造、溶解性、濃度、乾燥条件など多数の因子が複雑に関係する。このため、従来の経験的な条件探索だけでは、最適条件の発見だけでなく、その背後にある化学的な支配因子を理解することも容易ではない。
本講演では、CNTの有機溶媒への分散および蒸発過程における自己組織化・配向を題材として、実験データと機械学習を組み合わせた溶液プロセス研究について紹介する。特に、機械学習を単なる条件最適化の手段としてではなく、実験結果を整理し、材料・溶媒間の関係を可視化し、化学的な設計指針を得るための方法として活用する考え方を解説する。
1．CNT化学プロセスへの機械学習導入
• CNTの分散・自己組織化における多変数問題
• 実験データの取得と機械学習を組み合わせる際の考え方
• 「予測」と「化学的理解」をつなぐための特徴量設計・解析
2．機械学習を用いたCNT分散プロセスの設計と理解
• CNT有機溶媒分散系の構築と分散性の定量評価
• 機械学習による溶媒特性とCNT分散性の関係解析
• 支配因子の抽出、可視化と新しい分散条件の設計
3．蒸発自己組織化によるCNT配向形成への展開
• 高分子／CNT分散液の蒸発に伴う自己組織化と配向形成
• 機械学習による自己組織化条件の解析と溶媒パラメータの抽出
• 予測結果を実験へフィードバックする材料プロセス探索
【質疑応答】
【キーワード】
カーボンナノチューブ（CNT）、機械学習、マテリアルズ・インフォマティクス、分散、溶液プロセス、自己組織化、配向、溶媒設計
【講演のポイント】
CNTの溶液プロセスでは、多数の化学的・プロセス的因子が相互に関係するため、経験的な条件探索のみから一般的な設計指針を得ることは容易ではない。本講演では、定量的な実験データと機械学習を組み合わせることで、良好な条件を予測するだけでなく、分散や自己組織化を支配する因子を抽出し、化学的な理解と次の実験設計へつなげるアプローチを紹介する。
【習得できる知識】
• CNTの分散・自己組織化など、溶液プロセスにおける機械学習活用の考え方
• 材料・溶媒・プロセス条件を機械学習で扱う際のデータ取得と特徴量設計のポイント
• 機械学習による予測モデルから材料化学的な支配因子を読み取る方法
• 機械学習の解析結果を新しい材料・プロセス条件の探索へフィードバックする考え方
15:10-16:25
第2講
講 師
国立研究開発法人 産業技術総合研究所 ナノチューブ実用化研究センター 主任研究員 周 英 氏
【プログラム】
カーボンナノチューブ（CNT）の優れた電気的・機械的特性を引き出すには、用途に適した分散状態を実現し、それを成膜プロセスまで維持することが重要です。しかし、CNTの分散性は、溶媒、分散剤、CNTの構造・表面状態、処理条件など多数の因子に左右されるため、経験的な試行錯誤だけでは最適化が困難です。
本講座では、CNT分散の基礎から、溶媒物性・分散条件と分散性の関係、機械学習を用いた最適条件の探索、さらに印刷型透明導電膜への展開までを解説します。
1 CNT
• 市販CNT
• CNT分散
• 分散の評価
2 CNT分散の研究例
• CNT透明導電膜の研究事例
• 従来分散の課題
３ 機械学習を活用した分散プロセスの最適化
• 基本的な考え方
• データの構築、予測および評価
• 機械学習結果の活用
４ 印刷型透明導電膜への展開
• CNTインクの設計と印刷・成膜
• 導電性と透明性を両立するプロセス設計
５ まとめと今後の展望
• CNT分散の開発事例紹介
• データ駆動型CNT材料開発の展望
【質疑応答】
【キーワード】
カーボンナノチューブ、CNT分散、機械学習、溶媒選定、Hansen溶解度パラメータ、分散剤、スクリーン印刷、透明導電膜、シート抵抗、光透過率
【講演のポイント】
CNT分散に関する豊富な実験知見と機械学習を組み合わせ、溶媒・分散剤・処理条件の選定から、印刷・成膜および透明導電膜の性能向上までを一貫して解説します。単なる機械学習モデルの紹介ではなく、予測結果を実際の材料開発にどのように活用し、高性能なCNT透明導電膜へつなげるかを具体的な研究事例に基づいて説明します。
【習得できる知識】
・ CNT分散の基本原理
・ CNT分散に適した溶媒・分散剤の選定方法
・ 分散処理条件を設計・最適化するための考え方
・ 分散性予測に必要なデータセットと記述子の設計方法
・ CNT分散状態と印刷性、導電性および透明性の関係
・ 高性能な印刷型CNT透明導電膜を実現するための材料・プロセス設計指針
| セミナー番号 | S2611316 |
|---|---|
| セミナー名 | 機械学習 カーボンナノチューブ材料・デバイス開発 |
| 講師名 |
第1部 京都工芸繊維大学 教授 野々口 斐之 氏 第2部 国立研究開発法人 産業技術総合研究所 ナノチューブ実用化研究センター 主任研究員 周 英 氏 |
| 開催日時 | 2026年11月13日（金） 14:00〜16:25 |
| 会場 | ※会社やご自宅のパソコンで視聴可能な講座です |
| 受講料 | 【1名の場合】50,600円(税込、テキスト費用を含む) |
| 定員 | 30名 |
| 備考 | ※ お申し込み後、受講票と請求書のURLが自動で返信されます。基本的にはこちらで受付完了です。開催前日16：00までに再度最終のご連絡をいたしますので、しばらくお待ちください。請求書と受講票は郵送ではないため必ずダウンロードください。また、同時に送られるWEBセミナー利用規約・マニュアルを必ずご確認ください。 |
2026年9月24日（木） 13:00〜16:35
CMOS 2.0時代を拓くハイブリッドボンディング最新技術 ～ロジック・メモリ・イメージセンサ・異種材料集積の最新技術～【LIVE配信・WEBセミナー】
2026年9月24日（木） 13:00〜16:30
ヒューマノイド・ロボットの入門講座【LIVE配信・WEBセミナー】
2026年9月25日（金） 09:15〜15:35
パワー半導体用SiCウェハ加工技術の基礎と最新スライシング・検査・解析技術【LIVE配信・WEBセミナー】
2026年9月25日（金） 10:00〜17:30
製造業の中長期における事業開発プロセスと組織・マーケティング体制の構築、成功・失敗事例【LIVE配信・WEBセミナー】