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。
Nakayama et al. (Thu,) studied this question.