ファインケミカル

著者一覧
船津公人　奈良先端科学技術大学院大学
加藤幸一郎　九州大学
ポアインカン　九州大学
南拓也　㈱レゾナック
中陳巧勤　㈱レゾナック
青沼直登　㈱レゾナック
宮越洸二　㈱レゾナック
森田裕史　(国研)産業技術総合研究所
笠原健三　コニカミノルタ㈱
藤井義則　コニカミノルタ㈱
多喜川真人　コニカミノルタ㈱
今田知之　DIC㈱
寺島健仁　東京農業大学
岡田至　東京農業大学
冨澤元博　東京農業大学


目次
-------------------------------------------------------------------------

【特集】ポリマーインフォマティクス～革新的高分子材料の探索・設計の最前線～

-------------------------------------------------------------------------

特集にあたって～プロセスインフォマティクスを考える～
Introduction to the Special Issue ～Rethinking Process Informatics～

-------------------------------------------------------------------------

機械学習を用いた陰イオン交換膜ポリマーの探索と設計
Exploration and Design of Anion Exchange Membrane Polymers Using Machine Learning

　陰イオン交換膜(AEM)は,燃料電池や水電解装置の中核部品であり,持続可能な水素社会の実現に不可欠である。しかし,AEMの陰イオン伝導度や耐久性に課題があり,その商業化を阻む大きな要因となっている。本稿では,教師あり/教師なし機械学習を活用した,AEMの陰イオン伝導度や耐久性の予測や材料設計指針の抽出について紹介する。

【目次】
1　はじめに
2　データベース構築
3　教師あり機械学習
4　教師なし機械学習
5　おわりに

-------------------------------------------------------------------------

機械学習を用いたポリマー材料の効率設計
Efficient Design of Polymer Materials Using Machine Learning

　本研究では,機械学習を活用したポリマー設計効率化の事例について紹介する。ベイズ最適化,網羅予測,シミュレーテッドアニーリングなどにより最適条件を設計することでポリマー性能を向上させることに成功した。このように機械学習を用いることで材料開発のスピードと質が向上し,より多様な特性を持つ材料の創出が期待される。

【目次】
1　はじめに
2　ベイズ最適化によるポリマー繰返し単位の設計
3　網羅予測による耐熱透明フレキシブルフィルム設計
4　アニーリングを用いた共重合ポリマー組成設計
5　おわりに

-------------------------------------------------------------------------

ポリマーインフォマティクスのためのシミュレーションによるデータ創成
Creation of Data for Polymer Informatics by simulation

本稿ではポリマーインフォマティクスで必要となる高次構造のデータ化とその重要性について述べる。高次構造のデータの一例として相分離構造を取り上げ,筆者らがシミュレーションを用いて取り組んだ相分離画像のデータ生成とその利用について説明し,今後のデータ科学におけるシミュレーション利用の重要性を述べる。

【目次】
1　はじめに
2　ポリマーで考えなくはならない記述子
3　シミュレーションによるデータ創成と機能性高分子DPF
4　データの増幅:AIによるデータ生成
5　まとめ

-------------------------------------------------------------------------

機械学習によるポリマーブレンドの相溶性予測
Prediction of Polymer Blend Miscibility Using Machine Learning

炭素繊維強化プラスチックの性能向上を志向して,分子動力学計算や密度汎関数法により,炭素繊維の表面酸化状態や母体樹脂の構造によるエポキシ拡散性の変化を理論的に解析した。また,界面による不均一性が炭素繊維強化プラスチックの硬化挙動や材料特性に影響を及ぼす可能性について提起する。

【目次】
1　はじめに
2　ポリマーの相溶性課題
3　相溶性予測の考え方
4　相溶性データの収集
4.1　ハイスループット実験
4.2　使用材料
5　モデル構築
5.1　ポリマー特徴量
5.2　ブレンド特徴量
5.3　分子シミュレーション
5.4　予測モデル
6　結果
7　まとめ

-------------------------------------------------------------------------

機械学習を用いた電子材料用樹脂の探索と設計
Exploration and Design of Resins for Electrical and Electronic Materials with Machine Learning

合成や配合・分散などの開発実験における質量比・量論比・プロセス値と得られた物性データに関する解析では,物性データに対する情報量が少なく良好な機械学習モデルが構築できない事例が散見され,特に樹脂(ポリマー)の解析においては難易度が上がる。本稿ではポリマーの機械学習モデル構築における基本的な取り扱い方を述べる。

【目次】
1　はじめに
2　低・中分子化合物への適用事例
3　ポリマーへの適用事例
4　おわりに

-------------------------------------------------------------------------

[連載]ピリミジン系機能性化学品(染料,農薬,医薬品など)

第12 回(終):キナゾリン(10.1-10.13)誘導体
Quinazoline(10.1-10.13)Derivatives

　前回までにピリミジン系について述べた。今回はベンゾピリミジンであるキナゾリン誘導体について述べる。

【目次】
10　キナゾリン系
10.1　4-クロロキナゾリン
10.2　4-クロロ-6,7-ビス-(2-メトキシエトキシ)キナゾリン-4(3H)-オン
10.3　2,6-ジメチルキナゾリン-4(3H)-オン
10.4　2-フルオロメチル-3-(2-トリル)-6-ニトロキナゾリン-4(3H)-オン
10.5　2-クロロメチル-4-メチルキナゾリン
10.6　 1-[4-(4-アミノ-6,7-ジメトキシキナゾリン-2-イル)-1,4-ジアゼパン-1-イル]ブタン-1-オン
10.7　3-(2-クロロエチル)キナゾリン-2,4(1H,3H)-ジオン
10.8　3-(2,4-ジクロロフェニル)-6-フルオロキナゾリン-2,4(1H,3H)-ジオン
10.9　 3-アミノ-6-(1,1,1,2,3,3,3-ヘプタフルオロプロパン-2-イル)-3,4-ジヒドロキナゾリン-2(1H)-オン
10.10　6-ヨード-2-プロポキシ-3-プロピルキナゾリン-4(3H)-オン
10.11　 3-シクロヘキシル-5,6-トリメチレンウラシル(3-シクロヘキシル-1,5,6,7-テトラヒドロシクロペンタピリミジン-2,4(3H)-ジオン)
10.12　1-イソプロピル-7-メチル-4-フェニルキナゾリン-2(1H)-オン
10.13　4-アミノ-2-クロロ-6,7-ジメトキシキナゾリン
11　おわりに

-------------------------------------------------------------------------
[マーケット情報]

ヘアケア製品の市場動(4)

-------------------------------------------------------------------------

[ケミカルプロフィル]

アクリル酸イソボルニル(Isobornyl acrylate)
エリソルビン酸/同ナトリウム(Erythorbic acid / Sodium erythorbate)
4,4’-ジアミノジフェニルエーテル(4,4’-Diaminodiphenyl ether)

-------------------------------------------------------------------------

[ニュースダイジェスト]

・海外編
・国内編