この学術論文では、個々のスプレー液滴の屈折率と質量濃度を求めるAI支援手法を紹介します。本手法はTSTOF光散乱信号と機械学習を用いて、スプレー中の動的な液滴から材料に関連する情報を抽出します。
従来の光学式スプレー測定は、多くの場合、液滴径と速度に焦点を当てています。しかし、多くの産業・学術用途では追加の情報が求められます。例えば、個々の液滴内部の屈折率、液体組成、質量濃度を知る必要がある場合があります。AI支援液滴解析は、複雑な光学信号からこうした情報を抽出するのに役立ちます。
TSTOF測定と光散乱信号
TSTOF測定原理では、整形された光ビームを通過する液滴から得られる、時間シフトした光散乱信号を解析します。これらの信号には、液滴の運動、光学的挙動、材料特性に関する情報が含まれています。
本研究では、人工知能（AI）がこれらの信号の評価を支援します。AIモデルは屈折率と質量濃度に関連する信号パターンを学習します。これにより、本手法は従来の液滴測定を、材料に敏感なスプレー診断へと拡張します。
スプレー液滴の屈折率と質量濃度
屈折率は液体の重要な光学特性です。液体の組成によって変化するため、混合物、溶液、プロセス条件に関する貴重な情報を提供します。
質量濃度も多くのスプレープロセスにとって重要です。これは液滴内部に溶解または懸濁している物質の量を表します。コーティングプロセス、スラリースプレー、燃料スプレー、化学プロセス、その他の多相系の用途に関わります。
TSTOF光散乱信号とAI支援解析を組み合わせることで、本手法は平均化されたスプレー特性だけでなく、個々のスプレー液滴を評価できます。これにより、スプレーの組成とプロセス挙動をより詳細に把握できます。
従来のスプレー診断からAI支援解析へ
本論文は、光学測定技術が従来の粒径・速度測定をどのように超えられるかを示しています。AI支援液滴解析により、同種の光散乱信号から追加の情報を抽出できます。
そのため本手法は、スプレー測定技術、粒子特性評価、材料分析、産業プロセスモニタリングにおける新たな応用を可能にします。また、確立されたTSTOF診断と最新のAIベース信号評価を結び付けます。
応用の可能性
AI支援液滴解析は、研究者や技術者が複雑なスプレーをより深く理解するのに役立ちます。液体混合物、濃度変化、コーティング材料、スラリー液滴、その他の動的な多相系の特性評価を支援します。
このアプローチは、リアルタイムのスプレーモニタリングにも可能性を秘めています。将来的には、こうした手法によってプロセス変化をより早期に検出し、品質管理を改善し、より安定した産業用スプレープロセスを実現できる可能性があります。
AI Assisted Determination of Refractive Index and Mass Concentration of Individual Spray Droplets Using TSTOF Light-Scattering Signals
Walter Schäfer, E. Goldenberg, M. Al-Naggar and W. Schaufler
要旨：本研究では、Time-Shift–Time-of-Flight（TSTOF）装置で記録された光散乱信号に、屈折率と質量濃度を復元するのに十分な情報が含まれているかを調べ、人工知能（AI）がこの情報をどのように活用できるかを示します。個々の動的な液滴の屈折率と質量濃度を正確に求めることは、産業用スプレープロセスにおける透明液滴および懸濁液滴の特性評価に不可欠です。従来の光学診断では、運動中の個々の液滴についてこれらの量を求めることはできず、現在のTSTOFベースの装置も、特に高密度のスプレー条件下では、一般にサイズ、速度、不透明度の測定に限られています。濃度0%から100%の懸濁液滴と、屈折率1.30～1.40の水–グリセリン混合物からなる透明液滴を対象に、制御された測定を行いました。各液滴が楕円ガウスビームを通過する際の光散乱信号を記録し、これらの信号のさまざまな組み合わせでAIモデルを学習させました。その結果、AIで強化したTSTOF診断により、動的な液滴をリアルタイムかつ組成に敏感に特性評価できることが示され、現在の光学式スプレー測定システムの能力が大幅に拡張されることが明らかになりました。
https://www.sciencedirect.com/science/article/abs/pii/S0142727X26001839?via%3Dihub
