新しい論文「AI-assisted monitoring of coal particles within droplets in a coal monoethylene glycol slurry spray」が、カールスルーエ工科大学（KIT）の研究リポジトリKITopenで公開されました。

KITのTobias Jakobs氏およびPatrick Stegmann氏とともに、人工知能（AI）が複雑なスプレー液滴内部の粒子に関する情報をどのように抽出できるかを研究しました。

その結果、最大95%の予測精度が得られました。

本研究は、2026年7月26日から31日まで日本・京都で開催された41st International Symposium on Combustion（ISOC）の一環として発表されました。

ISOC 2026 – スラリースプレー液滴のAIスプレーモニタリング

https://publikationen.bibliothek.kit.edu/1000196272

個々の液滴から連続データストリームへ

ほとんどの光学式スプレー測定システムは、液滴を1つずつ解析します。

液滴を検出し、その光学信号を評価して、液滴径や液滴速度などの値を算出します。

これは多くのスプレー測定で有効に機能します。しかし、複雑な液滴にはさらに多くの情報が含まれています。その光散乱信号には、次のような情報も含まれる可能性があります。

本研究では、異なるアプローチを採用しています。

個々の液滴信号だけを抽出するのではなく、連続的な光散乱データストリームをそのまま保持します。そのうえで、人工知能（AI）がこのデータから有用なパターンを探索します。

このアプローチにより、元の測定情報をはるかに多く保持できます。

ParticleTensorAIは測定信号をAI用データに変換

実験にはタイムシフト法（Time-Shift Time-of-Flight、TSTOF）による測定技術を使用しました。

4つの光学検出器が、測定体積を通過する液滴によって散乱された光を記録しました。各検出器は異なる角度から液滴を捉えるため、それぞれ独自の信号ストリームを生成します。

ParticleTensorAI（PTA）は、これらの高速な検出器信号を、AIモデルが解析できる構造化データに変換します。

論文では、RGB画像に似た形式を検証しました。異なる検出器信号を赤・緑・青の各チャンネルに割り当てています。

これにより、画像認識で広く用いられている畳み込みニューラルネットワーク（CNN）を、光学的なスプレー信号の解析に活用できます。

ただし、これらのParticleTensorAI画像はスプレーを撮影した写真ではありません。

一定時間にわたる多数の液滴からの光散乱信号を表したものです。

2026 ParticleTensorAI ENダウンロード

AIスプレー診断で最大95%の精度を達成

モノエチレングリコール・スラリー液滴中の石炭粒子を用いて、この手法を検証しました。

実験では、複数の石炭粒子径と3つの質量濃度を対象としました。

AIモデルは、光学信号から異なるスプレー条件を識別することを学習しました。

原理実証試験では、最大95%の予測精度を達成しました。

AIは、平均石炭粒子径よりも質量濃度をより確実に識別しました。

また、観測時間を長くすると結果が向上することもわかりました。長いParticleTensorAIにはより多くの液滴からの信号が含まれるため、AIはスプレー全体についてより多くの情報を得られます。

AIに必要な検出器の数は？

本研究のもう一つのテーマは、光学検出器の数でした。

観測時間が短い場合は、検出器信号を個別に扱う方が良い結果が得られました。観測時間が長くなると、検出器チャンネルの数の重要性は低下しました。

この結果は、将来の測定システムにとって特に興味深いものです。

一部のAIベースのスプレー診断は、よりシンプルな光学センサー設計と少ない検出器で実現できる可能性を示唆しています。

この課題については、引き続き研究を進めています。

石炭スラリー測定にとどまらない可能性

石炭スラリーは試験ケースとして用いましたが、ParticleTensorAIの基本的な考え方は、はるかに幅広い用途に応用できます。

この手法は、次のようなAIベースの解析に役立つ可能性があります。

これが、従来のデータ解析とParticleTensorAIのコンセプトとの重要な違いです。

通常は、まず測定信号のどの部分が重要かを決め、その信号から特定のパラメータを算出します。

ParticleTensorAIでは、元の信号データをはるかに多く保持したまま、スプレーの物理的特性に関連するパターンをAIに探索させることができます。

将来のスプレー測定のためのParticleTensorAI

本研究は、AIベースのスプレー診断の新たな方向性を示しています。

人工知能（AI）は、算出済みの液滴パラメータの解析を支援するだけではありません。連続的な高速光学測定データを直接扱うことができます。

これにより、サイズと速度だけでは十分な情報が得られない複雑な液滴の測定に、新たな可能性が開かれます。

今後の用途として、塗料スプレー解析、材料特性評価、プロセス監視、スマートなインラインスプレーセンサーなどが考えられます。

[FINAL] 2025-10-30 41st ISOC 4-Page Paperダウンロード