第1章：材料とは何か - 分類と歴史

材料とは何か、どのように分類されるのか、そして人類の歴史とともに材料科学がどのように発展してきたのかを学びます。現代のMaterials InformaticsやProcess Informaticsへとつながる基礎を築きましょう。

1.1 材料の定義と分類

材料とは何か

材料（Materials）とは、何かを作るために使われる物質のことです。より専門的には、以下のように定義されます：

材料とは、その組成、構造、特性が工学的に有用であり、製品やシステムの構成要素として利用される物質である。

材料科学（Materials Science）は、材料の構造、性質、合成・加工法、そして性能の関係を研究する学問分野です。この関係は「材料科学の四面体」として表現されます：

重要な視点: 材料科学の目標は、これら4つの要素の関係を理解し、望ましい性能を持つ材料を設計・製造することです。

材料の4大分類

材料は、その結合様式と構造により、主に4つのカテゴリに分類されます：

1. 金属材料（Metals）

特徴:

• 金属結合による自由電子の存在
• 高い電気伝導率と熱伝導率
• 延性・展性に優れる（変形しやすい）
• 金属光沢を持つ

代表例:

• 鉄（Fe）: 構造材料、自動車、建築
• 銅（Cu）: 電線、電子部品
• アルミニウム（Al）: 軽量構造材、航空機
• チタン（Ti）: 生体材料、航空宇宙

用途: 構造材料、導電材料、機械部品、工具

2. セラミックス材料（Ceramics）

特徴:

• イオン結合または共有結合
• 高い硬度と耐熱性
• 脆い（衝撃に弱い）
• 電気絶縁性が高い（一部は半導体や超伝導体）

代表例:

• アルミナ（Al₂O₃）: 研磨材、耐火物、基板
• シリカ（SiO₂）: ガラス、光ファイバー
• 炭化ケイ素（SiC）: 耐熱材料、半導体
• ジルコニア（ZrO₂）: セラミック刃物、固体電解質

用途: 耐火材、電子部品、切削工具、生体材料

3. 高分子材料（Polymers）

特徴:

• 共有結合で連なった巨大分子（高分子）
• 軽量で加工性が良い
• 電気絶縁性が高い
• 熱可塑性（加熱で軟化）または熱硬化性

代表例:

• ポリエチレン（PE）: ビニール袋、容器
• ポリプロピレン（PP）: 自動車部品、容器
• ポリスチレン（PS）: 発泡スチロール、包装材
• ナイロン（PA）: 繊維、機械部品

用途: 包装材、繊維、医療用具、電子機器筐体

4. 複合材料（Composites）

特徴:

• 2種類以上の材料を組み合わせる
• 各材料の長所を活かし、短所を補う
• マトリックス（母材）と強化材の組み合わせ
• 軽量で高強度

代表例:

• CFRP（炭素繊維強化プラスチック）: 航空機、スポーツ用品
• GFRP（ガラス繊維強化プラスチック）: 船体、自動車部品
• コンクリート: セメント + 砂 + 砂利、建築
• 金属基複合材料（MMC）: Al + SiC、高強度部品

用途: 航空宇宙、自動車、スポーツ用品、建築

材料分類の比較表

1.2 材料科学の歴史と重要性

人類史と材料の発展

人類の歴史は、材料の歴史でもあります。実際、歴史時代は材料の名前で呼ばれています：

材料科学の重要性

材料科学は、現代社会の基盤技術であり、以下の分野で不可欠です：

1. エネルギー分野

• 太陽電池: シリコン、ペロブスカイト（光電変換効率の向上）
• リチウムイオン電池: リチウムコバルト酸化物（高エネルギー密度）
• 燃料電池: 固体高分子電解質（高効率発電）
• 超伝導材料: YBCO（送電損失ゼロ）

2. 情報通信分野

• 半導体: シリコン、GaN（高速・低消費電力）
• 光ファイバー: 高純度シリカガラス（高速通信）
• 磁気記録材料: CoFe合金（大容量ストレージ）

3. 医療・バイオ分野

• 生体材料: チタン合金（人工関節）
• 生体吸収性材料: PLA（体内で分解）
• 薬物送達システム: ナノ粒子（標的治療）

4. 環境・持続可能性分野

• 触媒材料: ゼオライト、貴金属（排ガス浄化）
• 分離膜: ポリマー膜（水処理、脱塩）
• 軽量材料: アルミ合金、CFRP（燃費向上）

1.3 材料特性と応用分野

材料特性の分類

材料の性質は、主に4つのカテゴリに分類されます：

1. 機械的性質（Mechanical Properties）

力や変形に対する材料の応答です。

• 強度（Strength）: 材料が破壊されずに耐えられる最大応力
• 硬度（Hardness）: 表面の傷つきにくさ
• 延性（Ductility）: 破壊せずに変形できる能力
• 靭性（Toughness）: 破壊までに吸収できるエネルギー
• 弾性率（Elastic Modulus）: 変形のしにくさ（ヤング率）

応力-ひずみ曲線により、これらの性質を評価します：

$$\text{応力} \, \sigma = \frac{F}{A} \quad (\text{単位: Pa, MPa})$$

$$\text{ひずみ} \, \epsilon = \frac{\Delta L}{L_0} \quad (\text{無次元})$$

2. 電気的性質（Electrical Properties）

電場や電流に対する材料の応答です。

• 電気伝導率（Electrical Conductivity）: 電流の流しやすさ（単位: S/m）
• 抵抗率（Resistivity）: 電気伝導率の逆数（単位: Ω·m）
• バンドギャップ（Band Gap）: 半導体の電子励起に必要なエネルギー（単位: eV）
• 誘電率（Dielectric Constant）: 電場の影響の受けやすさ

材料は電気伝導性により3つに分類されます：

• 導体: σ > 10⁶ S/m（金属）
• 半導体: 10⁻⁸ < σ < 10⁶ S/m（Si, GaAs）
• 絶縁体: σ < 10⁻⁸ S/m（セラミックス、高分子）

3. 熱的性質（Thermal Properties）

熱に対する材料の応答です。

• 熱伝導率（Thermal Conductivity）: 熱の伝わりやすさ（単位: W/(m·K)）
• 熱膨張係数（Thermal Expansion Coefficient）: 温度変化による寸法変化（単位: K⁻¹）
• 比熱（Specific Heat Capacity）: 温度を上げるのに必要な熱量（単位: J/(kg·K)）
• 融点（Melting Point）: 固体から液体へ変わる温度

4. 光学的性質（Optical Properties）

光に対する材料の応答です。

• 屈折率（Refractive Index）: 光の曲がり方
• 透過率（Transmittance）: 光をどれだけ通すか
• 反射率（Reflectance）: 光をどれだけ反射するか
• 吸収係数（Absorption Coefficient）: 光をどれだけ吸収するか

1.4 材料科学とMI/PIの関係

Materials Informatics（MI）との関係

Materials Informatics（MI）は、データ駆動型アプローチにより新材料を発見・設計する手法です。材料科学の知識は、MIの基盤となります。

MIの典型的なワークフロー:

材料科学の知識が必要な理由:

• 適切な記述子（descriptor）の選択には、材料特性の理解が必要
• 予測結果の妥当性を判断するには、材料の構造-特性の関係を知る必要がある
• 実験検証の計画には、材料合成・加工の知識が必要

Process Informatics（PI）との関係

Process Informatics（PI）は、製造プロセスをデータ駆動型で最適化する手法です。材料科学の知識は、プロセス設計と品質管理に不可欠です。

材料科学の知識が活きる場面:

• プロセス設計: 材料の熱的・機械的性質を理解することで、適切な加工条件を設定
• 品質管理: 材料特性と製造条件の関係を理解し、品質予測モデルを構築
• トラブルシューティング: 材料科学の知識により、異常の根本原因を特定

例: 半導体製造プロセス

• 材料科学: シリコンの結晶構造、不純物の拡散メカニズムを理解
• PI: 温度プロファイルと不純物濃度の関係をモデル化し、プロセス最適化

1.5 Pythonによる材料特性データの可視化

ここから、Pythonを使って材料特性データを可視化し、材料分類の違いを視覚的に理解しましょう。

環境準備

必要なライブラリをインストールします：

# 必要なライブラリのインストール
pip install numpy matplotlib pandas plotly seaborn

コード例1: 材料分類別の特性比較（レーダーチャート）

4種類の材料（金属・セラミックス・高分子・複合材料）の特性を、レーダーチャートで比較します。

import numpy as np
import matplotlib.pyplot as plt
from math import pi

# 材料の特性データ（0-10のスケール、10が最高）
categories = ['強度', '延性', '電気伝導性', '耐熱性', '軽量性', '加工性', 'コスト']
N = len(categories)

# 各材料の特性値（0-10スケール）
metals = [8, 9, 10, 7, 3, 7, 6]        # 金属
ceramics = [9, 2, 1, 10, 5, 3, 5]      # セラミックス
polymers = [4, 8, 1, 2, 9, 10, 9]      # 高分子
composites = [9, 5, 3, 6, 8, 5, 3]     # 複合材料

# 角度の計算（最後に最初の値を追加して閉じる）
angles = [n / float(N) * 2 * pi for n in range(N)]
angles += angles[:1]

metals += metals[:1]
ceramics += ceramics[:1]
polymers += polymers[:1]
composites += composites[:1]

# プロット作成
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 各材料をプロット
ax.plot(angles, metals, 'o-', linewidth=2, label='金属', color='#1f77b4')
ax.fill(angles, metals, alpha=0.15, color='#1f77b4')

ax.plot(angles, ceramics, 'o-', linewidth=2, label='セラミックス', color='#ff7f0e')
ax.fill(angles, ceramics, alpha=0.15, color='#ff7f0e')

ax.plot(angles, polymers, 'o-', linewidth=2, label='高分子', color='#2ca02c')
ax.fill(angles, polymers, alpha=0.15, color='#2ca02c')

ax.plot(angles, composites, 'o-', linewidth=2, label='複合材料', color='#d62728')
ax.fill(angles, composites, alpha=0.15, color='#d62728')

# 軸ラベルの設定
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories, fontsize=11)
ax.set_ylim(0, 10)
ax.set_yticks([2, 4, 6, 8, 10])
ax.set_yticklabels(['2', '4', '6', '8', '10'], fontsize=9)
ax.grid(True)

# タイトルと凡例
plt.title('材料分類別の特性比較', size=16, fontweight='bold', y=1.08)
plt.legend(loc='upper right', bbox_to_anchor=(1.3, 1.1), fontsize=11)

plt.tight_layout()
plt.show()

print("レーダーチャートから各材料の特徴を読み取りましょう：")
print("- 金属: バランスが良く、延性と電気伝導性が特に高い")
print("- セラミックス: 強度と耐熱性が優れるが、延性が低い（脆い）")
print("- 高分子: 軽量で加工性とコストに優れるが、強度と耐熱性が低い")
print("- 複合材料: 強度と軽量性を両立、バランス型")

解説: このレーダーチャートにより、各材料分類の特徴が視覚的に理解できます。例えば、金属は電気伝導性が圧倒的に高く、セラミックスは耐熱性に優れますが延性が低い（脆い）ことがわかります。

コード例2: 材料の密度と強度の関係（散布図）

代表的な材料の密度と引張強度の関係をプロットし、材料選択の視点を学びます。

import numpy as np
import matplotlib.pyplot as plt

# 材料データ（密度 g/cm³, 引張強度 MPa）
materials = {
    '金属': {
        '鉄': (7.87, 400),
        '銅': (8.96, 220),
        'アルミニウム': (2.70, 90),
        'チタン': (4.51, 240),
        'マグネシウム': (1.74, 100),
        'ステンレス鋼': (8.00, 520),
    },
    'セラミックス': {
        'アルミナ': (3.95, 300),
        '炭化ケイ素': (3.21, 400),
        'ジルコニア': (6.05, 900),
        '窒化ケイ素': (3.44, 700),
    },
    '高分子': {
        'ポリエチレン': (0.95, 30),
        'ポリプロピレン': (0.90, 35),
        'ナイロン': (1.14, 80),
        'PEEK': (1.32, 100),
    },
    '複合材料': {
        'CFRP': (1.60, 600),
        'GFRP': (1.80, 200),
    }
}

# プロット作成
fig, ax = plt.subplots(figsize=(12, 8))

colors = {'金属': '#1f77b4', 'セラミックス': '#ff7f0e',
          '高分子': '#2ca02c', '複合材料': '#d62728'}

# 各材料分類ごとにプロット
for category, materials_dict in materials.items():
    densities = [v[0] for v in materials_dict.values()]
    strengths = [v[1] for v in materials_dict.values()]
    names = list(materials_dict.keys())

    ax.scatter(densities, strengths, s=150, alpha=0.7,
               color=colors[category], label=category, edgecolors='black', linewidth=1.5)

    # 材料名をラベル表示
    for name, x, y in zip(names, densities, strengths):
        ax.annotate(name, (x, y), xytext=(5, 5), textcoords='offset points',
                    fontsize=9, alpha=0.8)

# 軸ラベルとタイトル
ax.set_xlabel('密度 (g/cm³)', fontsize=13, fontweight='bold')
ax.set_ylabel('引張強度 (MPa)', fontsize=13, fontweight='bold')
ax.set_title('材料の密度と強度の関係', fontsize=15, fontweight='bold')
ax.legend(fontsize=11, loc='upper left')
ax.grid(alpha=0.3)

# 比強度（強度/密度）のガイドライン
x_line = np.linspace(0.5, 9, 100)
for specific_strength in [50, 100, 200, 400]:
    y_line = specific_strength * x_line
    ax.plot(x_line, y_line, '--', alpha=0.3, color='gray', linewidth=0.8)
    ax.text(8.5, specific_strength * 8.5, f'{specific_strength}',
            fontsize=8, alpha=0.6, rotation=30)

plt.tight_layout()
plt.show()

# 比強度（strength-to-weight ratio）の計算
print("\n比強度ランキング（強度/密度、単位: MPa/(g/cm³)）:")
all_materials = []
for category, materials_dict in materials.items():
    for name, (density, strength) in materials_dict.items():
        specific_strength = strength / density
        all_materials.append((name, specific_strength, category))

all_materials.sort(key=lambda x: x[1], reverse=True)
for i, (name, ss, category) in enumerate(all_materials[:5], 1):
    print(f"{i}. {name} ({category}): {ss:.1f}")

出力例:

比強度ランキング（強度/密度、単位: MPa/(g/cm³)）:
1. CFRP (複合材料): 375.0
2. 窒化ケイ素 (セラミックス): 203.5
3. ジルコニア (セラミックス): 148.8
4. 炭化ケイ素 (セラミックス): 124.6
5. GFRP (複合材料): 111.1

解説: このグラフから、CFRPなどの複合材料が軽量（低密度）でありながら高強度であることがわかります。これが航空宇宙分野で複合材料が重用される理由です。

コード例3: 材料の電気伝導率比較（対数スケール）

材料の電気伝導率は桁違いに異なるため、対数スケールでプロットします。

import numpy as np
import matplotlib.pyplot as plt

# 材料の電気伝導率データ（単位: S/m）
materials_conductivity = {
    '銀': 6.3e7,
    '銅': 5.96e7,
    '金': 4.1e7,
    'アルミニウム': 3.5e7,
    'タングステン': 1.8e7,
    'ステンレス鋼': 1.4e6,
    '黒鉛': 1e5,
    'ゲルマニウム': 2.0,
    'シリコン': 1e-3,
    '純水': 5.5e-6,
    'ガラス': 1e-11,
    'テフロン': 1e-16,
    'ポリエチレン': 1e-17,
}

# 材料分類
categories_conductivity = {
    '導体': ['銀', '銅', '金', 'アルミニウム', 'タングステン', 'ステンレス鋼', '黒鉛'],
    '半導体': ['ゲルマニウム', 'シリコン'],
    '絶縁体': ['純水', 'ガラス', 'テフロン', 'ポリエチレン']
}

# プロット作成
fig, ax = plt.subplots(figsize=(10, 8))

colors_conductivity = {'導体': '#1f77b4', '半導体': '#ff7f0e', '絶縁体': '#2ca02c'}

y_pos = 0
yticks = []
yticklabels = []

for category, material_list in categories_conductivity.items():
    for material in material_list:
        conductivity = materials_conductivity[material]
        ax.barh(y_pos, conductivity, color=colors_conductivity[category],
                alpha=0.7, edgecolor='black', linewidth=1)
        yticks.append(y_pos)
        yticklabels.append(material)
        y_pos += 1
    y_pos += 0.5  # カテゴリ間のスペース

# 対数スケールに設定
ax.set_xscale('log')
ax.set_yticks(yticks)
ax.set_yticklabels(yticklabels, fontsize=10)
ax.set_xlabel('電気伝導率 (S/m)', fontsize=12, fontweight='bold')
ax.set_title('材料の電気伝導率比較（対数スケール）', fontsize=14, fontweight='bold')
ax.grid(axis='x', alpha=0.3)

# 凡例（手動作成）
from matplotlib.patches import Rectangle
legend_elements = [Rectangle((0, 0), 1, 1, fc=color, alpha=0.7, edgecolor='black')
                   for color in colors_conductivity.values()]
ax.legend(legend_elements, categories_conductivity.keys(),
          loc='lower right', fontsize=11)

plt.tight_layout()
plt.show()

print("\n電気伝導率の範囲:")
print(f"導体（金属）: 10⁶ - 10⁸ S/m")
print(f"半導体: 10⁻⁸ - 10⁶ S/m")
print(f"絶縁体: < 10⁻⁸ S/m")
print("\n最も導電性が高い材料: 銀（6.3×10⁷ S/m）")
print("最も絶縁性が高い材料: ポリエチレン（10⁻¹⁷ S/m）")
print(f"両者の差: 約10²⁴倍！")

解説: 電気伝導率は材料によって約24桁も異なります。この巨大な差により、材料を導体・半導体・絶縁体に分類できます。銅やアルミは電線に、シリコンは半導体デバイスに、ポリエチレンは電線の絶縁被覆に使われます。

コード例4: 材料の融点と熱伝導率の関係

材料の融点と熱伝導率の関係をプロットし、材料選択の指針を得ます。

import numpy as np
import matplotlib.pyplot as plt

# 材料データ（融点 K, 熱伝導率 W/(m·K)）
materials_thermal = {
    '金属': {
        '銅': (1358, 401),
        'アルミニウム': (933, 237),
        '鉄': (1811, 80),
        'チタン': (1941, 22),
        'タングステン': (3695, 173),
        '銀': (1235, 429),
    },
    'セラミックス': {
        'アルミナ': (2345, 30),
        '窒化ケイ素': (2173, 90),
        '炭化ケイ素': (3103, 120),
        'ジルコニア': (2988, 2),
        'ダイヤモンド': (3823, 2200),
    },
    '高分子': {
        'ポリエチレン': (408, 0.4),
        'ポリプロピレン': (433, 0.22),
        'PTFE': (600, 0.25),
        'PEEK': (616, 0.25),
    }
}

# プロット作成
fig, ax = plt.subplots(figsize=(12, 8))

colors_thermal = {'金属': '#1f77b4', 'セラミックス': '#ff7f0e', '高分子': '#2ca02c'}

for category, materials_dict in materials_thermal.items():
    melting_points = [v[0] for v in materials_dict.values()]
    thermal_conductivities = [v[1] for v in materials_dict.values()]
    names = list(materials_dict.keys())

    ax.scatter(melting_points, thermal_conductivities, s=150, alpha=0.7,
               color=colors_thermal[category], label=category,
               edgecolors='black', linewidth=1.5)

    # 材料名をラベル表示
    for name, x, y in zip(names, melting_points, thermal_conductivities):
        offset_x = 10 if name != 'ダイヤモンド' else -50
        offset_y = 10 if name != 'ダイヤモンド' else -100
        ax.annotate(name, (x, y), xytext=(offset_x, offset_y),
                    textcoords='offset points', fontsize=9, alpha=0.8)

# 対数スケール（熱伝導率）
ax.set_yscale('log')
ax.set_xlabel('融点 (K)', fontsize=13, fontweight='bold')
ax.set_ylabel('熱伝導率 (W/(m·K))', fontsize=13, fontweight='bold')
ax.set_title('材料の融点と熱伝導率の関係', fontsize=15, fontweight='bold')
ax.legend(fontsize=11)
ax.grid(alpha=0.3)

plt.tight_layout()
plt.show()

print("\n高温用途に適した材料:")
print("- タングステン: 融点3695K、航空機エンジン")
print("- 炭化ケイ素: 融点3103K、耐熱部品")
print("- ダイヤモンド: 融点3823K、驚異的な熱伝導率（2200 W/(m·K)）")
print("\n熱管理用途:")
print("- 銅・銀: 高い熱伝導率（400+ W/(m·K)）、ヒートシンク")
print("- ダイヤモンド: 最高の熱伝導率、半導体放熱基板")

解説: ダイヤモンドは、極めて高い融点と圧倒的な熱伝導率を持ち、半導体デバイスの放熱基板として理想的です。金属は総じて熱伝導率が高く、熱管理用途に適しています。

コード例5: 材料選択マップ（Ashbyチャート風）

材料科学で有名なAshbyチャートを簡略化し、材料選択の視点を学びます。

import numpy as np
import matplotlib.pyplot as plt

# 材料データ（ヤング率 GPa, 密度 g/cm³）
materials_ashby = {
    '金属': {
        '鋼': (200, 7.85),
        'アルミニウム': (70, 2.70),
        'チタン': (110, 4.51),
        'マグネシウム': (45, 1.74),
    },
    'セラミックス': {
        'アルミナ': (380, 3.95),
        '炭化ケイ素': (410, 3.21),
        '窒化ケイ素': (310, 3.44),
    },
    '高分子': {
        'エポキシ': (3, 1.2),
        'ナイロン': (2.5, 1.14),
        'PEEK': (4, 1.32),
    },
    '複合材料': {
        'CFRP': (150, 1.60),
        'GFRP': (40, 1.80),
    },
    '自然材料': {
        '木材': (11, 0.6),
        '骨': (20, 1.9),
    }
}

# プロット作成
fig, ax = plt.subplots(figsize=(12, 9))

colors_ashby = {
    '金属': '#1f77b4', 'セラミックス': '#ff7f0e', '高分子': '#2ca02c',
    '複合材料': '#d62728', '自然材料': '#9467bd'
}

for category, materials_dict in materials_ashby.items():
    youngs_moduli = [v[0] for v in materials_dict.values()]
    densities = [v[1] for v in materials_dict.values()]
    names = list(materials_dict.keys())

    ax.scatter(densities, youngs_moduli, s=200, alpha=0.7,
               color=colors_ashby[category], label=category,
               edgecolors='black', linewidth=1.5)

    # 材料名をラベル表示
    for name, x, y in zip(names, densities, youngs_moduli):
        ax.annotate(name, (x, y), xytext=(5, 5), textcoords='offset points',
                    fontsize=9, alpha=0.8)

# 対数スケール
ax.set_yscale('log')
ax.set_xlabel('密度 (g/cm³)', fontsize=13, fontweight='bold')
ax.set_ylabel('ヤング率 (GPa)', fontsize=13, fontweight='bold')
ax.set_title('材料選択マップ（Ashbyチャート風）', fontsize=15, fontweight='bold')
ax.legend(fontsize=11, loc='lower right')
ax.grid(alpha=0.3, which='both')

# 比剛性（ヤング率/密度）のガイドライン
x_line = np.linspace(0.5, 8, 100)
for specific_stiffness in [10, 30, 100]:
    y_line = specific_stiffness * x_line
    ax.plot(x_line, y_line, '--', alpha=0.3, color='gray', linewidth=1)
    ax.text(7, specific_stiffness * 7, f'E/ρ={specific_stiffness}',
            fontsize=8, alpha=0.6, rotation=15)

plt.tight_layout()
plt.show()

# 比剛性の計算
print("\n比剛性ランキング（ヤング率/密度、単位: GPa/(g/cm³)）:")
all_materials_ashby = []
for category, materials_dict in materials_ashby.items():
    for name, (youngs, density) in materials_dict.items():
        specific_stiffness = youngs / density
        all_materials_ashby.append((name, specific_stiffness, category))

all_materials_ashby.sort(key=lambda x: x[1], reverse=True)
for i, (name, ss, category) in enumerate(all_materials_ashby[:5], 1):
    print(f"{i}. {name} ({category}): {ss:.1f}")

print("\n材料選択の指針:")
print("- 軽量で高剛性が必要 → CFRP、炭化ケイ素")
print("- 高温環境 → セラミックス")
print("- 導電性が必要 → 金属")
print("- 低コスト・加工性 → 高分子")

出力例:

比剛性ランキング（ヤング率/密度、単位: GPa/(g/cm³)）:
1. 炭化ケイ素 (セラミックス): 127.7
2. アルミナ (セラミックス): 96.2
3. CFRP (複合材料): 93.8
4. 窒化ケイ素 (セラミックス): 90.1
5. チタン (金属): 24.4

解説: Ashbyチャートは、材料選択のための強力なツールです。比剛性（ヤング率/密度）が高い材料は、軽量でありながら高剛性が求められる用途（航空機構造など）に適しています。

1.6 本章のまとめ

学んだこと

1. 材料の定義と分類
   • 材料は構造-性質-合成-性能の4つの要素で理解される
   • 4大分類：金属、セラミックス、高分子、複合材料
   • 各材料分類には特徴的な性質があり、用途が決まる
2. 材料科学の歴史
   • 人類史は材料の歴史（石器→青銅器→鉄器→...）
   • 現代はMI/PI時代（データ駆動型材料開発）
3. 材料特性の4つのカテゴリ
   • 機械的性質：強度、硬度、延性
   • 電気的性質：電気伝導率、バンドギャップ
   • 熱的性質：熱伝導率、融点
   • 光学的性質：屈折率、透過率
4. MI/PIとの関係
   • 材料科学の知識はMI（材料設計）とPI（プロセス最適化）の基盤
   • 構造-特性の関係理解が記述子設計に不可欠
5. Pythonによるデータ可視化
   • レーダーチャート、散布図、対数プロットによる材料特性の比較
   • Ashbyチャートによる材料選択の指針

重要なポイント

• 材料選択は用途に応じた特性の最適化が鍵
• 単一材料では限界があるため、複合材料が重要
• 材料特性は数十桁も異なる（例：電気伝導率）
• 比強度・比剛性など、正規化した指標が材料選択に有用
• データ駆動型アプローチ（MI/PI）により、材料開発が加速

次の章へ

第2章では、原子構造と化学結合を学びます：

• 原子の構造と電子配置
• 化学結合の種類（イオン結合・共有結合・金属結合・分子間力）
• 結合と材料特性の関係
• Pythonによる電子配置の可視化
• 結合エネルギーと材料特性の計算