第1章: ナノ粒子凝集の基礎

1.1 ナノ粒子の特性と表面効果

ナノ粒子（通常1-100 nm）は、その高い表面積対体積比により特異な性質を示します。粒子サイズが小さくなるにつれて、表面に存在する原子の割合が増加し、材料の挙動が根本的に変化します。

例1: 表面原子率の計算

粒子サイズに対する表面原子の割合の変化を計算・可視化します。

import numpy as np
import matplotlib.pyplot as plt

# ===================================
# 例1: 粒子サイズと表面原子率
# ===================================

def surface_atom_fraction(d_nm, atom_diameter_nm=0.3):
    """
    球状ナノ粒子の表面原子割合を計算。

    パラメータ:
        d_nm: 粒子直径 (nm)
        atom_diameter_nm: 原子直径の近似値（金属では約0.3 nm）

    戻り値:
        表面原子の割合
    """
    # 簡易シェルモデル近似
    r = d_nm / 2
    r_atom = atom_diameter_nm / 2

    # 原子数（体積ベースの推定）
    V_particle = (4/3) * np.pi * r**3
    V_atom = (4/3) * np.pi * r_atom**3
    n_total = V_particle / V_atom

    # 表面原子（シェル厚さ ≈ 1原子直径）
    r_inner = max(0, r - atom_diameter_nm)
    V_inner = (4/3) * np.pi * r_inner**3
    n_inner = V_inner / V_atom
    n_surface = n_total - n_inner

    return n_surface / n_total if n_total > 0 else 1.0

def specific_surface_area(d_nm, density_g_cm3):
    """
    球状粒子の比表面積 (m²/g) を計算。

    パラメータ:
        d_nm: 粒子直径 (nm)
        density_g_cm3: 材料密度 (g/cm³)

    戻り値:
        比表面積 (m²/g)
    """
    d_m = d_nm * 1e-9
    density_kg_m3 = density_g_cm3 * 1000

    # 球の場合: SSA = 6 / (d * rho)
    ssa = 6 / (d_m * density_kg_m3)
    return ssa

# 粒子サイズ範囲での計算
diameters = np.logspace(0, 3, 100)  # 1 nm から 1000 nm
surface_fractions = [surface_atom_fraction(d) for d in diameters]

# 主要材料のSSA計算
materials = {
    '金 (Au)': 19.3,
    '銀 (Ag)': 10.5,
    'シリカ (SiO2)': 2.2,
    'チタニア (TiO2)': 4.2,
    '酸化鉄 (Fe3O4)': 5.2
}

# グラフ作成
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# プロット1: 表面原子率
ax1 = axes[0]
ax1.semilogx(diameters, np.array(surface_fractions) * 100, 'b-', linewidth=2.5)
ax1.axhline(y=50, color='r', linestyle='--', alpha=0.7, label='表面原子50%')
ax1.axvline(x=10, color='g', linestyle='--', alpha=0.7, label='10 nm')
ax1.fill_between(diameters, 0, np.array(surface_fractions) * 100, alpha=0.2)
ax1.set_xlabel('粒子直径 (nm)', fontsize=12)
ax1.set_ylabel('表面原子割合 (%)', fontsize=12)
ax1.set_title('粒子サイズと表面原子率', fontsize=13, fontweight='bold')
ax1.set_xlim(1, 1000)
ax1.set_ylim(0, 100)
ax1.grid(True, alpha=0.3)
ax1.legend()

# プロット2: 比表面積
ax2 = axes[1]
colors = plt.cm.viridis(np.linspace(0, 0.8, len(materials)))
for (material, density), color in zip(materials.items(), colors):
    ssa = [specific_surface_area(d, density) for d in diameters]
    ax2.loglog(diameters, ssa, linewidth=2, label=material, color=color)

ax2.axhline(y=100, color='gray', linestyle=':', alpha=0.7, label='100 m²/g')
ax2.set_xlabel('粒子直径 (nm)', fontsize=12)
ax2.set_ylabel('比表面積 (m²/g)', fontsize=12)
ax2.set_title('材料別の比表面積', fontsize=13, fontweight='bold')
ax2.set_xlim(1, 1000)
ax2.grid(True, alpha=0.3, which='both')
ax2.legend(loc='upper right', fontsize=9)

plt.tight_layout()
plt.savefig('surface_effects.png', dpi=150, bbox_inches='tight')
plt.show()

# 主要サイズでの値を出力
print("=== 主要サイズでの表面特性 ===")
for d in [5, 10, 20, 50, 100]:
    frac = surface_atom_fraction(d)
    ssa_au = specific_surface_area(d, 19.3)
    ssa_sio2 = specific_surface_area(d, 2.2)
    print(f"d = {d:3d} nm: 表面原子 = {frac*100:5.1f}%, "
          f"SSA(Au) = {ssa_au:6.1f} m²/g, SSA(SiO2) = {ssa_sio2:6.1f} m²/g")

1.2 ファンデルワールス力による凝集

ファンデルワールス（vdW）力は、ナノ粒子間の主要な引力です。これらは揺動双極子（ロンドン分散力）から生じ、常に引力として作用します。Hamaker定数 \(A_H\) は、特定の材料ペアにおけるvdW相互作用の強さを特徴づけます。

ファンデルワールス相互作用エネルギー

半径 \(R_1\) と \(R_2\) の2つの球状粒子が表面間距離 \(h\) で分離されている場合:

例2: ナノ粒子間のファンデルワールス引力

import numpy as np
import matplotlib.pyplot as plt

# ===================================
# 例2: 球状ナノ粒子間のファンデルワールス引力
# ===================================

def vdw_energy_spheres(h, R1, R2, A_H):
    """
    2つの球間のファンデルワールス相互作用エネルギーを計算。

    パラメータ:
        h: 表面間距離 (m)
        R1, R2: 2つの球の半径 (m)
        A_H: Hamaker定数 (J)

    戻り値:
        相互作用エネルギー (J)
    """
    h = np.maximum(h, 1e-12)  # ゼロ除算回避

    term1 = (2 * R1 * R2) / (h * (h + 2*R1 + 2*R2))
    term2 = (2 * R1 * R2) / ((h + 2*R1) * (h + 2*R2))
    term3 = np.log((h * (h + 2*R1 + 2*R2)) / ((h + 2*R1) * (h + 2*R2)))

    V = -(A_H / 6) * (term1 + term2 + term3)
    return V

# 各材料のHamaker定数 (J)
hamaker_constants = {
    'Au-Au（真空中）': 45e-20,
    'Au-Au（水中）': 30e-20,
    'SiO2-SiO2（真空中）': 6.5e-20,
    'SiO2-SiO2（水中）': 0.83e-20,
    'TiO2-TiO2（水中）': 5.3e-20,
    'ポリスチレン（水中）': 1.3e-20
}

# パラメータ
R = 10e-9  # 半径10 nm（直径20 nm）
h_range = np.logspace(-10, -7, 200)  # 0.1 nmから100 nmの分離

# 相互作用エネルギーの計算
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# プロット1: 異なる材料でのエネルギー対距離
ax1 = axes[0]
colors = plt.cm.tab10(np.linspace(0, 1, len(hamaker_constants)))

for (material, A_H), color in zip(hamaker_constants.items(), colors):
    V = vdw_energy_spheres(h_range, R, R, A_H)
    V_kT = V / (1.38e-23 * 300)  # kT単位に変換
    ax1.semilogx(h_range * 1e9, V_kT, linewidth=2, label=material, color=color)

ax1.axhline(y=-1, color='gray', linestyle='--', alpha=0.7)
ax1.text(0.15, -0.5, '-1 kT', fontsize=10, color='gray')
ax1.set_xlabel('分離距離 (nm)', fontsize=12)
ax1.set_ylabel('相互作用エネルギー (kT at 300K)', fontsize=12)
ax1.set_title('ファンデルワールスエネルギー: 20 nm粒子', fontsize=13, fontweight='bold')
ax1.set_xlim(0.1, 100)
ax1.set_ylim(-100, 5)
ax1.legend(loc='lower right', fontsize=8)
ax1.grid(True, alpha=0.3)

# プロット2: 粒子サイズの影響
ax2 = axes[1]
A_H = 30e-20  # 水中の金
radii_nm = [5, 10, 25, 50, 100]
colors2 = plt.cm.plasma(np.linspace(0.1, 0.9, len(radii_nm)))

for R_nm, color in zip(radii_nm, colors2):
    R_m = R_nm * 1e-9
    V = vdw_energy_spheres(h_range, R_m, R_m, A_H)
    V_kT = V / (1.38e-23 * 300)
    ax2.semilogx(h_range * 1e9, V_kT, linewidth=2,
                 label=f'd = {2*R_nm} nm', color=color)

ax2.axhline(y=-10, color='red', linestyle=':', alpha=0.7)
ax2.text(0.15, -8, '強い引力 (-10 kT)', fontsize=9, color='red')
ax2.set_xlabel('分離距離 (nm)', fontsize=12)
ax2.set_ylabel('相互作用エネルギー (kT at 300K)', fontsize=12)
ax2.set_title('サイズ効果（水中の金）', fontsize=13, fontweight='bold')
ax2.set_xlim(0.1, 100)
ax2.set_ylim(-200, 10)
ax2.legend(loc='lower right')
ax2.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig('vdw_attraction.png', dpi=150, bbox_inches='tight')
plt.show()

# 1 nm分離での主要な値を出力
print("\n=== 1 nm分離でのファンデルワールスエネルギー ===")
h_1nm = 1e-9
for material, A_H in hamaker_constants.items():
    V = vdw_energy_spheres(h_1nm, 10e-9, 10e-9, A_H)
    V_kT = V / (1.38e-23 * 300)
    print(f"{material:30s}: V = {V_kT:8.1f} kT")

1.3 静電的相互作用

電解質溶液中の荷電粒子は、荷電表面と対イオンの拡散層からなる電気二重層（EDL）を形成します。これにより分散液を安定化できる静電斥力が生じます。

電気二重層モデル

例3: 電気二重層とDebye長

import numpy as np
import matplotlib.pyplot as plt

# ===================================
# 例3: 電気二重層とDebye長
# ===================================

# 物理定数
epsilon_0 = 8.854e-12  # 真空誘電率 (F/m)
epsilon_r = 78.5       # 水の比誘電率 (25°C)
kB = 1.38e-23          # ボルツマン定数 (J/K)
T = 298                # 温度 (K)
e = 1.602e-19          # 素電荷 (C)
NA = 6.022e23          # アボガドロ数

def debye_length(ionic_strength_M):
    """
    25°Cの水中における1:1電解質のDebye長を計算。

    パラメータ:
        ionic_strength_M: イオン強度 (mol/L)

    戻り値:
        Debye長 (m)
    """
    I = ionic_strength_M * 1000  # mol/m³に変換
    kappa_inv = np.sqrt((epsilon_r * epsilon_0 * kB * T) / (2 * NA * e**2 * I))
    return kappa_inv

def potential_decay(x, psi_0, kappa):
    """
    表面からの距離に対する電位を計算。
    """
    return psi_0 * np.exp(-kappa * x)

def electrostatic_repulsion(h, R, psi_0, ionic_strength_M):
    """
    2つの等径球間の静電斥力を計算。
    """
    kappa = 1 / debye_length(ionic_strength_M)
    V_elec = 2 * np.pi * epsilon_r * epsilon_0 * R * psi_0**2 * np.log(1 + np.exp(-kappa * h))
    return V_elec

# 様々なイオン強度でのDebye長計算
ionic_strengths = np.logspace(-5, 0, 100)  # 10 μMから1 M
debye_lengths = [debye_length(I) * 1e9 for I in ionic_strengths]

# 一般的な電解質濃度
common_solutions = {
    '超純水': 1e-7,
    '純水 (CO2溶存)': 1e-5,
    '1 mM NaCl': 1e-3,
    '10 mM NaCl': 1e-2,
    '100 mM NaCl': 0.1,
    '海水 (~0.6M)': 0.6
}

# グラフ作成
fig, axes = plt.subplots(1, 3, figsize=(15, 4.5))

# プロット1: Debye長対イオン強度
ax1 = axes[0]
ax1.loglog(ionic_strengths * 1000, debye_lengths, 'b-', linewidth=2.5)

for name, I in common_solutions.items():
    lambda_D = debye_length(I) * 1e9
    ax1.scatter([I * 1000], [lambda_D], s=80, zorder=5)
    ax1.annotate(f'{name}\n({lambda_D:.1f} nm)',
                 xy=(I * 1000, lambda_D), xytext=(5, 5),
                 textcoords='offset points', fontsize=8)

ax1.set_xlabel('イオン強度 (mM)', fontsize=11)
ax1.set_ylabel('Debye長 (nm)', fontsize=11)
ax1.set_title('Debye長とイオン強度', fontsize=12, fontweight='bold')
ax1.grid(True, alpha=0.3, which='both')
ax1.set_xlim(1e-2, 1e3)
ax1.set_ylim(0.1, 1000)

# プロット2: 電位減衰プロファイル
ax2 = axes[1]
x = np.linspace(0, 50e-9, 200)
psi_0 = 0.050  # 表面電位 50 mV

for I_mM, color, ls in [(1, 'blue', '-'), (10, 'green', '--'), (100, 'red', ':')]:
    I = I_mM / 1000
    kappa = 1 / debye_length(I)
    psi = potential_decay(x, psi_0, kappa)
    lambda_D = debye_length(I) * 1e9
    ax2.plot(x * 1e9, psi * 1000, color=color, linestyle=ls, linewidth=2,
             label=f'{I_mM} mM (λD = {lambda_D:.1f} nm)')

ax2.axhline(y=psi_0 * 1000 / np.e, color='gray', linestyle=':', alpha=0.7)
ax2.text(45, psi_0 * 1000 / np.e + 2, 'ψ₀/e', fontsize=10, color='gray')
ax2.set_xlabel('表面からの距離 (nm)', fontsize=11)
ax2.set_ylabel('電位 (mV)', fontsize=11)
ax2.set_title('電位の減衰 (ψ₀ = 50 mV)', fontsize=12, fontweight='bold')
ax2.legend(loc='upper right')
ax2.grid(True, alpha=0.3)
ax2.set_xlim(0, 50)

# プロット3: 静電斥力エネルギー
ax3 = axes[2]
h_range = np.linspace(0.5e-9, 30e-9, 200)
R = 10e-9  # 半径10 nm
psi_0 = 0.030  # 30 mV

for I_mM, color in [(1, 'blue'), (10, 'green'), (100, 'red')]:
    I = I_mM / 1000
    V_elec = [electrostatic_repulsion(h, R, psi_0, I) for h in h_range]
    V_kT = np.array(V_elec) / (kB * T)
    ax3.plot(h_range * 1e9, V_kT, color=color, linewidth=2,
             label=f'{I_mM} mM')

ax3.axhline(y=10, color='gray', linestyle='--', alpha=0.7)
ax3.text(25, 12, 'バリア > 10 kT', fontsize=9, color='gray')
ax3.set_xlabel('分離距離 (nm)', fontsize=11)
ax3.set_ylabel('斥力エネルギー (kT)', fontsize=11)
ax3.set_title('静電斥力 (R=10nm, ψ₀=30mV)', fontsize=12, fontweight='bold')
ax3.legend(loc='upper right')
ax3.grid(True, alpha=0.3)
ax3.set_xlim(0, 30)
ax3.set_ylim(0, 50)

plt.tight_layout()
plt.savefig('electric_double_layer.png', dpi=150, bbox_inches='tight')
plt.show()

# 一般的な溶液のDebye長を出力
print("\n=== 一般的な溶液のDebye長 (25°C) ===")
for name, I in sorted(common_solutions.items(), key=lambda x: x[1]):
    lambda_D = debye_length(I)
    print(f"{name:25s}: I = {I*1000:8.3f} mM, λD = {lambda_D*1e9:8.2f} nm")

1.4 毛細管力（液架橋）

粒子が湿気にさらされたり乾燥プロセス中に、粒子間に液架橋が形成され、強い毛細管力が生じます。これらの力は、高湿度環境やスプレー乾燥粉末における凝集の主要な原因となり得ます。

例4: 毛細管力の計算

import numpy as np
import matplotlib.pyplot as plt

# ===================================
# 例4: ナノ粒子間の毛細管力
# ===================================

def capillary_force(R, gamma, theta_deg):
    """
    2つの等径球間の毛細管力を計算。

    パラメータ:
        R: 粒子半径 (m)
        gamma: 表面張力 (N/m)
        theta_deg: 接触角 (度)

    戻り値:
        毛細管力 (N)
    """
    theta_rad = np.radians(theta_deg)
    F = 2 * np.pi * R * gamma * np.cos(theta_rad)
    return F

# パラメータ
gamma_water = 0.072      # N/m (25°Cの水)
gamma_ethanol = 0.022    # N/m (エタノール)
gamma_hexane = 0.018     # N/m (ヘキサン)

# 粒子サイズ範囲
R_range = np.logspace(-9, -6, 100)  # 1 nmから1 μm

# 異なる液体での計算（親水性粒子、θ ≈ 30°）
theta = 30  # 度

fig, axes = plt.subplots(1, 2, figsize=(12, 5))

# プロット1: 毛細管力対粒子サイズ
ax1 = axes[0]
for liquid, gamma, color in [('水', gamma_water, 'blue'),
                              ('エタノール', gamma_ethanol, 'green'),
                              ('ヘキサン', gamma_hexane, 'orange')]:
    F = [capillary_force(R, gamma, theta) for R in R_range]
    ax1.loglog(R_range * 1e9, np.array(F) * 1e9, linewidth=2,
               label=f'{liquid} (γ = {gamma*1000:.0f} mN/m)', color=color)

# 比較用に粒子重量を追加（シリカ）
rho = 2200  # kg/m³ (シリカ)
g = 9.8     # m/s²
weights = [(4/3) * np.pi * R**3 * rho * g for R in R_range]
ax1.loglog(R_range * 1e9, np.array(weights) * 1e9, 'k--',
           linewidth=1.5, label='粒子重量 (SiO₂)')

ax1.set_xlabel('粒子半径 (nm)', fontsize=11)
ax1.set_ylabel('力 (nN)', fontsize=11)
ax1.set_title('毛細管力と粒子サイズ (θ = 30°)', fontsize=12, fontweight='bold')
ax1.legend()
ax1.grid(True, alpha=0.3, which='both')
ax1.set_xlim(1, 1000)

# プロット2: 接触角の影響
ax2 = axes[1]
theta_range = np.linspace(0, 90, 100)
R_fixed = 50e-9  # 50 nm

for liquid, gamma, color in [('水', gamma_water, 'blue'),
                              ('エタノール', gamma_ethanol, 'green')]:
    F = [capillary_force(R_fixed, gamma, theta) for theta in theta_range]
    ax2.plot(theta_range, np.array(F) * 1e9, linewidth=2,
             label=f'{liquid}', color=color)

ax2.axvline(x=90, color='gray', linestyle=':', alpha=0.7)
ax2.text(85, 0.5, '液架橋なし\n(θ > 90°)', fontsize=9, ha='right')
ax2.set_xlabel('接触角 (度)', fontsize=11)
ax2.set_ylabel('毛細管力 (nN)', fontsize=11)
ax2.set_title('接触角の影響 (R = 50 nm)', fontsize=12, fontweight='bold')
ax2.legend()
ax2.grid(True, alpha=0.3)
ax2.set_xlim(0, 90)

plt.tight_layout()
plt.savefig('capillary_forces.png', dpi=150, bbox_inches='tight')
plt.show()

# 50 nmでの力の比較
print("\n=== R = 50 nm での力の比較 ===")
R = 50e-9
F_cap = capillary_force(R, gamma_water, 30)
F_vdw = 30e-20 * R / (12 * (1e-9)**2)  # 1 nm分離でのvdW
F_weight = (4/3) * np.pi * R**3 * 2200 * 9.8
print(f"毛細管力（水、θ=30°）: {F_cap*1e9:.3f} nN")
print(f"ファンデルワールス（1 nm）: {F_vdw*1e9:.3f} nN")
print(f"粒子重量（SiO₂）: {F_weight*1e15:.3f} fN")
print(f"\n比 F_cap/F_weight: {F_cap/F_weight:.1e}")

1.5 焼結とネッキング

高温では、ナノ粒子は焼結を通じて永久的な結合を形成できます。原子が粒子内部から接触点に拡散し、時間とともに成長する「ネック」を形成します。これは金属ナノ粒子で特に問題となります。

温度依存性

焼結速度はアレニウス関係に従います:

例5: 焼結温度の推定

import numpy as np
import matplotlib.pyplot as plt

# ===================================
# 例5: ナノ粒子の焼結温度
# ===================================

# 焼結は通常、ナノ粒子では T/T_m ≈ 0.3-0.5 で始まる
# （高い表面エネルギーのため、バルクより低い）

def tammann_temperature(T_m, factor=0.5):
    """
    Tammann温度（顕著な拡散が始まる温度）を推定。
    ナノ粒子では 0.3-0.5 × T_m になり得る。
    """
    return factor * T_m

def sintering_rate(T, T_m, E_a, R_gas=8.314):
    """
    相対焼結速度（アレニウス型）。
    """
    rate = np.exp(-E_a / (R_gas * T))
    rate_ref = np.exp(-E_a / (R_gas * T_m))
    return rate / rate_ref

# 材料特性（融点と典型的な活性化エネルギー）
materials = {
    '金 (Au)': {'T_m': 1337, 'E_a': 170e3, 'color': 'gold'},
    '銀 (Ag)': {'T_m': 1235, 'E_a': 180e3, 'color': 'silver'},
    '銅 (Cu)': {'T_m': 1358, 'E_a': 200e3, 'color': 'orange'},
    'シリカ (SiO2)': {'T_m': 1986, 'E_a': 300e3, 'color': 'blue'},
    'チタニア (TiO2)': {'T_m': 2116, 'E_a': 250e3, 'color': 'green'}
}

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# プロット1: 焼結開始温度
ax1 = axes[0]
x_pos = np.arange(len(materials))

T_m_values = [m['T_m'] for m in materials.values()]
T_sinter_nano = [tammann_temperature(m['T_m'], 0.3) for m in materials.values()]
T_sinter_bulk = [tammann_temperature(m['T_m'], 0.5) for m in materials.values()]

width = 0.25
ax1.bar(x_pos - width, T_m_values, width, label='融点', color='red', alpha=0.7)
ax1.bar(x_pos, T_sinter_bulk, width, label='焼結（バルク、0.5×Tm）', color='orange', alpha=0.7)
ax1.bar(x_pos + width, T_sinter_nano, width, label='焼結（ナノ、0.3×Tm）', color='green', alpha=0.7)

ax1.axhline(y=373, color='blue', linestyle='--', alpha=0.7)
ax1.text(4.5, 400, '100°C（乾燥）', fontsize=9, color='blue')

ax1.set_ylabel('温度 (K)', fontsize=11)
ax1.set_title('焼結開始温度', fontsize=12, fontweight='bold')
ax1.set_xticks(x_pos)
ax1.set_xticklabels(materials.keys(), rotation=15, ha='right')
ax1.legend(loc='upper left')
ax1.grid(True, alpha=0.3, axis='y')

# プロット2: 温度に対する焼結速度
ax2 = axes[1]
T_range = np.linspace(300, 1337, 200)

for name, props in materials.items():
    T_m = props['T_m']
    E_a = props['E_a']
    T_scaled = T_range[T_range <= T_m]
    rates = sintering_rate(T_scaled, T_m, E_a)
    T_ratio = T_scaled / T_m
    ax2.semilogy(T_ratio, rates, linewidth=2, label=name, color=props['color'])

ax2.axvline(x=0.3, color='green', linestyle='--', alpha=0.7)
ax2.axvline(x=0.5, color='orange', linestyle='--', alpha=0.7)
ax2.text(0.31, 1e-6, 'ナノ開始', fontsize=9, color='green', rotation=90)
ax2.text(0.51, 1e-6, 'バルク開始', fontsize=9, color='orange', rotation=90)

ax2.set_xlabel('T / T_m (相同温度)', fontsize=11)
ax2.set_ylabel('相対焼結速度', fontsize=11)
ax2.set_title('温度と焼結速度', fontsize=12, fontweight='bold')
ax2.legend(loc='lower right')
ax2.grid(True, alpha=0.3, which='both')
ax2.set_xlim(0.2, 1.0)
ax2.set_ylim(1e-10, 1)

plt.tight_layout()
plt.savefig('sintering.png', dpi=150, bbox_inches='tight')
plt.show()

# 臨界温度を出力
print("\n=== ナノ粒子プロセシングの臨界温度 ===")
print(f"{'材料':20s} {'T_m (K)':>10s} {'T_m (°C)':>10s} {'ナノ開始 (°C)':>15s}")
print("-" * 60)
for name, props in materials.items():
    T_m = props['T_m']
    T_nano = tammann_temperature(T_m, 0.3)
    print(f"{name:20s} {T_m:10.0f} {T_m-273:10.0f} {T_nano-273:15.0f}")

1.6 Aggregation と Agglomeration の違い

適切な分散戦略を選択するには、AggregationとAgglomerationの違いを理解することが重要です。IUPACは明確な定義を提供しています:

例6: Agglomeration と Aggregation の識別

import numpy as np
import matplotlib.pyplot as plt

# ===================================
# 例6: Aggregation と Agglomeration の区別
# ===================================

class ParticleCluster:
    """粒子クラスター挙動を分析するモデル。"""

    def __init__(self, n_primary, d_primary_nm, cluster_type='agglomerate'):
        """
        パラメータ:
            n_primary: 一次粒子数
            d_primary_nm: 一次粒子直径 (nm)
            cluster_type: 'agglomerate' または 'aggregate'
        """
        self.n = n_primary
        self.d = d_primary_nm * 1e-9  # mに変換
        self.type = cluster_type

    def theoretical_surface_area(self):
        """粒子が分離していた場合の表面積。"""
        return self.n * np.pi * self.d**2

    def actual_surface_area(self):
        """
        クラスターの実際の表面積。
        - Agglomerates: 理論値の約80-100%（緩い充填）
        - Aggregates: 理論値の約30-60%（焼結接触）
        """
        if self.type == 'agglomerate':
            return 0.9 * self.theoretical_surface_area()
        else:
            return 0.4 * self.theoretical_surface_area()

    def dispersion_energy_required(self):
        """
        分散に必要なエネルギー（粒子ペアあたり）を推定。
        300 KでのkT単位で返す。
        """
        kT = 1.38e-23 * 300

        if self.type == 'agglomerate':
            # 接触時のファンデルワールス（約10-100 kT）
            A_H = 20e-20
            E_vdw = A_H * self.d / (24 * 0.3e-9)
            return E_vdw / kT
        else:
            # 化学結合エネルギー（約eV範囲）
            E_bond = 1e-19  # 約1 eV（ジュール）
            return E_bond / kT

    def is_redispersible(self, available_energy_kT):
        """与えられたエネルギーでクラスターを分散できるか確認。"""
        required = self.dispersion_energy_required()
        return available_energy_kT > required

# 比較研究
d_primary = 20  # nm
n_particles = 100

agglomerate = ParticleCluster(n_particles, d_primary, 'agglomerate')
aggregate = ParticleCluster(n_particles, d_primary, 'aggregate')

# 可視化作成
fig, axes = plt.subplots(1, 3, figsize=(15, 4.5))

# プロット1: 表面積比較
ax1 = axes[0]
categories = ['理論値\n（分散状態）', 'Agglomerate', 'Aggregate']
sa_values = [
    agglomerate.theoretical_surface_area() * 1e12,  # μm²
    agglomerate.actual_surface_area() * 1e12,
    aggregate.actual_surface_area() * 1e12
]
colors = ['green', 'blue', 'red']
bars = ax1.bar(categories, sa_values, color=colors, alpha=0.7, edgecolor='black')
ax1.set_ylabel('表面積 (μm²)', fontsize=11)
ax1.set_title(f'表面積: {n_particles}個× {d_primary}nm粒子',
              fontsize=12, fontweight='bold')
for bar, val in zip(bars, sa_values):
    ax1.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.02*max(sa_values),
             f'{val:.2f}', ha='center', fontsize=10)
ax1.grid(True, alpha=0.3, axis='y')

# プロット2: 分散エネルギー比較
ax2 = axes[1]
cluster_types = ['Agglomerate\n（vdW）', 'Aggregate\n（焼結）']
energies = [agglomerate.dispersion_energy_required(),
            aggregate.dispersion_energy_required()]
colors = ['blue', 'red']
bars = ax2.bar(cluster_types, energies, color=colors, alpha=0.7, edgecolor='black')
ax2.axhline(y=10, color='green', linestyle='--', label='超音波（約10 kT）')
ax2.axhline(y=100, color='orange', linestyle='--', label='ボールミル（約100 kT）')
ax2.set_ylabel('分散に必要なエネルギー (kT)', fontsize=11)
ax2.set_title('粒子接触を破壊するエネルギー', fontsize=12, fontweight='bold')
ax2.set_yscale('log')
ax2.legend()
ax2.grid(True, alpha=0.3, axis='y')

# プロット3: 方法別の分散成功
ax3 = axes[2]
methods = ['撹拌\n(1 kT)', '超音波\n(30 kT)', 'ボールミル\n(200 kT)',
           '高せん断\n(500 kT)']
energies_available = [1, 30, 200, 500]

# 各タイプの成功を計算
agglom_success = [agglomerate.is_redispersible(E) for E in energies_available]
aggreg_success = [aggregate.is_redispersible(E) for E in energies_available]

x = np.arange(len(methods))
width = 0.35

bars1 = ax3.bar(x - width/2, [int(s) for s in agglom_success], width,
                label='Agglomerate', color='blue', alpha=0.7)
bars2 = ax3.bar(x + width/2, [int(s) for s in aggreg_success], width,
                label='Aggregate', color='red', alpha=0.7)

ax3.set_xticks(x)
ax3.set_xticklabels(methods)
ax3.set_ylabel('分散可能 (1=はい, 0=いいえ)', fontsize=11)
ax3.set_title('方法別の分散成功', fontsize=12, fontweight='bold')
ax3.legend()
ax3.set_ylim(0, 1.5)
ax3.grid(True, alpha=0.3, axis='y')

plt.tight_layout()
plt.savefig('aggregation_vs_agglomeration.png', dpi=150, bbox_inches='tight')
plt.show()

# まとめ
print("\n=== Aggregation vs Agglomeration まとめ ===")
print(f"{'特性':30s} {'Agglomerate':>15s} {'Aggregate':>15s}")
print("-" * 60)
print(f"{'表面積保持':30s} {'90%':>15s} {'40%':>15s}")
print(f"{'分散エネルギー (kT)':30s} {agglomerate.dispersion_energy_required():>15.1f} {aggregate.dispersion_energy_required():>15.0f}")
print(f"{'超音波で分散可能':30s} {'はい':>15s} {'いいえ':>15s}")
print(f"{'ボールミルで分散可能':30s} {'はい':>15s} {'困難':>15s}")

章のまとめ

演習問題

次のステップ

第1章では、ナノ粒子凝集を駆動する基本的なメカニズムを学びました。第2章では、これらの相互作用に影響を与える因子と、それらをどのように制御できるかを探求します。