東京理科大学 工学部工業化学科HiMat-Chemical Engineering

静電インクジェットは、高電圧を加えた静電場内でノズル先端から小さな液滴を生成し基盤に塗布する微細加工、微細塗布の製造技術です。しかし、印刷される滴の幅は電場、材料特性などのプロセス・実験パラメータに大きく影響を受けます。印刷特性はもっぱら経験的に求められています。本研究では、画像認識などに使われている畳み込みニューラルネットワークを導入することで、表現が困難であった静電場形状の入力パラメータ化を達成します。静電場シミュレーションとAIを組み合わせた融合型モデルとなっています。これにより、静電インクジェットの汎用印刷特性予測モデルが確立され、静電インクジェットプロセスの設計・最適化を飛躍的に向上させます。