L字型パルスふるい板カラムにおける平均滴径と分散相占有率の応答曲面解析と機械学習

より賢い混合で核物質の浄化を

ウラン鉱石を実用的な核燃料に変えるには、価値ある金属を他の化学物質の混合物から慎重に分離する必要があります。重要な工程の一つでは、二つの液相がすれ違うカラム内で液滴が金属を一方の液からもう一方へ運びます。本研究はこうしたカラムの新しいL字型バージョンを取り上げ、最新のデータ手法を用いて内部での液滴挙動を予測します。これらの微小な液滴を理解・制御することは、核燃料の精製をより安全に、効率的に、そしてスケールアップしやすくする手助けになります。

分離カラムの横向きの一手

従来の溶媒抽出カラムは鉛直に立てて設置し、重力の助けで互いに混ざらない二つの液相（例えば水系酸と有機溶媒）を分離します。一方で水平カラムは遮蔽された建屋内に設置しやすく、保守も簡便ですが重力の助けが減ります。L字型パルスふるい板カラムはこの両者を組み合わせた構成で、水平部と垂直部が接続されています。内部では、孔の開いた板とリズミカルな圧力パルスが一方の液相を液滴に分散させ、それらがもう一方の液相中を上昇します。このハイブリッド構成は全高を短くでき、処理能力を高められるため、イエロ―ケーキ（ウラン）精製に用いる放射性混合物の取り扱いに有望です。

液滴のサイズと密度が重要な理由

これらのカラムの性能は、液滴の二つの関連した特徴に左右されます。第一はSauter平均径（表面積を考慮した平均液滴径）で、液滴が小さいほど液相間の接触面積が増え、金属の移動速度が速くなります。第二はカラム容積に対する分散相の占有率（ホルドアップ）で、高いホルドアップは液滴が多く接触量が増えることを意味しますが、過度だと流路を塞ぎ溢流（フラッディング）を招きます。L字型カラムでは、液滴サイズとホルドアップは水平部と垂直部で変化し、パルス強度、各液の流量、密度・粘度・界面張力といった流体特性に依存します。

核関連混合物で液滴を観察する

研究者らは、実際のイエロ―ケーキ精製条件を模した4つの液組合せを調べました：単純な灯油―水系と、溶媒TBP（ウラン抽出に標準的に用いられる）を含む灯油と硝酸の3種類の混合物です。まず各系の密度、粘度、界面挙動などの特性を測定し、次に流量とパルス強度を変えてL字型カラムを運転し、フラッディングに至らない範囲で条件を保ちました。水平部と垂直部の複数箇所で高解像度写真を撮り、各試験で1500を超える液滴（やや潰れた楕円体状のものも含む）を計測して平均液滴径を算出しました。分散相の占有率は界面追跡法とカラム断面の幾何から求めました。これらの実験により、操作条件と流体特性を液滴サイズとホルドアップに結び付ける豊富なデータセットが構築されました。

複雑な挙動を予測するモデルを学習させる

こうした関係は強く絡み合い非線形性が高いため、研究チームは二つの現代的なモデリング手法を比較しました。応答曲面法（RSM）は計画された実験から入力と出力を結ぶ滑らかな多項式を当てはめます。人工ニューラルネットワークは互いに結合したノード群に着想を得ており、データからより複雑なパターンを直接学習できます。本研究では、5つの入力（各液の流量、パルス強度、界面張力、TBP含有量）を用いて4つの出力（水平部と垂直部それぞれの液滴サイズとホルドアップ）を予測しました。多数のネットワーク構成を試した結果、二つの隠れ層を持つコンパクトなネットワークが極めて高精度な予測を示し、相関係数はほぼ1に近い値を示しました。統計的な応答曲面モデルも良好に機能しましたが、特に液滴の密度（ホルドアップ）の記述では一般に精度が劣りました。

データの法則性から実務で使える式へ

ブラックボックス的な予測を超えて、著者らは設計計算で使える式を求めました。次に重要な物理量を無次元群にまとめる次元解析を行い、水平部と垂直部それぞれの液滴サイズとホルドアップについて新しい半経験式を当てはめました。これらの単純な表現は実験に対して平均約7〜9%の精度で一致し、他のカラム形状向けに開発された従来式よりもはるかに優れていました。捉えた傾向は直感的です：パルス強度を上げると液滴は小さくなりホルドアップは減る傾向がある；界面張力が高いと液滴は大きくなりホルドアップも増える；分散相の流量を増やすと液滴が大きくなり、同時により多くの液滴がカラムに詰まる、など。

現場での浄化に向けての意味合い

専門外の方への要点は、著者らが操作条件からL字型という有望な新型抽出装置内の液滴挙動への信頼できる“地図”を作成したことです。実験は、パルス強度・流量・溶媒組成をどう調整すれば、抽出に有利な多数の小さな液滴と、安全で安定した運転に必要な扱いやすいホルドアップとのバランスを取れるかを示しています。ニューラルネットワークモデルは詳細解析の高精度予測器として機能し、より単純な式は日常的な設計判断や実験室規模から半産業規模・産業規模へのスケールアップの指針になります。要するに、本研究は脈動する二相系という複雑な現象を、設計・最適化が可能な形に整理する一助となります。

引用: Ardestani, F., Bahmanzadegan, F. & Ghaemi, A. Machine learning and response surface analysis of mean drop size and dispersed phase holdup in an L-shaped pulsed sieve plate column. Sci Rep 16, 14555 (2026). https://doi.org/10.1038/s41598-026-40081-w

キーワード: 液液抽出, パルス式ふるい板カラム, 液滴サイズ, 人工ニューラルネットワーク, イエロ―ケーキ精製