JP4435299B2 - カーボンナノチューブ分類装置、コンピュータプログラム、及びカーボンナノチューブ分類方法 - Google Patents

Description

本発明は、バンドル状のカーボンナノチューブ集合体の構成要素であるカーボンナノチューブを自動的に分類できるようにしたカーボンナノチューブ分類装置、コンピュータプログラム、及びカーボンナノチューブ分類方法に関する。

カーボンナノチューブとして市販されているバルク体は、図２０に示すように複数の単層カーボンナノチューブ（Single-Walled Carbon Nano Tube:SWCNT）が束になったものであり、このようなバルク体（以下、カーボンナノチューブ集合体と称す）の構成要素である単層カーボンナノチューブの特性を個別に解析することは、カーボンナノチューブ集合体の機能及び性質等を判断する上で非常に重要である。

解析対象になる単層カーボンナノチューブの特性項目として、単層カーボンナノチューブの直径、カイラリティ（炭素原子からなる六員環がチューブ表面でどのように並んでいるかを示すもの）、及びチューブ長さ等があり、これらの特性項目が相異すれば、単層カーボンナノチューブの性質も相異する（非特許文献１参照）。

単層カーボンナノチューブの解析では、カーボンナノチューブ集合体のままでは個々の単層カーボンナノチューブの特性を測定できないので、カーボンナノチューブ集合体を各単層カーボンナノチューブへ分離する処理が必要になる。分離方法としては強酸処理と超音波処理とを組み合わせて行う方法（特許文献１参照）、ドデシル硫酸ナトリウム溶液にカーボンナノチューブ集合体を加えて超音波処理を行い可溶化する方法（非特許文献２参照）、可溶化した単層カーボンナノチューブを含む溶液を基板上に滴下して薄膜を形成する方法（特許文献２及び非特許文献３参照）などがある。

また、分離するのではなく、基板に１本の単層カーボンナノチューブを付着して成長させ、成長した１本の単層カーボンナノチューブが存在する位置をＡＦＭで特定し、特定した位置でラマン分光法のマッピング測定を行い、単層カーボンナノチューブの直径及びカイラリティを解析することが記載されている（非特許文献４参照）。

一方、近時、単層カーボンナノチューブを用いてトランジスタ、センサー、集積回路（Integrated Circuit：IC）等を製造することが行われている。例えば、単層カーボンナノチューブを用いた集積回路では、基板上に設けた電極間に複数の単層カーボンナノチューブを分散配置して回路を形成している。このような集積回路などに用いられる単層カーボンナノチューブには、回路設計者が望む特性を具備するものが選ばれている。
特開２００４−２１５６号公報 特開２００４−１６７６６７号公報 齋藤理一郎（電気通信大学・電子工学科）"Ｒ．Ｓａｉｔｏのカーボンナノチューブのページ"、[online]、平成１３年、カーボンナノチューブのマイクロラマン分光、[平成１７年８月２７日検索]、インターネット＜ＵＲＬ：flex.ee.uec.ac.jp/home/staff/rsaito/doc/http/nanotube/index-j.html＞ 「Science」誌、vol.297 26 JULY 2002、P593〜P596 「Science」誌、vol.301 5 SEPTEMBER 2003、P1354〜P1356 「Nanotechnology」誌(Institute of Physics Publishing)、Nanotechnology15(2004)、P562〜P567

上述した各種分離方法を用いてカーボンナノチューブ集合体から分離した多数の単層カーボンナノチューブを特性（直径など）に応じて分類するには、多大な手間と時間を要すると云う問題がある。即ち、単層カーボンナノチューブの分類を行うには、先ず各単層カーボンナノチューブの特性を解析する必要があるが、この解析の仕方としては、基板上に多数の単層カーボンナノチューブを分散配置した試料へレーザ光を移動させて照射し、照射により生じた光を分光して得られたラマンスペクトルをオペレータが観測する。カーボンナノチューブは非常に微細であるため上述したような照射を行うことで、何回かに１回の割合で単層カーボンナノチューブ特有のピーク形状を有するラマンスペクトルを観測でき、その観測できたラマンスペクトルに基づいてカーボンナノチューブの特性（直径及びカイラリティ等）を判断していた。

よって、上述したような手順で解析を行うので一本の単層カーボンナノチューブを解析するのに約半日の時間を要するため、多量の単層カーボンナノチューブを解析する場合は莫大な時間がかかり、カーボンナノチューブ集合体に含まれる多量の単層カーボンナノチューブを特性に応じて効率良く分類することは非常に手間がかかっていた。さらに、このような事情がカーボンナノチューブに関する研究、開発等を進める上での障害になっている。

また、多量の単層カーボンナノチューブの特性を判別して効率良く分類することは、上述した単層カーボンナノチューブを用いたトランジスタ、センサー、集積回路等の製品の研究開発、製造工程での検査においても、製品に含まれる単層カーボンナノチューブが所望の性質を有するかを検証する上で重要な意義を有している。

本発明は、斯かる問題に鑑みてなされたものであり、多量の単層カーボンナノチューブを特性に応じて効率良く自動分類するカーボンナノチューブ分類装置、コンピュータプログラム、及びカーボンナノチューブ分類方法を提供することを目的とする。
また、本発明は単層カーボンナノチューブの分類を行うにあたり、単層カーボンナノチューブの直径、カイラリティ、及びチューブ長さの比を解析できるようにしたカーボンナノチューブ分類装置を提供することを目的とする。
さらに、本発明は分類した結果を一目で確認できるように分類結果をビジュアル化したカーボンナノチューブ分類装置を提供することを目的とする。

上記課題を解決するために第１発明に係るカーボンナノチューブ分類装置は、基材上に複数のカーボンナノチューブを分散配置した試料へ光を照射する光源と、該光源の照射箇所を移動させる移動手段と、該移動手段が移動させた照射箇所で前記光源が光を照射することで生じた光を分光する分光器とを備え、分光されたスペクトルに応じてカーボンナノチューブを分類するカーボンナノチューブ分類装置であって、分光されたスペクトルに含まれるピーク部に係る波数を照射箇所ごとに検出する検出手段と、該検出手段が検出した波数に基づいて各スペクトルを分類する分類手段とを備えることを特徴とする。

また、第２発明に係るカーボンナノチューブ分類装置は、前記分類手段は、同等の波数ごとにスペクトルを分類しており、前記分類手段が分類した波数ごとのスペクトルを計数する計数手段と、該計数手段が計数した数を分類ごとに表した分布図を作成する手段とを備えることを特徴とする。
さらに、第３発明に係るカーボンナノチューブ分類装置は、前記分類手段は、波数の検出が行われた照射箇所に対応付けてスペクトルを分類しており、複数の照射箇所を表す図を作成する作図手段を備え、該作図手段は、前記分類手段が分類したスペクトルに応じた照射箇所を、分類ごとに相異した形態で表すようにしてあることを特徴とする。

さらにまた、第４発明に係るカーボンナノチューブ分類装置は、前記検出手段は、分光されたスペクトルに対してアンチストークス側の領域及びストークス側の領域でピーク部を検出する手段を備え、アンチストークス側の領域で検出されるピーク部の有無に応じて検出対象のスペクトルに対するカーボンナノチューブのカイラリティを判別する手段を備えることを特徴とする。

また、第５発明に係るカーボンナノチューブ分類装置は、前記検出手段は、分光されたスペクトルに対してストークス側の重複しない二領域でピーク部を検出する手段を備え、二領域での検出結果に応じて検出対象のスペクトルに対するカーボンナノチューブのカイラリティを判別する手段を備えることを特徴とする。
さらに、第６発明に係るカーボンナノチューブ分類装置は、光源から照射される光を相異する方向に偏光させる手段と、前記検出手段で検出される相異する方向ごとのピーク部の強度に基づいてカーボンナノチューブの長手方向の向きを判別する手段とを備えることを特徴とする。

さらにまた、第７発明に係るカーボンナノチューブ分類装置は、前記光源は、一つの照射箇所に対して相異する波長の光を照射するようにしてあり、前記検出手段は、一つの照射箇所で相異する波長の光が照射されるごとに波数を検出する手段を備え、一つの照射箇所で検出された各波数に応じて検出対象のスペクトルに対するカーボンナノチューブのカイラリティを判別する手段を備えることを特徴とする。

また、第８発明に係るカーボンナノチューブ分類装置は、前記検出手段は、分光されたスペクトルに対してラマンスペクトルに係る領域でピーク部を検出する手段と、分光されたスペクトルに対してホトルミネッセンススペクトルに係る領域でピーク部を検出する手段とを備え、ラマンスペクトルに係る領域及びホトルミネッセンススペクトルに係る領域に対する検出結果に応じて、検出したスペクトルに対するカーボンナノチューブを半導体又は金属として判別する手段を備えることを特徴とする。

さらに、第９発明に係るカーボンナノチューブ分類装置は、前記検出手段が検出した一つの波数に対して複数のスペクトルのピーク部がある場合、各ピーク部の値の比を検出する比検出手段と、該比検出手段が検出した比に基づいて、前記複数のスペクトルに対する各カーボンナノチューブの長さの比を特定する手段とを備えることを特徴とする。

第１０発明に係るコンピュータプログラムは、光源の照射箇所を移動させて分光器で分光を行う分光装置に対する制御を行って分光されたスペクトルを取得するコンピュータに複数のカーボンナノチューブに係るスペクトルを分類させるためのコンピュータプログラムであって、コンピュータを分光装置から取得したスペクトルに含まれるピーク部に係る波数を照射箇所ごとに検出する検出手段と、該検出手段が検出した波数に基づいて各スペクトルを分類する分類手段として機能させることを特徴とする。

第１１発明に係るカーボンナノチューブ分類方法は、光源の照射箇所を移動させて分光器で分光を行う分光装置を用いて複数のカーボンナノチューブを分類するカーボンナノチューブ分類方法であって、基材上に複数のカーボンナノチューブを分散配置した試料へ照射箇所を移動させて前記光源で光を照射し、前記光源が光を照射することで生じた光を分光器で分光し、分光されたスペクトルに含まれるピーク部に係る波数を照射箇所ごとに検出し、検出した波数に基づいて各スペクトルを分類することを特徴とする。

第１発明、第１０発明、及び第１１発明にあっては、カーボンナノチューブ（単層カーボンナノチューブに相当。以下同様）の特性（直径及びカイラリティ等）に関連するスペクトルのピーク部に対する波数を照射箇所ごとに検出するので、マッピング測定を行って把握したカーボンナノチューブが存在する箇所に対応させて、その箇所のカーボンナノチューブのスペクトルに係る波数を認識可能となる。また検出した波数に基づき各スペクトルを分類（クラスタリング）するので、試料に含まれる複数のカーボンナノチューブを同等の特性を有するものごとに自動的にグループ化できるようになり、従来に比べて多量のカーボンナノチューブを短時間で分類できる。

なお、波数ごとに各スペクトルをクラスタリングするには、周知の統計的手法を用いることが多量のカーボンナノチューブを自動的に効率良く分類するために好適である。具体的には検出した各スペクトルのピーク部をパターンベクトルで表し、これらのパターンベクトル間の距離（ユークリッド距離、マンハッタン距離など）をパラメータとして各スペクトルを類似するケースに分類すること、２つのパターンベクトルが作る角度の大きさを三角関数（コサイン）で表し、その三角関数の値より各パターンベクトルの類似度を求めて各スペクトルを類似するケースへと分類すること、全パターンベクトルから主成分解析法を用いて複数の主成分ベクトルを算出し、その空間中での各ベクトルの集まりを選択する方法などが適用できる。また、上述した統計的手法に分類した結果を用いてデンドログラムを求めることで、分類した結果の抽出を容易に行えるようになる。

第２発明にあっては、分類ごとにスペクトル数を表した分布図を作成するので、この分布図により試料に含まれる複数のカーボンナノチューブが同等の特性ごとに、どの程度含まれているか一目で判断可能となり、複数のカーボンナノチューブの効率的な解析に貢献できる。また、分布図を分類し波数ごとに作成すれば、分類基準となる波数は、分類対象のスペクトルに応じたカーボンナノチューブの直径に関係した数値であるため、波数ごとの分布図は、分類対象の複数のカーボンナノチューブに対する直径分布図と同等なものとなり、どのような直径のカーボンナノチューブが、どの程度含まれるかを容易に把握できるようになる。

第３発明にあっては、分類手段が分類したスペクトルに応じた照射箇所を、分類ごとに相異した形態で各照射箇所を表した図を作成するので、同等の特性を有するカーボンナノチューブが、試料中のどのような箇所に含まれるかをビジュアル化して一目で判断可能となり、複数のカーボンナノチューブを分散した状態で含む試料の解析に好適となる。特に作成した図は、カーボンナノチューブを用いて製造されるトランジスタ、センサー、集積回路等の検証で、実際に用いられたカーボンナノチューブが所望の特性（直径等）を有するか否かの検査を視覚的に判断できるため有用である。

第４発明にあっては、分光されたスペクトル（ラマンスペクトル）に対してアンチストークス側（負の領域に相当）及びストークス側（正の領域に相当）の両方でピーク部を検出すると共に、アンチストークス側での検出結果を利用してカーボンナノチューブのカイラリティを判別するので、カーボンナノチューブの特性として直径だけでなくカイラリティも解析可能となり、多量のカーボンナノチューブを様々な特性ごとに分類できる。即ち、照射光に対して共鳴しているときは一方側のみにピーク部が表れ、共鳴波長が低い場合では両方側にピーク部が表れることが理論的に周知であるため、この周知の学術理論に基づき検出結果を判断することでカーボンナノチューブのカイラリティをも判別できる。なお、カイラリティの具体的な配向性（一般にｍ、ｎで示される値）を求めるには、「片浦プロット」と称される表を用いることが一般的である。

第５発明にあっては、ストークス側の重複しない二領域でピーク部を検出して、その検出結果に応じてカーボンナノチューブのカイラリティを判別するので、周知の学術理論に基づき複数のカーボンナノチューブに対してカイラリティも容易に判別できる。具体的には、ストークス側の重複しないＲＢＭ（Radial Breathing Mode ）領域及びＧバンドと称される領域で偏光したレーザ光を用いて検出を行い、Ｇバンドで検出される複数のピーク部の形態（各ピーク部の強度比等）に基づいて、検出されたスペクトルに対するカーボンナノチューブのカイラリティ（金属の性質を有するか、又は半導体の性質を有するか）を判別できる。
第６発明にあっては、偏光した光を照射すると共に、偏光の方向ごとにＧバンドのピーク強度を検出するので、偏光の向きと検出されたピーク強度の関係からカーボンナノチューブの長手方向の向きまでも判別できるようになる。なお、光源からの光を偏光させる手段としては、光源と試料の間に向きを変えることが可能な偏光レンズ、偏光プリズムを設けること、又は光源から照射する光を一方向に偏光させると共に試料を載置する試料台の向きを変えられるようにする構成等を適用する。

第７発明にあっては、同一箇所を相異する複数の波長で照射すると共に、同一箇所で相異する波長ごとの検出を行うので、カーボンナノチューブのカイラリティを容易に判別可能となる。即ち、スペクトルのピーク部は波長ごとに応じた特徴を示すため、周知の学術理論に基づけば、これらの特徴に基づいてカイラリティが判別できるため、ストークス側の狭い領域（例えばＲＢＭ領域）だけで検出を行う場合でも、良好にカイラリティを特定できるようになる。

第８発明にあっては、分光されたスペクトルに対して、ラマンスペクトルに係る領域及びホトルミネッセンススペクトルに係る領域でピーク部を検出するので、カイラリティを詳細に判別可能になる。即ち、周知の学術理論により両方の領域でピーク部が検出されれば、カーボンナノチューブは半導体の性質を有するカイラリティになっていることが分かっており、一方ラマンスペクトルに係る領域のみでピーク部が検出されれば、カーボンナノチューブは金属の性質を有するカイラリティになっていることが分かっているため、ラマンスペクトル及びホトルミネッセンススペクトルに係る両領域で検出を行える構成にすることで、容易にカーボンナノチューブの詳細な性質までも判別でき、それに基づいた分類も実現できる。

第９発明にあっては、一つの同じ波数に対して複数のスペクトルのピーク部を検出した場合、各ピーク部の値の比を検出することで、各カーボンナノチューブのチューブ長さの比を特定でき、その特定内容に応じて各カーボンナノチューブを分類できるようになる。即ち、周知の学術理論により、各スペクトルのピーク部のパターンベクトルが同じ類似度である場合、各パターンベクトルの大きさ（ピーク部の値に相当）の比がカーボンナノチューブのチューブ長さの比に相当することが判明しているため、各ピーク部の値の比を検出する処理を行うことにより、カーボンナノチューブの特性としてチューブ長さの比までを判別でき、それに基づいた分類も行えるようになる。

第１発明、第１０発明、及び第１１発明にあっては、分光したスペクトルのピーク部に対する波数を照射箇所ごとに検出するので、検出した波数ごとに各スペクトルを分類でき、試料に含まれる複数のカーボンナノチューブを同等の特性ごとに短時間で自動的に分類できる。
第２発明にあっては、分類ごとにスペクトル数を表した分布図を作成するので、同等の種類のカーボンナノチューブが種類ごとにどの程度含まれるかを一目で判断できる。
第３発明にあっては、分類手段が分類したスペクトルに応じた照射箇所を、分類ごとに相異した形態で図を作成するので、同等の特性を有するカーボンナノチューブが、試料中のどのような箇所に含まれるかを視覚的に確認できる。

第４発明にあっては、アンチストークス側及びストークス側の両方でピーク部を検出するので、検出結果に基づきカーボンナノチューブのカイラリティを判別でき、カイラリティの観点から多量のカーボンナノチューブを判別して分類できる。
第５発明にあっては、ストークス側の重複しない二領域でピーク部を検出するので、その検出結果に応じてカーボンナノチューブのカイラリティを判別でき、多様な観点で多量のカーボンナノチューブを判別して分類できる。
第６発明にあっては、照射した光の偏光の向きごとにピーク部の強度を検出するので、カーボンナノチューブの長手方向がいずれの向きであるかも判別でき、より詳細な分析を実現できる。

第７発明にあっては、同一箇所を相異する波長の光で順次照射すると共に、同一箇所で相異する波長ごとの検出を行うので、カーボンナノチューブのカイラリティを容易に判別できる。
第８発明にあっては、分光されたスペクトルに対して、ラマンスペクトルに係る領域及びホトルミネッセンススペクトルに係る領域でピーク部を検出するので、分類対象のカーボンナノチューブの詳細な性質も判別できる。

第９発明にあっては、同等の波数に対して複数のスペクトルのピーク部を検出した場合、各ピーク部の値の比を検出するので、各カーボンナノチューブのチューブ長さの比を特定でき、チューブ長さの観点でも各カーボンナノチューブを判別して分類できる。

図１は、本発明の実施形態に係るカーボンナノチューブ分類装置１を示している。本実施形態のカーボンナノチューブ分類装置１は、図３（ｂ）に示すように複数のカーボンナノチューブ（単層カーボンナノチューブ）が分散配置した試料１０に対し、試料１０に含まれる多量のカーボンナノチューブを短時間で効率良く分類する処理を行えることが特徴である。

なお、カーボンナノチューブ分類装置１を説明する前に、本実施形態で用いる試料１０の生成の仕方について簡単に説明しておく。本実施形態では、図２０に示すカーボンナノチューブ集合体と糖類溶液（例えば、多糖類に属するシクロアミロース溶液）とを混合して超音波処理を行い、カーボンナノチューブ集合体を複数の単層カーボンナノチューブへ分離して可溶させる。この可溶化したカーボンナノチューブ含有溶液をフィルターで濾過してから図２に示すように、回転している基板（シリコン基板。基材に相当）に滴下して均等に拡散し、スピンコートを行い、所定時間乾燥させて図３（ａ）に示す単層カーボンナノチューブが含まれるカーボンナノチューブ薄膜１０ａを形成し、重ならないように分散配置した単層カーボンナノチューブを含むカーボンナノチューブ薄膜１０ａをシリコン基板１０ｂ上に形成した試料１０を生成する。

このように生成された試料１０は、単層カーボンナノチューブの位置が固定されると共に、各単層カーボンナノチューブが分散された状態になっているため、各単層カーボンナノチューブが個々に測定しやすくなっている。なお、上述した試料の生成は一例であり、測定しやすいように単層カーボンナノチューブを分散配置できるのであれば、試料１０の生成に他の方式を適用することは勿論可能である。

次に、本発明のカーボンナノチューブ分類装置１を説明する。カーボンナノチューブ分類装置１は、ラマン顕微分光に係る部分としてレーザ光源２、ハーフミラー３、対物レンズ４、試料台５、ノッチフィルタ６、分光器７、及び検出器８を設けており、また、試料の測定制御及び検出結果に基づく分類処理等を行う部分としてコンピュータ１１を備えている（図１参照）。以下、装置各部を説明する。

レーザ光源２は所定波長（例えば、He-Ne レーザであれば６３２．８ｎｍ）のレーザ光Ｒを照射するものであり、レーザ光Ｒの照射と非照射はコンピュータ１１が制御する。ハーフミラー３はレーザ光Ｒの進行方向を試料台５の方向へ変更するものであり、対物レンズ４はレーザ光Ｒの試料１０への照射状態を最適な状態に調整しており、具体的にはレーザ光Ｒの光径を適宜調整できるように光軸方向に移動可能になっている。また、試料台５は試料１０を載置するものであり、レーザ光Ｒが照射される箇所を移動できるように試料台５は移動レール５ａ上を摺動し、図示しない駆動部（モータ）により試料台５は図４に示すｘ方向及びｙ方向で自由に移動可能になっている。なお、試料台５の移動もコンピュータ１１が制御している。

ノッチフィルタ６は、試料１０へのレーザ光Ｒの照射により生じたラマン散乱光及びレーリー散乱光を含む散乱光から、レーリー散乱光を除去するものである。また、分光器７は、レーリー散乱光が除去された散乱光（ラマン散乱光）を波長ごとに分光している。さらに、検出器８はＣＣＤ（Charge Coupled Device ）を内蔵し、分光器７で分光されたスペクトルを測定し、測定結果をコンピュータ１１へ出力する。

一方、コンピュータ１１は、ＣＰＵ１２、データ及びファイル等を一時的に記憶するＲＡＭ１３、基本的な処理内容を予め記憶したＲＯＭ１４、入力インタフェース部１５、及び記憶部１６を内部バス１１ａで接続した構成であり、オペレータからの操作を受け付けるキーボード１７及びマウス１８、並びに測定結果、分類結果、画像処理の結果等を適宜表示するモニタ１９も内部バス１１ａに接続している。

本実施形態のコンピュータ１１は、カーボンナノチューブの測定及び測定結果に基づいた分類処理等を規定したプログラム２０を記憶部１６に記憶することで、ＣＰＵ１２がカーボンナノチューブの測定及び分類処理を行って多量のカーボンナノチューブを短時間で自動的に分類できるようにしている。なお、図１では、コンピュータ１１が制御するレーザ光源２、試料台５等と接続される制御線の図示は省略している。以下、コンピュータ１１の各部及び処理内容を詳説する。

入力インタフェース部１５は、検出器８と接続されており、検出器８から送られる測定結果を受け付ける処理を行う。また、記憶部１６は大容量記憶媒体であるハードディスク装置であり、本発明の特徴的な処理内容を規定したプログラム２０、メニュー２１、及び分類処理等に用いる基準データ２２等を記憶している。

記憶部１６に記憶されるメニュー２１はモニタ１９に表示されて各種設定及び測定開始指示等を行うためにオペレータへ案内を行う。例えば、試料１０の測定及び分類処理を開始するにあたり、初期値の設定が必要な内容（照射範囲、試料台５の移動単位など）、測定結果の表示形式、及び分類結果の表示形式等をオペレータに示す。なお、オペレータはメニュー２１の表示内容に従ってキーボード１７又はマウス１８を適宜操作して、必要な事項の入力、指示等をコンピュータ１１へ与えることになる。

記憶部１６に記憶されるプログラム２０は、ＣＰＵ１２が行う処理を規定し、規定内容は測定に関する処理と、測定結果に基づく分類処理に大別される。測定に関する処理には、準備段階におけるメニュー２１をモニタ１９への表示処理、オペレータからの入力に基づく図４に示す試料１０の測定範囲Ｍ（レーザ光Ｒの照射範囲）、移動単位等の設定処理等がある。なお、設定内容を例示すると、測定範囲Ｍの各辺の寸法Ｌ１、Ｌ２として１０μｍ、移動単位として１μｍ程度の数値が設定される場合がある。

また、表示されたメニュー２１で測定開始指示がオペレータにより出されると、ＣＰＵ１２は測定に係る制御処理を開始し、試料台５を移動させると共にレーザ光源２からレーザ光Ｒの照射を行い、測定範囲Ｍの左上の箇所にレーザ光Ｒを照射させると共に、照射に伴い発生させた散乱光の測定値（スペクトル）を入力インタフェース部１５で取得し、照射箇所と対応付けて取得した測定値をＲＡＭ１３に記憶させることをプログラム２０は規定している。

プログラム２０は、設定された測定範囲Ｍ及び移動単位等に従って上述した測定処理を繰り返してマッピング測定を行い、測定範囲Ｍに対してレーザ光Ｒの照射を順次走査し、それによりコンピュータ１１が測定結果を得られるようにしている。なお、レーザ光Ｒの照射はｘ方向及びｙ方向に順次走査させる以外にも、測定範囲Ｍ内をランダムに順次移動させることも可能であり、いずれの場合でも測定されたスペクトルと測定に係る照射箇所を対応付けておくことがマッピング測定では重要になる。

図５は、ＲＡＭ１３に記憶されたマッピング測定による測定結果を概念的に示した図であり、図４の測定範囲Ｍのｘ方向の寸法Ｌ１が図５のｘ方向の８個分のブロックに相当し、図４のｙ方向の寸法Ｌ２が図５のｙ方向の８個分のブロックに相当し、一個のブロックがレーザ光Ｒの移動単位に相当する。図４に示す測定範囲Ｍをレーザ光Ｒで順次走査した結果、図５においてカーボンナノチューブが存在する箇所（ブロック）にはカーボンナノチューブに係るスペクトル（ラマンスペクトル）が対応付けて格納される。例えば、（ｘ、ｙ）＝（１、１）ではカーボンナノチューブに係るスペクトルが測定されており、このようなマッピング測定を行うことで、照射箇所に対応付けて測定されたスペクトルをコンピュータ１１が認識できる。

また、プログラム２０は測定されたスペクトルをオペレータに設定された表示形式でモニタ１９にグラフとして表示させることも規定しており、図６は測定された全スペクトルを重ねた状態で表示した場合を示し、図７は測定されたスペクトルを重ねずに縦方向に並べた状態で表示した場合を示している。なお、モニタ１９の画面寸法の関係から図７では全スペクトルを一度に表示できず、全スペクトルの中の一部を順次スクロールさせて表示することになる。

図６、図７のグラフにおいて横軸は分光器７で分光された各波長の逆数（Wave number：波数）であり、縦軸は波長ごとに対応して測定されたスペクトルの強度（Intensity）である。また、図７のグラフでスペクトルＳ１１は、図５の（ｘ、ｙ）＝（１、１）の箇所におけるカーボンナノチューブに対するスペクトルであることを意味し、スペクトルＳ７１は（ｘ、ｙ）＝（７、１）の箇所に存在するカーボンナノチューブに係るスペクトルであり、他のスペクトルＳ３２、Ｓ５２等も同様に図５における箇所に対応したスペクトルを表している。

次に、プログラム２０が規定する分類処理に係る内容を説明する。プログラム２０は、上述したように得られた測定結果に対して各スペクトルのＲＢＭ領域におけるピーク部を検出すると共に、そのピーク部に係る波数の検出処理をＣＰＵ１２に行わせることを規定している。具体的には、ＣＰＵ１２は図７に示すスペクトルＳ１１が有するピーク部Ｓ１１ａを検出し、そのピーク部Ｓ１１ａに係る波数Ａ１を検出する。以降、測定された全スペクトルＳ７１、Ｓ３２・・・のピーク部Ｓ７１ａ、Ｓ３２ａ・・・を検出して、それらの波数Ａ１、Ａ２、Ａ３等を検出する。なお、測定段階で各スペクトルは照射箇所ごとに対応付けられているため、各スペクトルを上述したように検出することで、検出自体も照射箇所ごとに行われることになる。

また、プログラム２０は、上述した検出結果（検出した波数）に基づいて各スペクトル（各スペクトルに応じたカーボンナノチューブ）を分類して図８に示すようなデンドログラム（樹形図）を求めるために、周知の統計的手法を用いることを規定している。即ち、検出されたピーク部Ｓ１１ａ、Ｓ７１ａ等は、波数及び強度の値よりベクトル（パターンベクトル）で表すことができ、ピーク部Ｓ１１ａ、Ｓ７１ａ等をパターンベクトルにして、パターンベクトル同士の距離及び角度を求めて分類を行うようにしている。

例えば、図９（ａ）に示すようなスペクトルＳ１、Ｓ２の場合、スペクトルＳ１の波数Ａ１０におけるピーク部Ｓ１ａは、図９（ｂ）のベクトルＶ１で表すことができ、スペクトルＳ２の波数Ａ１１におけるピーク部Ｓ２ａは、図９（ｂ）のベクトルＶ２で表すことができる。ここで、ベクトルＶ１、Ｖ２の先端間の距離ｄがユークリッド距離に相当し、ベクトルＶ１、Ｖ２が作る角度θの三角関数（ｃｏｓθ）で類似度を判別することになる。また、図９（ｃ）に示すようなスペクトルＳ３、Ｓ４の場合、スペクトルＳ１の波数Ａ１２におけるピーク部Ｓ３ａは、図９（ｄ）のベクトルＶ３で表すことができ、スペクトルＳ４の波数Ａ１２におけるピーク部Ｓ４ａは、図９（ｄ）のベクトルＶ４で表すことができる。この場合、距離ｄがユークリッド距離に相当するが、ベクトルＶ３、Ｖ４が作る角度θは０度になり、両ベクトルＶ３、Ｖ４の類似度は高くなっている。

上述したような一対のベクトルに対するユーグリッド距離及びｃｏｓθの値を、図６、７に示す検出した全スペクトルＳ１１、Ｓ７１・・・について算出する。なお、算出の仕方は周知の技術であるため詳細な説明は省略するが、ユーグリッド距離の算出に関する主な式を下記の数式（１）〜（３）として挙げる。

なお、数式（１）で、ｎは分類するクラスタ数（スペクトルＳ１１、Ｓ７１・・・等の個数）が該当し、ｎ個のスペクトルを分析する場合、Ｘ_i1、Ｘ_i2・・・Ｘ_ipのようなｐ個の変数がある（初期値として、ｎ個のクラスタを設定し、各クラスタに一つのスペクトルがあるとして算出を行う）。また、ｄ_ijの２乗は対象となる一対のベクトルに係るユーグリッド距離を意味し、数式（２）、（３）でｄ_ab、ｄ_xa、ｄ_xbは各ペアとなるクラスタ間の距離を意味する（但し、ｘはａ、ｂと等しくない）。また、α_a、α_b、β、γは所定の定数であり、これらの定数の値に応じて数式（２）又は（３）を選択することになる。なお、α_a、α_b、β、γに対する値は周知の表にまとめられており、この表のデータは本実施形態では図１に示す基準データ２２に含まれているため、ＣＰＵ１２は基準データ２２を参照して数式を選択し、算出処理を行う。

プログラム２０は、上述した算出結果を利用して図８に示すデンドログラムをＣＰＵ１２が作成することを規定しており、また、作成したデンドログラムに対して距離Ｂをスレッショルド（閾値）として分類する。図８では波数Ａ１、Ａ２、Ａ３等の種類に分類されている。なお、閾値である距離Ｂは規定値を用いる以外に、ユーザが設定した値を用いることも勿論可能である。

さらに、プログラム２０は、上述したように分類した結果に基づき、図１０に示すような分類ごとの数を表したヒストグラム３０（分布図）をＣＰＵ１２に作成させることを規定しており、具体的には、同等の波数ごとに分類されたスペクトルの数を計数し（波数Ａ１は３個、波数Ａ２は３個、波数Ａ３は２個）、その結果をヒストグラム化してモニタ１９に表示させる。よって、オペレータはモニタ１９に表示されたヒストグラム３０を見ると、試料１０の中に含まれるカーボンナノチューブが特性ごとに、どの程度含まれるかを一目で確認できるようになる。特に、分類基準である波数はカーボンナノチューブの直径に関連した数値であるため、ヒストグラム３０は試料１０に含まれるカーボンナノチューブに対して直径ごとにカーボンナノチューブの数を表したものとして見ることもできる。

さらにまた、本実施形態のプログラム２０は、オペレータからの表示形式の切替指示を受けると、図１１に示すような画像３１を作図してモニタ１９に表示させることを規定している。図１１の画像３１は全体的に、図４に示すレーザ光Ｒを照射する範囲（測定範囲Ｍ）及び図５の概念的な測定結果に相当するものであり、全体的な範囲中の各照射箇所に位置するスペクトルの分類結果を分類ごとに相異する形態で表したものである。

即ち、画像３１において、（ｘ、ｙ）＝（１、１）（５、２）（１、３）のブロックは右上がりの斜めハッチングで表されており、これらのブロック（位置）には、同等の特性（同等の直径）を有するカーボンナノチューブが存在することが一目で分かる。同様に、（ｘ、ｙ）＝（３、２）（６、４）（２、５）の各ブロックは右下がりの斜めハッチングで表されているため、これらのブロックにも共通の特性を有するカーボンナノチューブが存在することが容易に分かる。なお、（ｘ、ｙ）＝（２、１）（３、１）のように特別な表示が行われていないブロックは、カーボンナノチューブが存在しない箇所を示す。また図１１では図示していないが、表示形態（ハッチングの種類）が何を表すかを示す注釈（例えば、右上がりの斜めハッチングは波数がＡ１であり、右下がりの斜めハッチングは波数がＡ２であること等）を付すことが、画像３１の理解を助ける点で好適である。

さらに、本実施形態のプログラム２０は、画像３１において、カーボンナノチューブが存在するブロックがオペレータにより選択されると、その選択されたブロックに位置するカーボンナノチューブの直径及びカイラリティをＣＰＵ１２に算出させて、算出結果をモニタ１２に表示することを規定している。具体的には、周知の関数を用いて検出された波数から直径を求めると共に、その波数に対応するピーク部の値より図１２に示す片浦プロットを用いて対象となるカーボンナノチューブのカイラリティ（ｍ、ｎの値）を求めるようにしている。なお、本実施形態では、片浦プロットのデータは図１の基準データ２２に含ませている。

図１３のフローチャートは、上述したプログラム２０に基づきカーボンナノチューブ分類装置１が行う処理内容（カーボンナノチューブ分類方法）の一連の流れを示したものである。このフローチャートに従って、カーボンナノチューブ分類装置１を用いたカーボンナノチューブ分類方法の処理手順を整理して説明する。

先ず、オペレータは試料台５に試料１０をセットし（Ｓ１）、次に初期値等を設定してから（Ｓ２）、測定開始指示を出すことになる。カーボンナノチューブ分類装置１は、測定開始指示を受けると、最初の照射箇所に対してレーザ光源２を照射して測定を行う（Ｓ３）。それから、設定された全ての箇所を照射したか否かを判断し（Ｓ４）、全ての箇所を照射していない場合（Ｓ４：ＮＯ）、照射箇所を移動させて（Ｓ５）、照射及び測定の段階（Ｓ３）へ戻る。以降、全ての箇所を測定するまで上述した段階（Ｓ３〜Ｓ５）を繰り返してマッピング測定を行う。

また、カーボンナノチューブ分類装置１が全ての箇所を照射したと判断した場合（Ｓ４：ＹＥＳ）、カーボンナノチューブ分類装置１は測定されたスペクトルのピーク部に係る波数を検出し（Ｓ６）、統計的手法を用いて分類を行い（Ｓ７）、その分類した結果を表すヒストグラム（図１０参照）を作成し（Ｓ８）、それを表示する。

以上のように本発明のカーボンナノチューブ分類装置１を用いると、多量のカーボンナノチューブを従来に比べて大幅に少ない時間で（約１万本を約３０分で分類可能）自動分類できるため、カーボンナノチューブの研究開発に有用となる。なお、本発明のカーボンナノチューブ分類装置１は、上述した実施形態に限定されるものではなく種々の変形例の適用が可能である。

例えば、分類の仕方には周知の他の統計的手法（マンハッタン距離を利用するもの、主成分解析法を用いるもの）を適用することも可能であり、また分類した結果は、図１０に示すように棒グラフ状のヒストグラムで表す以外に、他の形態のグラフ又は単に表の形態でモニタ１９に表示するようにしてもよい。また、仕様を簡易化する場合は、図１１に示すような画像３１を表示するための処理、分類した各スペクトルの直径及びカイラリティを求める処理等を省略してもよい。

一方、分類した結果は、図１０のように波数ごとに表す以外に、求めた直径ごと、カイラリティごとに分類した結果を示す内容（ヒストグラム、表、グラフ等）を作成して表示するようにしてもよい。また、カイラリティに関しては、別の処理方式で求めるようにしてもよい。

例えば、カーボンナノチューブ分類装置１のＣＰＵ１２は、図１４（ａ）（ｂ）に示すように、測定されたスペクトルに対してアンチストークス側のＲＢＭ領域（例えば−３００〜−１２０ｃｍ^-1）と、ストークス側のＲＢＭ領域（例えば１２０〜３００ｃｍ^-1）を検出対象にして、両方の領域でピーク部を検出するようにしてもよい。この場合、周知の学術理論に基づいて両方の領域で対称にピーク部が存在するときと、ストークス側の領域でのみピーク部が存在するときとに分けて（アンチストークス側の領域で検出されるピーク部の有無に応じて）スペクトルに係るカーボンナノチューブのカイラリティをＣＰＵ１２に判別させるようにプログラミングすることになる。

また、レーザ光Ｒを偏光して照射した場合、測定されたスペクトルに対し、図１５（ａ）（ｂ）に示すようにストークス側の領域における重複しない二領域であるＲＢＭ領域（例えば１２０〜３００ｃｍ^-1）とＧバンドの領域（例えば１５３０〜１６００ｃｍ^-1）でピーク部を検出し、各領域での検出結果に応じてカイラリティを判別してもよい。この場合、周知の学術理論に基づいてＧバンドで検出される複数のピーク部の形態（各ピーク部の強度比等）に基づいて、検出されたスペクトルに対するカーボンナノチューブのカイラリティ（金属の性質を有するか、又は半導体の性質を有するか）をＣＰＵ１２判別させるようにプログラミングする。

さらに、偏光したレーザ光Ｒを照射してＧバンド領域の検出を行う場合は、偏光の向きを図４、５に示すｘ方向及びｙ方向に可変できる構成にすると共に、各方向でのＧバンド領域でのピーク強度を検出して、偏光の方向とピーク強度の関係から検出されたスペクトルに対応するカーボンナノチューブの長手方向の向きを判別することも可能である。例えば、ＲＢＭ領域とＧバンド領域の両領域でピーク部を検出できた場合で、ｘ方向の偏光照射時よりもｙ方向の偏光照射時の方がより大きなピーク値が検出されるときは図５のｙ方向に沿ってカーボンナノチューブが位置し、ｙ方向の偏光照射時よりもｘ方向の偏光照射時の方がより大きなピーク値が検出されるときは図５のｘ方向に沿ってカーボンナノチューブが位置することをＣＰＵ１２に判別させるようにプログラミングしてもよい。なお、偏光の方向を可変にする構成としては、レーザ光源２と試料台５の間の光路中にコンピュータ１１の制御により偏光の向きをｘ方向とｙ方向に変えることが可能な偏光レンズ、偏光プリズム等を配置すること、又は、レーザ光源Ｒの偏光をｘ方向又はｙ方向のいずれかに固定すると共に、試料台５の向きをｘ方向とｙ方向にコンピュータ１１の制御により回転駆動できるようにすることが考えられる。

また、図１６に示すように、装置の光源として波長がそれぞれ相異する第１レーザ光源２ａ、第２レーザ光源２ｂ、及び第３レーザ光源２ｃを設けると共に、各レーザ光源２ａ〜２ｃの位置を切替可能にして、コンピュータ１１の制御により図５に示す一つのブロック（一つの照射箇所）ごとに各レーザ光源２ａ〜２ｃでハーフミラー３へ順次照射を行うと共に、ＣＰＵ１２が一つのブロックにおいて相異する波長ごとに波数の検出を行うようにしてもよい。この場合、周知の学術理論に基づいて波長ごとに検出した波数から、スペクトルに係るカーボンナノチューブのカイラリティをＣＰＵ１２が判別できるようにプログラミングする。

さらに、図１７に示すように、分光器７で分光された結果を、ＲＢＭ検出部８０ａ及びＰＬ（Photo Luminescence）スペクトル検出部８０ｂを設けた検出器８０でホトルミネッセンス顕微分光に係る測定も行う構成にしてもよい。ＲＢＭ検出部８０ａはＲＢＭ領域でラマンスペクトルの測定を行い、ＰＬスペクトル検出部８０ｂは蛍光スペクトル領域でホトルミネッセンススペクトルの測定を行い、検出器８０はそれぞれの測定結果をコンピュータ１１へ送ることになる。また、コンピュータ１１のＣＰＵ１２は、両方の領域でスペクトルに係るピーク部を検出し、周知の学術理論に基づいて両方の領域でピーク部を検出したときは、そのスペクトルに係るカーボンナノチューブが半導体の性質を有するとＣＰＵ１２に判別させ、ＲＢＭ領域のみでピーク部を検出したときは金属の性質を有するとＣＰＵ１２に判別させるようにプログラミングすることになる。

さらにまた、直径及びカイラリティ以外にも試料１０に含まれるカーボンナノチューブのチューブ長さの比も特定できるように処理を追加してもよく、この処理は、図９（ｄ）に示すように各ベクトルＶ３、Ｖ４が作る角度θが０度のときにのみ行うようにする。具体的には、周知の学術理論により角度θが０度、即ち各スペクトルが類似していると判断される場合は、ベクトルの長さの比（ピーク部の強度値の比）が、そのままチューブ長の比になることが分かっているため、類似するカーボンナノチューブのスペクトルに対してＣＰＵ１２にピーク部の強度の値の比を検出させて、その検出結果の比を対象となるカーボンナノチューブのチューブ長さの比として特定させるようにプログラミングする。

また、測定したスペクトルを三次元的に把握できるように、図１８に示すような測定範囲に応じた三次元的なスペクトル図３２をカーボンナノチューブ分類装置１のコンピュータ１１で作成するようにしてもよく、この場合、さらにデンドログラムで分類されたグループが含まれる箇所を三次元的なスペクトルに色分けしてもよい。このようなスペクトル図３２を作成することで、場所に応じたカーボンナノチューブの分類結果を、立体的に把握可能となり好適である。なお、図１８中、ＡＳ−ＲＢＭ領域の「ＡＳ」はアンチストークス側を意味し、Ｓ−ＲＢＭ領域の「Ｓ」はストークス側を意味する。

なお、試料としては、図１９に示す複数のカーボンナノチューブを回路として分散配置した試料４０（単層カーボンナノチューブを用いた集積回路）も対象にでき、このような試料４０に含まれる単層カーボンナノチューブも本発明のカーボンナノチューブ分類装置１を用いることにより短時間で特性ごとに分類できる。このように分類することで、カーボンナノチューブを用いたＩＣ等の製品に対する研究開発に貢献できる。特に、分類結果を図１１に示す画像３１で表示するときは、一目で回路を形成するカーボンナノチューブの特性が所定のものになっているかを回路上の位置と対応付けて判断できるため好適である。

本発明の実施形態に係るカーボンナノチューブ分類装置を示す概略図である。 カーボンナノチューブを含む試料の生成に対して用いるスピンコートを説明する概略図である。 （ａ）は生成された試料の厚み方向からの拡大断面図であり、（ｂ）は生成された試料のイメージを示す概略平面図である。 試料台に載置された試料へのレーザ光の照射状況を示す概略図である。 照射箇所に対応付けて測定された結果のイメージを示す概略図である。 測定された全スペクトルを重ねた状態で示したグラフである。 測定された各スペクトルを並べた状態で示したグラフである。 求めたデンドログラムの一例を示す概略図である。 （ａ）は一対のスペクトルを示すグラフ、（ｂ）はスペクトルのピーク部に応じたベクトルを示す図、（ｃ）は別の一対のスペクトルを示すグラフ、（ｄ）はスペクトルのピーク部に応じたベクトルを示す図である。 分類結果に基づき作成したヒストグラムを示すグラフである。 分類結果を照射箇所に対応付けて分類ごとに相異する形態で表した画像の概略図である。 片浦プロットを示すグラフである。 カーボンナノチューブ分類方法の一連の処理手順を示すフローチャートである。 （ａ）はストークス側でピーク部を有するスペクトルを示すグラフであり、（ｂ）はアンチストークス側及びストークス側の両方でピーク部を有するスペクトルを示すグラフである。 （ａ）はＲＢＭ領域でピーク部を有するスペクトルを示すグラフであり、（ｂ）はＲＢＭ領域及びＧバンドでピーク部を有するスペクトルを示すグラフである。 相異する波長のレーザ光を照射可能な光源の構造を示す概略図である。 ラマンスペクトル及びホトルミネッセンススペクトルの測定検出が可能な検出器の構造を示す概略図である。 測定されたスペクトルを三次元的に表したスペクトル図を示す概略図である。 複数の単層カーボンナノチューブで回路が形成された集積回路の試料を示す概略図である。 バンドル状のカーボンナノチューブ集合体を示す概略図である。

符号の説明

１ カーボンナノチューブ分類装置
２ レーザ光源
３ ハーフミラー
４ 対物レンズ
５ 試料台
６ ノッチフィルタ
７ 分光器
８ 検出器
１０ 試料
１１ コンピュータ
１９ モニタ
Ｒ レーザ光

Claims (11)

1. 基材上に複数のカーボンナノチューブを分散配置した試料へ光を照射する光源と、該光源の照射箇所を移動させる移動手段と、該移動手段が移動させた照射箇所で前記光源が光を照射することで生じた光を分光する分光器とを備え、分光されたスペクトルに応じてカーボンナノチューブを分類するカーボンナノチューブ分類装置であって、
   分光されたスペクトルに含まれるピーク部に係る波数を照射箇所ごとに検出する検出手段と、
   該検出手段が検出した波数に基づいて各スペクトルを分類する分類手段と
   を備えることを特徴とするカーボンナノチューブ分類装置。
2. 前記分類手段は、同等の波数ごとにスペクトルを分類しており、
   前記分類手段が分類した波数ごとのスペクトルを計数する計数手段と、
   該計数手段が計数した数を分類ごとに表した分布図を作成する手段と
   を備える請求項１に記載のカーボンナノチューブ分類装置。
3. 前記分類手段は、波数の検出が行われた照射箇所に対応付けてスペクトルを分類しており、
   複数の照射箇所を表す図を作成する作図手段を備え、
   該作図手段は、前記分類手段が分類したスペクトルに応じた照射箇所を、分類ごとに相異した形態で表すようにしてある請求項１又は請求項２に記載のカーボンナノチューブ分類装置。
4. 前記検出手段は、分光されたスペクトルに対してアンチストークス側の領域及びストークス側の領域でピーク部を検出する手段を備え、
   アンチストークス側の領域で検出されるピーク部の有無に応じて検出対象のスペクトルに対するカーボンナノチューブのカイラリティを判別する手段を備える請求項１乃至請求項３のいずれか１つに記載のカーボンナノチューブ分類装置。
5. 前記検出手段は、分光されたスペクトルに対してストークス側の重複しない二領域でピーク部を検出する手段を備え、
   二領域での検出結果に応じて検出対象のスペクトルに対するカーボンナノチューブのカイラリティを判別する手段を備える請求項１乃至請求項４のいずれか１つに記載のカーボンナノチューブ分類装置。
6. 光源から照射される光を相異する方向に偏光させる手段と、
   前記検出手段で検出される相異する方向ごとのピーク部の強度に基づいてカーボンナノチューブの長手方向の向きを判別する手段と
   を備える請求項５に記載のカーボンナノチューブ分類装置。
7. 前記光源は、一つの照射箇所に対して相異する波長の光を照射するようにしてあり、
   前記検出手段は、一つの照射箇所で相異する波長の光が照射されるごとに波数を検出する手段を備え、
   一つの照射箇所で検出された各波数に応じて検出対象のスペクトルに対するカーボンナノチューブのカイラリティを判別する手段を備える請求項１乃至請求項６のいずれか１つに記載のカーボンナノチューブ分類装置。
8. 前記検出手段は、
   分光されたスペクトルに対してラマンスペクトルに係る領域でピーク部を検出する手段と、
   分光されたスペクトルに対してホトルミネッセンススペクトルに係る領域でピーク部を検出する手段とを備え、
   ラマンスペクトルに係る領域及びホトルミネッセンススペクトルに係る領域に対する検出結果に応じて、検出したスペクトルに対するカーボンナノチューブを半導体又は金属として判別する手段を備える請求項１乃至請求項７のいずれか１つに記載のカーボンナノチューブ分類装置。
9. 前記検出手段が検出した一つの波数に対して複数のスペクトルのピーク部がある場合、各ピーク部の値の比を検出する比検出手段と、
   該比検出手段が検出した比に基づいて、前記複数のスペクトルに対する各カーボンナノチューブの長さの比を特定する手段と
   を備える請求項１乃至請求項８のいずれか１つに記載のカーボンナノチューブ分類装置。
10. 光源の照射箇所を移動させて分光器で分光を行う分光装置に対する制御を行って分光されたスペクトルを取得するコンピュータに複数のカーボンナノチューブに係るスペクトルを分類させるためのコンピュータプログラムであって、
    コンピュータを
    分光装置から取得したスペクトルに含まれるピーク部に係る波数を照射箇所ごとに検出する検出手段と、
    該検出手段が検出した波数に基づいて各スペクトルを分類する分類手段として機能させることを特徴とするコンピュータプログラム。
11. 光源の照射箇所を移動させて分光器で分光を行う分光装置を用いて複数のカーボンナノチューブを分類するカーボンナノチューブ分類方法であって、
    基材上に複数のカーボンナノチューブを分散配置した試料へ照射箇所を移動させて前記光源で光を照射し、
    前記光源が光を照射することで生じた光を分光器で分光し、
    分光されたスペクトルに含まれるピーク部に係る波数を照射箇所ごとに検出し、
    検出した波数に基づいて各スペクトルを分類することを特徴とするカーボンナノチューブ分類方法。

Images