メタマテリアルとプラズモニクスの分野は2000年ごろから20年間にわたり論文数の増加が続き、現在でも世界的にみて活発に研究がなされている。この分野に興味を持つ初学者はどこから手を付けたらよいか迷うのではなかろうか？この二つは別の分野であり、発展はそれぞれ異なる方向性をもつが、歴史的にみると互いに深く関係しながら発展を続けてきた。本講演では初学者のためにメタマテリアルとプラズモニクスの基礎となる考え方について述べる。
メタマテリアルは光の波長より十分小さなサイズのメタ原子（光の人工共振器）を3次元的に配列して構成される有効媒質である。これを用いると天然素材の屈折率の範囲を超えて、あらゆる値の屈折率をもつ光学媒質を実現できる。負屈折率（negative refractive index）すらも実現できる。メタ原子を2次元に配列したものはメタサーフェスと呼ばれる。メタサーフェスは散乱（吸収を含む）により光を制御する技術といえる。
一方、プラズモニクスは「金属のナノフォトニクス」である。金属は誘電率が可視光域において負の値をとる典型的な負誘電体（negative dielectric）である。負誘電体によって光の回折限界を打ち破りナノ空間への光の局在や伝送が可能となる。しかし、金属材料はオーム損失による光の吸収がさけられず、巨大な損失がナノフォトニクスへの展開を阻んでいる。最近では大きな損失を逆に利用して完全吸収体へ応用され成果が得られている。応用上重要な電場増強効果もナノ空間への光の局在により達成される。

中赤外（本講演では波長2.5～25μmと定義）は環境計測やセキュリティに重要な波長帯であるが、意外に古い原理や材料に依存している。例えば、実際に利用されている光源は今なおほぼすべての場合、熱放射光源（電球）である。また、波長5μm以上の高感度検出器は水銀やカドミウムを含んだものに限られ、毒性の問題から代替材料が求められている。本講演では、適切な形状・寸法の金属ナノ構造を用いた光波制御技術であるプラズモニクスを利用すると、中赤外域の光源や検出器を変革できることを示す。
二酸化炭素センサは2つの波長の中赤外光の透過強度比から濃度を求める。ところが、熱放射光源から発せられる幅広い波長の光から必要な2波長を取り出し、大半の光は廃棄しているため、現在のセンサの電力効率は著しく低い。本研究では、特定の波長の中赤外光にチューニングしたプラズモン共振器を組合せ、必要な2波長だけを熱放射する高効率光源を開発した。
水銀等を用いない中赤外検出器として、古くから量子井戸赤外検出器が注目されてきたが、効率の低さから応用例は限られていた。本研究では、プラズモン共振器に量子井戸を挟み込むことにより感度を劇的に向上し、水銀を用いる従来の検出器に迫る感度を持った量子井戸検出器を実現した。
本講演では、このような大きな効果を持ったプラズモン共振器の設計方法から、実際のデバイスの作製方法、特性まで紹介する。

分光スペクトルデータには測定試料の化学情報や物性情報といった様々な情報が豊富に含まれているが、それらを正確に読み取ることは容易ではない。機器分析データから化学情報を紐解く手法として、多変量解析に基づくケモメトリックスの概念が生まれ、また、データサイエンスの分野では、人工知能・機械学習・深層学習といった手法が盛んに用いられている。本講演では、機器分析の経験はあるが、ケモメトリックスや機械学習の経験がない者、あるいは初心者を対象とし、Pythonを用いて実践的に機器分析データを解析するためのテクニックや応用事例を紹介する。PythonにはAnacondaのような無料パッケージがあり、 www.anaconda.comからダウンロードすることができる。主成分分析（PCA）やPLS回帰といったケモメトリックスのツールは機械学習ライブラリであるscikit-learnに実装されており、これはAnacondaに含まれている。また、Pythonによる機械学習の教科書が日本語で数多く出版されており、独学は容易である。今回の講演をきっかけにして、機器分析データのケモメトリックスや機械学習を始めてみてほしい。講演者は日本分光学会においてスペクトル解析部会を運営しており、このような機会を通して専門家とユーザーの接点を提供したいと考えている。

薬学・製薬分野に限らず様々な分野において、分光法は古くから定量分析に用いられていが、近年の需要として、試料に前処理を加えることなく、非破壊的に分析する技術が求められている。その背景には、実際の製造物と分析に用いられた試料が同一ではないことによる、不確かさの存在が挙げられる。特に食品や医薬品などは、消費者の健康に直結することから、その不確かさの解消が強く望まれている。その非破壊分析技術の一つとして、近赤外スペクトルのケモメトリックス・機械学習による分析法が注目され、普及しつつある。薬学・製薬分野においては、医薬品の製造工程を近赤外分光によりモニタリングを行い、分光データのケモメトリックス・機械学習による定性・定量分析をリアルタイムに行うことで、製造工程を適切に管理・制御する試みがなされている。このような技術は、Process Analytical Technology（PAT）と呼ばれ、モニタリングデータから製造物の品質を保証するだけでなく、製造工程の最適化による自動化・連続化にも重要な役割を担っている。また、市場に流通している医薬品の真贋・良不良を判別するための非破壊分析技術に対する需要も高まっている。近赤外分光とケモメトリックス・機械学習による非破壊分析は、このような医薬品の判別にも有効であることから、今後の応用が期待されている。本講演では、製造工程の最適化と真贋判別を目的として、分光データのケモメトリックス・機械学習を応用した事例について紹介する。