公开(公告)号：CN112004909A

公开(公告)日：2020-11-27

申请号：CN201980027803.7

申请日：2019-04-18

Applicant: 大金工业株式会社

Inventor： 高桥一博 ,  大久保瞬 ,  板野充司 ,  高桑达哉 ,  仓本圭

IPC: C09K5/04 ,  F25B1/00

Abstract: 本发明提供一种含有制冷剂的组合物，该组合物具有与R410A相比GWP低且具有与R410A同等的COP这样的特性。具体而言，本发明提供一种含有制冷剂的组合物，上述制冷剂含有CO2(R744)和化合物A，上述化合物A为选自反式－1,2－二氟乙烯[(E)－HFO－1132]、顺式－1,2－二氟乙烯[(Z)－HFO－1132]、氟乙烯(HFO－1141)和3,3,3－三氟丙炔(TFP)中的至少1种。

公开(公告)号：CN113841150B

公开(公告)日：2024-04-09

申请号：CN202080036528.8

申请日：2020-05-12

Applicant: 大金工业株式会社

Inventor： 川部留美 ,  高桑达哉 ,  增田晴久 ,  仓本圭

IPC: G06F30/27 ,  G06N20/00 ,  G06N20/20 ,  G16C20/70

Abstract: 为了发现拨水剂等的优选组合，必须进行多次试验和研究，时间上和成本上的负担大。学习模型生成方法用于生成学习模型，该学习模型能够使用计算机来决定在基材上固定有表面处理剂的物品的评价。学习模型生成方法包括获取步骤(S12)、学习步骤(S15)和生成步骤(S16)。在获取步骤(S12)中，计算机获取示教数据。示教数据包括基材信息、处理剂信息和物品的评价。在学习步骤(S15)中，计算机基于在获取步骤(S12)中获取的多个示教数据来进行学习。在生成步骤(S16)中，计算机基于在学习步骤(S15)中学习的结果来生成学习模型。物品是使表面处理剂固定在基材上而得到的。学习模型能够将输入信息作为输入，将评价作为输出。输入信息是与示教数据不同的未知的信息。输入信息是至少包括基材信息和处理剂信息的信息。

公开(公告)号：CN119955476A

公开(公告)日：2025-05-09

申请号：CN202510128630.5

申请日：2019-04-18

Applicant: 大金工业株式会社

Inventor： 高桥一博 ,  大久保瞬 ,  板野充司 ,  高桑达哉 ,  仓本圭

IPC: C09K5/04 ,  F25B1/00

Abstract: 本发明提供一种含有制冷剂的组合物，该组合物具有与R410A相比GWP低且具有与R410A同等的COP这样的特性。具体而言，本发明提供一种含有制冷剂的组合物，上述制冷剂含有CO2(R744)和化合物A，上述化合物A为选自反式－1,2－二氟乙烯[(E)－HFO－1132]、顺式－1,2－二氟乙烯[(Z)－HFO－1132]、氟乙烯(HFO－1141)和3,3,3－三氟丙炔(TFP)中的至少1种。

公开(公告)号：CN113993828B

公开(公告)日：2025-02-07

申请号：CN202080042069.4

申请日：2020-06-05

Applicant: 大金工业株式会社

Inventor： 高桑达哉 ,  山本治 ,  藤原克树 ,  仓本圭 ,  莲本雄太

IPC: C07C17/26 ,  C07C21/18

Abstract: 本发明提供一种以高于现有方法的选择率制造含有R－1132(E)的反应气体的方法。本发明具体提供一种制造方法，该方法用于制造含有(E)－1,2－二氟乙烯(R－1132(E))的反应气体，(1)包括将含有选自氯二氟甲烷(R－22)、二氟甲烷(R－32)和氟甲烷(R－41)中的至少一种氟甲烷类的原料气体供于包括热分解的反应而得到该反应气体的工序，(2)该原料气体中的水蒸气含量为1体积％以下。

公开(公告)号：CN118516084A

公开(公告)日：2024-08-20

申请号：CN202410615031.1

申请日：2020-06-05

Applicant: 大金工业株式会社

Inventor： 高桑达哉 ,  山本治 ,  藤原克树 ,  仓本圭 ,  莲本雄太

IPC: C09K5/04 ,  C07C17/269 ,  C07C21/18

Abstract: 本发明提供一种组合物，其含有：(E)－1,2－二氟乙烯(R－1132(E))、3,3,3－三氟丙炔(TFP)和1,1,1,2－四氟乙烷(R－134a)。

公开(公告)号：CN113993828A

公开(公告)日：2022-01-28

申请号：CN202080042069.4

申请日：2020-06-05

Applicant: 大金工业株式会社

Inventor： 高桑达哉 ,  山本治 ,  藤原克树 ,  仓本圭 ,  莲本雄太

IPC: C07C17/26 ,  C07C21/18

Abstract: 本发明提供一种以高于现有方法的选择率制造含有R－1132(E)的反应气体的方法。本发明具体提供一种制造方法，该方法用于制造含有(E)－1,2－二氟乙烯(R－1132(E))的反应气体，(1)包括将含有选自氯二氟甲烷(R－22)、二氟甲烷(R－32)和氟甲烷(R－41)中的至少一种氟甲烷类的原料气体供于包括热分解的反应而得到该反应气体的工序，(2)该原料气体中的水蒸气含量为1体积％以下。

公开(公告)号：CN113841150A

公开(公告)日：2021-12-24

申请号：CN202080036528.8

申请日：2020-05-12

Applicant: 大金工业株式会社

Inventor： 川部留美 ,  高桑达哉 ,  增田晴久 ,  仓本圭

IPC: G06F30/27 ,  G06N20/00 ,  G06N20/20 ,  G16C20/70

Abstract: 为了发现拨水剂等的优选组合，必须进行多次试验和研究，时间上和成本上的负担大。学习模型生成方法用于生成学习模型，该学习模型能够使用计算机来决定在基材上固定有表面处理剂的物品的评价。学习模型生成方法包括获取步骤(S12)、学习步骤(S15)和生成步骤(S16)。在获取步骤(S12)中，计算机获取示教数据。示教数据包括基材信息、处理剂信息和物品的评价。在学习步骤(S15)中，计算机基于在获取步骤(S12)中获取的多个示教数据来进行学习。在生成步骤(S16)中，计算机基于在学习步骤(S15)中学习的结果来生成学习模型。物品是使表面处理剂固定在基材上而得到的。学习模型能够将输入信息作为输入，将评价作为输出。输入信息是与示教数据不同的未知的信息。输入信息是至少包括基材信息和处理剂信息的信息。