Yasuhiko Igarashi 研究室
主宰者:Yasuhiko Igarashi
筑波大学
AI 要約(直近 5 年の研究成果)
この研究室は、材料科学における複雑な現象を理解し、新しい機能材料を効率的に開発することを目指しています。電子構造、磁性、熱的性質、触媒性能など、材料が示す多様な特性が、その微視的な構造にどのように関連しているかを解明する研究に取り組んでいます。具体的には、スピントロニクス素子用の磁性材料、電池の活性物質、自己組織化する液晶、電磁鋼板の磁性反転機構など、幅広い材料系を対象としています。
手法の特徴は、第一原理計算や数値シミュレーション、電子顕微鏡など従来の物質科学の実験・計算手法に、機械学習やデータ科学の手法を組み合わせる点にあります。限られた実験データから材料の性能を予測するモデルを構築したり、画像データを解析して微視的な構造特性を自動検出したり、複数の物質探索システムが知識を共有するネットワークを構築したりしています。また、深層学習や大規模言語モデルといった最新のAI技術も積極的に活用しています。
これらの研究を通じて、研究室は次のような知見を得ています:機械学習を用いることで、小規模なデータセットからでも物質の特性を予測することが可能であること、微視的な構造変化と巨視的な機能の関連性を可視化・定量化できること、そして自動化システムやAI技術の活用により、膨大な材料空間から有望な新規材料を効率的に発見できることです。これらの成果は、電池、触媒、磁性デバイスなど、実用的な応用につながる新機能材料の開発加速に貢献しています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 材料科学Naoya Shibata 研究室東京大学論文 100 件·共通: 電池, 磁性, 固体物理, 凝縮系物理 +12
- 材料科学Kyoko Nozaki 研究室東京大学論文 191 件·共通: 磁性, 固体物理, 凝縮系物理, 触媒 +8
- 材料科学Yuichi Ikuhara 研究室東京大学論文 100 件·共通: 磁性, 固体物理, 凝縮系物理, 材料工学 +7
- 物理学・天文学Akira Hirose 研究室東京大学論文 164 件·共通: 磁性, 固体物理, 凝縮系物理, 材料工学 +5
- エネルギーManabu Fujii 研究室東京工業大学論文 100 件·共通: 触媒, 合成・反応, 有機化学, 材料工学 +10
- 材料科学Ryo Ishikawa 研究室東京大学論文 125 件·共通: 電池, エネルギー, 材料工学, 材料 +9
- エネルギーXue Han 研究室筑波大学論文 100 件·共通: 触媒, 合成・反応, エネルギー, 有機化学 +8
- 工学Guoping Chen 研究室筑波大学論文 100 件·共通: 磁性, 固体物理, 凝縮系物理, 材料工学 +5
研究成果(46 件)
- [2026] Anomaly detection of fermi surface morphology in Co2MnGaxGe1-x via interpretable machine learningDOI: https://doi.org/10.1038/s41598-026-39115-0
- [2026] Dictionary learning-based screening of layered materials via interface Fermi surface matchingDOI: https://doi.org/10.1063/5.0312116
- DOI: https://doi.org/10.1093/jmicro/dfaf049
- DOI: https://doi.org/10.1038/s41524-025-01851-8
- DOI: https://doi.org/10.1016/j.jenvrad.2025.107839
- DOI: https://doi.org/10.1002/batt.70093
- DOI: https://doi.org/10.20965/jdr.2025.p0831
- DOI: https://doi.org/10.1007/s11001-025-09583-6
- DOI: https://doi.org/10.1038/s41598-025-00357-z
- [2025] Sparse coding-based multiframe superresolution for efficient synchrotron radiation microspectroscopyDOI: https://doi.org/10.1186/s11671-025-04291-x
続きを表示(残り 36 件)閉じる
- DOI: https://doi.org/10.1002/batt.202500288
- DOI: https://doi.org/10.1585/pfr.20.1402024
- DOI: https://doi.org/10.1039/d5na00215j
- [2025] Confidence evaluation for feature selection in expanded feature space based on density of statesDOI: https://doi.org/10.1063/5.0245626
- DOI: https://doi.org/10.1039/d5nr04714e
- DOI: https://doi.org/10.1038/s41428-024-00930-9
- DOI: https://doi.org/10.1039/d3ta06447f
- DOI: https://doi.org/10.1039/d4cc04386c
- DOI: https://doi.org/10.1021/acsanm.4c04855
- [2024] Extraction of physicochemical laws by symbolic regression using a Bayesian information criterionDOI: https://doi.org/10.1080/27660400.2024.2420658
- DOI: https://doi.org/10.1080/27660400.2024.2403966
- DOI: https://doi.org/10.7566/jpsj.93.074001
- DOI: https://doi.org/10.1039/d3ya00161j
- DOI: https://doi.org/10.1109/intermagshortpapers58606.2023.10228817
- DOI: https://doi.org/10.1039/d3py00314k
- DOI: https://doi.org/10.1039/d3dd00138e
- DOI: https://doi.org/10.1080/27660400.2023.2260300
- DOI: https://doi.org/10.1109/tmag.2023.3312372
- DOI: https://doi.org/10.1246/bcsj.20230126
- [2022] Quantum circuit learning as a potential algorithm to predict experimental chemical propertiesDOI: https://doi.org/10.1039/d2dd00090c
- DOI: https://doi.org/10.1080/27660400.2022.2108353
- DOI: https://doi.org/10.1080/27660400.2022.2123263
- DOI: https://doi.org/10.1186/s40623-022-01680-9
- DOI: https://doi.org/10.1021/acsaem.2c01472
- DOI: https://doi.org/10.1021/acsaem.1c03612
- DOI: https://doi.org/10.1039/d1dd00010a
- DOI: https://doi.org/10.1063/5.0071166
- DOI: https://doi.org/10.1038/s41598-021-02413-w
- DOI: https://doi.org/10.1002/adts.202170025
- DOI: https://doi.org/10.1002/adts.202100158
- DOI: https://doi.org/10.1246/bcsj.20210253
- DOI: https://doi.org/10.1585/pfr.16.1402073
- DOI: https://doi.org/10.7566/jpsj.90.104001
- DOI: https://doi.org/10.1039/d0nr08684c
- DOI: https://doi.org/10.1039/d1cc01440d
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。