Tatsuya Yokoi 研究室
主宰者：Tatsuya Yokoi
名古屋大学
AI 要約（直近 5 年の研究成果）
本研究室は、結晶材料における原子スケールの構造と物性の関係を理論計算と実験の両面から明らかにすることを目指しています。特に、粒界（異なる結晶方位が接する界面）や転位（原子配列の欠陥）などの微視的な欠陥構造が、材料全体の強度や導電性といった性質にどのように影響するかを研究しています。
主な研究手法は、密度汎関数理論（DFT）と呼ばれる第一原理計算と、その結果をもとに機械学習で構築した原子間ポテンシャルを用いた分子動力学シミュレーション（MD）です。これにより、通常の計算では扱えない大規模な原子系を現実的な時間で解析することが可能になります。走査透過型電子顕微鏡（STEM）などによる実験観察と理論計算を組み合わせることで、原子レベルの構造変化を直接検出しています。
具体的な研究対象は多岐にわたり、半導体や金属、セラミックス、バイオ材料など様々な材料を扱っています。光照射による機械的性質の変化、不純物元素の粒界への偏析と拡散、熱伝導の低下メカニズム、新規窒素化物の高圧合成と相転移など、材料の機能設計に向けた基礎的な知見を蓄積しています。
※ 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)
- 工学Hyoung Seop Kim 研究室東北大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 機械 +12
- 工学Katsuaki Suganuma 研究室大阪大学論文 100 件·共通: 顕微鏡, 古典物理, 力学, 基礎物理 +9
- 工学Yoshiyuki Kawazoe 研究室東北大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 機械 +10
- 材料科学Ryo Ishikawa 研究室東京大学論文 125 件·共通: 顕微鏡, イメージング, 実験技術, 機械 +9
- 材料科学Xiangyang Liu 研究室名古屋大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 機械 +9
- 材料科学Naoki Takata 研究室名古屋大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 機械 +6
- 材料科学Hajime Tanaka 研究室東京大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 材料工学 +8
- 材料科学Yuichi Shimakawa 研究室Kyoto University Institute for Chemical Research論文 100 件·共通: 転移, 顕微鏡, イメージング, 実験技術 +5
研究成果（52 件）
- DOI: https://doi.org/10.1039/d5ta09725h
- DOI: https://doi.org/10.1111/jace.70730
- DOI: https://doi.org/10.1002/advs.74617
- DOI: https://doi.org/10.1002/advs.202515350
- [2025] Direct observation of substitutional and interstitial dopant diffusion in oxide grain boundaryDOI: https://doi.org/10.1038/s41467-025-64798-w
- DOI: https://doi.org/10.1103/1175-sd2m
- DOI: https://doi.org/10.1021/acs.inorgchem.5c01118
- [2025] Transferability of machine-learning interatomic potential to α-Fe nanocrystalline deformationDOI: https://doi.org/10.1016/j.ijmecsci.2025.110132
- DOI: https://doi.org/10.1038/s43246-025-01042-4
続きを表示（残り 42 件）閉じる
- DOI: https://doi.org/10.1109/ltb-3d64053.2024.10774130
- DOI: https://doi.org/10.1103/physrevmaterials.8.093605
- DOI: https://doi.org/10.1111/jace.20332
- DOI: https://doi.org/10.1021/acs.inorgchem.4c02259
- [2024] Machine learning interatomic potential with DFT accuracy for general grain boundaries in α-FeDOI: https://doi.org/10.1038/s41524-024-01451-y
- DOI: https://doi.org/10.1103/physrevmaterials.8.103805
- DOI: https://doi.org/10.1002/adma.202308599
- DOI: https://doi.org/10.1016/j.scriptamat.2023.115685
- DOI: https://doi.org/10.1111/jace.19564
- DOI: https://doi.org/10.1016/j.annonc.2023.10.426
- DOI: https://doi.org/10.2109/jcersj2.23044
- DOI: https://doi.org/10.2109/jcersj2.23055
- DOI: https://doi.org/10.2109/jcersj2.23060
- DOI: https://doi.org/10.1103/physrevmaterials.7.053803
- DOI: https://doi.org/10.1016/j.scriptamat.2023.115368
- DOI: https://doi.org/10.1103/physrevmaterials.7.013603
- DOI: https://doi.org/10.1299/jsmecmd.2023.36.os-1404
- DOI: https://doi.org/10.1016/j.scriptamat.2022.114650
- DOI: https://doi.org/10.2139/ssrn.4236219
- DOI: https://doi.org/10.1016/j.jpcs.2022.111114
- DOI: https://doi.org/10.1111/jace.18853
- DOI: https://doi.org/10.2320/materia.61.629
- DOI: https://doi.org/10.1021/acs.jpcc.1c10486
- DOI: https://doi.org/10.1016/j.jcrysgro.2021.126313
- DOI: https://doi.org/10.7567/ssdm.2021.k-4-01
- DOI: https://doi.org/10.1021/acs.nanolett.0c04337
- DOI: https://doi.org/10.1021/acs.inorgchem.0c03240
- DOI: https://doi.org/10.1038/s41563-020-00879-z
- DOI: https://doi.org/10.1080/27660400.2021.1969701
- DOI: https://doi.org/10.1039/d1ra06311a
- DOI: https://doi.org/10.1039/d1cp00790d
- DOI: https://doi.org/10.1039/d1cp04329c
- DOI: https://doi.org/10.1063/5.0075854
- DOI: https://doi.org/10.1021/acs.jpcc.1c07973
- DOI: https://doi.org/10.1016/j.ssi.2021.115793
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）。