Kohei Shimamura 研究室

主宰者：Kohei Shimamura

熊本大学

AI 要約（直近 5 年の研究成果）

島村研究室は、計算機シミュレーションを用いて物質の性質と反応を原子・分子レベルで解明する研究を行っています。特に、第一原理計算や機械学習を活用した相互作用ポテンシャルにより、実験では直接観察しにくい現象のメカニズムを明らかにしている点が特徴です。高温環境下での材料の動作安定性、光励起による相転移、強誘電体の領域構造の制御など、多岐にわたる物理現象を対象としています。手法としては、量子分子動力学シミュレーションと機械学習を組み合わせた手法を開発しており、これにより従来は困難だった大規模系や長時間スケールでの計算が可能になっています。特に神経網路を用いた相互作用ポテンシャル（ニューラルネットワーク量子分子動力学）は、計算効率を大幅に改善しながら第一原理の精度を保つという利点を持っています。これらのシミュレーション手法は、実験測定データとの比較により検証されています。主な研究成果として、高温で安定に動作する記憶素子の開発、光によって誘起される物質の構造転移機構の解明、液体や融融体の構造的特性の予測などが挙げられます。これらの知見は、次世代エレクトロニクスや材料設計の高度化に貢献する基盤となるものです。

※ 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

研究成果（33 件）

[2026] Chemical intuition on bond-dissociation energies as an emergent ability of universal machine-learning interatomic potentials
DOI: https://doi.org/10.1038/s41467-026-74919-8
[2026] High-temperature memristors enabled by interfacial engineering
DOI: https://doi.org/10.1126/science.aeb9934
[2025] Structural Insights into Liquid Malic and Lactic Acids from First-Principles Simulations and X-ray Diffraction
DOI: https://doi.org/10.7566/jpsj.95.014602
[2025] Photochemistry and Thermal Chemistry in Polymeric Ceramic Precursors
DOI: https://doi.org/10.1021/acs.jpclett.5c02429
[2025] Photoinduced Phase Transition of Diamond: A Nonadiabatic Quantum Molecular Dynamics Study
DOI: https://doi.org/10.1021/acs.jpclett.5c01332
[2025] Large-scale Molecular-dynamics Simulations of SiO2 Melt and Glass under High Pressure with Robust Machine-learning Interatomic Potentials
DOI: https://doi.org/10.5940/jcrsj.67.121
[2025] Allegro-FM: Toward an Equivariant Foundation Model for Exascale Molecular Dynamics Simulations
DOI: https://doi.org/10.1021/acs.jpclett.5c00605
[2025] Intermolecular Correlations in Liquid Racemic Lactic Acid: A Comparison with Liquid L-Lactic Acid
DOI: https://doi.org/10.7566/jpsj.94.044604
[2024] Photoinduced Negative Differential Resistance at a Graphene/Silicon Interface: A Nonadiabatic Quantum Molecular Dynamics Study
DOI: https://doi.org/10.1021/acs.jpclett.4c02272
[2024] Intermolecular Correlations in Liquid Lactic Acid Based on ab initio Molecular Dynamics Simulations Combined with High-Energy X-ray Diffraction Measurements
DOI: https://doi.org/10.7566/jpsj.93.054601

続きを表示（残り 23 件）

[2024] Phase behavior and atomic dynamics in RbxNa1–x: insights from machine learning interatomic potentials based on ab initio molecular dynamics
DOI: https://doi.org/10.1088/1361-648x/ad9071
[2024] Thermal conductivity calculation using homogeneous non-equilibrium molecular dynamics simulation with Allegro
DOI: https://doi.org/10.1016/j.ijheatmasstransfer.2024.126106
[2023] Induction and Ferroelectric Switching of Flux Closure Domains in Strained PbTiO3 with Neural Network Quantum Molecular Dynamics
DOI: https://doi.org/10.1021/acs.nanolett.3c01885
[2023] Ab Initio Molecular Dynamics of the Initial Growth of Few-Layer Graphene on a Cu–Ni(111) Catalyst
DOI: https://doi.org/10.1021/acs.jpcc.3c04687
[2023] Construction of machine-learning interatomic potential under heat flux regularization and its application to power spectrum analysis for silver chalcogenides
DOI: https://doi.org/10.1016/j.cpc.2023.108920
[2023] Large-scale Molecular-dynamics Simulations of SiO2 Melt under High Pressure with Robust Machine-learning Interatomic Potentials
DOI: https://doi.org/10.7566/jpsj.92.074002
[2023] Efficient Training of the Machine-Learning Interatomic Potential Based on an Artificial Neural Network for Estimating the Helmholtz Free Energy of Alkali Metals
DOI: https://doi.org/10.7566/jpsj.92.054005
[2023] Large-scale Molecular-dynamics Simulations of SiO2 Melt under High Pressure with Robust Machine-learning Interatomic Potentials
[2022] Defect-free and crystallinity-preserving ductile deformation in semiconducting Ag2S
DOI: https://doi.org/10.1038/s41598-022-24004-z
[2022] Towards computational polar-topotronics: Multiscale neural-network quantum molecular dynamics simulations of polar vortex states in SrTiO3/PbTiO3 nanowires
DOI: https://doi.org/10.3389/fnano.2022.884149
[2022] Hydrogen Bonding in Liquid Ammonia
DOI: https://doi.org/10.1021/acs.jpclett.2c01608
[2022] Importance of Adjusting Coefficients in Cost Function for Construction of High-Accuracy Machine-Learning Interatomic Potential
DOI: https://doi.org/10.7566/jpsj.91.045002
[2022] Thermal conductivity calculation based on Green–Kubo formula using ANN potential for β-Ag2Se
DOI: https://doi.org/10.1016/j.jpcs.2022.110580
[2022] Squishing Skyrmions: Symmetry-Guided Dynamic Transformation of Polar Topologies Under Compression
DOI: https://doi.org/10.1021/acs.jpclett.2c03029
[2021] Estimating thermal conductivity of α-Ag2Se using ANN potential with Chebyshev descriptor
DOI: https://doi.org/10.1016/j.cplett.2021.138748
[2021] Reproduction of Melting and Crystallization of Sodium by Machine-Learning Interatomic Potential Based on Artificial Neural Networks
DOI: https://doi.org/10.7566/jpsj.90.094603
[2021] Neural network molecular dynamics of ferroelectric domain boundary
[2021] First-Principles Study of Microscopic Mechanism of High Ductility of Silver Sulfide/Selenide
[2021] Molecular Dynamics Simulation of Shock Compression Behavior Based on First-Principles Calculation and Machine-Learning
DOI: https://doi.org/10.4131/jshpreview.31.132
[2021] Improvement of the Force Field for β-d-Glucose with Machine Learning
DOI: https://doi.org/10.3390/molecules26216691
[2021] Ex-NNQMD: Extreme-Scale Neural Network Quantum Molecular Dynamics
DOI: https://doi.org/10.1109/ipdpsw52791.2021.00145
[2021] Neural Network Quantum Molecular Dynamics, Intermediate Range Order in GeSe2, and Neutron Scattering Experiments
DOI: https://doi.org/10.1021/acs.jpclett.1c01272
[2021] Dielectric Constant of Liquid Water Determined with Neural Network Quantum Molecular Dynamics
DOI: https://doi.org/10.1103/physrevlett.126.216403

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）。

AI 要約（直近 5 年の研究成果）

外部リンク

関連研究室(8 件)

研究成果（33 件）

科研費（0 件）

所属学会・役職（0 件）