HOME > Profile > TERASHIMA, Kensei
- Address
- 305-0047 1-2-1 Sengen Tsukuba Ibaraki JAPAN [Access]
Research
researchmap id: read0145594
PublicationsNIMS affiliated publications since 2004.
Research papers
- G. M. Pugliese, L. Tortora, E. Paris, T. Wakita, K. Terashima, A. Puri, M. Nagao, R. Higashinaka, T. D. Matsuda, Y. Aoki, T. Yokoya, T. Mizokawa, N. L. Saini. The Local Structure of the BiS2 Layer in RE(O,F)BiS2 Determined by In-Plane Polarized X-ray Absorption Measurements. Physchem. 1 [3] (2021) 250-258 10.3390/physchem1030019 Open Access
- Noriki Terada, Hiroaki Mamiya, Hiraku Saito, Taro Nakajima, Takafumi D. Yamamoto, Kensei Terashima, Hiroyuki Takeya, Osamu Sakai, Shinichi Itoh, Yoshihiko Takano, Masashi Hase, Hideaki Kitazawa. Crystal electric field level scheme leading to giant magnetocaloric effect for hydrogen liquefaction. Communications Materials. 4 [1] (2023) 13 10.1038/s43246-023-00340-z Open Access
- Fysol Ibna Abbas, Yuki Nakahira, Aichi Yamashita, Md. Riad Kasem, Miku Yoshida, Yosuke Goto, Akira Miura, Kensei Terashima, Ryo Matsumoto, Yoshihiko Takano, Chikako Moriyoshi, Yoshikazu Mizuguchi. Estimation of the Grüneisen Parameter of High-Entropy Alloy-Type Functional Materials: The Cases of REO0.7F0.3BiS2 and MTe. Condensed Matter. 7 [2] (2022) 34 10.3390/condmat7020034 Open Access
Presentations
- 山根 和樹, 足立 伸太郎, 松本 凌, 寺嶋 健成, 櫻井 裕也, 高野 義彦. Ruddlesden-Popper型新規物質 Sr3Ni2O5Cl2の高圧合成と物性評価. 第65回高圧討論会. 2024
- 永田 響, 櫻井 裕也, 植木 祐太, 山根 和樹, 松本 凌, 寺嶋 健成, 廣瀬 圭祐, 太田 寛人, 加藤 将樹, 高野 義彦. 層状Ni酸化物La4Ni3O10＋δの圧力誘起超伝 導とその酸素量依存性. 第65回高圧討論会. 2024
- 松本 凌, 山根 和樹, 只野 央将, 寺嶋 健成, 新名亨, 入舩徹男, 高野 義彦. 20Kの超伝導転移温度を有するIn3S4 の高圧合成. 第65回高圧討論会. 2024
Misc
- 寺嶋 健成, バプティスタ デ カストロ ペドロ, 高野 義彦. 機械学習を用いた世界最高クラスの磁気冷凍材料の発見. 自動車技術. 76 [2] (2022) 74-79
- 寺嶋 健成, バプティスタ デ カストロ ペドロ, 高野 義彦. 機械学習による高性能磁気冷凍材料の発見. クリーン エネルギー. (2020) 11-16
Published patent applications
Society memberships
日本物理学会, 応用物理学会, 日本放射光学会
Research Center for Materials Nanoarchitectonics (MANA)
バルク固体機能性材料における、機械学習を用いたデータ駆動物質開発
マテリアルズインフォマティクス，機械学習，物質合成探索
Overview
近年物質データの蓄積が急速になされ、データ科学的手法の発達とともに様々な機能性材料探索にデータ駆動型のモデル予測が用いられるようになってきている。しかしながらこれを実際に物質開発に適用させる場合、学習データの範囲やモデルの外挿性・妥当性など、乗り越えるべき障壁は多々ある。物質合成・物性測定による実験実証までを含め、百出する機械学習手法から適するものを試行錯誤し新機能性材料の探索を行うとともに、物質探索の各プロセスにおいて自動化や機械学習手法を取り入れた高度化・効率化を推進している。
Novelty and originality
● 実験検証までを含めた機械学習による物質探索
● 説明可能AI手法を用いた機械学習による物質探索指針の開発
● 自動化推進によるXRD相同定を用いた新物質探索手法開発
● 高速機械学習を用いたデジタルツインによる物性測定合理化
Details
磁気冷凍材料に対し、教師データ収集から機械学習モデル作成、実際の合成評価を行い、液体水素温度近傍で世界最高水準の磁気エントロピー変化量を示すHoB2を見出した(左上)。モデル予測値への各特徴量の貢献度解析を行い、この手法が機械学習を通し物質探索指針を得るのに有用と示した(右上)。
合成や物性評価の効率化も行っている。新物質合成の初期段階で重要となる目的以外の不純物相同定を、XRD結果から結晶構造オープンデータとの照合で高速に行うツールXERUS開発を行った(右下)。ニューラルネットワーク高速学習が、preliminaryデータから適切な物性測定条件のシミュレートに適することを見出した(左下)。
Summary
物質開発現場の１研究者・１ユーザーの視点から、実験実証までを含めた実践的機械学習の活用により、機能性材料を発見している。今後はバルク固体物質開発の各プロセスにおいてソフトウェアによる自動化だけでなくロボットプログラミングも活用したハードウェア自動化を進め、機械学習手法の高度化とともにさらなる高機能材料の探索を行う。
