東京大学 研究シーズ|
検索したキーワードがページ内でハイライトします。
| RESET |
研究キーワード：東京大学における「材料データベース」 に関係する研究一覧：3件
概要表示
折りたたむ
発表日：2026年6月26日
1
化学構造の「共通ID」を開発
―材料データベース統合で探索や機械学習を加速―
東京大学大学院工学系研究科の中山哲教授と、村岡恒輝准教授らによる研究チームは、世界中に分散する膨大な材料データベースの統合を可能にする画期的な識別子「Graph ID」を開発しました。本研究成果は、蓄電池、触媒、半導体などの新材料探索において、世界規模でのデータ統合と重複排除を可能にし、開発スピードを劇的に向上させることが期待されます。 近年、ハイスループット計算技術の普及により、未知の材料を含む膨大な構造データが日々生成されています。これらのデータは「Materials Project」や「AFLOW」といった国際的なデータベースに蓄積されていますが、...
キーワード：スループット/アルゴリズム/データ統合/機械学習/検索エンジン/人工知能（AI）/対称性/材料科学/材料データベース/蓄電池/原子配列/電池/エンジン/システム工学/シミュレーション/半導体/ハイスループット/結晶構造/表面構造/ラット/コミュニティ
他の関係分野：情報学数物系科学工学総合生物農学
概要表示
折りたたむ
発表日：2026年4月14日
2
国際的で大規模な第一原理計算・熱伝導データベースを構築
―高精度データとAIを活用した熱機能材料探索に期待―
東京大学大学院工学系研究科の塩見淳一郎教授、統計数理研究所の大西正人特任准教授（兼：東京大学大学院工学系研究科客員研究員）、同研究所の吉田亮教授、物質・材料研究機構の只野央将グループリーダー、東京大学大学院情報理工学系研究科（兼：同大学情報基盤センター）の鈴村豊太郎教授、同大学情報基盤センターの華井雅俊特任助教、ノートルダム大学のLUO Tengfei教授、ナンヤン理工大学のHIPPALGAONKAR Kedar准教授、カーネギーメロン大学のMCGAUGHEY Alan教授、オークリッジ国立研究所のLINDSAY Lucas上級研究員、パデュ―大学のRUAN Xiulin教授、南カロライナ大...
キーワード：データ駆動/AI/オープンデータ/グラフニューラルネットワーク/ニューラルネットワーク/機械学習/最適化/情報基盤/人工知能（AI）/分散計算/スケーリング則/準粒子/スケーリング/データベース化/輸送特性/データ解析/材料科学/材料データベース/マテリアルズ・インフォマティクス/熱電変換材料/DFT/フォノン/電子デバイス/無機材料/材料特性/材料設計/磁性材料/電子構造/電子状態/電池/熱電材料/熱電変換/スピン/スピントロニクス/ニューラルネット/機能性材料/構造最適化/自動化/振動モード/振動特性/大規模計算/第一原理/第一原理計算/動特性/熱伝導/熱伝導率/熱輸送/密度汎関数理論/量子力学/インフォマティクス/機能材料/機能性/結晶構造/寿命/予測モデル/コミュニティ
他の関係分野：情報学数物系科学工学総合生物農学
概要表示
折りたたむ
発表日：2026年2月5日
3
科学論文の図表を読み解き、有効に利活用するAIワークフローDIVEを開発
―水素貯蔵材料等の研究を加速―
近年、データ駆動型人工知能（AI）は、新しい材料探索を効率よく行うことができる技術として注目されています。しかし、材料研究の重要な実験データは、論文中の図に画像化された状態で存在することが多く、有効に利用することが難しい状況でした。東北大学材料科学高等研究所（WPI-AIMR）の李昊（Hao Li）教授、折茂慎一 所長（同大学金属材料研究所 教授）、東京大学大学院工学系研究科の佐藤龍平助教らの研究チームは、科学論文中の図表から実験データを体系的に読み取り、科学的に解釈した上で構造化できるマルチエージェントAIワークフローDIVEを開発しました。さらに、水素貯蔵材料...
キーワード：データ駆動/ベンチマーク/マルチモーダル/AI/エージェント/タスク/マルチエージェント/ワークフロー/機械学習/言語モデル/人工知能（AI）/閉じ込め/材料科学/材料データベース/クリーンエネルギー/材料特性/材料設計/電池/熱電材料/金属材料
他の関係分野：情報学数物系科学工学