2025/3/27現在
小林 恵太
Kobayashi Keita
- 計算物理学
researchmap
researchmap
- 興味のある分野
- ガラス材料、核燃料物質、セメント材料、粘土鉱物、リチウムイオン電池材料
- 得意な技術
- 機械学習を用いた高精度分子シミュレーション
- こんな協力者探しています
- 第一原理計算等に深い造詣を持つ計算屋さん。シミュレーションによる新規材料開発を行ってみたい実験屋さん。
- こんなことに協力できます
- 機械学習分子動力学法による材料物性の高精度シミュレーションをおこなっております
- 研究PRダイジェスト
- 材料の高精度シミュレーションを実現するための機械学習分子動力学法の研究に取り組んでいます。従来、この目的のためには量子力学に基づく第一原理分子動力学法が用いられてきましたが、高い計算コストのためにシステムサイズや計算時間に制約がありました。機械学習分子動力学法では、第一原理分子動力学法の結果を機械学習することにより、大規模かつ高精度なシミュレーションが実現可能となります。機械学習分子動力学法は、物質の融解や原子の拡散といった、さまざまな材料特性の高精度予測を実現します。
プレスリリース
論文（被引用数順にランキング表示、☆は研究者注目の論文）
- Superconductivity in repulsively interacting fermions on a diamond chain; Flat-band-induced pairing
Physical Review B, 94(21), p.214501_1 - 214501_7, 2016/12 - Nontrivial Haldane phase of an atomic two-component Fermi gas trapped in a 1D optical lattice
Physical Review Letters, 109(23), p.235302_1 - 235302_5, 2012/12 - Self-learning hybrid Monte Carlo; A First-principles approach
Physical Review B, 102(4), p.041124_1 - 041124_6, 2020/07 - Machine learning potentials for tobermorite minerals
Computational Materials Science, 188, p.110173_1 - 110173_14, 2021/02 - Massless collective excitations in frustrated multiband superconductors
Physical Review B, 88(22), p.224516_1 - 224516_5, 2013/12
- Self-learning path integral hybrid Monte Carlo with mixed Ab initio and machine learning potentials for modeling nuclear quantum effects in water
Journal of Chemical Physics, 161(20), p.204109_1 - 204109_18, 2024/11 - 機械学習分子動力学法による高密度シリカガラスの構造解析
New Glass, 39(2), p.13 - 17, 2024/07