東北大学研究者紹介

研究者詳細

ホーム

日本語 English

顔写真

キヨハラ　シン

清原　慎

Shin Kiyohara

所属

金属材料研究所　材料プロセス・評価研究部　複合機能材料学研究部門

職名

講師

学位

博士（工学）（東京大学）
修士（工学）（東京大学）

researchmap

https://researchmap.jp/ski

J-GLOBAL ID

202201017313430368

受賞 9

第35回トーキン科学技術賞奨励賞

2025年3月　トーキン科学技術振興財団
第64回原田奨励賞

2024年7月　公益財団法人本多記念会
奨励賞

2024年7月　日本金属学会
工学研究科長賞（研究）

2020年3月　東京大学
応用物理学会講演奨励賞

2019年3月　第46回応用物理学会 2019年春季学術講演会
Best Poster Award

2017年10月　CPMD2017
Best Poster Award

2015年11月　2nd International Symposium on Frontiers in Materials Science
Best Poster Award

2015年9月　International Conference on Advanced Materials IUMRS-ICAM 2015,
優秀口頭発表賞

2014年3月　LCA学会

︎全件表示 ︎最初の5件までを表示

論文 28

Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs

Shin Kiyohara, Yu Kumagai

The Journal of Physical Chemistry Letters　5244-5251　2025年5月18日
出版者・発行元： American Chemical Society (ACS)
DOI： 10.1021/acs.jpclett.5c00592 　

ISSN：1948-7185

eISSN：1948-7185
Oxygen Defect Engineering of Hexagonal Perovskite Oxides to Boost Catalytic Performance for Aerobic Oxidation of Sulfides to Sulfones

Keiju Wachi, Masashi Makizawa, Takeshi Aihara, Shin Kiyohara, Yu Kumagai, Keigo Kamata

ADVANCED FUNCTIONAL MATERIALS　2025年4月3日

DOI： 10.1002/adfm.202425452 　

ISSN：1616-301X

eISSN：1616-3028
Universal Polaronic Behavior in Elemental Doping of MoS₂ from First-Principles

Soungmin Bae, Ibuki Miyamoto, Shin Kiyohara, Yu Kumagai

ACS Nano　2024年12月2日
出版者・発行元： American Chemical Society (ACS)
DOI： 10.1021/acsnano.4c08366 　

ISSN：1936-0851

eISSN：1936-086X
First-principles calculations on dislocations in MgO

Shin Kiyohara, Tomohito Tsuru, Yu Kumagai

Science and Technology of Advanced Materials　25　(1)　2024年9月2日
出版者・発行元： Informa UK Limited
DOI： 10.1080/14686996.2024.2393567 　

ISSN：1468-6996

eISSN：1878-5514
Target Material Property‐Dependent Cluster Analysis of Inorganic Compounds

Nobuya Sato, Akira Takahashi, Shin Kiyohara, Kei Terayama, Ryo Tamura, Fumiyasu Oba

Advanced Intelligent Systems　2024年8月5日
出版者・発行元： Wiley
DOI： 10.1002/aisy.202400253 　

ISSN：2640-4567

eISSN：2640-4567

詳細を見る詳細を閉じる

The cluster analysis of materials categorizes them according to similarities based on the features of materials, providing insight into the relationship between the materials. Conventional cluster analyses typically use basic features derived from the chemical composition and crystal structure without considering target material properties such as the bandgap and dielectric constant. However, such approaches do not meet demands for grading materials according to properties of interest simultaneously with chemical and structural similarities. Herein, a clustering method grouping similar materials in terms of both the target properties and basic features is proposed. The clustering is compared considering the cohesive energy with that considering the bandgap of metal oxides, showing that their categorizations are clearly different. Further, several clusters classified by the bandgap are analyzed, and coordination environments related to each range of the bandgap are revealed. The clustering for the electronic static dielectric constant identifies a cluster involving several perovskite‐type oxides and balancing with the bandgap near the Pareto front. The method enables analyses with different viewpoints from those of the conventional clustering and feature importance analyses by taking the relationship between the target property and the basic features into account.
Copper Phosphate Nanostructures as Catalysts for the Direct Methane Oxidation

Aoi Matsuda, Takeshi Aihara, Shin Kiyohara, Yu Kumagai, Michikazu Hara, Keigo Kamata

ACS Applied Nano Materials　7　(9)　10155-10167　2024年5月10日

DOI： 10.1021/acsanm.4c00549 　

eISSN：2574-0970
Band Alignment of Oxides by Learnable Structural-Descriptor-Aided Neural Network and Transfer Learning

Shin Kiyohara, Yoyo Hinuma, Fumiyasu Oba

Journal of the American Chemical Society　146　(14)　9697-9708　2024年3月28日
出版者・発行元： American Chemical Society (ACS)
DOI： 10.1021/jacs.3c13574 　

ISSN：0002-7863

eISSN：1520-5126
Nanosized Ti-Based Perovskite Oxides as Acid-Base Bifunctional Catalysts for Cyanosilylation of Carbonyl Compounds

Takeshi Aihara, Wataru Aoki, Shin Kiyohara, Yu Kumagai, Keigo Kamata, Michikazu Hara

ACS APPLIED MATERIALS & INTERFACES　15　(14)　17957-17968　2023年4月

DOI： 10.1021/acsami.3c01629 　

ISSN：1944-8244

eISSN：1944-8252
Unique Atomic and Electronic Structures of Oxygen Vacancies in Amorphous SnO2 from First Principles and Informatics

Shin Kiyohara, David Mora-Fonz, Alexander Shluger, Yu Kumagai, Fumiyasu Oba

JOURNAL OF PHYSICAL CHEMISTRY C　2022年11月

DOI： 10.1021/acs.jpcc.2c04764 　

ISSN：1932-7447

eISSN：1932-7455
Simulated carbon K edge spectral database of organic molecules

Kiyou Shibata, Kakeru Kikumasa, Shin Kiyohara, Teruyasu Mizoguchi

SCIENTIFIC DATA　9　(1)　2022年5月

DOI： 10.1038/s41597-022-01303-8 　

eISSN：2052-4463
Automatic determination of the spectrum-structure relationship by tree structure-based unsupervised and supervised learning

Shin Kiyohara, Kakeru Kikumasa, Kiyou Shibata, Teruyasu Mizoguchi

ULTRAMICROSCOPY　233　2022年3月

DOI： 10.1016/j.ultramic.2021.113438 　

ISSN：0304-3991

eISSN：1879-2723
Quantification of the Properties of Organic Molecules Using Core-Loss Spectra as Neural Network Descriptors

Kakeru Kikumasa, Shin Kiyohara, Kiyou Shibata, Teruyasu Mizoguchi

ADVANCED INTELLIGENT SYSTEMS　4　(1)　2022年1月

DOI： 10.1002/aisy.202100103 　

eISSN：2640-4567
Radial Distribution Function from X-ray Absorption near Edge Structure with an Artificial Neural Network

Shin Kiyohara, Teruyasu Mizoguchi

JOURNAL OF THE PHYSICAL SOCIETY OF JAPAN　89　(10)　2020年10月

DOI： 10.7566/JPSJ.89.103001 　

ISSN：0031-9015
Learning excited states from ground states by using an artificial neural network

Shin Kiyohara, Masashi Tsubaki, Teruyasu Mizoguchi

NPJ COMPUTATIONAL MATERIALS　6　(1)　2020年6月

DOI： 10.1038/s41524-020-0336-3 　

eISSN：2057-3960
Prediction of interface and vacancy segregation energies at silver interfaces without determining interface structures

Ryuken Otani, Shin Kiyohara, Kiyou Shibata, Teruyasu Mizoguchi

APPLIED PHYSICS EXPRESS　13　(6)　2020年6月

DOI： 10.35848/1882-0786/ab8b6c 　

ISSN：1882-0778

eISSN：1882-0786
Machine learning approaches for ELNES/XANES

Teruyasu Mizoguchi, Shin Kiyohara

MICROSCOPY　69　(2)　92-109　2020年4月

DOI： 10.1093/jmicro/dfz109 　

ISSN：2050-5698

eISSN：2050-5701
Machine learning for structure determination and investigating the structure-property relationships of interfaces

Hiromi Oda, Shin Kiyohara, Teruyasu Mizoguchi

JOURNAL OF PHYSICS-MATERIALS　2　(3)　2019年7月

DOI： 10.1088/2515-7639/ab15c8 　

eISSN：2515-7639
Quantitative estimation of properties from core-loss spectrum via neural network

Shin Kiyohara, Masashi Tsubaki, Kunyen Liao, Teruyasu Mizoguchi

JOURNAL OF PHYSICS-MATERIALS　2　(2)　2019年4月

DOI： 10.1088/2515-7639/ab0b68 　

eISSN：2515-7639
Data-driven approach for the prediction and interpretation of core-electron loss spectroscopy

Shin Kiyohara, Tomohiro Miyata, Koji Tsuda, Teruyasu Mizoguchi

SCIENTIFIC REPORTS　8　2018年9月

DOI： 10.1038/s41598-018-30994-6 　

ISSN：2045-2322
Element-based optimization of waste ceramic materials and glasses recycling

Ichiro Daigo, Shin Kiyohara, Tomoki Okada, Daisaku Okamoto, Yoshikazu Goto

RESOURCES CONSERVATION AND RECYCLING　133　375-384　2018年6月

DOI： 10.1016/j.resconrec.2017.11.012 　

ISSN：0921-3449

eISSN：1879-0658
Searching the stable segregation configuration at the grain boundary by a Monte Carlo tree search

Shin Kiyohara, Teruyasu Mizoguchi

JOURNAL OF CHEMICAL PHYSICS　148　(24)　2018年6月

DOI： 10.1063/1.5023139 　

ISSN：0021-9606

eISSN：1089-7690
Bayesian optimization for efficient determination of metal oxide grain boundary structures

Shun Kikuchi, Hiromi Oda, Shin Kiyohara, Teruyasu Mizoguchi

PHYSICA B-CONDENSED MATTER　532　24-28　2018年3月

DOI： 10.1016/j.physb.2017.03.006 　

ISSN：0921-4526

eISSN：1873-2135
Effective search for stable segregation configurations at grain boundaries with data-mining techniques

Shin Kiyohara, Teruyasu Mizoguchi

PHYSICA B-CONDENSED MATTER　532　9-14　2018年3月

DOI： 10.1016/j.physb.2017.05.019 　

ISSN：0921-4526

eISSN：1873-2135
Atomic-scale nanostructures by advanced electron microscopy and informatics 査読有り

Teruyasu Mizoguchi, Shin Kiyohara, Yuichi Ikuhara, Naoya Shibata

Nanoinformatics　157-178　2018年1月15日

DOI： 10.1007/978-981-10-7617-6_8 　
Transfer Learning to Accelerate Interface Structure Searches

Hiromi Oda, Shin Kiyohara, Koji Tsuda, Teruyasu Mizoguchi

JOURNAL OF THE PHYSICAL SOCIETY OF JAPAN　86　(12)　2017年12月

DOI： 10.7566/JPSJ.86.123601 　

ISSN：0031-9015
Prediction of interface structures and energies via virtual screening

Shin Kiyohara, Hiromi Oda, Tomohiro Miyata, Teruyasu Mizoguchi

SCIENCE ADVANCES　2　(11)　2016年11月

DOI： 10.1126/sciadv.1600746 　

ISSN：2375-2548
Acceleration of stable interface structure searching using a kriging approach

Shin Kiyohara, Hiromi Oda, Koji Tsuda, Teruyasu Mizoguchi

JAPANESE JOURNAL OF APPLIED PHYSICS　55　(4)　2016年4月

DOI： 10.7567/JJAP.55.045502 　

ISSN：0021-4922

eISSN：1347-4065
Investigation of Segregation of Silver at Copper Grain Boundaries by First Principles and Empirical Potential Calculations

Shin Kiyohara, Teruyasu Mizoguchi

FRONTIERS IN MATERIALS SCIENCE (FMS2015)　1763　2016年

DOI： 10.1063/1.4961349 　

ISSN：0094-243X

︎全件表示 ︎最初の5件までを表示

MISC 2

Prediction of ELNES and Quantification of Structural Properties Using Artificial Neural Network

Shin Kiyohara, Masashi Tsubaki, Teruyasu Mizoguchi

Microscopy and Microanalysis　2020年
出版者・発行元： Cambridge University Press
DOI： 10.1017/S1431927620020449 　

ISSN： 1435-8115 1431-9276
Quantitative prediction of properties of organic molecules from ELNES via artificial neural network

Kakeru Kikumasa, Shin Kiyohara, Kiyou Shibata, Teruyasu Mizoguchi

Microscopy and Microanalysis　2020年
出版者・発行元： Cambridge University Press
DOI： 10.1017/S1431927620015585 　

ISSN： 1435-8115 1431-9276

書籍等出版物 1

Machine learning in chemistry : the impact of artificial intelligence

2020年

ISBN: 9781788017893

講演・口頭発表等 34

ディープカーネルラーニングを用いたベイズ最適化による材料探索

清原慎, 熊谷悠

第72回応用物理学会春季学術講演会　2025年3月16日
機械学習を用いた酸化物表面における機能予測招待有り

清原慎

第7回日本表面真空学会若手部会研究会　2025年1月9日
マテリアルズインフォマティクスを用いた格子欠陥の構造・物性予測および解析手法の開発招待有り

清原慎

日本金属学会2024年秋期講演大会　2024年9月18日
MgO中の転位すべりに関する第一原理計算

清原慎, 都留智仁, 熊谷悠

日本セラミック協会2024年年会　2024年3月16日
機械学習を用いたイオン化ポテンシャル・電子親和力の予測

清原慎, 高橋亮, 日沼洋陽, 大場史康

第70回応用物理学会春季学術講演会　2023年3月
Analysis of Atomic and Electronic Structures of Neutral Oxygen Vacancies in Amorphous SnO 2 by First Principles Calculation and Machine Learning

Shin KIYOHARA, David MORA-FONZ,Alexander SHLUGER, Yu KUMAGAI, Fumiyasu OBA

IUMRS-ICYRAM2022　2022年8月
Analysis of Unique Atomic and Electronic Structures of Oxygen Vacancies in Amorphous SnO 2 by First-Principles Calculations and Machine Learning

Shin Kiyohara, David Mora Fonz, Alexander Shluger, Yu Kumagai, Fumiyasu Oba

MRM2021　2021年12月
機械学習を用いたELNES/XANES解析法の開発招待有り

清原慎

日本顕微鏡学会顕微鏡計測インフォマティクス　2021年12月
Prediction of ELNES and quantification of structural properties using artificial neural network

S. Kiyohara, M. Tsubaki, T. Mizoguchi

Microscopy & Microanalysis 2020　2020年7月
機械学習を用いた結晶粒界構造決定とCore-loss分光法への応用招待有り

清原慎

産業科学ナノテクノロジーセンター若手セミナー　2020年2月
Data-Driven Approach for Core-Loss Spectroscopy—Prediction of Spectra and Quantification of Properties

S. Kiyohara, M. Tsubaki, T. Mizoguchi

MRS2019 fall meeting　2019年11月
機械学習を用いたELNES/XANES スペクトル解析手法の開発招待有り

清原慎, 椿真史, 溝口照康

応用物理学会 2019年秋季学術講演会　2019年9月
Machine learning for Core-loss spectrum: Automated interpretation via both supervised and unsupervised learning

S. Kiyohara, T. Mizoguchi

AMTC6　2019年6月
機械学習を用いたELNESの予測と物性定量化

清原慎, 椿真史, 溝口照康

顕微鏡学会第75回学術講演会　2019年6月
ニューラルネットワークを用いた内殻電子励起スペクトルの予測

清原慎, 椿真史, 溝口照康

日本金属学会2019年春期講演大会　2019年3月
機械学習を用いた内殻電子励起スペクトルからの物性予測

清原慎, 椿真史, 溝口照康

応用物理学会 2019年春季学術講演会　2019年3月
Machine Learning Approach to Discover the Correlation between Core-loss Spectra and Materials Information via Clustering and Decision Trees

S. Kiyohara, T. Mizoguchi

MRS2018 fall meeting　2018年11月
MACHINE LEARNING-AIDED INTERPRETAION AND PREDICTION OF CORE-LOSS SPECTRUM

S. Kiyohara, T. Miyata, T. Mizoguchi

IMRC2018　2018年8月
ACCELARATION OF INTERFACE STRUCTURE SEARCHING VIA BAYSIAN OPTMIZATION AND TRANSFER LEARNING

S. Kiyohara, T. Mizoguchi

IMRC2018　2018年8月
モンテカルロ木探索を用いた粒界偏析挙動の解析

清原慎, 溝口照康

日本セラミック協会 2018年年会春　2018年3月
Data Driven Approach to Reconstruct and Interpret ELNES/XANES Spectra

S. Kiyohara, T. Miyata, T. Mizoguchi

CPMD2017　2017年10月
データ駆動型アプローチに基づく ELNES スペクトルの再現及び解釈

清原慎, 溝口照康

第40回ケモインフォマティクス討論会　2017年10月
Reconstruction and interpretation of ELNES using sparse representation

S. Kiyohara, T. Miyata, T. Mizoguchi

EDGE 2017: Enhanced Data Generated by Electrons　2017年5月
非負値行列因子分解を用いたELNESスペクトルの再現と解釈

清原慎, 溝口照康

日本顕微鏡学会第73回学術講演会　2017年5月
モンテカルロ木探索を用いた粒界における偏析サイトと濃度の決定

清原慎, 溝口照康

日本セラミック協会 2017年年会春　2017年3月
複数の統計手法を用いた不純物の粒界偏析サイトと濃度の最適化

清原慎, 溝口照康

第19回情報論的学習理論ワークショップ IBIS2016　2016年10月
Prediction of interface structure and energy with an aid of information science

S. Kiyohara, T. Mizoguchi

The 2015 International Chemical Congress of Pacific Basin Societies　2015年12月
Application of Non-linear Regression to predict Grain Boundary Structure and Energy

S. Kiyohara, T. Mizoguchi

2nd International Symposium on Frontiers in Materials Science　2015年11月
Effective Search for Grain Boundary Structure with Data Mining

S. Kiyohara, T. Mizoguchi

International Conference on Advanced Materials IUMRS-ICAM 2015　2015年10月
マテリアルズインフォマティクスに基づいた結晶粒界構造およびエネルギーの効率的探索

清原慎, 溝口照康

第35回エレクトロセラミックス研究討論会　2015年10月
Informatics approach to predict grain boundary structure and energy

清原慎, 溝口照康

日本顕微鏡学会第71回学術講演会　2015年5月
情報科学的手法を用いた結晶粒界構造およびエネルギーの予測

清原慎, 溝口照康

日本金属学会2015年春期講演大会　2015年3月
ガラスを中心とした酸化物系セラミックスの循環利用システムの設計

第 9 回日本ＬＣＡ学会研究発表会　2014年3月
ガラスを中心とした酸化物系セラミックスの循環利用システムの設計

清原慎, 醍醐市朗, 後藤芳一

第 9 回日本ＬＣＡ学会研究発表会　2014年3月

︎全件表示 ︎最初の5件までを表示

共同研究・競争的資金等の研究課題 1

機械学習に基づいた電荷密度予測手法の構築

清原慎

2023年4月1日～ 2025年3月31日

詳細を見る詳細を閉じる

第一原理計算は、結晶構造の情報のみから材料の物性を知ることができる手法であり、現代の計算材料科学において欠かすことはできない。実用的には、Kohn-Sham方程式をSelf-Consistent Field (SCF)と呼ばれる手法で解くことになる。SCFでは入力の電荷密度と出力の電荷密度が一致するように計算が行われるが、初期情報の入力として原子の電荷密度が使用されるため計算収束までに複数回SCFサイクル回す必要がある。もし限りなく解に近い電荷密度を入力として使用できたならば、必要なSCFサイクル数は激減し、計算コストを大幅に削減することが可能となる。そこで本研究では、機械学習を用いて結晶構造の情報のみから電荷密度を予測することを目指す。さらにその際、物理的な制約を加えることで汎用的かつ高精度の電荷密度予測モデル構築を試みた。本研究では、「データベース構築」、「回帰分析プログラム作成と学習」、「精度の評価」の3つのプロセスにより、電荷密度予測モデルの構築及び精度評価を行う。その中でも本研究では特に、様々な系に適用しやすい記述子の構築と予測モデル構築における物理制約の導入に力を入れる。今年度は、主に「回帰分析プログラム作成に取り組んだ。具体的には、重み係数を導入したSOAP記述子のプログラム開発し、電荷密度を予測できるようにディープラーニングと接続した。また、Hartreeエネルギーの計算、交換相関エネルギーの計算に関するプログラムをGPUで計算できるように実装し、上記のディープラーニングに接続した。