研究者詳細

顔写真

アライ　シヨウタ
荒井　翔太
Shota Arai
所属
大学院工学研究科　応用物理学専攻　応用物性物理学講座（数理物理学分野）
職名
特任研究員
学位

  • 博士（理学）（新潟大学）

  • 修士（理学）（新潟大学）

e-Rad 研究者番号
20987200

所属学協会 2

  • American Physical Society

    2023年12月 ～ 継続中

  • 日本物理学会

    2018年6月 ～ 継続中

研究キーワード 4

  • 計算機シミュレーション

  • マニフォールド学習

  • 非平衡

  • 液体論

研究分野 1

  • 自然科学一般 / 生物物理、化学物理、ソフトマターの物理 /

論文 6

  1. PorousGen: An efficient algorithm for generating porous structures with accurate porosity and uniform density distribution

    Shota Arai, Takashi Yoshidome

    Computational Materials Science　264　114478-114478　2026年10月

    出版者・発行元： Elsevier BV

    DOI： 10.1016/j.commatsci.2025.114478 　

    ISSN：0927-0256

  2. Structure-based prediction of gas diffusion property of catalytic layer of proton exchange membrane fuel cells via manifold learning and X-ray ptychographic nano-computed tomography

    Shota Arai, Yuki Takayama, Takashi Yoshidome

    Journal of Power Sources　676　239916-239916　2026年6月

    出版者・発行元： Elsevier BV

    DOI： 10.1016/j.jpowsour.2026.239916 　

    ISSN：0378-7753

  3. Interface-Packing Analysis of F1-ATPase using Integral Equation Theory and Manifold Learning 査読有り

    Takashi Yoshidome, Shota Arai

    Physica A: Statistical Mechanics and its Applications　130201-130201　2024年10月

    出版者・発行元： Elsevier BV

    DOI： 10.1016/j.physa.2024.130201 　

    ISSN：0378-4371

  4. Extraction of molecular information from experimental data on liquids using manifold learning 査読有り

    Shota Arai, Gota Kikugawa, Takashi Yoshidome

    Journal of Molecular Liquids　126251-126251　2024年10月

    出版者・発行元： Elsevier BV

    DOI： 10.1016/j.molliq.2024.126251 　

    ISSN：0167-7322

  5. A Microscopic Theory for Preferential Solvation Effects on Viscosity 査読有り

    Shota Arai, Akira Yoshimori, Yuka Nakamura, Ryo Akiyama

    Journal of the Physical Society of Japan　91　(9)　2022年9月15日

    出版者・発行元： Physical Society of Japan

    DOI： 10.7566/jpsj.91.094602 　

    ISSN：0031-9015

    eISSN：1347-4073

  6. Reduced density profile of small particles near a large particle: Results of an integral equation theory with an accurate bridge function and a Monte Carlo simulation 査読有り

    Yuka Nakamura, Shota Arai, Masahiro Kinoshita, Akira Yoshimori, Ryo Akiyama

    The Journal of Chemical Physics　151　(4)　2019年7月28日

    出版者・発行元： AIP Publishing

    DOI： 10.1063/1.5100040 　

    ISSN：0021-9606

    eISSN：1089-7690

    詳細を見る 詳細を閉じる

    Solute–solvent reduced density profiles of hard-sphere fluids were calculated by using several integral equation theories for liquids. The traditional closures, Percus–Yevick (PY) and the hypernetted-chain (HNC) closures, as well as the theories with bridge functions, Verlet, Duh–Henderson, and Kinoshita (named MHNC), were used for the calculation. In this paper, a one-solute hard-sphere was immersed in a one-component hard-sphere solvent and various size ratios were examined. The profiles between the solute and solvent particles were compared with those calculated by Monte Carlo simulations. The profiles given by the integral equations with the bridge functions were much more accurate than those calculated by conventional integral equation theories, such as the Ornstein–Zernike (OZ) equation with the PY closure. The accuracy of the MHNC–OZ theory was maintained even when the particle size ratio of solute to solvent was 50. For example, the contact values were 5.7 (Monte Carlo), 5.6 (MHNC), 7.8 (HNC), and 4.5 (PY), and the first minimum values were 0.48 (Monte Carlo), 0.46 (MHNC), 0.54 (HNC), and 0.40 (PY) when the packing fraction of the hard-sphere solvent was 0.38 and the size ratio was 50. The asymptotic decay and the oscillation period for MHNC–OZ were also very accurate, although those given by the HNC–OZ theory were somewhat faster than those obtained by Monte Carlo simulations.

︎全件表示 ︎最初の5件までを表示

MISC 1

  1. 燃料電池触媒層の構造分類とガス拡散予測―放射光X線ナノCTと機械学習の統合解析―

    高山 裕貴 , 荒井 翔太 , 吉留 崇

    クリーンエネルギー　(9)　45-51　2026年9月

講演・口頭発表等 42

  1. 機械学習を用いたフィラー充填モデルの引張による破壊の予測

    荒井 翔太, 高山 裕貴, 吉留 崇

    第40回分子シミュレーション討論会　2026年12月

  2. A Data-Driven Framework for Predicting Transport Properties Using Manifold-Learning-Based Feature Extraction of Porous Structures

    Shota Arai, Yuki Takayama, Takashi Yoshidome

    International Conference on Biophysics and Biomedical Sciences 2026　2026年11月

  3. Prediction of the Gas Diffusion Coefficients in Porous Materials using Nano-CT images of NanoTerasu and Manifold Learning

    Shota Arai, Yuki Takayama, Takashi Yoshidome

    XXXVII IUPAP Conference on Computational Physics　2026年8月10日

  4. Prediction of Gas Diffusion Coefficients in Proton Exchange Membrane Fuel Cells Using X-ray Ptychography and Manifold Learning

    Shota Arai, Yuki Takayama, Takashi Yoshidome

    International Symposium: Towards New Scientific Horizons with Synchrotron Radiation　2026年7月28日

  5. Prediction of Gas Diffusion Coefficients from X-ray Ptychography Images via Manifold Learning

    Shota Arai, Yuki Takayama, Takashi Yoshidome

    International conference on Machine Learning Physics 2026　2026年7月13日

  6. ナノテラスのナノCT画像とマニフォールド学習を用いた多孔質構造内の拡散予測

    吉留 崇, 荒井 翔太, 高山 裕貴

    【CREST革新的計測解析】交流会　2026年5月30日

  7. 空隙率制御を可能にする高速な多孔質構造生成法の提案

    荒井翔太, 吉留崇

    日本物理学会2026年春季大会　2026年3月25日

  8. ナノ粒子を分散させることによる溶液全体の粘度の低下

    荒井翔太, 吉森明

    日本物理学会2026年春季大会　2026年3月24日

  9. Prediction of Gas Diffusion Coefficients Using Manifold Learning and X-ray Ptychography Data

    Shota Arai, Yuki Takayama, Takashi Yoshidome

    The APS Global Physics Summit 2026　2026年3月18日

  10. 「マニフォールド学習と計算機実験」によるX線タイコグラフィー実験データ解析法の提案

    荒井 翔太, 高山 裕貴, 吉留 崇

    第39回分子シミュレーション討論会　2025年11月24日

  11. Manifold-Learning Approach for Analytical Calculation of Gas Diffusion Coefficients in Porous Structures

    Shota Arai, Yuki Takayama, Takashi Yoshidome

    29th International Conference on Statistical Physics　2025年7月14日

  12. Effect of solvation structure on the diffusion of a nanoparticle

    Yuka Nakamura, Shota Arai, Akira Yoshimori, Ryo Akiyama

    18th Mini-Symposium on Liquids (MSL2025)　2025年5月18日

  13. Machine-Learning Approach to the Extraction of Microscopic Information from Experimental Data

    Shota Arai, Yuki Takayama, Gota Kikugawa, Takashi Yoshidome

    The APS Global Physics Summit 2025　2025年3月18日

  14. Machine-learning approach for extracting microscopic information from experimental data on liquid substances and porous structures 招待有り

    Shota Arai, Yuki Takayama, Gota Kikugawa, Takashi Yoshidome

    IIS Symposium Soft and Liquid Matter Physics: Past, Present and Future (SLMP2025)　2025年3月10日

  15. マニフォールド学習による多孔質構造のガス拡散の解析と予測

    荒井 翔太, 高山 裕貴, 吉留 崇

    第38回分子シミュレーション討論会　2024年12月2日

  16. Manifold-Learning Approach to Material Data: Application to Experimental Data of Liquid Substances and Porous Structural Data

    Shota Arai, Gota Kikugawa, Yuki Takayama, Takashi Yoshidome

    12th Liquid Matter Conference　2024年9月24日

  17. Effect of solvation structure around a nanoparticle on the breakdown of the Stokes−Einstein relationship

    Yuka Nakamura, Shota Arai, Akira Yoshimori, Ryo Akiyama

    12th Liquid Matter Conference　2024年9月

  18. マニフォールドラーニングによる多孔質構造と物理的特性の関係の構築

    荒井 翔太, 高山 裕貴, 吉留 崇

    第７９回年次大会(2024年)　2024年9月

  19. Manifold-Learning Approach for Extracting Molecular Information

    Shota Arai, Gota Kikugawa, Yuki Takayama, Takashi Yoshidome

    17th Mini-Symposium on Liquids (MSL2024)　2024年7月6日

  20. Decreases in Shear Viscosity with Multicomponent Particle Systems

    Shota Arai, Akira Yoshimori

    17th Mini-Symposium on Liquids (MSL2024)　2024年7月6日

  21. マニフォールド学習を用いた物性研究〜予測に向けて〜

    荒井 翔太, 高山 裕貴, 菊川 豪太, 吉留 崇

    CREST「革新的計測解析」およびさきがけ「計測解析基盤」の交流会　2024年5月18日

  22. マニフォールドラーニングを用いた構造と物理的特性の関係の構築

    荒井 翔太, 高山 裕貴, 吉留 崇

    ソフトマテリアル理論研究の最前線　2023年12月6日

  23. マニフォールドラーニングを用いた多孔質中のガス拡散の解析

    荒井 翔太, 高山 裕貴, 吉留 崇

    第37回分子シミュレーション討論会　2023年12月

  24. The Effect of Depletion Force on Viscosity

    S. Arai, A. Yoshimori, Y. Nakamura, R. Akiyama

    28th International Conference on Statistical Physics　2023年8月

  25. 2成分剛体球溶媒中における溶質表面での大きな溶媒粒子の濃縮

    久保勇人, 中村有花, 荒井翔太

    日本物理学会 第78回年次大会(2023年)　2023年3月

  26. サイズの異なる多成分粒子系の分布に対する相互作用の効果

    荒井翔太, 吉森明

    日本物理学会 第78回年次大会(2023年)　2023年3月

  27. 混み合った系の粘性に対する溶質-溶媒間の相互作用の効果

    荒井翔太, 中村有花, 吉森明, 秋山良

    第51回新潟支部例会　2022年12月3日

  28. 溶質と溶媒の相互作用が溶液全体の粘性に及ぼす影響

    荒井翔太, 中村有花, 吉森明, 秋山良

    日本物理学会 2022年秋季大会　2022年9月

  29. 混み合った環境における粘性の理論

    荒井翔太, 中村有花, 吉森明, 秋山良

    理論タンパク質物性科学の最前線： 理論と実験との密な協働　2022年7月

  30. 2成分剛体球溶媒中における大きな溶質の拡散と溶液の粘性に影響を及ぼす溶媒和構造

    中村有花, 荒井翔太, 吉森明, 秋山良

    日本物理学会 第77回年次大会(2022年)　2022年3月15日

  31. 大きさの異なる粒子のダイナミックスの動的密度汎関数理論による研究

    有賀司, 荒井翔太, 吉森明

    第35回分子シミュレーション討論会　2021年11月27日

  32. 動的密度汎関数理論を用いたサイズの異なる粒子系の粘性の理論

    荒井翔太, 吉森明

    日本物理学会 2021年秋季大会　2021年9月

  33. A theory of viscosity in the system of a large particle immersed in a binary solvent

    S. Arai, A. Yoshimori, Y. Nakamura, R. Akiyama

    The organizing committee of the 11th Liquid Matter Conference 2020/2021　2021年7月

  34. 動的密度汎関数理論を用いた多成分溶媒系の粘性の理論

    荒井翔太, 吉森明

    第76回年次大会(2021年)　2021年3月

  35. 溶媒多成分系における枯渇力と粘性の理論

    荒井翔太, 中村有花, 吉森明, 秋山良

    日本物理学会 2020年秋季大会　2020年9月

  36. サイズの異なる粒子系における溶質-溶媒間の相互作用と粘性の関係

    荒井翔太, 中村有花, 吉森明, 秋山良

    15th Mini-Symposium on Liquids (MSL2022)　2020年7月

  37. 2成分溶媒系に溶質を溶かしたときの粘性に対する溶媒組成比の効果

    荒井翔太, 中村有花, 吉森明, 秋山良

    日本物理学会 第74回年次大会(2020年)　2020年3月

  38. 大きさの異なる多粒子系の粘性の理論

    荒井翔太, 中村有花, 吉森明, 秋山良

    第49回新潟支部例会　2019年12月19日

  39. 大きさの違う粒子からなる多成分系の粘性の理論

    荒井翔太, 中村有花, 吉森明, 秋山良

    日本物理学会 2019年秋季大会　2019年9月

  40. Changes in viscosity due to a large solute immersed in a binary solvent

    Shota Arai, Yuka Nakamura, Akira Yoshimori, Ryo Akiyama

    The 13th Mini-Symposium on Liquids　2019年7月

  41. Reduced density profile of small solvent particles near a large particle

    Yuka Nakamura, Shota Arai, Ryo Akiyama, Akira Yoshimori, Masahiro Kinoshita

    Joint Conference of EMLG/JMLG Meeting 2018 and 41st Symposium on Solution Chemistry of Japan　2018年11月

  42. 大きさの異なる粒子を含む剛体球系の動径分布関数

    中村有花, 荒井翔太, 秋山良, 吉森明, 木下正弘

    日本物理学会 2018 年秋季大会　2018年9月

︎全件表示 ︎最初の5件までを表示

メディア報道 3

  1. 東北大など、X線タイコグラフィ・ナノCTによりガス拡散を10秒強で予測

    テックプラス

    2026年4月

  2. 東北大、ナノCTと機械学習で燃料電池性能を高速予測

    オプトロニクスオンライン

    2026年4月

  3. ナノテラスのナノCT画像からガス拡散を10秒で予測 - 燃料電池の高出力・長寿命化に向けた材料設計最適化へ -

    東北大学、JST（プレスリリース）

    2026年3月