2026/07/16 更新

写真a

イハラ　マナブ
伊原　学
IHARA MANABU
所属
物質理工学院 教授
職名
教授
外部リンク

News & Topics

▼全件表示


News & Media

学位

  • 工学博士 （ 東京大学 ）

研究キーワード

  • Energy Science General

  • Chemical engineering in general

  • Energy conversion

  • 電気化学

  • 光デバイス

  • 無機化合物

  • エネルギー学一般

  • 化学工学一般

  • エネルギー変換

  • Electrochemistry

  • Optics devices

  • Inorganic compounds

研究分野

  • ものづくり技術（機械・電気電子・化学工学） / 移動現象、単位操作

  • ナノテク・材料 / エネルギー化学

  • ナノテク・材料 / 無機・錯体化学

学歴

  • 東京大学 大学院   工学系研究科   化学工学専攻

    - 1994年

    　 詳細を見る

    国名： 日本国

    researchmap

  • 東京大学

    - 1994年

    　 詳細を見る

  • 明治大学   工学部   工業化学科

    - 1989年

    　 詳細を見る

    国名： 日本国

    researchmap

経歴

  • 東京工業大学 エネルギー・情報卓越教育院 教育院長

    2020年12月 - 現在

    　 詳細を見る

  • 東京工業大学 InfoSyEnergy研究/教育コンソーシアム 代表

    2019年11月 - 現在

    　 詳細を見る

  • 東京工業大学 物質理工学院応用化学系 教授（改組）

    2016年 - 現在

    　 詳細を見る

  • 中国 四川大学 客員教授（称号付与）

    2015年 - 現在

    　 詳細を見る

所属学協会

論文

  • Neural networks for neurocomputing circuits: A computational study of tolerance to noise and activation function non-uniformity when machine learning materials properties 査読

    Ye min Thant, Methawee Nukunudompanich, Chu-Chen Chueh, Manabu Ihara, Sergei Manzhos

    Artificial Intelligence Chemistry   3 ( 2 )   2025年12月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Elsevier BV  

    DOI： 10.1016/j.aichem.2025.100099

    researchmap

  • Comparison of Voronoi Tessellation‐Derived and Molecular Dynamics‐Derived Atomistic Models of Polycrystalline Titania: A Computational Study of Structures, Band Structures, and Mechanical Properties

    Takuma Okamoto, Keisuke Kameda, Hao Wang, Manabu Ihara, Sergei Manzhos

    Advanced Theory and Simulations   9 ( 1 )   2025年9月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Wiley  

    Abstract

    Grain boundaries (GB) affect properties of polycrystalline ceramics, including mechanical and electronic properties. While often individual postulated GBs are considered in atomistic models, a distribution of GBs present in real ceramics should be accounted for. An often‐used method to build polycrystalline models is geometry‐based Voronoi tessellation. With it, random grain orientations generally obtain in atomistic models of GBs with non‐physically high Miller index grain surfaces. Recently, models of polycrystalline rutile TiO 2 were constructed with molecular dynamics (MD) using computational heat treatment, a procedurally nature‐like approach resulting in a distribution of GBs dominated by low‐index surfaces. It is important to understand the similarities and differences in GB‐affected properties with MD‐ and Voronoi tessellation‐based models for informed selection of an appropriate model for specific applications. Such a comparison is presented. Structural properties and the effect of grainy structures on mechanical properties and band structure are compared. High‐index surfaces prevalent in Voronoi structures lead to the formation of amorphous interlayers, and fracture stress is lower than with MD‐based structures. Band structures of GBs are analyzed in large‐scale electronic structure calculations. It is found that while low‐index surfaces do not result in trap states, high‐index surfaces and amorphous interlayers may introduce such states.

    DOI： 10.1002/adts.202501245

    researchmap

    その他リンク： https://advanced.onlinelibrary.wiley.com/doi/full-xml/10.1002/adts.202501245

  • A novel encoding method for high-dimensional categorical data for electricity demand forecasting in distributed energy systems

    HyoJae Lee, Keisuke Kameda, Sergei Manzhos, Manabu Ihara

    Applied Energy   392   125989 - 125989   2025年8月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Elsevier BV  

    DOI： 10.1016/j.apenergy.2025.125989

    researchmap

  • Machine learning-guided construction of an analytic kinetic energy functional for orbital free density functional theory 査読

    Sergei Manzhos, Johann Lüder, Pavlo Golub, Manabu Ihara

    Machine Learning: Science and Technology   6 ( 3 )   2025年7月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：IOP Publishing  

    Abstract

    Machine learning (ML) of kinetic energy functionals (KEF) for orbital-free density functional theory (DFT) holds the promise of addressing an important bottleneck in large-scale ab initio materials modeling where sufficiently accurate analytic KEFs are lacking. However, ML models are not as easily handled as analytic expressions; they need to be provided in the form of algorithms and associated data. Here, we bridge the two approaches and construct an analytic expression for a KEF guided by interpretative ML of crystal cell-averaged kinetic energy densities ( ) of several hundred materials. A previously published dataset including multiple phases of 433 unary, binary, and ternary compounds containing Li, Al, Mg, Si, As, Ga, Sb, Na, Sn, P, and In was used for training, including data at the equilibrium geometry as well as strained structures. A hybrid Gaussian process regression—neural network method was used to understand the type of functional dependence of on the features which contained cell-averaged terms of the 4th order gradient expansion and the product of the electron density and Kohn–Sham (KS) effective potential. Based on this analysis, an analytic model is constructed that can reproduce KS DFT energy–volume curves with sufficient accuracy (pronounced minima that are sufficiently close to the minima of the Kohn–Sham DFT-based curves and with sufficiently close curvatures) to enable structure optimizations and elastic response calculations.

    DOI： 10.1088/2632-2153/ade7ca

    researchmap

    その他リンク： https://iopscience.iop.org/article/10.1088/2632-2153/ade7ca/pdf

  • Effects of nonlinearity and inter-feature coupling in machine learning studies of Nb alloys with center-environment features 査読

    Yuchao Tang, Bin Xiao, Manabu Ihara, Sergei Manzhos, Yi Liu

    Journal of Materials Informatics   5 ( 3 )   2025年6月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：OAE Publishing Inc.  

    Prediction of materials properties from descriptors of chemical composition and structure with machine learning (ML) methods has been emerging as a viable approach to materials design and is a major component of the materials informatics field. However, as both experimental and computed data may be costly, one often has to work with limited data, which increases the risk of overfitting. Combining various datasets to improve sampling on the one hand and designing optimal ML models from small datasets on the other, can be used to address this issue. Center-environment (CE) features were recently introduced and showed promise in predicting formation energies, structural parameters, band gaps, and adsorption properties of various materials. Here, we consider the prediction of formation energies of Nb and Nb-Nb<sub>5</sub>Si<sub>3</sub> eutectic alloys substituted with various alloying elements in the Nb and Nb<sub>5</sub>Si<sub>3</sub> phases using CE features - a typical alloy system where the data can be naturally divided into subsets based on the types of substitutional sites. We explore effects of dataset combination and of the functional form of the dependence of the target property on the features. We show that combining the subsets, despite the increased amount of data, can complicate rather than facilitate ML, as different subsets do not increase the density of sampling but sample different parts of space with different distribution patterns, and also have different optimal hyperparameters. The Gaussian process regression-neural network hybrid ML method was used to separate the effects of nonlinearity and inter-feature coupling and show that while for Nb alloys nonlinearity is unimportant, it is critical to Nb-Nb<sub>5</sub>Si<sub>3</sub> alloys. We find that inter-feature coupling terms are unimportant or non-recoverable, demonstrating the utility of more robust and interpretable additive models.

    DOI： 10.20517/jmi.2025.05

    researchmap

  • Kernel regression methods for prediction of materials properties: Recent developments 査読

    Ye Min Thant, Taishiro Wakamiya, Methawee Nukunudompanich, Keisuke Kameda, Manabu Ihara, Sergei Manzhos

    Chemical Physics Reviews   6 ( 1 )   2025年2月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：AIP Publishing  

    Machine learning (ML) is increasingly used in chemical physics and materials science. One major area of thrust is machine learning of properties of molecules and solid materials from descriptors of chemical composition and structure. Recently, kernel regression methods of various flavors—such as kernel ridge regression, Gaussian process regression, and support vector machine—have attracted attention in such applications. Kernel methods allow benefiting simultaneously from the advantages of linear regressions and the superior expressive power of nonlinear kernels. In many applications, kernel methods are used in high-dimensional feature spaces, where sampling with training data is bound to be sparse and where effects specific to high-dimensional spaces significantly affect the performance of the method. We review recent applications of kernel-based methods for the prediction of properties of molecules and materials from descriptors of chemical composition and structure and related purposes. We discuss methodological aspects including choices of kernels appropriate for different applications, effects of dimensionality, and ways to balance expressive power and reliability of the model in high-dimensional feature spaces and with sparse data. We also discuss kernel regression-based hybrid ML approaches.

    DOI： 10.1063/5.0242118

    researchmap

  • On the Sufficiency of a Single Hidden Layer in Feed-Forward Neural Networks Used for Machine Learning of Materials Properties 査読

    Ye Min Thant, Sergei Manzhos, Manabu Ihara, Methawee Nukunudompanich

    Physchem   5 ( 1 )   2025年1月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：MDPI AG  

    Feed-forward neural networks (NNs) are widely used for the machine learning of properties of materials and molecules from descriptors of their composition and structure (materials informatics) as well as in other physics and chemistry applications. Often, multilayer (so-called “deep”) NNs are used. Considering that universal approximator properties hold for single-hidden-layer NNs, we compare here the performance of single-hidden-layer NNs (SLNN) with that of multilayer NNs (MLNN), including those previously reported in different applications. We consider three representative cases: the prediction of the band gaps of two-dimensional materials, prediction of the reorganization energies of oligomers, and prediction of the formation energies of polyaromatic hydrocarbons. In all cases, results as good as or better than those obtained with an MLNN could be obtained with an SLNN, and with a much smaller number of neurons. As SLNNs offer a number of advantages (including ease of construction and use, more favorable scaling of the number of nonlinear parameters, and ease of the modulation of properties of the NN model by the choice of the neuron activation function), we hope that this work will entice researchers to have a closer look at when an MLNN is genuinely needed and when an SLNN could be sufficient.

    DOI： 10.3390/physchem5010004

    researchmap

  • Exploring the electronic properties of carbon nanoflake-based charge transport materials for perovskite solar cells: a computational study 査読

    Ruicheng Li, Keisuke Maeda, Keisuke Kameda, Manabu Ihara, Sergei Manzhos

    Physical Chemistry Chemical Physics   27 ( 15 )   7611 - 7628   2025年

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Royal Society of Chemistry (RSC)  

    The potential of carbon nanoflakes (CNFs) as charge transport materials in perovskite solar cells is studied at the electronic structure level, including the effects of size, shape, packing and functionalization.

    DOI： 10.1039/d4cp04608k

    researchmap

  • The Analysis of Electron Densities: From Basics to Emergent Applications 査読

    Daniel Koch, Michele Pavanello, Xuecheng Shao, Manabu Ihara, Paul W. Ayers, Chérif F. Matta, Samantha Jenkins, Sergei Manzhos

    Chemical Reviews   124 ( 22 )   12661 - 12737   2024年11月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：American Chemical Society (ACS)  

    DOI： 10.1021/acs.chemrev.4c00297

    researchmap

  • A machine-learned kinetic energy model for light weight metals and compounds of group III-V elements 査読

    Johann Lüder, Manabu Ihara, Sergei Manzhos

    Electronic Structure   6 ( 4 )   2024年10月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：IOP Publishing  

    Abstract

    We present a machine-learned (ML) model of kinetic energy for orbital-free density functional theory (OF-DFT) suitable for bulk light weight metals and compounds made of group III–V elements. The functional is machine-learned with Gaussian process regression (GPR) from data computed with Kohn-Sham DFT with plane wave bases and local pseudopotentials. The dataset includes multiple phases of unary, binary, and ternary compounds containing Li, Al, Mg, Si, As, Ga, Sb, Na, Sn, P, and In. A total of 433 materials were used for training, and 18 strained structures were used for each material. Averaged (over the unit cell) kinetic energy density is fitted as a function of averaged terms of the 4th order gradient expansion and the product of the density and effective potential. The kinetic energy predicted by the model allows reproducing energy-volume curves around equilibrium geometry with good accuracy. We show that the GPR model beats linear and polynomial regressions. We also find that unary compounds sample a wider region of the descriptor space than binary and ternary compounds, and it is therefore important to include them in the training set; a GPR model trained on a small number of unary compounds is able to extrapolate relatively well to binary and ternary compounds but not vice versa.

    DOI： 10.1088/2516-1075/ad7e8d

    researchmap

    その他リンク： https://iopscience.iop.org/article/10.1088/2516-1075/ad7e8d/pdf

  • Computational Investigation of the Potential and Limitations of Machine Learning with Neural Network Circuits Based on Synaptic Transistors 査読

    Sergei Manzhos, Qun Gao Chen, Wen-Ya Lee, Yoon Heejoo, Manabu Ihara, Chu-Chen Chueh

    The Journal of Physical Chemistry Letters   15 ( 27 )   6974 - 6985   2024年6月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：American Chemical Society (ACS)  

    DOI： 10.1021/acs.jpclett.4c01413

    researchmap

  • Natural-like generation of grain boundary models and the combined effects of microstructural elements and lithiation on the plastic behavior of TiO2: A computational study

    Takuma Okamoto, Anastassia Sorkin, Keisuke Kameda, Manabu Ihara, Hao Wang, Sergei Manzhos

    Computational Materials Science   239   112989 - 112989   2024年4月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Elsevier BV  

    DOI： 10.1016/j.commatsci.2024.112989

    researchmap

  • Machine learning of properties of lead-free perovskites with a neural network with additive kernel regression-based neuron activation functions

    Methawee Nukunudompanich, Heejoo Yoon, Lee Hyojae, Keisuke Kameda, Manabu Ihara, Sergei Manzhos

    MRS Advances   9   2024年1月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Springer Science and Business Media LLC  

    DOI： 10.1557/s43580-023-00749-1

    researchmap

    その他リンク： https://link.springer.com/article/10.1557/s43580-023-00749-1/fulltext.html

  • Degeneration of kernel regression with Matern kernels into low-order polynomial regression in high dimension 査読

    Sergei Manzhos, Manabu Ihara

    The Journal of Chemical Physics   160 ( 2 )   2024年1月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：AIP Publishing  

    Kernel methods such as kernel ridge regression and Gaussian process regression with Matern-type kernels have been increasingly used, in particular, to fit potential energy surfaces (PES) and density functionals, and for materials informatics. When the dimensionality of the feature space is high, these methods are used with necessarily sparse data. In this regime, the optimal length parameter of a Matern-type kernel may become so large that the method effectively degenerates into a low-order polynomial regression and, therefore, loses any advantage over such regression. This is demonstrated theoretically as well as numerically in the examples of six- and fifteen-dimensional molecular PES using squared exponential and simple exponential kernels. The results shed additional light on the success of polynomial approximations such as PIP for medium-size molecules and on the importance of orders-of-coupling-based models for preserving the advantages of kernel methods with Matern-type kernels of on the use of physically motivated (reproducing) kernels.

    DOI： 10.1063/5.0187867

    researchmap

  • Machine learning the screening factor in the soft bond valence approach for rapid crystal structure estimation 査読

    Keisuke Kameda, Takaaki Ariga, Kazuma Ito, Manabu Ihara, Sergei Manzhos

    Digital Discovery   3 ( 10 )   1967 - 1979   2024年

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Royal Society of Chemistry (RSC)  

    Machine learning of the screening factor in the SoftBV approximation as a function of chemical composition was used to improve the accuracy of structure estimation with SoftBV to help rapid prescreening of ceramic materials.

    DOI： 10.1039/d4dd00152d

    researchmap

▼全件表示

MISC

  • 炭素と二酸化炭素の酸化還元反応を利用した大容蓄電技術「カーボン空気二次電池システム」

    伊原学

    月刊 電設技術 -特集 二次電池の現状と用途およびライフサイクル- 4月号   2024年4月

    　詳細を見る

    記述言語：日本語   掲載種別：記事・総説・解説・論説等（商業誌、新聞、ウェブメディア）  

    researchmap

講演・口頭発表等

  • Kinetic energy density-based machine learning models of kinetic energy using gradient expansion based features

    J. Luder, M. Ihara, sergei manzhos

    Towards Routine Orbital-free Large-Scale Quantum-Mechanical Modelling of Materials  2024年9月 

    　詳細を見る

    会議種別：口頭発表（招待・特別）  

    researchmap

  • 世界初のカーボン空気二次電池システムの実用化及び運用支援プラットフォームの提供 招待

    伊原 学

    【世界を変える技術シーズに出会う】電池・半導体製造装置領域でスタートアップ化を目指す研究者とのネットワーキングナイト  2024年5月 

    　詳細を見る

    記述言語：日本語   会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

    researchmap

  • InfoSyEnergy水素エネルギービジョンpart2 -- グローバル水素の価格に対するエネルギーシステムの変化 -- 招待

    伊原学

    InfoSyEnergy第8回研究ワークショップ  2024年7月 

    　詳細を見る

    記述言語：日本語   会議種別：シンポジウム・ワークショップ パネル（指名）  

    researchmap

  • Machine learning of properties of perovskites with an NN with additive kernel GPR-based neuron activation functions

    Nukunudompanich , H. Yoon , L. Hyojae , K. Kameda , M. Ihara , S. Manzhos

    Chemical Compound Space Conference 2024 (CCSC 2024)  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • Exploring Carbon Nanoflake Based Materials for Charge Transport Layers of Perovskite Solar Cells: A Combined DFT-DFTB Study Including Effects of Solid-State Packing

    Ruicheng Li, Keisuke Maeda, Man-Fai Ng, Keisuke Kameda, Sergei Manzhos, Manabu Ihara

    2024 MRS Spring Meeting & Exhibit  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Additive kernel based methods for stable machine learning from sparse data: from materials informatics to orbital-free DFT

    Sergei Manzhos, Manabu Ihara

    14th International Conference on Ceramic Materials and Components for Energy and Environmental Systems  2024年8月 

    　詳細を見る

    会議種別：口頭発表（招待・特別）  

    researchmap

  • カーボンニュートラルに向けたエネルギーシステム変革を目指す”Ene-Swallow®デジタルツイン" 招待

    伊原 学

    2024秋季 DENSO IT LAB 認識・学習アルゴリズム共同研究講座 研究会  2024年8月 

    　詳細を見る

    記述言語：日本語   会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

    researchmap

  • Computational models of grain structures of titania with nature-like grain distributions

    Takuma Okamoto, Anastassia Sorkin, Keisuke Kameda, Manabu Ihara, Hao Wang, Sergei Manzhos

    14th International Conference on Ceramic Materials and Components for Energy and Environmental Systems  2024年8月 

    　詳細を見る

    会議種別：ポスター発表  

    researchmap

  • Bandstructure modulation and molecular adsorption properties of zirconia nanoparticles: a large-scale electronic structure study

    Kexin Chen, William Dawson, Takahito Nakajima, Aulia Sukma Hutama, Keisuke Kameda, Sergei Manzhos, Manabu Ihara

    14th International Conference on Ceramic Materials and Components for Energy and Environmental Systems  2024年8月 

    　詳細を見る

    会議種別：ポスター発表  

    researchmap

  • Modelling of Natural-Like Grain Generation of TiO2 and its effect on Band Structures

    Takuma Okamoto, Anastassia Sorkin, Keisuke Kameda, Wang Hao, Manabu Ihara, Sergei Manzhos

    2024 MRS Spring Meeting & Exhibit  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Exploring The Application of Hybrid DFTB-Molecular Mechanics Approach to Computing Optical Properties

    Ruicheng Li , Gekko Budiutama , Keisuke Kameda , Sergei Manzhos , Manabu Ihara

    2024 MRS Spring Meeting & Exhibit  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Effects of Nanosizing of Zirconia and Bandstructure Modulation on Catalytic Activity: Insights from a Combined Density Functional Tight Binding – Order(N) Density Functional Theory Study

    Kexin Chen, William Dawson, Takahito Nakajima, Aulia Hutama, Keisuke Kameda, Sergei Manzhos, Manabu Ihara

    2024 MRS Spring Meeting & Exhibit  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Rutile型酸化チタンの自然発生的粒界形成の検討

    岡本 卓磨, Anastassia Sorkin, 亀田 恵佑, Wang Hao, Sergei Manzhos, 伊原 学

    第71回応用物理学会春季学術講演会  2024年3月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 変動型再エネの発電量変動に追従する水素製造方法としての水Pulse-jet固体酸化物電解セルの提案

    岡崎 成美, 亀田 恵佑, Manzhos Sergei, 伊原 学

    化学工学会第55回秋季大会  2024年9月 

    　詳細を見る

    記述言語：日本語   会議種別：ポスター発表  

    researchmap

  • Beyondカーボンニュートラル、アンビエントエネルギー社会実現に向けた世界初、大容量コンパクト”カーボン空気二次電池システム”の実用化 招待

    伊原 学

    エッセンスフォーラム2024  2024年9月 

    　詳細を見る

    記述言語：日本語   会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

    researchmap

  • カーボン空気二次電池システムにおける充放電特性のサーメット電極依存性

    若宮 大志郎, Chen Kexin, 亀田 恵佑, Manzhos Sergei, 伊原 学

    化学工学会第55回秋季大会  2024年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Hybrid approaches to machine learning from small datasets for applications from materials informatics to large-scale DFT

    Sergei Manzhos, Manabu Ihara

    The 2nd Annual CEMDI Symposium  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Exploring Electronic Properties of Carbon Nanoflake-Based Materials for Charge Transport Layers in Perovskite Solar Cells: Insight from Solid-state Modelling

    Ruicheng Li, Keisuke Maeda, Man-Fai Ng, Keisuke Kameda, Sergei Manzhos, Manabu Ihara

    第71回応用物理学会春季学術講演会  2024年3月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • エネルギービッグデータをコアとするカーボンニュートラルデジタルツイン 招待

    伊原学

    2030年の挑戦Human-centric デジタルツインが目指す未来社会  2024年5月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Reliable machine learning from sparse data in high dimension with additive kernel based methods

    Sergei Manzhos, Manabu Ihara

    hemical Compound Space Conference 2024 (CCSC 2024)  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 電極反応モデルに基づく水素発電におけるBaZr0.9Y0.1O3-δ添加Ni/YSZ燃料極の反応種被覆率の推定

    亀田 恵佑, 中川 慶, 古賀 康友, Chen Kexin, 高木 伶海, 若宮 大志郎, 岡崎 成美, Lee Hyojae, 大歳 夏生, Manzhos Sergei, 伊原 学

    化学工学会 第89年会  2024年3月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Modulation of Molecular Adsorption Properties of Zirconia Nanoparticles: A Density Functional Tight Binding Theory Study

    Kexin Chen, Aulia Sukma Hutama, Keisuke Kameda, Sergei Manzhos, Manabu Ihara

    第71回応用物理学会春季学術講演会  2024年3月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Concept and Advantages of Carbon/Air Secondary Battery System as a Fixed Compact Power Storage with Large Capacity

    Manabu Ihara, Keisuke Kameda, Taishiro Wakamiya, Reimi Takagi, Chen Kexin, Sergei Manzhos

    PRiME 2024  2024年10月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Significantly Improved Stability of Carbon/Air Secondary Battery System By Separating Carbon Deposition Area

    Keisuke Kameda, Taishiro Wakamiya, Reimi Takagi, Sergei Manzhos, Manabu Ihara

    PRiME 2024  2024年10月 

    　詳細を見る

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • 分子動力学による熱処理法とVoronoi法で生成した多結晶ZrO2の比較

    四十八願, 友希, 亀田 恵佑, 伊原 学, マンゾス セルゲイ

    第86回応用物理学会秋季学術講演会  2025年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Towards more realistic modeling of microstructured ceramics for solid state ionics and beyond: from large-scale MD to large-scale electronic structure 招待

    S. Manzhos, H. Wang, T. Okamoto, Y. Yoinara, K. Kameda, M. Ihara

    International Workshop on Multiscale, Multiphysics, and Multidisciplinary Research on Materials and Structures (m3MS)  2025年9月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 壁面型太陽電池ポテンシャルと技術経済モデルの融合による統合コストの感度分析

    Wang Shuai, 大屋 昌士, 濱崎 博, 亀田 恵佑, Manzhos Sergei, 伊原 学

    化学工学会第56回秋季大会  2025年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 水素発電におけるSrZr0.95Y0.05O3-δ添加Ni/YSZ燃料極の表面吸着反応種被覆率の評価

    亀田 恵佑, 中川 慶, Manzhos Sergei, 伊原 学

    化学工学会第56回秋季大会  2025年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Near-natural generation of microstructures of functional ceramics with molecular dynamics

    S. Manzhos, M. Ihara, Ruicheng Li, T. Motori, T. Okamoto, K. Kameda

    The 12th Project Report Meeting of the HPCI System Including Fugaku  2025年10月 

    　詳細を見る

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • AI-driven Innovations for Renewable Energy Integration in Japan --Intelligent energy system “Ene-Swallow®︎”, ultra-compact large-capacity ”Carbon Air Secondary Battery (CASB) system”-- 招待

    Manabu Ihara

    ZOOM IN! 日独エネルギー転換トーク 「再生可能エネルギーへの転換における人工知能（AI）の活用：ドイツと日本の展望」  2025年11月 

    　詳細を見る

    記述言語：英語   会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

    researchmap

  • Neural network - Gaussian process regression hybrid for insightful machine learning: from materials informatics to DFT functional development

    S. Manzhos, Y. Liu, K. Kameda, M. Ihara

    New Generation Nuclear Density Functionals 2025  2025年6月 

    　詳細を見る

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • 高次元バイナリデータを用いたグループエンコーディングによる高精度建物電力需要予測

    香川 達哉, Lee Hyojae, 亀田 恵佑, Manzhos Sergei, 伊原 学

    化学工学会第56回秋季大会  2025年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 物理科学における非常に高精度な機械学習を必要とするアプリケーション：機械学習の手法開発への影響とニューロモルフィックコンピューティングの可能性の検討

    2025年度 人工知能学会全国大会（第39回）  2025年5月 

    　詳細を見る

    会議種別：口頭発表（一般）  

    researchmap

  • InfoSyEnergyにおけるエネルギービッグデータの活用と活動概要 招待

    伊原 学

    InfoSyEnergy第5回公開シンポジウム「エネルギー技術開発加速のためのビッグデータ活用」  2024年1月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Machine learning in computational chemistry beyond off-the-shelf methods: how to cut the cost, handle overfitting, and obtain elements of insights

    S. Manzhos, M, Ihara

    International Workshop on Massively Parallel Programming for Quantum Chemistry and Physics (MPQCP 2024)  2024年1月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Modelling of CO/CO2 Electrode Reactions in Carbon/Air Secondary Battery System

    Chen Kexin, Kameda Keisuke, Koga Yasutomo, Manzhos Sergei, Ihara Manabu

    化学工学会第89年会  2024年3月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • 熱・電力需要の変動が建物規模分散型水素蓄エネルギーシステムの経済性に与える影響

    吉岡 大雄, 白倉 沙也加, 亀田 恵佑, Manzhos Sergei, 伊原 学

    化学工学会 第89年会  2024年3月 

    　詳細を見る

    記述言語：日本語   会議種別：ポスター発表  

    researchmap

  • 炭素析出制御可能なカーボン空気二次電池システムの電極開発

    亀田 恵佑, 若宮 大志郎, Chen Kexin, Manzhos Sergei, 伊原 学

    化学工学会 第89年会  2024年3月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • リアルタイム雲画像データに基づく日射成分を用いた影を含む太陽電池発電量予測モデル

    大歳 夏生, Lee Hyojae, 亀田 恵佑, Manzhos Sergei, 伊原 学

    化学工学会 第89年会  2024年3月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Application of hybrid Density Functional Tight Binding (DFTB)-Molecular Mechanics approach to computing optical properties of dyes on nanoparticles

    Tengxiang Li, Ruicheng Li, Keisuke Kameda, Sergei Manzhos, Manabu Ihara

    The 72nd JSAP Spring Meeting  2025年3月 

    　詳細を見る

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • カーボン空気二次電池システムの充放電特性に対する温度依存性

    高木 伶海, 加藤 航太, 遠藤 明日香, Chen Kexin, 若宮 大志郎, 亀田 恵佑, Manzhos Sergei, 伊原 学

    化学工学会第55回秋季大会  2024年9月 

    　詳細を見る

    会議種別：口頭発表（一般）  

    researchmap

  • 第一原理計算を用いた材料インフォマティクスにおけるペロブスカイト太陽電池の炭素系材料の検討

    前田 佳亮, Li Ruicheng, 亀田 恵佑, Manzhos Sergei, 伊原 学

    第85回応用物理学会秋季学術講演会  2024年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 「学理による将来技術の予測とTechno-economicモデルから見えてくる2050年のエネルギー社会」 ～水素エネルギーはいくらまで社会に受け入れられるのか？均等化発電原価と統合費用の試算～ 招待

    伊原 学

    InfoSyEnergy研究/教育コンソーシアム 第6回公開シンポジウム「不確実性の高まる国際社会 カーボンニュートラルに向けた再生可能エネルギー、水素の役割は?」 

    　詳細を見る

    会議種別：口頭発表（招待・特別）  

    researchmap

  • 日射成分とモジュール構造に基づく影計算による太陽電池リアルタイム発電量予測モデル

    大歳 夏生, 葛西 祐也, 亀田 恵佑, Manzhos Sergei, 伊原 学

    化学工学会第55回秋季大会  2024年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 2050年のエネルギーシステム最適化に向けた全国建物壁面の太陽電池ポテンシャル算出

    Wang Shuai, 大屋 昌士, 大歳 夏生, 亀田 恵佑, 濱崎 博, Manzhos Sergei, 伊原 学

    化学工学会第55回秋季大会  2024年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 高効率と耐久性向上を両立させるカーボン空気二次電池システムのニッケルベース燃料極の開発

    亀田 恵佑, 若宮 大志郎, 吉田 紗良, Chen Kexin, マンゾス セルゲイ, 伊原 学

    化学工学会第55回秋季大会  2024年9月 

    　詳細を見る

    会議種別：口頭発表（一般）  

    researchmap

  • クラスタリングを利用したSHAP値の解析手法によるエネルギー消費行動の可視化

    香川 達哉, 飯嶌 大樹, Lee Hyojae, Wang Shuai, 亀田 恵佑, Manzhos Sergei, 伊原 学

    化学工学会第55回秋季大会  2024年9月 

    　詳細を見る

    記述言語：日本語   会議種別：ポスター発表  

    researchmap

  • 世界初、カーボン空気二次電池システムの実用化--ゲームチェンジを可能とする大容量コンパクト蓄電池—

    伊原 学

    STAND UP! DEEP TECH STARTUP～全国GAPファンド DemoDay セッション～  2025年2月 

    　詳細を見る

    記述言語：日本語   会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

    researchmap

  • 機械学習を用いたソフト結合原子価法によるペロブスカイト酸化物の結晶構造の高速推定

    亀田 恵佑, 伊藤 和真, 伊原 学, MANZHOS SERGEI

    化学工学会第90年会（東京）  2025年3月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • The Potential of Solar Cell Installation on building façades Considering Technological Innovation Scenarios

    Shuai Wang, Masashi Ohya, Natsuki Otoshi, Keisuke Kameda, Sergei Manzhos, Manabu Ihara

    International Photovoltaic Science and Engineering Conference 35th (PVSEC-35)  2024年11月 

    　詳細を見る

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • カーボンニュートラルに向けたエネルギーシステム変革を目指して --世界初、カーボン空気二次電池システムとエネルギーシステム”Ene-Swallow®︎”の開発-- 招待

    伊原 学

    「エネルギー製造・貯蔵・運搬・効率利用」技術交流会  2024年12月 

    　詳細を見る

    記述言語：日本語   会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

    researchmap

  • 再生可能エネルギー拡大のKey技術、世界初のカーボン空気二次電池システムの開発 招待

    伊原 学

    すずかけサイエンスデイ2025（すずかけ台キャンパス設立50周年記念）  2025年5月 

    　詳細を見る

    記述言語：日本語   会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

    researchmap

  • 世界初、カーボン空気⼆次電池システムの実⽤化 ̶ゲームチェンジを可能とする⼤容量コンパクト蓄電池̶

    伊原 学

    LAB to IMPACT ～GX分野の研究者が拓く未来～  2025年5月 

    　詳細を見る

    記述言語：日本語   会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

    researchmap

  • 技術経済モデルを活用したネットゼロにおける日本の国内外の水素需給量推計

    大屋昌士, 大久保 辰哉, 濱崎博, 亀田恵佑, Manzhos Sergei, 伊原学

    化学工学会第90年会（東京）  2025年3月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

▼全件表示

産業財産権

  • 二次電池並びに該二次電池用の触媒及びその製造方法

    伊原学, 亀田恵佑, MANZHOSSERGEI, 若宮大志郎, 遠藤明日香

    　詳細を見る

    出願人：国立大学法人東京科学大学

    出願番号：PCT/JP2025/030129  出願日：2025年8月

    公開番号：WO 2026/048879  公開日：2026年3月

    researchmap

  • 二次電池並びに該二次電池用の負極材料及びその製造方法

    伊原学, 亀田恵佑, MANZHOSSERGEI, 若宮大志郎, 吉田紗良

    　詳細を見る

    出願人：国立大学法人東京科学大学

    出願番号：PCT/JP2025/030128  出願日：2025年8月

    公開番号：WO 2026/048878  公開日：2026年3月

    researchmap

  • 水素製造装置及び水素製造方法

    伊原学, MANZHOSSERGEI, 亀田恵佑, 飯田雄太, 岡崎成美

    　詳細を見る

    出願人：国立大学法人東京科学大学

    出願番号：PCT/JP2025/024115  出願日：2025年7月

    公開番号：WO 2026/009969  公開日：2026年1月

    researchmap

  • カーボン空気二次電池

    伊原学, 亀田恵佑, 高木伶海, 若宮大志郎

    　詳細を見る

    出願人：国立大学法人東京工業大学

    出願番号：PCT/JP2024/008157  出願日：2024年3月

    公開番号：WO 2024/190513  公開日：2024年9月

    researchmap

  • カーボン空気二次電池

    伊原学, 亀田恵佑, 高木伶海, 若宮大志郎

    　詳細を見る

    出願人：国立大学法人東京科学大学

    出願番号：特願2024-538363  出願日：2024年3月

    公開番号：WO 2024/190513  公開日：2024年9月

    特許番号/登録番号：特許第7614691号  登録日：2025年1月 

    researchmap

共同研究・競争的資金等の研究課題

  • 設置角度に着目した農地共用型太陽光発電と、国内への導入ポテンシャルの算出

    研究課題/領域番号：22K04999  2022年4月 - 2025年3月

    日本学術振興会  科学研究費助成事業  基盤研究(C)

    長谷川 馨, 伊原 学, MANZHOS SERGEI

    　 詳細を見る

    配分額：4160000円 （ 直接経費：3200000円 、 間接経費：960000円 ）

    researchmap

  • エネルギービッグデータをコアとするカーボンニュートラルデジタルツイン

    研究課題/領域番号：22713987  2022年 - 2024年

    科学技術振興機構  戦略的な研究開発の推進/未来社会創造事業/探索加速型

    伊原 学

    　 詳細を見る

    東工大大岡山キャンパスに2011年に、竣工した「東工大環境エネルギーイノベーション棟」（研究代表者がエネルギーシステム設計及びプロジェクトリーダー）のエネルギーデータ、人流データ、及び、東工大大岡山キャンパス内の他研究棟の電力、太陽光発電データなど、クラウドデータベースにすでに10年分のデータが蓄積されている。この毎秒、もしく毎分、14000pt以上のエネルギーシステム-ビッグデータを基礎に、カーボンニュートラルシステムとして提案する“系統協調/分散型エネルギーシステム”を開発する。さらに、そのシステム開発の観点から必要となる要素技術開発（エネルギーデバイス/エネルギーマテリアル）および、シナリオ研究を、集約したデータや手法を共通化し、連動させることでカーボンニュートラル研究を飛躍的に加速させる「エネルギービッグデータをコアとするカーボンニュートラルデジタルツイン」を構築する。

    researchmap

  • 低コスト高効率半導体薄膜太陽電池の開発

    　 詳細を見る

    資金種別：競争的資金

    researchmap

  • Development of high efficient dye sensitized solar cells

    　 詳細を見る

    資金種別：競争的資金

    researchmap

  • Studies of solid oxide fuel cells

    　 詳細を見る

    資金種別：競争的資金

    researchmap

  • Development of low cost high efficient semiconductor solar cells

    　 詳細を見る

    資金種別：競争的資金

    researchmap

  • 色素増感太陽電池に関する研究

    　 詳細を見る

    資金種別：競争的資金

    researchmap

  • 半導体薄膜太陽電池に関する研究

    　 詳細を見る

    資金種別：競争的資金

    researchmap

  • 色素増感太陽電池の高効率化に関する研究

    　 詳細を見る

    資金種別：競争的資金

    researchmap

  • 固体酸化物燃料電池に関する研究

    　 詳細を見る

    資金種別：競争的資金

    researchmap

▼全件表示