Molecular simulation on micro thermal engineering

ナノ・マイクロメートルスケールのエネルギー輸送現象を原理的に理解して表面特性などを用いて制御することを目的として，銅の伝熱面に付与したナノスケールの矩形構造が，固液界面熱抵抗に与える影響を分子動力学解析により調査し，熱回路網法でモデリングを行うためにSQUIDを用いた．その結果より，矩形構造の大きさや濡れ状態によらず熱回路網モデルによって，界面熱抵抗がうまく予測できることが示された．

Development of geometric deep learning for physics simulations and computer vision

データが持つ対称性などの幾何学的構造を保存する深層学習である幾何学的深層学習を開発し，物理シミュレーションとコンピュータビジョンに応用する．これによって，ニューラルネットワークを基底とした有限要素法の効率的な学習法の開発，連成学系の深層学習によるモデル化と構造の同定，データ空間の幾何学的構造の同定などを行う．

Simulating Brownian motion in thermally fluctuating viscoelastic fluids

熱ゆらぎに駆動される粘弾性流れおよび粒子のブラウン運動の直接数値計算を行うために, 粘弾性流体の構成方程式であるOldroyd-B モデルについての stochastic Smoothed Profile 法 (sSPm)を開発した．Langevin 方程式のような有効モデルを用いることなく，粘弾性物性に基づいてブラウン運動を直接解析することに成功した．

Mechanistic Study on Early Transition Metal-Catalyzed [2+2+1]-Cycloaddition of Alkynes and Cyclopropenes

前周期遷移金属錯体を触媒とするアルキンとシクロプロペンの環化付加反応によるシクロペンタジエン誘導体の合成反応について、Gaussian 16 を利用したＤＦＴ計算により詳細な反応機構を明らかにした。その結果、触媒サイクル中の反応中間体や遷移状態の構造やエネルギーを明らかにすることに成功し、反応機構の全貌の解明につながる重要な知見を得た。

Energetic analysis of nanoparticles using density functional theory

Quantitatively analyze the energetics of nanoparticles using density functional theory

Control of Observation Point and Ansemble in tsunami prediction using sequential data assimilation

逐次型データ同化アンサンブルカルマンフィルタ・スムーザーを用いた津波予測では，観測点・アンサンブルが多すぎるとかえって精度が悪化する場合もあり，どのように観測点・アンサンブルを制御すれば予測精度が向上するか明らかにする必要がある．
沖合観測点での予測が良ければ沿岸部でも予測精度が向上するという考え方で制御を行った．つまり，沖合観測点での地震発生から5分間の観測波形とデータ同化波形をRMSE・相関係数R・RMSEとRの両方を用いて比較し，波形の一致度が悪い観測点・アンサンブルは取り除いた．

SSM for video generartion models

目的:動画生成にSSMを用いた場合の挙動を確認する．
内容:新たに，Transformerベースの動画拡散モデルを学習する．
結果:SSMsを用いた場合，Transformerベースでは少し異なる工夫が必要だとわかった．

Numerical simulations of water environment in lakes, basins, rivers, and estuaries

流動水質モデルおよび流域水文水質モデルを用いて，各種水域の流動・水質・物質輸送の数値シミュレーションを行った．

Construction of a SiO2 Interatomic Potential Model by Machine Learning and Its Application to Molecular Dynamics Simulations.

近年，材料科学の分野において，機械学習を用いた分子動力学（MD）シミュレーション用の原子間ポテンシャルが開発されている．機械学習原子間ポテンシャルは，密度汎関数理論（DFT）に基づく量子力学計算で事前に評価された膨大な数の原子配置データと膨大な数の力場データを補間することで，対応するDFTに基づく量子力学計算よりもはるかに迅速に力場を提供することができる．また，機械学習原子間ポテンシャルは広く使用されている古典的な原子間力場モデルよりもはるかに正確であることが期待されており，DFT計算で得られるものと同等の精度を実現できる可能性がある．しかし，材料科学で広く使用されている熱力学的平衡状態における典型的な分子動力学シミュレーションとは異なり，スパッタリング/エッチングシミュレーションでは，このような力場の開発に特別な注意が必要となる．高イオンエネルギー衝撃を伴う典型的なスパッタリングシミュレーションでは，原子間の距離が極端に小さくなることがあり，標準的なDFTベースの力場データでは精度を担保できない．そのため，本研究では，短距離斥力相互作用を表すためにZiegler-Biersack-Littmark（ZBL）ポテンシャル関数を使用し，それ以外には機械学習による力場を採用した．機械学習原子間ポテンシャルは，グラフニューラルネットワーク（GNN）を基に，Query By Committeeに基づいた能動学習を用いて開発した．開発した機械学習原子間ポテンシャルを用いたMDシミュレーションでは，SiおよびSiO2のイオンビームスパッタリング/エッチングを実施し，その結果をビーム実験データおよび既存の古典的MDシミュレーション結果と比較した．

Building a Kidney Tissue Image Analysis Model

稀な糸球体変化 を検出することを目的として、深層学習モデルを構築した。Periodic acid-Schiff　染色腎組織画像をWSIスキャナーでデジタルデータ化し、パッチ画像に分割して学習データとした。稀な形態変化について、検出しやすい病変と検出しにくい病変を認めた。

Construction of Multi-Task Tabular Foundation Model

複数タスクの複数表形式データに同時対応できる基盤モデルを目指すべし、LLMの利活用などの手法改善を行い、複数のタスクに対応できる、表形式データに対応する基盤モデルを学習し、構築した。結果として、複数のタスクにおいて、それぞれ複数のデータに基づいて学習し、基盤モデルとなりうる構造を見出した。

Elucidating life-threading arrhythmias and establishing arrhythmia control methods

撃発活動とは、心室性致死性不整脈発症のきっかけとなる応答として知られる。本研究は、撃発活動の生成メカニズムを明らかにし、不整脈誘発危険度を定量化することで、不整脈の発症予防・制御の方法論の開発を目的とする。これまでに撃発活動の形成メカニズムを明らかにしてきた。本年度は、特定のイオンチャネル電流を制御することで撃発活動形成を抑制できるかどうかを検討した。心室筋細胞膜に発現する一過性外向きK+チャネル電流（Ito)を抑制することで、撃発活動形成が阻害されることを見出した。Itoは、心室筋活動電位ダイナミクスである早期後脱分極（Early afterdepolarization: EAD）の発生を抑制する可能性も見出した。

Analysis of the Surface Coordination Number Dependence of CO Dimerization Reaction on Cu Electrocatalysts

CO2またはCO電解還元において、銅系触媒のみが有意な速度かつ高活性に高付加価値物質(C2+化合物)を生成する。CO2およびCOからC2+化合物に至る重要な素反応であるCO二量化反応は、銅表面構造によって大きく左右されることが知られている。本課題では、CI-NEB法を用いて、異なる表面配位数(SCN =9, 8, 7)サイトでのCO二量化反応の活性エネルギーを評価することで、その表面配位数依存性を評価した。その結果、CO二量化後のOCCO中間体は表面配位数が小さいサイト(SCN = 7)よりも大きいサイト(SCN =9, 8)上で安定化され、その後の中間体還元反応が進行すると示唆された。