2025/01/16 更新

写真a

アダチ ヨシタカ
足立 吉隆
ADACHI Yoshitaka
所属
大学院工学研究科 材料デザイン工学専攻 計算材料設計 教授
大学院担当
大学院工学研究科
学部担当
工学部 マテリアル工学科
職名
教授

学位 1

  1. 博士(工学) ( 1996年7月   名古屋大学 ) 

研究キーワード 4

  1. データサイエンス

  2. マテリアルズインフォマティクス

  3. 鉄鋼材料、構造材料、構造材料ゲノム、形の科学、ひずみの科学

  4. 3D4D

研究分野 1

  1. ナノテク・材料 / 金属材料物性

現在の研究課題とSDGs 1

  1. 高次元材料情報学

経歴 6

  1. 名古屋大学   未来社会創造機構マテリアルズイノベーション研究所グリーン構造材料インフォマティクス研究部門   教授

    2022年4月 - 現在

  2. 名古屋大学   大学院情報学研究科  附属価値創造研究センター   研究員

    2017年6月 - 現在

  3. 名古屋大学   大学院工学研究科材料デザイン工学専攻   教授

    2017年4月 - 現在

      詳細を見る

    国名:日本国

  4. 鹿児島大学   大学院理工学研究科機械工学専攻   教授

    2011年10月 - 2017年3月

      詳細を見る

    国名:日本国

  5. 独立行政法人 物質・材料研究機構   超鉄鋼研究センター   主幹研究員

    2003年4月 - 2011年10月

      詳細を見る

    国名:日本国

▼全件表示

学歴 1

  1. 名古屋大学   工学研究科   金属工学及び鉄鋼工学専攻

    1988年4月 - 1990年3月

      詳細を見る

    国名: 日本国

所属学協会 5

  1. 日本工学アカデミー   委員・東海支部運営委員

    2017年10月 - 現在

  2. 日本鉄鋼協会   元理事

    2020年4月 - 2022年5月

  3. 日本熱処理技術協会   元理事

    2015年4月 - 現在

  4. 日本金属学会   元理事

    2018年4月 - 2020年3月

  5. 日本MRS   元理事

    2016年4月 - 2019年3月

委員歴 10

  1. 文部科学省   科学研究費学術変革領域B評価委員  

    2023年8月 - 2024年3月   

      詳細を見る

    団体区分:政府

  2. 文部科学省   科学研究費学術変革領域B評価委員  

    2022年8月 - 2023年3月   

  3. 日本鉄鋼協会   評議員  

    2022年6月 - 現在   

      詳細を見る

    団体区分:学協会

  4. 文部科学省   科学研究費学術変革領域B評価委員  

    2021年8月 - 2022年3月   

  5. 日本工学アカデミー   運営委員、企画推進部会委員  

    2021年4月 - 現在   

      詳細を見る

    団体区分:学協会

▼全件表示

受賞 11

  1. 学術功績賞

    2024年12月   日本鉄鋼協会   学術功績賞

    足立吉隆

     詳細を見る

    受賞区分:国内学会・会議・シンポジウム等の賞  受賞国:日本国

    鉄鋼に関する学術、技術の研究に顕著な功績のあった会員に与えられる賞。

  2. 論文賞(組織部門)

    2024年12月   日本金属学会  

    足立吉隆、孫飛

     詳細を見る

    受賞区分:国内学会・会議・シンポジウム等の賞  受賞国:日本国

    積層造形ステンレス鋼の転位セル組織中に発達するナノ変調構造の存在を明らかにした。

  3. 日本熱処理技術協会技術賞

    2017年5月   日本熱処理技術協会  

     詳細を見る

    受賞区分:国内外の国際的学術賞  受賞国:日本国

  4. 日本金属学会金属写真奨励賞

    2011年3月   日本金属学会  

     詳細を見る

    受賞区分:学会誌・学術雑誌による顕彰  受賞国:日本国

  5. 日豪研究リーダー交流事業助成

    2010年2月   日本工学アカデミー・オーストラリア理工学アカデミー  

▼全件表示

 

論文 146

  1. A Review on Inverse Analysis Models in Steel Material Design 査読有り 国際共著

    Yoshitaka Adachi, Ta-Te Chen, Fei Sun, Daichi Maruyama, Kengo Sawai, Yoshito Fukatsu, Zhi-Lei Wang

    Materials Genome Engineering Advances     2024年12月

     詳細を見る

    担当区分:筆頭著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)  

  2. Maximization of strength-ductility balance of dual-phase steels using generative adversarial networks and Bayesian optimization 査読有り

    Fukatsu, Y; Chen, TT; Ogawa, T; Sun, F; Watanabe, I; Ojima, M; Ishikawa, S; Adachi, Y

    MATERIALS TODAY COMMUNICATIONS   41 巻   2024年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.1016/j.mtcomm.2024.110360

    Web of Science

  3. Dramatic improvement in strength–ductility balance of dual-phase steels by optimizing features of ferrite phase 査読有り

    Kohei Ogatsu, Toshio Ogawa, Ta-Te Chen, Fei Sun, Yoshitaka Adachi

    Journal of Materials Research and Technology   35 巻   頁: 289 - 297   2025年1月

     詳細を見る

    担当区分:最終著者   記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: http://dx.doi.org/10.1016/j.jmrt.2025.01.031

  4. Comparative study of the experimentally observed and GAN-generated 3D microstructures in dual-phase steels

    Watanabe, I; Sugiura, K; Chen, TT; Ogawa, T; Adachi, Y

    SCIENCE AND TECHNOLOGY OF ADVANCED MATERIALS   25 巻 ( 1 )   2024年12月

  5. Cellular automaton simulation of solid-phase grain growth under conditions involving scanning heat sources and temperature gradients

    Murata, K; Chen, TT; Sun, F; Adachi, Y

    MODELLING AND SIMULATION IN MATERIALS SCIENCE AND ENGINEERING   32 巻 ( 8 )   2024年12月

▼全件表示

書籍等出版物 10

  1. 機械材料学第5版 査読有り

    足立吉隆( 担当: 共著 ,  範囲: 1.5章 鉄鋼の熱処理、2.5章 相変態)

    日本材料学会  2022年10月  ( ISBN:978-4-901381-58-1

     詳細を見る

    総ページ数:423   記述言語:日本語 著書種別:教科書・概説・概論

  2. マテリアルズ・インフォマティクス Q&A書籍

    足立吉隆( 担当: 分担執筆)

    情報機構  2020年10月 

  3. 機械工学年鑑2019・ 材料工学におけるAI,IoTの活用の現状

    足立吉隆( 担当: 分担執筆)

    日本機械学会  2019年8月 

     詳細を見る

    総ページ数:1   記述言語:日本語 著書種別:事典・辞書

  4. マテリアルズ・インフォマティクスによる材料開発と活用集

    足立吉隆( 担当: 分担執筆)

    エヌ・ティ・エス社  2019年1月 

     詳細を見る

    記述言語:日本語 著書種別:教科書・概説・概論

  5. マテリアルズ・インフォマティクス~データ科学と計算・実験の融合による材料開発~

    足立吉隆( 担当: 共著)

    情報機構  2018年3月 

     詳細を見る

    総ページ数:14   記述言語:日本語 著書種別:学術書

▼全件表示

講演・口頭発表等 5

  1. Integrated computation using deep learning and generative MI for steel desighn 招待有り 国際会議

    Yoshitaka Adachi

    THEMEC2023  2023年7月  THERMEC2023

     詳細を見る

    開催年月日: 2023年7月

    記述言語:英語   会議種別:口頭発表(基調)  

    国名:オーストリア共和国  

    It has been desired to design a steel efficiently for a required property. This demand drives a researcher to introduce simulation and machine learning into materials science. Machine learning could make a discrete data continuous. The forward regression analysis is followed by inverse analysis to suggest a potential microstructure or process to obtain a best performance. Computer vision remarkably accelerates microstructural segmentation that releases a researcher from burden of painting a micrograph. Subsequently, computer-detected microstructure is subjected to quantitative morphological analysis such as persistent homology.
    Microstructure simulation such as cellular automaton and phase field simulation is well-known to be useful for reproducing a microstructure under a given processing condition. However, it is still time-consuming. Then, virtual image generation using generative adversarial network (GAN) is recently received much attention to generate a lot of fake images. Particularly deep convolutional GAN (DCGAN) is very powerful for generating a high-quality fake image. If the fake microstructure generated by DCGAN is analyzed by finite element analysis method, strain-stress curve could be predicted without an experiment, which produces a big data of microstructure-property linkage.
    3D microstructural visualization is sometimes useful to gain insight of a microstructure. However, a conventional 3D method generally takes time and requires a special equipment. Recently, new GAN-based 3D microstructure reconstruction method “SliceGAN” was proposed. SliceGAN generates a 3D fake microstructure image from only one or three 2D images.
    This talk will highlight a recent progress of hybrid approach integrating experiment, simulation, and data science toward virtual or semi-virtual steel design.
    [1] F. Ajioka, Z.L. Wang, T. Ogawa, Y. Adachi, ISIJ International, 2020, 60(5), pp. 954–959
    [2] Z.L Wang, T. Ogawa, Y. Adachi, Advanced Theory and Simulations, 2020, 3(7), 2000040.
    [3] Z.L Wang, T. Ogawa, Y. Adachi, Advanced Theory and Simulations, 2020, 3(3), 1900227.
    [4] R. Narikawa, Y. Fukatsu, Z.L. Wang, T. Ogawa, Y. Adachi, Y.Tanaka, S. Ishikawa, Advanced Theory and Simulations, 2022, 5(5), 2100470.
    [5] S. Kench and S. J. Cooper, Nat. Mach. 2021, 1.
    [6] K. Sugiura, T. Ogawa, and Y. Adachi, Advanced Theory and Simulations, 2022, 5(7), 2200132

  2. ものづくりDXに役立つ データサイエンスの基礎 招待有り

    足立吉隆

    知の拠点あいち重点研究プロジェクトIV期技術セミナー  2023年9月4日  愛知県

     詳細を見る

    開催年月日: 2023年9月

    記述言語:日本語  

    開催地:愛知県豊田市あいち産業科学技術総合センター   国名:日本国  

  3. データサイエンス 招待有り

    足立吉隆

    科研費・学術変革領域A超温度場材料創成学夏の学校  2022年9月5日  科研費・学術変革領域A超温度場材料創成学

     詳細を見る

    開催年月日: 2022年9月

    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  

    開催地:名古屋大学工学部5号館講義室  

  4. マテリアルズインフォマティクスを用いた構造材料の開発 招待有り

    足立吉隆

    技術情報協会セミナー  2022年3月24日  技術情報協会

     詳細を見る

    開催年月日: 2022年3月

    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  

    開催地:オンライン  

  5. データサイエンス時代の材料画像工学の役割 招待有り

    足立吉隆

    日本学術振興会R026先端計測技術の将来設計委員会  2022年3月1日  日本学術振興会R026先端計測技術の将来設計委員会

     詳細を見る

    開催年月日: 2022年3月

    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  

    開催地:オンライン  

Works(作品等) 3

  1. クラウド型材料情報統合システムshinyMIPHA

    足立吉隆

    2018年12月
    -
    現在

     詳細を見る

    作品分類:ソフトウェア  

  2. 材料情報統合システムMIPHA

    足立吉隆

    2016年9月
    -
    現在

     詳細を見る

    作品分類:ソフトウェア   発表場所:鉄鋼新聞、日刊工業新聞  

  3. 全自動シリアルセクショニング3D顕微鏡 Genus_3D

    足立吉隆、中山誠

    2011年3月
    -
    現在

     詳細を見る

    発表場所:日刊工業新聞、科学新聞  

共同研究・競争的資金等の研究課題 12

  1. 超温度場材料インフォマティクス: ビッグデータからの法則発見と最適化予測

    2021年10月 - 2026年3月

    学術変革領域A 

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

  2. 革新的構造材料の開発―マテリアルズインテグレーションシステムの開発

    2014年10月 - 2019年3月

    内閣府  SIP革新的構造材料の開発―マテリアルズインテグレーションシステムの開発 

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

  3. アドビック社 ブレーキ材料のマテリアルズインフォマティクスによる解析

    2019年4月 - 現在

    企業からの受託研究 

  4. 高次元材料情報学

    2017年6月 - 現在

    国内共同研究(日本製鉄) 

  5. 高次元材料情報学

    2017年6月 - 現在

    国内共同研究(JFEスチール) 

▼全件表示

科研費 10

  1. 超温度場材料インフォマティクス:ビッグデータからの法則発見と最適化予測

    研究課題/研究課題番号:21H05194  2021年9月 - 2026年3月

    文部科学省  科学研究費助成事業  学術変革領域研究(A)

    足立 吉隆, 山中 晃徳, 小川 登志男

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

    配分額:84890000円 ( 直接経費:65300000円 、 間接経費:19590000円 )

    本計画研究では、材料インフォマティクスを用いて、実験研究とシミュレーション研究の橋渡しをする。具体的には、大別して2つのミッションをもつ。
    順・逆解析:「所望の特性を発現する結晶組織」、「その組織を創成するプロセス条件」の導出を可能とし、その法則の背後にある物理を解明する。
    データ同化:第二の役割は、熱流体力学(CtFD)シミュレーションやフェーズフィールド(PF)シミュレーションで必要となる易動度や界面エネルギー等の物性値パラメータをアジョイント法などのデータ同化手法を用いて効率的に決定する。
    3D観察:組織の特徴量を3D監察結果に基づき定量評価する。
    人工知能を使った超温度場材料創成の効率化を目指し、以下の四点を中心に取り組んだ。
    (1)3枚の二次元断面像からの高解像度三次元像のBig-volume SliceGANによる生成(足立)(2)CNN画像回帰によるEBSD_OIMマップからの硬度の直接推定(足立)(3)316Lステンレス鋼の階層的構造解析による組織記述子の解明(孫)(4)データ同化を導入した非平衡マルチフェーズフィールド法による凝固組織形成シミュレーション(山中)
    いずれの結果も、積層造形法による材料開発を促進するものと思われる。深層学習を構造金属材料に適用した研究としては、いづれも先駆的な研究成果といえ、次年度以降の研究の促進、対象材料の拡大に期待が持たれる。
    レーザー積層造形316Lオーステナイト系ステンレス鋼が、一般的なものよりも高強度であることが明らかとなった。その要因を探るべき、CNN画像回帰、スケールブリッジング解析、ならびに非平衡マルチフェーズフィールド法シミュレーションを行い、転位を含む転位せル、25nm間隔の変調構造、セル境界への合金元素の偏析(化学境界)の組み合わせが高強度の主要因となっており、これに加えて、画像回帰では方位分散に伴う有効結晶粒径が関連していることが伺われた。非平衡マルチフェーズフィールド法により、凝固時にわずかではあるがセル境界に合金元素が偏析する傾向が認められた。しかしながらこれらの複数の因子が高強度化につながっている内訳については今後の検討が必要である。
    レーザー積層造形のプロセス条件が上の様々な組織に及ぼす影響については、レーザー走査速度の増加により転位セルサイズ、変更構造間隔も小さくなること、転位密度が若干増えることが明らかとなった。レーザーパワーの影響も今後解析することを通じて、定量的にその強化機構について議論を進める予定である。
    CNN画像回帰モデルに微視的組織特徴量を入力できるように改造モデルを構築し、様々な組織因子と特性間を高精度で表現するモデルを構築する。また、プロセス条件とこれらの様々な組織とを関連付けるモデルの構築にも着手する。
    非平衡マルチフェーズフィールドモデルを用いた凝固組織形成シミュレーションに関しては、積層造形時に形成する溶融池を模擬したシミュレーションを可能とするために、GPUによる高速化やその場観察データを活用した凝固組織形成シミュレーションの精度向上を目指す.

  2. 材料画像工学:敵対的生成ネットワークによるフェイク複相組織像の生成

    研究課題/研究課題番号:新規採択  2022年4月 - 2025年3月

    日本学術振興会(JSPS)  基盤研究(B) 

      詳細を見る

    担当区分:研究代表者 

  3. 材料画像工学:敵対的生成ネットワークによるフェイク複相組織像の生成

    研究課題/研究課題番号:22H01807  2022年4月 - 2025年3月

    科学研究費助成事業  基盤研究(B)

    足立 吉隆, 小川 登志男

      詳細を見る

    担当区分:研究代表者 

    配分額:14820000円 ( 直接経費:11400000円 、 間接経費:3420000円 )

    本研究ではマテリアルDXの一環として、効率的に材料組織像を取得することを目的に、様々な敵対的生成ネットワーク(GAN)を使って、変化に富むフェイク材料組織像を生成することに挑戦する。用いるのは潜在変数制御によるフェイク画像創成が可能なDCGAN、二種類の画像の「概念」を理解し画像の特徴を交換するCycleGAN、低解像度像を高解像度化するSRGAN、数枚の二次元組織像から三次元組織像を生成するSliceGANとする。得たフェイク画像の有限要素法解析を実施しフェイク組織に対応した応力-ひずみ曲線を得て、組織―特性データ取得の完全バーチャル実験の可能性を検討する。
    様々な敵対的生成ネットワーク(generative adversarial network: GAN)を適用し、材料組織画像のバーチャル生成を行った。訓練画像と似て非なる画像を多量に生成するDCGAN、非ペアの二組の画像の特徴を交換するCycleGAN、低品質画像を高解像度化するSuper Resolution GAN (SRGAN)、数枚の二次元画像から三次元像を生成するSliceGANを鉄鋼材料組織に適用し、超効率的に高品質のバーチャル材料組織を生成することに成功した[1,2,3]。DCGANを利用し、二相組織鋼の多量の画像を生成し、その画像から有限要素法により応力ひずみ曲線を得た。これは材料組織、特性のバーチャルデータ取得が可能ということであり、データサイエンスによる順・逆解析と連携して、完全バーチャル材料設計への道筋を示した。CycleGANを適用し、光学顕微鏡画像を走査型電子顕微鏡画像(逆も可能)に変換した。SRGANを適用し、「リンゴ」で訓練した低品質画像からの高品質画像への変換モデルを使って、低解像度の光学顕微鏡画像を超解像度化した。SliceGANを適用し、原著のモデルを使って、等方性、異方性のある二相組織鋼の一枚、三枚の二値化処理した二次元画像から高品質の三次元像を生成した。更に、っ献茶二峰性を有する積層造形ステンレス鋼の三枚のグレースケール組織画像から、高品質の三次元像を生成する改良モデルを構築した。[1] R. Narikawa, et al., Adv. Theory Simul. 2022, 2100470. [2] K. Sugiura, et al., Adv. Theory Simul. 2022, 2200132. [3] K. Sugiura, et al., Journal of Imaging, in press.
    当初予定してた二次元材料画像のバーチャル生成に加えて、数枚の二次元像から三次元像を生成する事にも成功し、材料組織取得方法のこれまでにない新しいルートを開拓した。加えて、バーチャル生成した組織画像を有限要素法に入力し、応力―ひずみ曲線を得ることにも成功した。このことにより、バーチャルに材料組織データ、特性データが得られることになり、これまで構築してきた機械学習による順・逆解析と連携して、「完全バーチャル材料設計」への道筋を示したといえる。
    材料工学は、プロセスー材料組織―特性を関連させる学問であるが、GAN-有限要素法によるデータ生成では組織、特性データのバーチャル取得はできるが、プロセスとの紐づけが不十分である。そこで、今年度は条件つき敵対的生成ネットワーク(conditional GAN : CGAN)を使って、プロセス条件を付けたうえでバーチャル材料組織像を生成する事に取り組む。また、材料組織に求められるレベルのCGANの高解像度化モデルの構築にも取り組みたい。そして、プロセス、組織、特性の完全バーチャルデータを、これまで構築してきた「統合型材料設計システム」shinyMIPHA [1]およびMIPHA [2]を使って、順・逆解析を行い、最適なプロセス条件の超効率的な提示を行えるように取り組む。
    [1] Z. L. Wang, T. Ogawa, Y. Adachi: Advanced Theory and Simulations, (2019) 1900177.
    [2] Z.-L. Wang, Y. Adachi: Material Science and Engineering A, 744 (2019) 661.

  4. 材料画像工学:敵対的生成ネットワークによるフェイク複相組織像の生成

    研究課題/研究課題番号:23K23075  2022年4月 - 2025年3月

    科学研究費助成事業  基盤研究(B)

    足立 吉隆, 陳 達徳, 小川 登志男

      詳細を見る

    担当区分:研究代表者 

    配分額:14820000円 ( 直接経費:11400000円 、 間接経費:3420000円 )

    今年度は、GAN潜在変数のベイズ最適化により、二相組織鋼の力学的特性を一層向上させるための組織形態の在り方を追求する。
    敵対的生成ネットワーク(GAN)に焦点を当て、GANによる二次元、三次元画像の超効率的生成ならびに有限要素法と連携したバーチャル材料設計手法を構築した。成果のひとつ目としては、DCGANにより生成した二次元フェイク画像を作る元となった潜在変数を用いて、DCGAN-有限要素法の連携で得た機械的特性を最大化する逆解析を行う手法を開発した。実験では時間的な制約から得られない様々なフェイク組織を生成し、それを系統的に逆解析することにより特性を最大化する組織を提示した。成果の二つ目としては、数枚の二次元像からフェイク三次元像を高精度で構築するSliceGANの改良を行った。従来のシリアルセクショニングやトモグラフィー法などに比べて、短時間かつ特殊な装置を用いることなく、高精度なフェイク三次元像を得ることを示した。このフェイク三次元像についても三次元有限要素法と連携して変形挙動を調査し機械的特性をバーチャルで得る手法を構築した。三つ目の成果は、畳み込みニューラルネットワーク(CNN)を用いた画像回帰による特性の推定手法を構築した。人間による組織特徴量の抽出を一切せず、深層学習による自動特徴量抽出(潜在変数)を経て特性を推定する手法である。本CNN画像回帰は、組織画像と特性に加えて、組織画像とプロセスも関連付けることができる手法であり、プロセスー組織―特性を関連付ける新しい手法を構築したといえる。
    いづれも「潜在変数からの材料設計」を可能とする全く新しい材料設計手法であり、様々な材料への展開が期待できる。
    DCGAN-FEMの連携による潜在変数の最適化を通した材料設計手法を構築した。DACGAによりフェイク二次元像を多量に生成し、その組織画像より有限要素法により機械的特性を取得する。フェイク二次元像はパーシステントホモロジーにより定量解析し、それを次元圧縮した特徴量のベイズ逆解析により特性を最大化する潜在変数を探索する画期的な自動材料設計手法といえる。SliceGANについては、複雑な材料組織の実態を把握するために行われてきたシリアルセクショニングやトモグラフィーなどの実験的手法で問題であった画像取得の効率を最大化する特徴的な手法といえる。その精度解析も行い、実験三次元像と比べて遜色ない高精度の三次元像が得られることを確認した。このSliceGANによるフェイク三次元像の構築も、潜在変数からの組織設計である。加えて、組織―特性間の関連付けには従来材料組織の特徴量抽出が不可欠であったが、畳み込みニューラルネットワーク(CNN)を使った画像回帰により、人間に代わってコンピュータが特徴を抽出することにより特性との相関関係を解析することに成功した。CNN特徴量も潜在変数といえ、本年度取得したいずれの成果共に、「潜在変数からの材料設計」というマテリアルDXの最先端を行く成果を得ることができた。
    最終年度の本年度は、特に畳み込みニューラルネットワーク(CNN)による画像回帰をさらに発展させる。具体的には、組織―特性間の順逆解析で得た最適な組織を実現するプロセスの提示を行うアルゴリズムを構築する。ひとつは、CNN画像回帰を、組織―特性、組織―プロセスの両方に適用して、プロセスの提示を可能とする。いまひとつは、組織―特性間のCNN画像回帰で得た畳み込み特徴量(潜在変数)をUMAPで次元圧縮し、特性とそのUMAP特徴間の順逆解析で得たUMAP特徴量を使って、プロセスとの関連を多出力ニューラルネットワークで関連付けて、最大特性を得るためのプロセスを提示することを試みる。子の手法はCNN-ANN連携モデルといえる。
    これらの成果を次年度以降の科学研究費A課題に発展できるように、その基盤を構築する。

  5. 超温度場材料創成学:巨大ポテンシャル勾配

    2021年10月 - 2026年3月

    文部科学省  学術変革領域A  総括班

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

    配分額:1600000円

▼全件表示

産業財産権 16

  1. 観察撮影装置

    足立吉隆, 中山誠

     詳細を見る

    出願人:足立吉隆, 中山誠

    出願番号:特願2014-521474  出願日:2013年6月

    公開番号:WO2013191165  公開日:2013年12月

    特許番号/登録番号:特許第5874074  登録日:2016年1月 

    出願国:国内  

  2. 熱延高張力鋼材及びその製造方法

    脇田昌幸, 下川修平, 足立吉隆

     詳細を見る

    出願人:脇田昌幸, 下川修平, 足立吉隆

    出願番号:特願2002-300186  出願日:2002年10月

    公開番号:特開2004-131833  公開日:2004年4月

    特許番号/登録番号: 第4214370号  登録日:2008年11月 

    出願国:国内  

  3. 低C-Mn系超微細粒鋼とその製造方法

    藤岡政昭, 丸田慶一, 横田智之, 足立吉隆, 槙井浩一, 野村正裕, 難波茂信, 枩倉功和

     詳細を見る

    出願人:藤岡政昭, 丸田慶一, 横田智之, 足立吉隆, 槙井浩一, 野村正裕, 難波茂信, 枩倉功和

    出願番号:特願2001-17505  出願日:2001年1月

    公開番号:特開2002-220633  公開日:2002年8月

    特許番号/登録番号:第4577999号  登録日:2010年9月 

    出願国:国内  

  4. 13. 微細フェライト組織を有する鋼の製造方法

    足立吉隆, 富田俊郎, 日野谷重晴, 藤岡政昭, 横田智之, 松崎昭博, 枩倉功和

     詳細を見る

    出願人:足立吉隆, 富田俊郎, 日野谷重晴, 藤岡政昭, 横田智之, 松崎昭博, 枩倉功和

    出願番号:特願2000-286313  出願日:2000年9月

    公開番号:特開2002-97521  公開日:2002年4月

    特許番号/登録番号:第3844645号  登録日:2006年8月 

    出願国:国内  

  5. 微細粒フェライト組織を有する鋼の製造方法

    足立吉隆, 富田俊郎, 下川修平, 藤岡政昭, 横田智之, 枩倉功和

     詳細を見る

    出願人:足立吉隆, 富田俊郎, 下川修平, 藤岡政昭, 横田智之, 枩倉功和

    出願番号:特願平11-271724  出願日:1999年9月

    公開番号:特開2001-98322  公開日:2001年4月

    特許番号/登録番号:第4183861号  登録日:2008年9月 

    出願国:国内  

▼全件表示

 

担当経験のある科目 (本学) 9

  1. セラミックス材料学

    2020

     詳細を見る

    金属材料学の部分を担当。

  2. 統合型材料デザイン

    2020

     詳細を見る

    材料工学とデータサイエンスの統合講義で、この分野では日本で最先端かつ唯一無二の講義である。

  3. 先端プロセス工学1

    2020

     詳細を見る

    鉄鋼材料の製造プロセスに関する講義。

  4. 基礎セミナー

    2019

  5. 鉄鋼材料学

    2019

▼全件表示

 

社会貢献活動 6

  1. UFJ銀行シーズセミナー

    役割:講師

    UFJ銀行  広小路クロスタワー  2019年7月

     詳細を見る

    対象: 研究者, 社会人・一般, 企業, メディア

    種別:セミナー・ワークショップ

    マテリアルズインフォマティクスの最前線の講演

  2. 石川県工業技術センター講習会

    役割:講師

    石川県工業技術センター  石川県工業技術センター  2019年7月

     詳細を見る

    対象: 大学院生, 学術団体, 企業

    種別:セミナー・ワークショップ

    4時間の講義

  3. 関西材料デザイン研究会セミナー

    役割:講師

    関西材料デザイン研究会  大阪府立大学  2019年6月

     詳細を見る

    対象: 学術団体

  4. 日本鋳造工学会 鋳造CAE研究会セミナー

    役割:講師

    日本鋳造工学会 鋳造CAE研究会  大阪天満  2019年6月

     詳細を見る

    対象: 学術団体

    種別:セミナー・ワークショップ

    マテリアルズインフォマティクスに関する招待講演

  5. SPRing8研究審査委員

    高輝度光センター  2019年4月 - 2020年3月

     詳細を見る

    研究申請の評価

▼全件表示