足立研究室のマテリアルズインフォマティクス関係の教科書、解説、論文一覧

教科書・ハンドブック

• 足立吉隆、小山敏幸, 3D材料組織・特性解析の基礎と応用―シリアルセクショニング実験およびフェーズフィールド法からのアプローチ―, 内田老鶴圃, (2014).
• 足立吉隆、マテリアルズインフォマティクス～機械学習を活用した材料工学への誘い～，デザインエッグ社，(2016).
• 足立吉隆、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～, 2018, 情報機構 「 マテリアルズ・インフォマティクスにおける識別器選択、ハイパーパラメータのベイズ的最適化とスパース学習の重要性」
• 足立吉隆、マテリアルズ･インフォマティクスを用いた新材料開発へのアプローチ, 2018.11, 技術情報協会「 材料組織の類似性評価」
• 足立吉隆,福井ちひろ,Zhi Lei Wang, 材料組織画像の特徴量解析, 日本表面真空学会編『図説 表面分析ハンドブック』
• 足立吉隆、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、エヌ・ティ・エス社
• 足立吉隆、機械工学年鑑2019（機械工学の最新動向、５．材料力学） 機械学会　
• 足立吉隆　マテリアルズ・インフォマティクス　Q&A書籍（分筆）、 2020、情報機構
  
  特集号企画
• 日本鉄鋼協会ふぇらむ特集号：　鉄鋼業におけるAI・IoT技術の最前線, 2018年12月号
• 日本金属学会まてりあミニ特集号： マテリアル・プロセス・計測インフォマティクスを一層推進するための最新数学・情報工学の基礎と材料工学への適用例, 2019年1月号
• JIM-KIMシンポジウム　2018年　日本側委員長　マテリアルズインフォマティクス
• PRICM10 委員長　
• Thermec2020 シンポジウム委員長　企画中
• 日本鉄鋼協会ふぇらむ入門講座：　マテリアルズインフォマティクス　2020年下期
  
  解説・論文
• 足立吉隆, 位相幾何学, 微分幾何学に基づく定量3D/4D組織学への挑戦, ふぇらむ, Vol.15, pp.762-769 (2010).  3D計量形態学
• 足立吉隆, コンピューター支援3D計量形態学, 軽金属, Vol.61, pp.78-84 (2011).  3D計量形態学
• 佐藤直子, 定松直, 足立吉隆, 材料組織の形態評価の変遷と展望, 鉄と鋼（100周年記念特集号）, Vol.100, No.10, pp.1182-1190 (2014).  3D計量形態学
• 足立吉隆, 定松直, 増田雄太, 吉田拓真, 松下康弘,情報統計力学に基づいた高次元データ駆動型特性予測,64(11)(2014),pp.533-541・ベイズ更新,統計的検定
• 足立 吉隆, 新川田 圭介, 奥野 晃弘, 弘川 奨奨悟, 田口 茂樹, 定松 直, 初歩的な人工知能によるDP鋼の高次元組織データ駆動型応力−ひずみ曲線の予測，鉄と鋼，102巻 1号, pp.47-55(2016)  機械学習（順解析）
• 足立吉隆,田口茂樹,弘川奨悟,ディープラーニングによる組織識別率の検証,鉄と鋼,102巻12号,pp.722-729(2016).  ディープラーニングによる画像認識
• 足立吉隆, 材料工学における人工知能の活用, 機能材料, 36巻9号, p.40-45(2016).  AI材料工学
• 田口茂樹, 弘川奨悟,安田格,徳田耕平,足立吉隆,先進的画像処理による組織検出, 鉄と鋼, 103巻3号, pp.142-148(2017).  機械学習型画像処理による領域抽出
• 弘川奨悟,田口茂樹,松下康弘,足立吉隆,鉄と鋼, DP鋼の応力―ひずみ曲線を支配する組織因子のスパース学習, 103巻8号,(2017), pp.468-474.  記述子選択
• 足立吉隆,松下康弘,上村逸郎,井上純哉,機械学習支援の材料情報統合システム, システム制御情報学会誌, 61巻,No.5, pp.188-193(2017).  材料情報統合システム
• 足立吉隆,鉄鋼インフォマティクス研究会の成果と今後の展開,23(6)(2018), pp.25-31・逆解析
• 足立吉隆,Zhi Lei Wang,理論式の高精度化のためのパラメータ推定, ふぇらむ(AI特集号), 2018年12月号  パラメトリックモデルとノンパラメトリックモデルによる順解析
• ZhiLei Wang, Yoshitaka Adachi, Property prediction and properties-to-microstructure inverse analysis of steels by a machine-learning approach, Material Science and Engineering A, 744(28),(2019),pp.661-667.
• ZhiLei Wang, Toshio Ogawa, Yoshitaka Adachi, Properties-to-microstructure-to-processing inverse analysis for steels via machine learning, ISIJ International, Vol.59(9),(2019),pp.1691-1694.
• Zhi‐Lei Wang, Yuuki Yokoyama, Tetsuhiko Onda, Yoshitaka Adachi and Zhong‐Chun Chen, Improved Thermoelectric Properties of Hot‐Extruded Bi–Te–Se Bulk Materials with Cu Doping and Property Predictions via Machine Learning, Advanced Electronic Materials, 5, 6, (2019).
• Zhi-Lei Wang, Toshio Ogawa, Yoshitaka Adachi, Influence of algorithm parameters of Bayesian optimization, genetic algorithm, and particle swarm optimization on their optimization performance, Journal of Advanced Theory and Simulations, 2(10)(2019),1900110.
• Zhi-Lei Wang, Toshio Ogawa, Yoshitaka Adachi, A machine learning tool for materials informatics, Journal of Advanced Theory and Simulations, 3(1),(2019),1900177.
• Fumito Ajioka, Zhi-lei Wang, Toshio Ogawa, Yoshitaka Adachi, Development of high accuracy segmentation model for microstracture of steel by deep learning, ISIJ International, Vol.60(5).(2020), 954-959.
• Zhi-Lei Wang, Toshio Ogawa, Yoshitaka Adachi, Property predictions for dual phase steels using persistent homology and machine learning, Journal of Advanced Theory and Simulations, 3(3)(2020),1900237.
• 足立吉隆,Zhi-Lei Wang,小川登志男,画像認識と定量組織学１（材料工学的に重要な組織特徴量の抽出）,ふぇらむ,入門講座解説記事,25(9)(2020), p.569-578.
• 足立吉隆,Zhi-Lei Wang,小川登志男,定量組織学2 （数学的に重要な組織特徴量の抽出と類似性の評価）,ふぇらむ,入門講座解説記事,25(10)(2020),p.629-636.
• 足立吉隆,Zhi-Lei Wang,小川登志男,材料工学における機械学習による順解析と逆解析,ふぇらむ,入門講座解説記事,25(11)(2020),p.695-709.
• Zhi-Lei Wang、 小川登志男、足立吉隆、MIPHA and shinyMIPHA for Use in Materials Characterization、ふぇらむ、入門講座解説記事、26(10)(2021)、投稿中
• 村松美穂、足立吉隆、Zhi-Lei Wang、小川登志男、石川恭平、白幡浩幸、藤岡政昭、破面解析へのコンピュータビジョンの適用、材料、解説記事、69(9)(2020),p.640.
• Zhi-Lei Wang, Toshio Ogawa, Yoshitaka Adachi,Persistent-homology-based microstructural optimization of materials using t-distributed stochastic neighbor embedding, Journal of Advanced Theory and Simulations, (2020),202000040.
• Ryotaro Maeda,Zhi-Lei Wang,Toshio Ogawa,Yoshitaka Adachi, Stress–strain partitioning behavior and mechanical properties of dual-phase steel using finite element analysis, Materials Today Communications, 25(2020), p.101658.
• 足立吉隆、小川登志男、王志磊、実験、モデリング、データサイエンスの連係による統合型材料デザインに向けて、素形材、62(3)(2021),p.39-43.
• Kazuki Kiyomura, Zhilei Wang, toshio Ogawa, Yoshitaka Adachi, Characterization and optimization of pearlite microstructure using persistent homology and Bayesian optimization, ISIJ International, 62(2)(2022), in print.
• Miho Muramatsu; Toshio Ogawa; Yoshitaka Adachi; Tetsuya Namegawa; Kyohei Ishikawa; Hiroyuki Shirahata; Masaaki Fujioka, High-efficiency recognition of fracture initiation sites in steel by you only look once, Engineering Fracture Mechanics, submitted to ISIJ international.
• Zhi-Lei Wang, Toshio Ogawa, Yoshitaka Adachi, Yuji Tanaka, Shin Ishikawa, Generative adversarial networks-based synthetic microstructures for data-driven materials design, Journal of Advanced Theory and Simulations, 2022.
• Keiya Sugiura, Toshio Ogawa, Yoshitaka Adachi, Hourly work of three-dimensional microstructural visualization of dual phase steels by SliceGAN, Journal of Advanced Theory and Simulations, 2022.
•  

材料情報統合システムマニュアル

• MIPHA, http://www.numse.nagoya-u.ac.jp/3DAI/MIPHA/MIPHA_manual.pdf 材料組織画像認識, 機械学習型画像処理, 2D/3D定量解析（材料学的特徴量抽出）, 順解析(ANN), 逆解析（遺伝的アルゴリズム）
• rMIPHA, http://www.numse.nagoya-u.ac.jp/3DAI/R/rMIPHA_manual.pdf　順解析(ANN,SVR,RF),逆解析（ベイズ的最適化,遺伝的アルゴリズム）,変数選択(AIC.BCI,lasso),次元削減(PCA,オートエンコーダ）
• shinyMIPHA, http://www.numse.nagoya-u.ac.jp/3DAI/shinyMIPHA/index.html, 数学・画像工学的特徴量抽出、順解析（ベイズ回帰,ANN,SVR,RandomForest)、逆解析（遺伝的アルゴリズム、粒子群最適化、ベイズ的最適化）、スパース学習、次元削減