Ryuki Kayano

• 2019.03 志学館高等部普通科 卒業 Graduated, Shigakukan High School
• 2020.04 千葉大学工学部総合工学科共生応用化学コース 入学 Enrolled, Dept. of Applied Chemistry and Biotechnology, Chiba University
• 2024.03 千葉大学工学部総合工学科共生応用化学コース 卒業 B.Eng., Chiba University
• 2024.04 千葉大学大学院融合理工学府先進理化学専攻共生応用化学コース 博士前期課程 入学 Enrolled, M.Eng. program, Graduate School of Science and Engineering, Chiba University
• 2025.09 同 博士前期課程 早期修了（修士（工学）） M.Eng. (early completion), Chiba University
• 2025.10 同 博士後期課程 入学 Enrolled, Ph.D. program, Chiba University
• 2026.04 日本学術振興会（JSPS） 特別研究員 DC1 採用 JSPS Research Fellowship DC1

所属研究室：極限環境材料化学研究室（指導教官：大窪 貴洋 准教授）
その他：千葉大学大学院融合理工学府 先進科学プログラム（博士前期1.5年＋博士後期2.5年） Lab: Extreme Environment Materials Chemistry Lab (Supervisor: Assoc. Prof. Takahiro Ohkubo)
Program: Frontier Science Program, Chiba University (1.5-year M.Eng. + 2.5-year Ph.D.)

• email kayano.ryuki(at)chiba-u.jp
• office 西千葉キャンパス 工学部1号棟 206室 Faculty of Engineering, Bldg. 1, Rm. 206, Nishichiba Campus
• lab amorphous.tf.chiba-u.jp
• github ald3hyde/pre_and_post
• linkedin ryuki-kayano
• researchgate Ryuki-Kayano-2
• orcid 0009-0008-8518-7551
• KAKEN 萱野 琉輝

受賞Awards

• 1 ポスター賞Poster Award — 学術変革領域研究 (A)「超秩序構造が創造する物性科学」第7回成果報告会，2024年3月 7th Annual Symposium on Hyper-Ordered Structures and Physical Properties, March 2024
• 2 Cover Art 選出Selection — J. Phys. Chem. C, Vol. 128, Issue 41 (2024)
• 3 奨励ポスター賞Encouragement Poster Award — 第56回ガラス部会若手セミナー，2025年8月 56th Glass Division Young Researchers Seminar, August 2025

フェローシップ・奨学金Fellowships & Scholarships

• 1 キーエンス財団 奨学生Keyence Foundation Scholarship （2023年度）(2023)
• 2 オリエンタルモーター奨学財団 奨学生Oriental Motor Scholarship Foundation （2023, 2024, 2025年度）(2023, 2024, 2025)
• 3 千葉大学大学院 先進科学プログラム生Chiba University Frontier Science Program （2024年度）［早期学位取得対象者］(2024) [Early degree completion track]
• 4 戸部眞紀奨学財団 奨学生Tobé Maki Foundation Scholarship （2024–2025年度）(2024–2025)
• 5 公益財団法人 G-7奨学財団 奨学生G-7 Scholarship Foundation （2025年度）(2025)
• 6 日本学術振興会（JSPS） 特別研究員 DC1JSPS Research Fellowship DC1 （2026–2029年度）(2026–2029)
• 7 帝人奨学財団 奨学生Teijin Scholarship Foundation （2026–2029年度）(2026–2029)

• MD LAMMPS, DeePMD-kit
• DFT VASP
• 言語language Python, Shell, Julia
• 可視化visualize matplotlib, VMD
• 文書docs LaTeX

これまでの研究活動中で構築したプログラムのうち，利用できそうなものを公開しています。汎用的に使える指針で書いていないため，ご了承下さい。動作しない場合などはご一報いただけると幸いです。プログラムはGitHub上で公開しています。

Selected programs developed during my research are available on GitHub. These are not written as general-purpose libraries — please use at your own discretion, and feel free to reach out if something does not work.

dump2glassanalysis.py

LAMMPSのMDシミュレーションで得られたdump (.lammpstrj) ファイルから配位数とX-O-X (X: ネットワークフォーマー) の計算を行うプログラム。

Computes coordination numbers and X-O-X bond angles (X: network former) from LAMMPS MD dump (.lammpstrj) files.

./dump2glassanalysis.py example.lammpstrj -v

計算結果は時間平均されたものが標準出力と，Excelファイル (dump2analysis.xlsx) に出力されます。結合の有無を判断するカットオフ距離は if __name__ == "__main__": 以下で直接指定しています。例えば，リン酸ガラス中のP-Oの配位数を追加で求めたい場合は

Time-averaged results are written to stdout and an Excel file (dump2analysis.xlsx). Cutoff distances are set directly under if __name__ == "__main__":. To add P-O coordination in phosphate glass:

CUTOFF["P"] = 2.2  # P-O cutoff in Å

dump2glassdescript.py

LAMMPSのMDシミュレーションで得られたdumpファイルから，配位数，\(Q^n\)，ガラス構造を表現する構造記述子を計算するプログラムです。

Computes coordination numbers, \(Q^n\) speciation, and structural descriptors from LAMMPS dump files.

./dump2glassdescript.py example.lammpstrj -v

• スラブがある系で表面のみに着目したい場合は，最も露出しているSiからの距離（default: 5.0 Å）をプログラムで指定して -s オプションを追加する。
• To focus on surface sites in slab systems, set a distance from the most exposed Si atom (default: 5.0 Å) and add the -s flag.
• 進行状況を非表示にする場合は -v オプションを追加する。
• Add -v to suppress the progress display.
• 各カチオンと酸素のカットオフ距離は下記のようにプログラム中で指定してください。dump2glassanalysis.py と異なり，Si-Siなどの配位数も求められます。
• Cation–oxygen cutoffs are specified as below. Unlike dump2glassanalysis.py, cation–cation coordination (e.g. Si–Si) is also supported.

CUTOFF["Si-O"] = 2.2  # Si-O cutoff in Å

• \(Q^n\) とは，あるカチオンの周囲に存在するフォーマーカチオン同士を結ぶ架橋酸素 (BO) の数 (\(n\)) でカチオンを種別するものです。
• \(Q^n\) classifies network-forming cations by the number of bridging oxygens (\(n\)) connecting them to neighboring formers.
• 構造記述子に関しては，先行研究で利用された，$$F_{\rm net} = \frac{1}{N} \sum_{X}^{\mathrm{cations}} n_{X} \cdot CN_{\rm XO} \cdot SBS_{\rm XO} \cdot m_{X}$$を実装しました。Xはガラス中に存在するカチオン元素（e.g. Si, Al, B, Na, etc.）を表します。CNとSBSはXのO（酸素）に対する配位数と酸化物中での単結合エネルギー (Single Bond Strength) をそれぞれ意味しています。
• The structural descriptor from prior work is implemented:$$F_{\rm net} = \frac{1}{N} \sum_{X}^{\mathrm{cations}} n_{X} \cdot CN_{\rm XO} \cdot SBS_{\rm XO} \cdot m_{X}$$where X denotes cation species (Si, Al, B, Na, …), CN is the coordination number with O, and SBS is the single bond strength in the oxide.
• mutiple factor \(m_X\) はX-Oペア毎に決められた定数です。この組成依存性のない \(m_X\) の代わりにネットワーク接続性 (NC) を用いた記述子，$$F_{\rm net} = \frac{1}{N} \sum_{X}^{\mathrm{cations}} n_{X} \cdot CN_{\rm XO} \cdot SBS_{\rm XO} \cdot M_{NC}$$も実装しました。NCを用いた構造記述子の方が \(m_X\) を用いた場合と比べて高い精度で物性値（密度，ヤング率，初期溶解速度など）を予測する傾向が見られます。詳細は論文を参照してください。
• The multiplying factor \(m_X\) is a composition-independent constant per X-O pair. An alternative replacing \(m_X\) with network connectivity (NC) is also implemented:$$F_{\rm net} = \frac{1}{N} \sum_{X}^{\mathrm{cations}} n_{X} \cdot CN_{\rm XO} \cdot SBS_{\rm XO} \cdot M_{NC}$$The NC-based descriptor tends to predict physical properties (density, Young's modulus, initial dissolution rate) more accurately. See the paper for details.

出版物Publications

• 1 ◯R. Kayano, Y. Inagaki, R. Matsubara, K. Ishida, T. Ohkubo. "Development and Validation of Neural Network Potentials for Multicomponent Oxide Glasses", J. Phys. Chem. C, 128(41), 17686–17702 (2024). Cover Art
• 2 ◯R. Kayano, R. Shimoyama, R. Matsubara, K. Ishida, Y. Inagaki, T. Ohkubo. "Integrated Modeling of Short-Term Glass Dissolution: Combining Experimental and Computational Approaches for Accurate Predictions." Available at SSRN 4874443 (2023). Preprint
• 3 ◯T. Kato, R. Kayano, T. Ohkubo. "Machine-Learning Molecular Dynamics Study on the Structure and Glass Transition of Calcium Aluminosilicate Glasses", J. Phys. Chem. B, 129, 33, 8561–8572 (2025).
• 4 ◯Faijan, Jean-Marc Delaye, Ryuki Kayano, Takahiro Ohkubo, Stephane Gin. "A multi parameter approach for predicting initial dissolution rate of silicate glasses", npj Mater. Degrad., XXX, XXXXX (2026).

学会発表Presentations

国際学会・会議・シンポジウムInternational

• 1 (Poster) ◯R. Kayano, T. Ohkubo, R. Matsubara, K. Ishida. "Predicting alteration layers volume for the glasses with 20 compositions", Sumglass 2023, Sept. 2023, Nîmes, France.
• 2 (Poster) ◯R. Kayano, T. Ohkubo, R. Matsubara, K. Ishida. "A machine-learning potential to model multi-component oxide glasses", GOMD 2024, Las Vegas, U.S.A., May 2024.
• 3 (Oral) ◯R. Kayano, R. Matsubara, K. Ishida, T. Ohkubo. "Transferable Approach to Model Multi-component Oxide Glasses Using Machine-learning Potentials", International Workshop on Hyperordered Structures and Quantum Materials, Saskatchewan, Canada, Jul. 2024.
• 4 (Poster) ◯R. Kayano, I. Sato, A. Masuno, T. Ohkubo. "Machine Learning Molecular Dynamics Study: Insights into Structures of ZrO₂-Mullite Glasses", Symposium on Hyper-Ordered Structure Sciences in London, London, U.K., Jan. 2025.
• 5 (Poster) ◯R. Kayano, I. Sato, A. Masuno, T. Ohkubo. "Revealing Local Environment Network Topology of ZrO₂-containing Mullite Glasses using Machine Learning Potential", 16th PACRIM and GOMD 2025, Vancouver, May 2025.
• 6 (Poster) ◯R. Kayano, T. Ohkubo, J.M. Delaye, S. Gin. "Investigation of Water-Aluminoborosilicate Glass Interfaces using Machine Learning Potentials", International Congress of Glass Workshop (TC27), Aug. 2025.

国内の学会・会議・シンポジウムDomestic (Japan)

• 1 (口頭) ◯萱野 琉輝，松原竜太，石田圭輔，大窪 貴洋「ガラス構造データを利用したガラス溶解モデルの開発」，第5回放射性廃棄物固化体討論会，滋賀，2023年10月
• 2 (ポスター) ◯萱野 琉輝，大窪 貴洋，松原竜太，石田 圭輔「機械学習ポテンシャルを利用した多成分系酸化物ガラスのモデリング」，学術変革領域研究 (A)「超秩序構造が創造する物性科学」第7回成果報告会，岡山，2024年3月 ポスター賞
• 3 (口頭) ◯萱野 琉輝，佐藤 宇應，増野 敦信，大窪 貴洋「機械学習ポテンシャルを用いた ZrO₂-Al₂O₃-SiO₂ ガラスネットワーク構造のモデリング」，第65回ガラスおよびフォトニクス材料討論会，福岡，2024年11月
• 4 (口頭) ◯Kim Jinhyun，萱野 琉輝，大窪 貴洋，丸山 一平「カルシウムシリケート化合物と炭酸塩鉱物の機械学習ポテンシャルの開発と応用」，第79回セメント技術大会，東京，2025年5月
• 5 (ポスター) ◯R. Kayano, T. Ohkubo, J.M. Delaye, S. Gin「多成分系ガラス-水界面のモデリング」，第56回ガラス部会若手セミナー，滋賀県高島市，2025年8月 奨励ポスター賞
• 6 (口頭) ◯萱野 琉輝，大窪 貴洋「機械学習ポテンシャルを用いたボロシリケイト―水界面で起こるボロンの溶解反応を含んだ水和反応への原子論的洞察」，第7回放射性廃棄物固化体討論会，秋田，2025年10月