吉留 崇 (Takashi Yoshidome)
東北大学 大学院工学研究科 応用物理学専攻 数理物理学分野 准教授
（兼務：ソフトマテリアル研究拠点、先端スピントロニクス医療応用工学共同研究講座）
takashi.yoshidome.b1 [AT] tohoku.ac.jp
論文受理・出版など
吉留が参画した課題がCRESTに採択され、2022年10月よりスタートしました。
「次世代放射光X線ナノCT計測の確立と展開」 （研究代表者：高山 裕貴 ）CBI学会2024年大会にてポスター賞を受賞しました（2024年10月31日）。
伊藤 祐希、大田 雅照、池口 満徳、吉留 崇 [発表者]
"Deep-Learning model for Predicting the Replacement of Water Molecule upon Ligand Binding"T. Yoshidome and S. Arai,
"Interface-Packing Analysis of F1-ATPase using Integral Equation Theory and Manifold Learning"
Physica A, Vol. 655, 130201 (2024). [Open access]
This paper belongs to a virtual special issue “Effective Interactions between Molecules, Proteins, and Colloidal Particles in Liquids: Manifestation of Thermodynamic Stability in Chemical and Biological Systems”.Shota Arai, Gota Kikugawa, and Takashi Yoshidome (Corresponding author, ポスドク指導)
“Extraction of Molecular Information from Experimental Data of Liquids using Manifold Learning”
Journal of Molecular Liquids, Vol. 414, 126251 (2024). [Open access]K. Kawama, Y. Fukushima, M. Ikeguchi, M. Ohta, and T. Yoshidome (Corresponding author, 学生指導)
"gr Predictor: A Deep-Learning Model For Predicting the Hydration Structure of Proteins",
Journal of Chemical Information and Modeling, Vol. 62, 4460 (2022).
プログラム"gr Predictor"：https://github.com/YoshidomeGroup-Hydration/gr-predictor小田垣 孝、吉留 崇、大久保 毅、
「現代の物性物理学」(M. L. Cohen and S. G. Louie: Fundamentals of Condensed Matter Physics)
吉岡書店、2021年9月出版 Amazonのページ
講演
第4回学術変革領域「学習物理」物性関係討論会、東京大学、2025年1月14日
吉留 崇
"水和自由エネルギー分布を高速に計算する深層学習モデルの開発"（口頭）
IIS Symposium "Soft and Liquid Matter Physics: Past, Present and Future", University of Tokyo, 2025/3/10-13
Shota Arai, Yuki Takayama, Gota Kikugawa, and Takashi Yoshidome,
“Machine-learning Approach for Extracting Microscopic Information from Experimental Data on Liquid Substances and Porous Structures”（ポスター）
American Physical Society Global Physics Summit March Meeting, USA, 2025/3/10-16
Shota Arai, Yuki Takayama, Gota Kikugawa, and Takashi Yoshidome,
“Machine-Learning Approach to the Extraction of Microscopic Information from Experimental Data”（ポスター）
研究テーマ
キーワード：タンパク質、水和、深層学習、液体の統計力学理論、低温電子顕微鏡、多変量解析、ガラス転移
水和に主眼を置いたタンパク質折り畳み・変性・機能発現機構の統一的理解、及び創薬への応用
マニフォールドラーニングを用いた低温電子顕微鏡実験データ分類・解析法の開発と応用
自由エネルギーランドスケープ理論を用いたガラス転移の理解