大久保友雅
From Wikipedia, the free encyclopedia
| 人物情報 | |
|---|---|
| 生誕 | 1978年12月8日（47歳） |
| 国籍 |
 日本 |
| 出身校 | 東京工業大学 |
| 学問 | |
| 研究分野 | レーザー工学 |
| 研究機関 |
東京工業大学 国立台湾大学 光産業創成大学院大学 東京工科大学 |
| 学位 | 博士（理学）（東京工業大学）[1] |
| 主な業績 |
レーザーアブレーションのナノクラスター形成の数値計算の実現[2]、 水を用いたレーザー推進による連続推進の実現[3][4]、 太陽光励起レーザーの面積効率の向上[5][6][7]、 CFRPのレーザー加工の数値計算[8][9]、 レーザー加熱試験方法SLT法の開発[10] |
| 学会 | レーザー学会、レーザ加工学会、応用物理学会、日本機械学会、SPIE[11] |
| 公式サイト | |
| 東京工科大学大久保研究室 | |
大久保 友雅（おおくぼ ともまさ、1978年12月8日 - ）は、日本の機械工学・物理学者。東京工科大学教授。博士（理学）（東京工業大学）。[12]
専門は、太陽光励起レーザー、レーザー工学、数値解析[13]。 国内における太陽光励起レーザー研究の第一人者の一人[14]。
主な業績は、太陽光励起レーザーの出力と面積効率の向上を同時に達成[5][6][7]。また、ガルバノスキャナを用いたレーザの高速スキャンによる選択的レーザ温度制御(SLT: Selective Laser Thermoregulation)法を開発[10]。 その他、ZR理論を用いたレーザーアブレーションのナノクラスター形成の数値計算[2]の実現や、水を用いたレーザー推進による連続推進の実現[3][4][1]、水を用いたレーザー推進の数値計算[15][16]、CFRPのレーザ加工における数値計算[8][9]でも成果を挙げている。また、レーザーに直接関係ない研究としても、数値計算における初期値推定法の開発[17]や、誘電体多層膜に関するAIの開発[18]、マグネシウム合金の腐食危険度を判定する画像認識AIシステムの開発[19]等の研究活動を実施している。
1997年 東京都立新宿高等学校卒業。
2001年東京工業大学理学部応用物理学科卒業。学士（理学）。
2003年 東京工業大学大学院総合理工学研究科創造エネルギー専攻修士課程修了。修士（理学）。Zeldovich–Raiser理論を用いて二次元軸対称空間におけるレーザーアブレーション内で生じるナノクラスターの生成過程の数値計算に成功．[2]
2006年 東京工業大学大学院総合理工学研究科創造エネルギー専攻博士課程修了。博士（理学）。水を用いたレーザー推進で70gの自動車模型の連続的な推進や金属を用いず水だけを用いたレーザー推進に成功[4]。博士論文は「水を用いたレーザー推進に関する基礎的研究」[1]。
2006年 東京工業大学統合研究院特任助教。2007年同大学大学院機械物理工学専攻助教。太陽光励起レーザーの面積効率の世界最高効率を3回更新[5][6][7]。科学研究費補助金を得て「太陽励起レーザーの高効率な太陽光キャビティの開発」を実施[21]。
2014年 東京工科大学メディア学部メディア学科専任講師に着任。科学研究費補助金を得て「太陽励起レーザーのための高効率な太陽光キャビティの開発」を実施[22]。
2015年 東京工科大学工学部機械工学科専任講師。東京工科大学に新しく工学部を立ち上げると同時に「光・エネルギー研究室」を立ち上げる[23]。炭素繊維強化プラスチック(CFRP)をレーザーで切断した際に，樹脂と繊維とで除去のされ方が異なる現象を数値計算により解明[8][9]。
2018年 東京工科大学工学部機械工学科准教授。内閣府が主導する国家プロジェクトである戦略的イノベーション創造プログラム(SIP)の第二期に「統合型材料開発システムによるマテリアル革命」の「セラミックス基複合材料の航空機エンジン部材化技術の開発」において、"Selective Laser Thermoregulation法" と名付けた新しいレーザ加熱手法を開発[10]。更に、新エネルギー・産業技術総合開発機構(NEDO)の「官民による若手研究者発掘支援事業」において、SLT法におけるレーザ照射条件を決定するAIの開発を実施[24][25]。そして科学研究費補助金を得て「太陽光励起レーザーの効率向上のための複合的非結像集光技術の開発」を実施[26]。
2024年 東京工科大学工学部機械工学科教授。内閣府が主導する国家プロジェクトである経済安全保障重要技術育成プログラム(Kプログラム)の「高度な金属積層造形システム技術の開発・実証」において「高付加価値設計・製造を実現する統合型レーザー金属積層造形技術[27]」の研究開発プロジェクトに従事[28]。現在に至る。
主な受賞歴
- 2005年 日本機械学会 動力エネルギーシステム部門: 優秀講演表彰 [29]
- 2014年 レーザ加工学会: 優秀ポスター賞 [30]
- 2018年 The 8th International Symposium on Computational Intelligence and Industrial Applications & The 12th China-Japan International Workshop on Information Technology and Control Applications: Best Presentation [31]
- 2022年 The 2nd International Conference on Advanced Technology and Sustainable Development 2022: Best oral presentation[32]
主な著作
学位論文
- 大久保友雅『水を用いたレーザー推進に関する基礎的研究』 東京工業大学〈甲第6373号〉、2006年。
学術論文
- T. Ohkubo, et al. (2003). “Numerical analysis of nanocluster formation within ns-laser ablation plume”. Applied Physics A 77: 271-275. doi:10.1007/S00339-003-2135-3.
- Tomomasa Ohkubo, et al. (2003). “Laser-Driven Micro-Ship and Micro-Turbine by Water-Powered Propulsion”. AIP Conference Proceedings 664: 535-544. doi:10.1063/1.1582140.
- Tomomasa Ohkubo, et al. (2005). “Laser Propulsion Using Metal‐Free Water Cannon Target”. AIP Conference Proceedings 766: 394-405. doi:10.1063/1.1925160.
- Y. Yabe, T. Ohkubo, et al. (2007). “High-efficiency and economical solar-energy-pumped laser with Fresnel lens and chromium codoped laser medium”. Applied Physics Letters 90. doi:10.1063/1.2753119.
- T. Ohkubo, et al. (2009). “Solar-pumped 80 W laser irradiated by a Fresnel lens”. Applied Physics Letters 34. doi:10.1364/OL.34.000175.
- Tomomasa Ohkubo, et al.et al. (2014). “Development of solar concentrators for high-power solar-pumped lasers”. Applied Optics 53. doi:10.1364/AO.53.002711.
- Eiichi Matsunaga and Tomomasa Ohkubo (2016). “Using the Characteristic Equation to Estimate the Initial Values for Numerical Forecasts”. Journal of Advanced Computational Intelligence and Intelligent Informatics 20. doi:10.20965/jaciii.2016.p1147.
- Tomomasa Ohkubo, et al. (2016). Numerical simulation of combustion effects during laser processing of carbon fiber reinforced plastics. 122. doi:10.1007/s00339-016-9735-1.
- Tomomasa Ohkubo, et al. (2017). “Three-dimensional numerical simulation during laser processing of CFRP”. Applied Surface Science 417. doi:10.1016/j.apsusc.2017.02.249.
- Tomomasa Ohkubo, et al. (2019). “Recurrent neural network for predicting dielectric mirror reflectivity”. Journal of Advanced Computational Intelligence and Intelligent Informatics 23. doi:10.20965/jaciii.2019.p1012.
- Hayato Koshiji, Tomomasa Ohkubo, et al. (2020). “Selective Laser Thermoregulation System for Accelerated Degradation Test of SiC/SiC CMCs”. Journal of Laser Micro/Nanoengineering 15. doi:10.2961/jlmn.2020.03.2003.
- Tomomasa Ohkubo, et al. (2021). “Numerical Simulation of Laser-Induced Bubble and Metal-Free Water Cannon”. Journal of Advanced Computational Intelligence and Intelligent Informatics 25. doi:10.20965/jaciii.2021.p0050.
- Miki Nakaone, Tomomasa Ohkubo, et al. (2021). “Artificial Intelligence for Estimating Laser Power from Temperature Distribution”. Journal of Laser Micro/Nanoengineering 16. doi:10.2961/jlmn.2021.02.2002.
- Tomomasa Ohkubo, et al. (2022). “Numerical simulation of a laser ‑ induced bubble of new laser propulsion method inhaling water”. Applied Physics A 128. doi:10.1007/s00339-022-05958-3.
- Miki Nakaone, Tomomasa Ohkubo, et al. (2022). “Artificial Intelligence for Estimating Multiple Irradiation Conditions from Temperature Distribution”. Journal of Laser Micro/Nanoengineering 17. doi:10.2961/jlmn.2022.03.3001.