シミュレーション理論

Simulation Theory

ー

電子情報工学専攻科目

工学研究科

1年

HETMN5MCA1

2単位

講義 (Lecture)

2024年度後期

新居 学

工学研究科

日本語

目標9

水曜日12:00~13:00・6206室(メールによる事前連絡が望ましい)

nii@eng.u-hyogo.ac.jp

ー

1◎／2〇／3〇

ー

ー

講義目的：計算機シミュレーションによる現象解析は、計算機の中に解析すべき対象をモデル化しその挙動を解析する手法であり、物理学、生物学、化学、人工知能（AI）、データサイエンスなどに代表される様々な分野において実験解析や理論解析と並び重要な役割を果たしている。本講義では、主としてAIやデータサイエンス分野に焦点をあてて、計算機シミュレーションの事例などを交えながら講義を進める。また、オープンデータを利用した課題により、計算機シミュレーションによるデータ・現象解析を行う。

到達目標：

• AIやデータサイエンス分野におけるシミュレーション技法の基礎となる数値解析技術を説明できる
• 対象とする問題に対してモデル化を行い，シミュレーションプログラムを実装できる
• シミュレーション結果の解析ができる

講義内容：工学分野の研究・開発における様々な局面において、計算機シミュレーションによるデータ解析は必須となっている。物理学や化学の分野だけでなく経済や社会学等の幅広い分野でシミュレーションが利用される。本講義ではこのようなデータサイエンス分野に焦点をあて、AI技術や機械学習の手法について、またそれらに必要な基礎理論、データ解析技術について論じる。さらに。オープンデータを用いた演習を行う。なお、シミュレーションに関する最新の研究動向等によって授業計画の内容・順序を変更したり、新たな内容を追加することがある。

授業計画：
　　１．計算機シミュレーションの概要（配付資料１章）
　　２．数値演算において発生する誤差（配付資料２章）
　　３．統計・確率，乱数の生成，モンテカルロ法（配付資料３章）
　　４．関数補完・関数近似，数値積分・数値微分（配付資料４章）
　　５．仮説と推定（配付資料５章）
　　６．機械学習（配付資料６章）
　　７．神経回路とニューラルネットワーク（配付資料７章）
　　８．ニューラルネットワークの基礎（配付資料８章）
　　９．深層学習（主に画像処理などの分野）（配付資料９章）
　１０．深層学習（主にテキスト処理などの分野）（配付資料１０章）
　１１．強化学習の基礎（配付資料１１章）
　１２．強化学習（配付資料１２章）
　１３．オープンデータを用いたシミュレーション（配付資料１３章）
　１４．シミュレーションプログラム実装（配付資料１３章）
　１５．シミュレーション結果の解析（配付資料１３章）

パソコンの利用：基本的に毎回使用予定
生成系AIの利用：生成系AIの利用については教員の指示に従うこと。

講義資料を配付する。

講義中に適宜指示する。

【予習】授業に際して配付資料の部分を事前読み込み（15ｈ），関連する内容の事前調査（15h）
【復習】課題演習・レポート作成（3回、15ｈ）、講義内容の理解を深め定着させるために配付資料を読み直し（15ｈ）

採用しない。

成績評価の基準

• シミュレーション技法の基礎となる数値解析技術を理解し、対象とする問題に対してモデル化を行い、シミュレーションプログラムの実装、および結果の解析と考察ができた者に単位を与える。
• 上記についてその到達度に応じてSからCまでの成績を与える。

成績評価の方法

• 最終レポート（70%）と課題レポート（30%）により総合的に評価する。

課題レポートについては、原則次の講義内で解説する。
最終レポートは、ユニバーサルパスポートのクラスプロファイル機能を使って講評を返す。あるいは、講義最終日に講評を行う。

・講義中に指示した課題や事前・事後学習はもとより、「講義内容・授業計画」に記載の該当箇所などについて、十分な予習・復習をして講義に出席すること。

該当しない。