Introduction to Computational Science

Course Title

Course Title in English

Introduction to Computational Science

Course Type

-

コース基盤科目

Eligible Students

Graduate School of Information Science

Target Grade

1Year

Course Numbering Code

KIIMD5MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Spring semester 2026

(Spring semester)

Instructor

鷲津仁志,芝　隼人,藤原義久

Affiliation

情報科学研究科

Language of Instruction

Japanese

Related SDGs

N/a

Office Hours and Location

授業後60分・教員研究室

Contact

担当教員毎のメールアドレス
鷲津仁志：washizu@gsis.u-hyogo.ac.jp
芝隼人： shiba@gsis.u-hyogo.ac.jp
藤原義久：yoshi@gsis.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

ー

Corresponding Graduate School DP

1◎／2〇

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

【講義目的】
本講義は、計算科学コースにおけるシミュレーションの具体的な活用方法について基礎力を身に付け、修士研究を進めていく素地を整えるため、その概要を俯瞰し解説する。各分野のシミュレーションの具体的な活用方法について全体を俯瞰するブリッジ的役割を果たすことを目的とし、各研究分野における専門研究についての概要説明を行う。
【到達目標】
シミュレーションの基礎力を身につけ、修士研究を進めるに当たっての概要を理解することを到達目標とする。

Subtitle and Keywords of the Class

Course Overview and Schedule

【講義内容】
（芝隼人/5回）
計算物理に必要なアルゴリズムと、様々な現象における応用について概説する。
（藤原義久/5回）
計算科学におけるデータ、モデル、シミュレーションの役割についてベイズ推論を通じて学んだ上で、特に社会科学への応用例について概説する。
（鷲津仁志/5回）
計算科学の典型例としての力学を題材にシミュレーションの基礎を概説する｡

【授業計画】
1. ガイダンス、連続系モデルとしての偏微分方程式
2. 偏微分方程式系の数値解法ー差分法と精度
3. 偏微分方程式系の数値解法ー安定性
4. 計算機上での乱数の生成
5. マルコフ連鎖モンテカルロ法
6. 情報科学とベイズ推論
7. 条件付確率とその帰結としてのベイズの定理
8. ベイズ推論入門
9. モデル推定と計算科学
10. モデル選択と計算科学
11. 計算科学の位置づけ
12. シミュレーションの例：拡散過程
13. 運動方程式と時間積分
14. 線形調和振動
15. 複雑な振動現象

※パソコンの利用：毎回使用予定

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

当授業は、神戸情報科学キャンパスから同時配信により神戸商科キャンパスにも配信します。そのため、『対面・遠隔の別』欄では「対面」となっていますが、神戸商科キャンパスで受講する院生は「遠隔」授業となります。

Uses of Generative AI

Fully permitted

Precautions for using Generative AI

この授業においては、授業内、予習復習、レポート等を含む成果物作成等において生成AIの利用を全面的に許可しており、生成AIの利用について制限を設けないが、生成AIによる出力結果をそのまま課題・レポートとして提出してはならない。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。使用した場合にその旨をレポート等に記載するかどうか等については、担当教員の指示に従うこと。
生成ＡＩの利用にあたっては『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。

Textbook

担当教員から別途通知する。

References

担当教員から適宜紹介する。

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

講義内容の予習および復習（30時間）
レポート作成（30時間）

Contents of Active Learning

講義中の演習は個人で行うが、分からないところは、教員に質問したり、学生同士で教えあったりすることを推奨して、コミュニケーション能力を養う。

Grading Criteria and Methods

【成績評価の基準】

計算科学分野の研究について、その考え方、技術、方法論などについての知識をベースに、計算科学とその応用に関する教養と素養を身に付けた者については、講義目的・到達目標に記載する能力(知識・技能、思考力、判断力、表現力等)の到達度に基づき、 S(90点以上), A(80点以上), B(70点以上), C(60点以上)による成績評価のうえ、単位を付与する。

【成績評価の方法】

小テストまたはレポートを基準として、受講態度(積極的な質問等)を含めて総合的に評価する。

How to Disclose Assignments and Exam Results

小テストまたはレポートは、ユニバーサルパスポートのクラスプロファイル機能などを使って講評を返す、改善例や解答例を示すなどを行う。

Precautions and Requirements for Course Registration

Practical Education

該当しない。

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data