Computational Simulation ｜ Syllabus data

Course Title

Computational Simulation

Course Title in English

Computational Simulation

Course Type

-

知能情報分野科目

Eligible Students

Graduate School of Engineering

Target Grade

1Year

Course Numbering Code

HETMA5MCA1

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

Kouki Nagamune,Keita Morimoto

Affiliation

工学研究科

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

長宗高樹（前半担当）：随時(メールによる事前連絡が望ましい)・6208研究室
森本佳太（後半担当）：随時(メールによる事前連絡が望ましい)・B618研究室

Contact

長宗高樹（前半担当）：nagamune@eng.u-hyogo.ca.jp
森本佳太（後半担当）：keita.morimoto@eng.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

2◎／3◎／1〇

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

Ability to keep polishing／ー

Course Objectives and Learning Outcome

授業のテーマ

　計算機シミュレーションは、代数的な方法で解を導き出すことが困難な問題に対して、モデリングを行って近似的に解く方法である。近年では、コンピュータを用いた手法が一般的であり、その高速化や最適化を行うアルゴリズムが多数報告されている。本講義では、計算機シミュレーションの基礎的な内容とその実装方法について前後半に分担して講義を実施する。

到達目標

・シミュレーションの基本的な概念を理解し説明できる

・事象のモデル化及びその近似解の求める方法を説明できる

・各種の解法（非線形方程式、行列、微分方程式、数値積分、補間）を説明できる。

Subtitle and Keywords of the Class

Course Overview and Schedule

授業の概要

計算機シミュレーションは、実際の実験ではコストや安全性、実験条件等の問題により実施が困難な現象を解明するために極めて有用な手法である。さらに近年は、自動設計・最適化のためにも、高精度かつ高速な計算機シミュレーション技術が求められる。本講義では、計算機によるシミュレーションの基礎と実装について、対象・現象のモデリングとその数値解法について講義する。特に後半では物理シミュレーション手法として広く使用されている有限要素法について詳述する。

授業計画

第　１回：　計算機シミュレーションの概要

第　２回：　非線形方程式（２分法、ニュートン法）

第　３回：　行列（ガウス・ジョルダン法、ガウスの消去法）

第　４回：　微分方程式（オイラー法、ルンゲ・クッタ法）

第　５回：　数値積分（台形則、シンプソン則）

第　６回：　補間（ラグランジュ補間、ニュートン補間）

第　７回：　補間、フィッティング関数（スプライン補間、最小二乗法）

第　８回：　中間のまとめ

第　９回：　有限要素法の基礎

第１０回：　変分法（汎関数、変分原理、レイリー・リッツ法）

第１１回：　重み付き残差法（選点法、最小二乗法、ガラーキン法）

第１２回：　有限要素法シミュレーションの流れ（要素分割、境界条件、マトリックス生成）

第１３回：　１次元問題の有限要素法解析

第１４回：　２次元問題の有限要素法解析

第１５回：　固有値問題の解法（べき乗法、逆反復法）

In-person/Remote Classification

Hybrid (In-person)

Implementation Method and Remote Credit Limit Application

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

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．
この授業においては，以下の範囲において生成ＡＩの利用を許可し，これ以外の範囲での利用は禁止する．生成ＡＩの利用については担当教員の指示に従うこと．教員が認める範囲を超えて生成ＡＩを利用したことが判明した場合は，単位を認定しない，又は認定を取り消すことがある．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．また，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．
＜利用可の範囲（例示）＞
講義資料の要約，課題・レポート文案作成，ﾌﾟﾛｸﾞﾗﾐﾝｸﾞの補正，数式の計算等

Textbook

テキストは各回配布する。

References

[1]　 Cによる理工系解析の数値計算　—基礎からの展開—、横山良平、近代科学社、ISBN: 978-4764960602

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

【予習】授業に際して配布資料の事前読み込み．（20ｈ）
【復習】講義内容の理解を深め定着させるために配布資料を読み直す．（20ｈ）講義内の演習問題を実施する．（20ｈ）

Contents of Active Learning

採用しない

Grading Criteria and Methods

講義中に理解度を確認するためのレポート提出を課す．具体的には，インターネット上で公開されているデータ等を用いて，学習した内容を実践し，その理解度を評価する（１００％）．その理解度に基づき、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．

How to Disclose Assignments and Exam Results

レポート課題の採点結果は希望者に結果を開示する．

Precautions and Requirements for Course Registration

遠隔による授業を実施する回は，自宅等で遠隔授業を視聴できる通信環境（PC 等のデバイスやWi-Fi 環境）が必要になります．
（遠隔授業になる回は，履修登録後に決定・連絡します．）

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.