|
Teacher name : Norio Inui
|
Course Title
Advanced Seminar on Materials Design Ⅲ
Course Title in English
Advanced Seminar on Materials Design Ⅲ
Course Type
Major Courses
専攻共通科目
Eligible Students
Graduate School of Engineering
Target Grade
1Year
Course Numbering Code
HETDA7MCA1
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
Fall semester 2026
(Spring semester)
Instructor
Norio Inui,Takafumi Suzuki,Kousuke Moritani
Affiliation
工学研究科
Language of Instruction
Japanese
Related SDGs
3/7/9
Office Hours and Location
乾:オフィスアワー:随時,場所:6404
鈴木:オフィスアワー:随時, 場所:C331 盛谷:オフィスアワー:12:00~13:00 場所:6501 Contact
inui@eng.u-hyogo.ac.jp(乾)
takafumi-s@eng.u-hyogo.ac.jp(鈴木) moritani@eng.u-hyogo.ac.jp(盛谷) 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◎/3◎/2〇
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー
Course Objectives and Learning Outcome
【講義目的】材料の分野の独立した研究者に育つよう,理論解析やデータ分析方法について教育する。まず,第二量子化を基礎として,光と物質との相互作用や臨界現象の諸問題について議論する。つぎに,それらの問題に対する数値解析を考え,効果的なプログラミングを設計し実施する。加えて,質量分析で得られた大量のデータを元にデータ分析を行い,そこから得られる物理的化学知見について考察する。さらに,マテリアルズインフォマッテクスに必要な機械学習についても解説する
【到達目標】1)量子理論に基づく材料物性解析力の習得,2)数値計算・データ分析手法の実践的理解,3)機械学習を用いた材料研究能力の修得 Subtitle and Keywords of the Class
サブタイトル:理論・計算・データ科学を融合した量子材料研究
キーワード:量子材料理論,数値計算・データ分析,機械学習(マテリアルズ・インフォマティクス) Course Overview and Schedule
本授業は、材料分野において独立した研究者として必要な理論解析力およびデータ分析能力を修得することを目的としたオムニバス形式の講義である。第二量子化に基づく光と物質との相互作用の理論的理解、数値解析と効率的なプログラミング、質量分析データの解析、さらにマテリアルズ・インフォマティクスに必要な機械学習手法を学ぶ。理論・計算・データ科学を横断的に修得することで、現代の材料研究に求められる総合的研究遂行能力の涵養を目指す。
(オムニバス方式/全15回) ( 乾徳夫/5回)光と物質との相互作用 ( 鈴木隆史/5回)マテリアルズインフォマッテクス ( 盛谷浩右/5回)質量分析,データサイエンス In-person/Remote Classification
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。 また,担当教員の許可なく講義資料の全部または一部を電子ファイルまたは画像等として 生成AIに入力することを禁止する。 (利用可の範囲) 利用許容範囲については、担当教員より提示される条件に従うものとする。 Textbook
使用教科書は、担当教員より第1回講義の冒頭にて紹介・指定する。
References
博士論文のテーマに関係する文献(各自で調査・収集)
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
【予習】授業に際して指示する内容の文献を調査・収集し、読み込み(30h)、プレゼンテーションの準備(15h)
【復習】研究内容を自分の言葉で構造化し直し、聞き手の視点で情報を絞り込んだ発表資料へと再構成することで、深い理解と説得力を同時に実現する (15h) Contents of Active Learning
該当しない。
Grading Criteria and Methods
成績評価は、レポートおよびプレゼンテーションの成果に基づき、到達目標への達成度を総合的に判定して行う。
評価尺度は、S(90点以上)、A(80点以上)、B(70点以上)、C(60点以上)の4段階とし、 C評価以上を得た者を合格と認め、単位を付与するものとする。 How to Disclose Assignments and Exam Results
提出されたレポート等の課題について、それぞれの担当教員が評価し、コメントを併せて授業時間中などに伝達する。
Precautions and Requirements for Course Registration
Practical Education
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.
|