Advanced Lecture for Computational Science

Course Title

Course Title in English

Advanced Lecture for Computational Science

Course Type

-

講義

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

Fall semester 2026

(Fall semester)

Instructor

鷲津仁志,沼田龍介,Hiroyasu Inoue

Affiliation

情報科学研究科

Language of Instruction

Japanese

Related SDGs

N/a

Office Hours and Location

沼田龍介：月曜日 16:20–17:50・情報科学キャンパス 413
井上寛康：月曜日 16:20–17:50・情報科学キャンパス 416
鷲津仁志：月曜日 16:20–17:50・情報科学キャンパス 405

Contact

沼田龍介：numata@gsis.u-hyogo.ac.jp
井上寛康：inoue@gsis.u-hyogo.ac.jp
鷲津仁志：washizu@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

2◎／1〇

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技法の具体的な活用方法について身に付け、計算科学の全体像を把握することを目的とする。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し、各研究分野における専門研究についての解説を行う。
【到達目標】
研究や解析の必要に応じて、各種の計算手法を選び、適用・実行することができることを目標とする。

Subtitle and Keywords of the Class

Course Overview and Schedule

【講義内容】
（鷲津仁志/5回）
材料をコンピュータ上で扱うための手法及び、そこから得られる学理について教授する。
（井上寛康/5回）
ネットワーク科学を用いた社会経済システムへの応用に関する最新研究について教授する。
（沼田龍介/5回）
常微分方程式、偏微分方程式の数値解法について、計算科学演習を踏まえてより深い内容を教授する。

【授業計画】
1.ガイダンスと材料シミュレーションの導入
2: 材料の階層性
3.分子間の3つの相互作用
4.摩擦の物理への応用
5.分子動力学の実際
6. ネットワーク科学イントロダクション
7. グラフ理論
8. ランダムネットワーク
9. スケールフリーネットワーク
10. ネットワークモデル
11. 常微分方程式の数値解法：イントロダクション
12. 常微分方程式の数値解法：精度
13. 常微分方程式の数値解法：安定性
14. 常微分方程式の数値解法：進んだ解法
15. 常微分方程式の数値解法：偏微分方程式への応用

<<生成AIの利用について>>
・レポート、小論文、学位論文等については、学生本人が作成することを前提としているため、生成系AIのみを用いて作成することはできません。

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

プレゼン・ディスカッションにあたって生成ＡＩを利用する場合には、『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

A.L.Barabasi, Network Science, Cambridge University Press, 2016.

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具体的な活用方法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】
小テストまたはレポートを基準として、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