Advanced Lecture for Materials Simulations

Course Title

Advanced Lecture for Material Simulations

Course Title in English

Advanced Lecture for Material Simulations

Course Type

-

コース応用科目（計算科学コース）

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,芝　隼人

Affiliation

情報科学研究科

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

授業後30分・教員居室

Contact

鷲津 washizu@gsis.u-hyogo.ac.jp
芝 shiba@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、材料科学分野におけるシミュレーションについて学ぶ。物質のシミュレーションのための基本的な方法を網羅的に解説し、シミュレーションの全体像を把握することを目的とする。材料シミュレーションにおける各分野の具体的な手法および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/8回）
材料科学の基礎、理論解析における課題について概観した後、材料シミュレーションの代表的なアルゴリズムとして分子動力学法、モンテカルロ法、量子化学計算及び連続体のシミュレーション手法について、最新の知見を交えて解説する。
（芝隼人/7回）
前半のシミュレーション手法を補完するために、近年機械学習の手法が盛んに用いられるようになってきた。後半では、機械学習の手法がどのように分子シミュレーションに用いられているかを、いくつかのトピックを取り上げて講義する。

【授業計画】
1.ガイダンス、運動方程式と時間積分
2.分子動力学1：力学系と正準運動方程式
3.分子動力学2：温度一定のアルゴリズム
4.モンテカルロ法の基礎とメトロポリス法
5. 量子力学1：分子軌道法
6.量子力学2: 密度汎関数法
7.計算力学1：支配方程式の離散化
8.計算力学2：連続体計算の類型化
9. 機械学習と深層学習ー　基本事項の学習
10. グラフニューラルネットワーク
11. 機械学習分子動力学1 — 量子力学精度の力場の学習
12. 機械学習分子動力学2 — 実例によるチュートリアル
13. 生成モデルー VAE、フローモデル
13. 生成モデルー拡散モデル
15. 生成モデルとシミュレーション科学

※パソコンの利用：毎回使用予定

In-person/Remote Classification

In-person (Broadcasting Campus)

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。

Textbook

担当教員から別途通知する。

References

担当教員から適宜案内する。

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】

材料シミュレーション分野の研究について、その考え方、技術、方法論などについての知識をベースに、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)の到達度に基づき、
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

講義中に出した課題の解説は、講義中に行う。
レポートについては、教員室等で質問に応じる。

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