Computational chemistry ｜ Syllabus data

開講年度

2025Year

開講学期

First Semester

科目名

Computational chemistry

授業種別

Lecture

科目名（英語）

Computational chemistry

授業情報(授業コード・クラス・授業形態)

A1100352 Computational chemistry

担当教員

TAKABA Hiromitsu

単位数

2.0Credits

曜日時限

Mon.2Period

キャンパス

Shinjuku Campus

教室

A-0514教室,A-1611 Izumi15,A-1616 Izumi16

学位授与の方針

1 基礎知識の修得 0 ％
2 専門分野の知識・専門技術の修得 100 ％
3 汎用的問題解決力の修得 0 ％
4 道徳的態度と社会性の修得 0 ％

具体的な到達目標

・計算化学の基礎理論を理解する。・機械学習、主成分分析、クラスター分析などのデータ解析法を理解する。・環境化学分野でのコンピュータを利用した研究開発の応用例を理解する。

受講にあたっての前提条件

「物理化学Ⅰ」を履修していること。

授業の方法とねらい

コンピュータを利用して化学が関与する現象をシミュレーションする学問を計算化学とよぶ。本講義では計算化学の基礎について学び、特に化学研究で活用される機械学習を中心に必要な知識を身に付ける。また、マテリアルズ・インフォマティクスと呼ばれる、化学実験や化学プロセスで生み出されるビッグデータを活用した環境材料の分子設計方法についても学ぶ。

AL・ICT活用

Practice Fieldwork

第1回

授業形態

対面

事前学習

物理化学Ⅰの内容を復習しておくこと。

1時間

授業内容

授業内容の説明と計算化学およびマテリアルズ・インフォマティクスの概要を学ぶ。

事後学習・事前学習

授業の復習を行うこと。

0.5時間

第2回

授業形態

対面

授業内容

情報化学の基礎について学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第3回

授業形態

対面

授業内容

情報化学の基礎、特に回帰モデルについて学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第4回

授業形態

対面

授業内容

構造データや測定データのパラメータ化方法について学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第5回

授業形態

対面

授業内容

機械学習１：ニューラルネットワークの基礎理論について学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第6回

授業形態

対面

授業内容

機械学習２：損失関数と学習について学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第7回

授業形態

対面

授業内容

情報科学１：成分分析、クラスター分析などのデータ解析法について学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第8回

授業形態

対面

授業内容

情報科学２：主成分分析を用いた物性データの推算法について学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第9回

授業形態

対面

授業内容

機械学習３：畳み込みニューラルネットワーク

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第10回

授業形態

対面

授業内容

機械学習４：ランダムフォレストについて学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第11回

授業形態

対面

授業内容

分子シミュレーションの基礎を学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第12回

授業形態

対面

授業内容

材料研究における機械学習の応用例を学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第13回

授業形態

対面

授業内容

材料研究における計算化学と機械学習の応用例について学ぶ。

事後学習・事前学習

前回の授業までの復習を行ってくること。

0.5時間

第14回

授業形態

対面

授業内容

習熟度確認演習を行う。

事後学習・事前学習

前回の授業までの復習を行ってくること。時間内に習熟度を計るために期末試験を実施する。

3時間

第15回

授業形態

対面

授業内容

授業の振り返り：前回までに学んだ知識を包括的に理解する。

事後学習

これまでの授業を整理すること。

0.5時間

成績評価の方法

成績は、期末試験(70%)、出席・討議(30%)により総合的に評価し、到達目標に照らして、6段階のGrade(A+,A,B,C,D,F)で評価し、D以上の者に単位を認める。

受講生へのフィードバック方法

講義内容に基づいて適宜チェックテストを行い正答を示すことで理解度を深める。

教科書

適宜授業資料をオンラインで配布する。

参考書

「コンピュータ・シミュレーションによる物質科学—分子動力学とモンテカルロ法」川添良幸ら著（共立出版）
「計算化学入門」大澤映二編（講談社サイエンティフィク）
「アトキンス物理化学（上・下）」（東京化学同人）

オフィスアワー

月曜日１３時００分〜１４時００分　場所：新宿キャンパスA-1916号室
質問及び相談は電子メールでも随時受け付ける。　高羽： takaba@cc.kogakuin.ac.jp

受講生へのメッセージ

コンピュータを使ったシミュレーションは第三の実験方法と呼ばれ、化学研究に欠かせない実験ツールです。化学情報を機械学習で整理したり、複雑な原子分子の運動や電子状態をコンピュータ上にシミュレーションしたりすることで、化学現象の深い考察ができ、研究に必ず役に立ちます。本講義では、その基礎から実際の応用までを平易に解説し、また課題を解くことで実際の研究に応用する力を養います。

実務家担当科目

Not applicable

実務経験の内容

教職課程認定該当学科

Not applicable

その他の資格・認定プログラムとの関連