| 学部・大学院区分 | | 情報・博前 | | | 時間割コード | | 2520063 | | | 科目区分 | | | | | 科目名 【日本語】 | | 化学情報学特論 | | | 科目名 【英語】 | | | | | コースナンバリングコード | | GSI126063J | | | 担当教員 【日本語】 | | 安田 耕二 ○
吉田 久美 | | | 担当教員 【英語】 | | YASUDA Koji ○
YOSHIDA Kumi | | | 単位数 | | 1 | | | 開講期・開講時間帯 | | 秋１期 水曜日 ２時限
Fall1 Wed 2 | | | 対象学年 | | １年
1 | | | 授業形態 | |
| | | 開講系（学部）・開講専攻（大学院） | | | | | 必修・選択 | | | |
| 授業の目的 【日本語】 | | | 化学物質の構造，反応，性質などの化学情報を，計算機を援用して理解，予測する能力を涵養する。化学情報の解析に使われる代表的な機械学習法の原理と実際を理解する。 |
| | | 授業の目的 【英語】 | | Cultivate the ability to analyze chemical information, such as structure and reaction, with the aid of computer. Understand the principles and practices of machine learning methods used to analyze chemical information.
|
| | | 到達目標 【日本語】 | | 化学物質の構造，反応，性質などの化学情報を，計算機を援用して理解，予測する能力を涵養する。それには分子の構造，反応，性質について基本的な知識と共に，計算機でそれらを生成，表現，解析する能力が必要である。その両者を身につける事が目的である。化学情報学の基本的な解析法と，構造分析の実践的知識を身に着ける。
|
| | | 到達目標 【英語】 | | Understand the basic knowledge of chemistry, the method to generate, express, and analyze the chemical information. for predicting chemical information, such as structure, reaction, and properties of chemical substances, with the help of computers.
|
| | | 授業の内容や構成 | | 代表的な機械学習法である，カーネル法，ニューラルネットワーク，生成モデルを講義する。それぞれの機械学習法で，化学構造式などの科学データを解析する方法を講義する。有機分子の合成と核磁気共鳴スペクトルなどによる構造分析について，進んだ内容を講義する。化学情報の代表的データベースと利用法を講義する。
〔計画〕
1. 化学構造の計算機上での表現（命名法，線型，グラフ表現，立体異性体）
2. グラフ理論の基礎，グラフアルゴリズムによる構造，部分構造の検索
3. 多次元尺度構成法(MDS)，多様体学習，3次元構造の生成
4. カーネル法によるデータマイニングと類似構造検索
5. ニューラルネットワークの原理と，グラフデータへの応用
6. 多次元NMR
7. 骨格形成反応
8. 官能基変換反応
| The method to represent, search, and analyze chemical information with computers, and the usage of representative chemical databases. Understand the principles and practices of machine learning methods. Advanced contents on organic synthesis and structure analysis, such as nuclear magnetic resonance spectra.
〔plan〕
1. Computer representation of chemical structure
2. Fundamentals of graph theory, structure and substructure search by graph algorithm
3. Multidimensional scaling (MDS), manifold Learning, 3D structure generation
4. Kernel data mining and similarity search
5. Basics of statistical testing, principles of machine learning models
6. Nuclear Magnetic Resonance (NMR)
7. Skeleton Formation Reaction
8. Functional group conversion reaction
|
| | | 履修条件・関連する科目 | | | | | 成績評価の方法と基準 | | | 宿題５０％，講義終了後に課すレポート５０％で評価し，合計１００点満点で６０点以上を合格とする。 | | Homework (50%) and report (50%) are scored and 60 points out of 100 points is necessary to pass this course. |
| | | 教科書・参考書 | | 必要に応じて参考資料を配布する。参考書：大学院講義有機化学（野依他東京化学同人），有機化合物のスペクトルによる同定法（Silverstein他東京化学同人），Chemoinformatics(Gasteiger&Engel)
有機化学の学部程度の知識と，確率・統計の学部程度の知識が必要である。 | |
| | | 課外学習等（授業時間外学習の指示） | | | | | 授業開講形態等 | | | | | 遠隔授業（オンデマンド型）で行う場合の追加措置 | | | |
|