授業の目的 【日本語】 Goals of the Course(JPN) | | 物質科学と機械学習を用いた研究課題をする上で、その基礎となる固体物理学やプログラミング技術を習得する必要がある。本講義では、以下ことができるようになることを目標とする。 1.具体的な材料に対して、その物性を固体物理の基礎によって理解することができる。 2.機械学習プログラミングによって、様々なデータの解析や、マテリアルズインフォマティクスに応用することができる。 |
|
|
授業の目的 【英語】 Goals of the Course | | In order to conduct research projects using material science and machine learning, it is necessary to master the underlying disciplines and programming techniques. In this lecture, we aim to enable the students to do the following. 1. Understand the physical properties of specific materials based on the fundamentals of solid state physics. 2. To be able to use machine learning programming to analyze various data and apply it to materials informatics. |
|
|
到達目標 【日本語】 Objectives of the Course(JPN)) | | 物質科学と機械学習を用いた研究課題をする上で、その基礎となる固体物理学やプログラミング技術を習得する必要がある。本講義では、以下ことができるようになることを目標とする。 1.具体的な材料に対して、その物性を固体物理の基礎によって理解することができる。 2.機械学習プログラミングによって、様々なデータの解析や、マテリアルズインフォマティクスに応用することができる。 |
|
|
到達目標 【英語】 Objectives of the Course | | In order to conduct research projects using material science and machine learning, it is necessary to master the underlying disciplines and programming techniques. In this lecture, we aim to enable the students to do the following. 1. Understand the physical properties of specific materials based on the fundamentals of solid state physics. 2. To be able to use machine learning programming to analyze various data and apply it to materials informatics. |
|
|
バックグラウンドとなる科目【日本語】 Prerequisite Subjects | | |
|
バックグラウンドとなる科目【英語】 Prerequisite Subjects | | Solid state physics, chemistry, computational science |
|
|
授業の内容【日本語】 Course Content | | 1. 固体物理 ・結晶構造 ・格子振動と熱力学特性 ・エネルギーバンド ・半導体の物理 ・光学特性 ・誘電体特性 ・超伝導 ・磁性 ・表面物性 ・欠陥 2.機械学習プログラミング ・データ前処理 ・次元圧縮 ・分類問題(ロジスティック回帰、SVM、決定木) ・アンサンブル学習 ・回帰分析 ・クラスタ分析 ・ニューラルネットワーク(CNN、RNN、GAN) ・強化学習 |
|
|
授業の内容【英語】 Course Content | | 1.Solid State Physics ・Crystal structure ・Lattice vibration and thermodynamic properties ・Energy bands ・Physics of semiconductors ・Optical properties ・Dielectric properties ・Superconductivity ・Magnetic properties ・Surface properties ・Defects 2.Machine learning programming ・Data preprocessing ・Dimensional compression ・Classification problems (logistic regression, SVM, decision tree) ・Ensemble learning ・Regression analysis ・Cluster analysis ・Neural networks (CNN, RNN, GAN) ・Reinforcement learning |
|
|
成績評価の方法と基準【日本語】 Course Evaluation Method and Criteria | | 各講義での口頭発表(50%)と、それに対する質疑応答(50%)により目標達成度を評価する。 発表内容、実習内容ついて正しく理解していることを合格基準とする。 |
|
|
成績評価の方法と基準【英語】 Course Evaluation Method and Criteria | | Based on the oral presentation (50%) and the question-and-answer session (50%) in each lecture. Understanding the details of what you learn and simulate is needed. |
|
|
履修条件・注意事項【日本語】 Course Prerequisites / Notes | | |
|
履修条件・注意事項【英語】 Course Prerequisites / Notes | | no course prerequisites is required |
|
|
教科書【日本語】 Textbook | | |
|
教科書【英語】 Textbook | | |
|
参考書【日本語】 Reference Book | | |
|
参考書【英語】 Reference Book | | |
|
授業時間外学習の指示【日本語】 Self-directed Learning Outside Course Hours | | |
|
授業時間外学習の指示【英語】 Self-directed Learning Outside Course Hours | | |
|
使用言語【英語】 Language used | | |
|
使用言語【日本語】 Language used | | |
|
授業開講形態等【日本語】 Lecture format, etc. | | |
|
授業開講形態等【英語】 Lecture format, etc. | | |
|
遠隔授業(オンデマンド型)で行う場合の追加措置【日本語】 Additional measures for remote class (on-demand class) | | |
|
遠隔授業(オンデマンド型)で行う場合の追加措置【英語】 Additional measures for remote class (on-demand class) | | |
|