数理科学特論I

Numbering Code U-HUM22 25913 LJ55 Year/Term 2021 ・ Intensive, Second semester
Number of Credits 2 Course Type Lecture
Target Year From 2nd to 4th year students Target Student
Language Japanese Day/Period Intensive
Instructor name Terayama Kei (Part-time Lecturer)
Outline and Purpose of the Course テーマ: AI・機械学習の手法とそれらの実応用
近年、社会の広範な分野でAI(Artificial Intelligence)や機械学習手法の応用が進みつつある。例えば、機械学習の一手法である強化学習(モンテカルロ木探索)は、AlphaGo等の強力なゲームAIで広く使われているが、近年創薬や機能性分子の設計、あるいは有機分子の合成経路設計のために実用的に用いられつつある。他にも、可能な限り少ない実験回数で最適なパラメータを見つけるためのフレームワークであるベイズ最適化を用いて、これまでの限界を超える材料や実用的な物質の自動的探索例が報告されている。本講義では、AIの要素技術である機械学習・大域的最適化等の手法を、様々な応用事例ー特に創薬・材料科学・海洋科学・水産業などの科学・工学分野におけるーを通して紹介する。
また講義と並行して演習として、機械学習や大域的最適化の手法を各自のPCで実施し、これらの手法とその活用法について理解を深めることを目的とする。
Course Goals 機械学習や大域的最適化手法の基本的概念を理解し、それらを様々な場面に合わせて応用できるようになること。
Schedule and Contents (1) イントロダクションと機械学習の基本 【2コマ程度】
 本講義の導入と、AIの要素技術である機械学習手法・大域的最適化等の基礎的な事項の解説を行う。
(2) 教師あり学習/教師なし学習とその応用例【3-4コマ程度】
 機械学習の基本となる教師あり学習/教師なし学習について解説し、医薬候補品分子予測やサンゴ分布推定等様々な応用例について紹介する。また、教師あり学習/教師なし学習に関する演習を実施する。
(2) 強化学習とその応用例【3-4コマ程度】
 強化学習(多腕バンディット問題, モンテカルロ木探索等)と探索アルゴリズムについて解説し、機能性分子設計や分子の合成経路探索などの応用例について紹介する。
(3) ブラックボックス最適化とその応用例【3-4コマ程度】
 ブラックボックス最適化のためのアルゴリズム(ベイズ最適化等)の解説を行い、それらの応用例について紹介する。また、ベイズ最適化等を用いたパラメータ最適化の演習を行う。
(5) まとめとディスカッション【2コマ程度】
 本講義で扱った内容のまとめを行うと共に、本講義で扱った手法に基づき履修者が応用例を検討し発表を行い、全員で議論する。また、機械学習(AI)の応用可能性とその影響に関して全員で議論を行う。

各項目で、履修者の理解状況を確認しながら【】で示したコマ数を目安に講義・演習を進める。
Evaluation Methods and Policy レポート試験の成績(80%) 平常点評価(20%)
演習やディスカッション時に提示するレポート試験の評価と、授業への参加状況により評価する。
Course Requirements None
Study outside of Class (preparation and review) 各自の背景と目標に応じて適宜行うことが望ましい。
PAGE TOP