我々の周りには、複雑な、しかし秩序だった様々な存在物にみちあふれている。自然物の複雑な全体をどのように理解すればいいか、それが近代科学の問いかけであったが、現在では、人間が操作対象とする人工物でさえ単純な挙動を示さないことも多くなり、設計や制御が容易でなくなってきている。さらに、経済主体の意思決定など、人間を含む社会システムであればなおさらである。個々の局所的行為は決定論的なのに全体の振る舞いは創発的である。このような複雑なシステムを取り扱う枠組みをマルチエージェントシステムと呼ぶ。比較的新しい学問分野であり、近年ではさらに大きな広がりを見せているが、一方でまだ十分に体系化されている訳ではなく、講義では基礎的事項について理解を進めるとともに、いくつかの研究トピックスの知見をうる。

マルチエージェントシステムやセルオートマトン等さまざまな社会シミュレーションモデルの基盤となる技術，および，結果の検証方法の基礎を学び，そのうえで，応用事例を理解する．

In this course, students will learn the fundamentals of mathematical modeling. A model is an idealized representation of the real world and mathematical modeling is the process by which the complexity of real-world phenomena is simplified such that they can be described, more abstractly, in mathematical terms. The hope is that this abstraction of the real world can then help us comprehend the essence of the phenomena we wish to understand and/or predict. As such, the concept of mathematical modeling is common to virtually all empirical sciences—not only natural and engineering sciences but also human sciences such as economics, psychology, sociology, etc. The lectures introduce several types of mathematical modeling strategies: optimization and modeling through dynamical systems, be they continuous, discrete or of cellular automaton-type. The introductory part starts with the concept of optimization and the mathematical methods needed to tackle such problems. The middle and main part explores the behaviour of both discrete and continuous dynamical systems. The focus will lie on stability analysis for such systems as well as on the relationship between discrete and continuous models (continuum limits and discretisation methods). In the last part (if time permits), the relevance of cellular-automaton like models in such analysis will also be discussed.

本講義では「複雑系のシミュレーション」についてその基礎から応用までを扱う。具体的には、(1)計算機上のシミュレーションの基本概念、 (2)進化論的計算手法の基礎、 (3)マルチエージェント計算、 (4)事象駆動型シミュレーション、 (4)人工生命に基づくシミュレーション技法、などについて勉強してもらう。これらはいずれも、コンピュータをシミュレーションの道具として使用しようと思っている学生はもちろん、人工知能や他の分野の勉強をする学生にとっても必要不可欠となる基礎事項である

本講義では「複雑系のシミュレーション」についてその基礎から応用までを扱う。具体的には、(1)計算機上のシミュレーションの基本概念、 (2)進化論的計算手法の基礎、 (3)マルチエージェント計算、 (4)事象駆動型シミュレーション、 (4)人工生命に基づくシミュレーション技法、などについて勉強してもらう。これらはいずれも、コンピュータをシミュレーションの道具として使用しようと思っている学生はもちろん、人工知能や他の分野の勉強をする学生にとっても必要不可欠となる基礎事項である

エージェントシステムのためのシミュレーションソフトウェアを利用して課題実習を行いつつ講義を進める．

社会問題の解決や社会制度設計に役立てるために、人の行動データやWEB上のビッグデータから認知科学、社会科学、統計数理、生成系AIなどを活用し、様々な人間集団や社会のモデルを構築し、エージェントシミュレーション、ネットワークシミュレーション、インタラクティブシミュレーションなどのシミュレーション技術を用いてその振舞いをダイナミックかつ創造的に予測、解析する手法が注目されつつある。本講義では、こうした社会モデリングとシミュレーション技術を活用した社会システムデザイン・分析の代表例と最新の適用事例を紹介しつつ、実際のモデル作成方法を学びながらその可能性について議論する。 1「社会システムのモデリングとシミュレーションのための基礎知識」 1.1基本用語と社会システムデザインの概要 1.2ヒューマンモデリングI（ヒューマンモデルとは、チーム・組織・インタラクション） 1.3ヒューマンモデリングII（ヒューマンモデルの作り方：理論・統計数理・生成系AIの活用法） 1.4コンピュータシミュレーションの使い方（理解・予測、発見と共創） 2「ゲーム理論の体験的理解とそれを用いた社会シミュレーション」 2.1人工生命と創発性 2.2 ゲーム理論とシミュレーションI 2.3 ゲーム理論とシミュレーションII 2.5 コンピュータモデルと社会シミュレーション 3「応用例の紹介（金融市場のモデリングとシミュレーション）」 3.1金融市場の特徴と金融データの統計解析 3.2金融市場のモデリング 3.3金融市場のコンピュータシミュレーション 3.4金融市場制度設計に向けて 4「まとめ」 4.1まとめ

マテリアル(材料)工学に関連する物理・化学モデルをpythonプログラミングにより実装し，数値解析の基礎を修得してもらいます。また機械学習の例題を通じてマテリアルズインフォマティクスについての理解を深めます。

分子軌道法、分子力学法、分子動力学法、モンテカルロ法、およびこれらの応用である複合体モデリングについて解説し、実習を行います。

本講義では，「相互作用するエージェント」の振る舞いの解析および設計に関する議論を行う．特に，ロジスティクス，生産システム，ロボティクスといった分野への応用について取り上げ，実践的な理解を深めることを目的とする． This course discusses the analysis and design of the behavior of "interacting agents." It focuses on applications in logistics, production systems, and robotics, aiming to develop a practical understanding of these concepts.