In this class, we discuss basic concepts in algorithmics such as NP-hardness, approximation algorithms, and online algorithms. Then, we give examples how to apply them to practical research. At the end of this class, students who are not familiar with these theoretical concepts are expected to learn their importance in practical point of views. On the other hands, students who are familiar with them are expected to gain more experiences on applying the concepts to practical settings. 本講義では、NP困難、近似アルゴリズム、オンラインアルゴリズムなどアルゴリズムを解析する理論の概要を説明し、機械学習や データベースなど応用分野に適用する事例を挙げる。 アルゴリズム論を勉強したことがない学生には理論的な解析の重要性を実感させ、勉強したことがある学生にはアルゴリズム論の応用を経験させることを目的としている。

Statistics and biometrics have emerged as crucial disciplines not only in agricultural sciences but also in various other fields. This significance is primarily attributed to three factors: Firstly, advancements in data measurement techniques have facilitated the collection of extensive and diverse biological and agronomic data that were previously unattainable. Secondly, the evolution of data science methodologies has enabled the integration and modeling of such collected data. Thirdly, the enhancement of computational capabilities has empowered the utilization of these methodologies. These advancements have rendered statistical and biometric methods indispensable for extracting insights from the vast and varied biological and agronomic datasets. Throughout this lecture series, a diverse array of biological and agronomic datasets will serve as illustrative examples to demonstrate various analytical methods. Delivered in a hands-on format, utilizing R, Python, and Matlab, the aim is to equip students with practical analysis skills. The initial portion of the course, spanning the first one-third, will focus primarily on techniques for summarizing, visualizing, and modeling relationships within multivariate datasets. In the subsequent one-third, students will delve into linear models, linear mixed models, local regression, and nonlinear models. Finally, in the last segment, students will explore image analysis, machine learning, and deep learning methods. While the course will cover a broad spectrum of methods, ranging from introductory to advanced levels, the emphasis will be on developing the capability to independently conduct analyses rather than on elaborating on the theoretical underpinnings of the methods.

本講義では，宇宙の起源，物質の起源，生命の進化，情報と人工知能などの現代科学のフロンティアを，最前線の若手研究者が数理科学という切り口で俯瞰する．授業担当教員がモデレータとなり，理化学研究所などの若手研究者をゲストに招き，以下の話題を議論する．ゲスト氏名と話題は，今野北斗「現在の幾何学」，青木俊太朗「宇宙論入門 ― 初期宇宙と素粒子の視点から」，シュパイデル玲雄「数理遺伝学入門」，土居孝寛「コンピュータでのぞくクォークの世界」，角田峻太郎「物性における対称性とトポロジー」，Andreas Dechant「Statistical Mechanics: From Micro to Macro, from Equilibrium to Nonequilibrium　（統計力学： ミクロからマクロへ，平衡から非平衡へ）」, 菊池勇太「量子コンピュータでできること」である．

広く産学官にわたってグローバルに活躍するために必要な「俯瞰力」を養成することを目指す。物質科学の各分野について最先端の知識を修得し、自分の専門分野と周辺分野がどのように関連するか、あるいはし得るか、について深く考察するために、第一線で活躍する講師の方々にその分野の最前線を概観していただく。さらに、それらの講義を通して異分野間のコミュニケーションを円滑に進めるための具体的方法論を学ぶ。 This survey course is designed to enable students to develop the broad perspective that is required of global leaders working in and across industry, academia, and government. Students will gain knowledge and insight on advancements in each field of materials science research, given by leading researchers working on the frontline in those fields. This will allow students to consider how peripheral fields are related to their own area of expertise, and to consider the potential for forging bridges between related fields in the future. In addition, students will learn specific methodologies designed to facilitate smooth communication among different disciplines.

High Performance Computer (HPC)のハードウエア的、ソフトウエア的構成を理解する。HPCの性能を引き出す計算科学向けアルゴリズムを理解する。 To understand the structures of High Performance Computers(HPCs) from the both viewpoints of hardware and software. To understand algorithms for computational science to bring out the performance of HPCs. This lecture will be done in Japanese.

計算機科学を専門とする学生向けに、計算科学すなわちコンピュータシミュレーションを活用する科学、を理解するために必要な基礎知識について講義を行なう。 計算科学は大変広い分野であるが、今年度は古典粒子系、統計力学、量子力学の3分野を主に取り上げる。大学教養課程における数学、物理、化学の知識の復習から解説を行なう。 For students specialized in computer science, we will lecture the basic knowledge to understand computational science, which is the science field utilizing computer simulations. From the vast field of the computational science, we will pick up several topics on classical particle systems, quantum mechanics and statistical mechanics, mainly, for this fiscal year. The lecture will start from the reviews of the basic knowledge of mathematics, physics and chemistry in general education course of universities.

本講義では、生命の設計図である核酸（DNA/RNA）を単なる遺伝情報の伝達物質としてではなく、精密に設計・制御可能なナノマテリアルや計算素子として捉える最先端の学問領域を扱います。前半では、核酸の化学構造から入り、その物理化学的特性や熱力学・統計力学的な記述といった、核酸の生物物理学の基礎理論を学び、核酸分子デザインの基盤となる情報科学的な手法（二次構造予測アルゴリズム）や、核酸と酵素を含む分子反応シミュレーションについて習得します。中盤では、これらの基礎知識を応用したDNAナノテクノロジーや、分子で計算を行う分子コンピューティング、自律的に動く分子ロボットの原理について学びます。後半では、合成生物学や人工細胞工学、さらには化学反応系を用いた人工知能の構築といった最新の研究動向を概観します。ミクロな分子設計の原理から複雑なシステム構築までを体系的に学ぶことで、生命現象にインスパイアされた次世代の分子システム設計・構築についての理解を深めることを目的とします。

オーストラリア国立大学(ANU)と進めている国際教育・研究の枠組みの中で行う授業。 全学の学生に開講する。”共生”をテーマにANUから学生が来日し合同でフィールドワークや実験、講義などを行うことにより、国際感覚も養いながら、科学についての理解を進める。/Joint course work with students at the Australian National University. If Covid-19 situation improve, we will host students from the Australian National University to study various topics including Geohazards, AI, Science communications, Philosophy and Science and others. Otherwise, online virtual joint course will be conducted. Theme of the course will be "Kyosei: Co-existence".

オーストラリア国立大学(ANU)と進めている国際教育・研究の枠組みの中で行う授業。 全学の学生に開講する。”共生”をテーマにANUから学生が来日し合同でフィールドワークや実験、講義などを行うことにより、国際感覚も養いながら、科学についての理解を進める。/Joint course work with students at the Australian National University. If Covid-19 situation improve, we will host students from the Australian National University to study various topics including Geohazards, AI, Science communications, Philosophy and Science and others. Otherwise, online virtual joint course will be conducted. Theme of the course will be "Kyosei: Co-existence".