1. マテリアルズ・インフォマティクス(MI)概観
1-1. インフォマティクス/AI分野の発展
1-2. マテリアルズ・インフォマティクスとは何か?
1-2-1 研究分野の動向/研究拠点
1-2-2 インフォマティクスの成功事例/触媒探索/マテリアル・レポジショニング
1-2-3 コンピュータによる物質探索/ベイズ統計
1-2-4 MI研究分野の研究事例/ハイスループットヴァーチャルスクリーニング
1-2-5 MI研究分野の研究事例/ベイズ探索
1-2-6 インフォマティクスだけで十分か?/データの問題:量と質
1-3. データ生成エンジンとしてのシミュレーション
1-3-1 スパコン:シミュレーション研究のための必須アイテム
1-3-2 物質科学シミュレーションの階層性/連続体系・分子系・電子系
1-3-3 第一原理計算とは何か?
1-3-4 第一原理計算研究の研究事例/電子物性、フォノン(熱)物性
2. MI研究の基礎
2-1. 科学とインフォマティクス
2-2. MI研究における究極の目標:コンピュータによる物質探索
2-2-1 問題設定:化合物空間/未知化合物の数
2-2-2 シミュレーションだけで新規物質を探索できるか?
2-2-3 順問題と逆問題
2-3. MI研究の道具立て
2-3-1 機械学習/物性予測モデル
2-3-2 機械学習における内挿性と外挿性
2-3-3 物性予測モデルとしての機械学習とシミュレーション
2-3-4 MIにおける機械学習
2-3-5 物性構造相関/物性予測モデル
2-4. 物質記述子
2-4-1 化学情報/組成情報/フィンガープリント
2-4-2 計算科学記述子
2-5. 教師あり学習
2-5-1 回帰モデル
2-5-2 学習モデルの性能
2-6. 回帰学習の応用としてのハイスループットヴァーチャルスクリーニング
2-7. 転移学習:少数データの高性能機械学習
2-8. MI研究における機械学習の適用事例/教師なし学習
2-9. 逆問題としての物質探索
2-9-1 MI研究におけるベイズ統計
2-9-2 ベイズ最適化:コンピュータ上での実験計画法
2-9-3 ベイズ構造探索:尤度関数と事前確率、ベイズ反転、事後確率
2-9-4 ベイズ構造探索の実装:物質表現/SMILES形式、自然言語処理に基づく化合物生成
2-9-5 ベイズ構造探索の実例:ポリマー探索
2-10. マテリアルズ・インフォマティクスを始めるために/Pythonプログラミング環境/ライブラリ
3. 第一原理計算の基礎
3-1. 第一原理計算を始める前に/注意事項:第一原理計算は難しい?
3-2. シミュレーションにおける第一原理計算の位置づけ/階層性
3-2-1 第一原理計算の各種方法論/密度汎関数法、分子軌道法、量子モンテカルロ法
3-2-2 階層的計算科学の関連性/第一原理計算はどのように使われるか?
3-2-3 第一原理計算の問題構造/何を入力情報として、どんな結果が得られるか?
3-3. 基礎方程式の解き方/数理
3-3-1 変分原理と近似方策;固有値問題:波動関数とエネルギー固有値
3-3-2 近似法:多体問題から一体問題へ/基礎方程式は厳密に解けない
3-4.分子軌道(Hatree-Fock; HF)法の実際/基底関数展開
3-4-1 電子状態計算の出力/軌道関数・軌道エネルギー
3-4-2 電子状態の規定/分子軌道の占有方法/フントの規則
3-4-3 HF法の限界/電子相関
3-4-4 HF法の改良方策/多体波動関数近似の改良
3-5. 密度汎関数法(DFT法)とは?
3-5-1 DFT法の要点/面倒な定理は一旦忘れて、本質は何か?
3-5-2 交換相関汎関数とは何か?/そのバリエーションと階層性(ヤコブの梯子)
3-5-3 交換相関汎関数の違いによる理論予測の齟齬
3-5-4 DFT法の問題点:磁性、分子間力、励起状態の問題
3-6. 量子モンテカルロ(QMC)法とは?/QMC法の種類:VMC法とDMC法
3-6-1 DMC法のアイディア/どうして高精度計算が実現されるか?
3-6-2 DMC計算の実際/コンピュータ上での実装
3-6-3 DMC計算例/厳密な数値解
3-6-4 大規模スパコン上での並列計算効率
3-7. 第一原理計算手法のまとめ
3-7-1 計算スペックのまとめ
3-7-2 第一原理計算を始めるために/注意点、利用可能なソフトウェアと計算環境
3-8. 第一原理MI研究に向けて/まとめ