2025年度Q4 材料計算科学基礎

Fundamentals of Computational Materials Science 2025 Q4

本講義では、教科書作成プログラムWeb: 録画・録音ファイルと生成AIから教科書を作るで公開しているシステムにより
講義のZoom録音と講義スライドからGoogle Gemini 2.5により講義録画を再構成したものを公開しています。
Google NotebookLMに講義資料及び関連科目資料を学習させ、自習・復習に使えるように公開しています。

Google NotebookLM

著作権・生成AIの注意・プログラミング一般

News:

2026/1/21　09:11　1/20講義資料をupdateし、動画を公開しました
2026/1/18　15:15　2025講義Webページをオープンしました

以前の更新

2026/1/9: 環境構築、python基礎、生成AIコーディング体験

内容

環境構築
pythonに触ってみる:

read.ipynb, data.csv
pythonに触ってみる: lsq.ipynb, data2.csv

生成AIの注意と利用方法

- プロンプト例: CSVデータをコードブロックで出力
- プロンプト例: プログラムの説明
- プロンプト例: 関数と引数の説明
- プロンプト例: 多項式線形最小二乗法の作成

エラー・バグ報告の仕方

2026/1/13: デバッグ、線形最小二乗法の基礎

内容

学生の課題回答への回答

- 生成AIコーディングにおけるハルシネーションへの対応
- 生成AIコーディングにおける★静かなバグ★: 01a_fitting_gpt*.py, input.xlsx

pythonプログラムのデバッグ: Tracebackの読み方: lsq_poly1_for_debug*.py

- 生成AIへ質問: 以下のエラーの意味と、対策を教えてください

線形最小二乗法

１次線形最小二乗法の基礎とモデル適合性: lsq_poly1.py, random-poly.xlsx, random-sin.xlsx
多項式線形最小二乗法の基礎と過学習: lsq_polynomial.py, random-poly.xlsx, random-sin.xlsx
一般関数線形最小二乗法の基礎と過学習: lsq_general.py, random-poly.xlsx, random-sin.xlsx

生成AIのプロンプト: プログラムを汎用化・ユーザフレンドリにする
生成AIのプロンプト: pythonらしいコード (可読性・保守性優先)

2026/1/20: 応用

内容

学生の課題回答への回答

- プログラミングを学ぶ上で、AtCoderなどの競技プログラミングサイトはどうか
- 連立一次方程式を解く際、逆行列を求めないほうがいいのでは
- 多項式最小二乗法の次数をあげたら次数が高い係数はほとんど０になった。なぜか

生成AIのプロンプト: 仕様を与えてプログラムを作る (一般)
生成AIのプロンプト: 仕様を与えてプログラムを作る (peakfit)
バイブコーディングによるpeak fitプログラムの作成: peakfit*.py
非線形最小二乗法における初期値の効果: nlsq_curvefit.py, nlsq_curvefit2.py

- アニメーションによるフィッティング過程の可視化: nlsq_curvefit2_animation.py
フィッティングプログラムを作る流れ
生成AIのプロンプト: フィッティングプログラムを作る: fit_generated.py, fit_generated.csv

数値積分: 金属の自由電子濃度: EF-N-metal.py

- 数値積分の比較: : integrate_comp.py

行列計算 (対角化): Huckel近似, 1D LCAO, tight-binding
微分方程式と境界問題: 1D Schrodinger方程式: schrodinger1d.py

- 生成AIのプロンプト: schrodinger1d.pyの開発
- 生成AIのプロンプト: マニュアルの出力
- 固有値の自動最適化プログラムは自分で作ってみよう

生成AIのプロンプト: 生成AIと対話して学習しながらプログラムを作る
生成AIのプロンプト: 目的を達成するための対話
生成AIのプロンプト: 方程式を目的として与えて、対話で解決していく