現場で使える計算化学入門：Google Colabで体験する量子化学・分子動力学

☆計算化学を「自らのツール」として使いこなすための実践的チュートリアル講座！
☆初心者が挫折しやすい環境構築の手間を省くことで、
　より効果的かつ有意義な学習機会のご提供をお約束いたします！

【テーマ名】
現場で使える「計算化学」入門：Google Colabで体験する量子化学・分子動力学
～環境構築不要！直感的な理解と最新AI技術で学ぶ、実務のための活用術～

【講師】
千葉工業大学
工学部 応用化学科 教授
博士（理学）
山本 典史 氏

【学歴】
1999年 3月 九州大学 理学部 化学科 卒業 学士（理学）
2001年 3月 九州大学 理学部 理学研究科 分子科学専攻 修了 修士（理学）
2004年 3月 九州大学 大学院 総合理工学研究科 量子プロセス理工学専攻 修了 博士（理学）

【職歴】
2004年 4月 東京大学 大学院 総合文化研究科 日本学術振興会 特別研究員（PD）
2007年 4月 岐阜大学 人獣感染防御研究センター 計算創薬研究分野 助教
2010年 7月 名古屋大学 大学院 情報科学研究科 特任助教
2012年 4月 千葉工業大学 工学部 生命環境科学科 助教
2016年 4月 千葉工業大学 工学部 応用化学科 准教授
2022年 4月 千葉工業大学 工学部 応用化学科 教授

【専門および得意な分野・研究】
・計算化学
・量子化学
・分子シミュレーション

【本テーマ関連学協会での活動】
・日本化学会
・分子科学会
・日本コンピュータ化学会
・日本生物物理学会
・CBI学会

【開催日時(オンライン配信)】
2026年3月26日(木) 10:30-16:30

【受講料】
●見逃し視聴なし：1名50,600円(税込（消費税10％）、資料付)
　＊1社2名以上同時申込の場合、1名につき39,600円

●見逃し視聴あり：1名56,100円(税込（消費税10％）、資料付)
　＊1社2名以上同時申込の場合、1名につき45,100円

※詳細な内容やお申込み要領等は、下段「セミナーホームページを見る」をご参照ください。

【セミナーの内容】
■講座のポイント
　本講座は、実験化学者が計算化学を「自らのツール」として使いこなすための実践的チュートリアルです。最大の特長は、初心者が挫折しやすい「環境構築」の手間を省き、Webブラウザ上（Google Colab等）ですぐに計算を始められる環境を提供する点です。講座では、直感的に操作できる「GUIツール」を用いて基本概念を直感的に理解した後、Pythonライブラリを用いた実習で、量子化学計算と最新の機械学習力場による分子動力学シミュレーションを体験します。特定のソフトの操作手順よりも、手法の選び方や「安全・安心な使い方（失敗の見抜き方）」といった普遍的なノウハウに重点を置き、明日から業務・研究で使えるスキルを習得します。

■受講後、習得できること
・環境構築不要で、量子化学・分子動力学を実行できるクラウド上の計算環境（Google Colab等）を持ち帰ることができる。
・GUI（視覚的操作）とコード（自動化）のメリットを理解し、効率的に構造作成や計算実行ができるようになる。
・近年注目される「機械学習力場」を用い、従来困難だった高精度かつ高速なシミュレーション技術を体験できる。
・計算結果を鵜呑みにせず、エラーや不自然な挙動（計算の失敗）を見抜くためのチェックポイントを習得できる。

■講演中のキーワード
・Google Colab
・量子化学計算 (QM)
・分子動力学シミュレーション (MD) 
・機械学習力場 (MLP) 
・Python

■プログラム項目
1. 計算化学の全体像と「GUIツール」による直感的理解
　(ア) イントロダクション：実験化学者が計算化学を使う意義
　(イ) 孤立分子系における「量子化学（QM）」と「分子動力学（MD）」の使い分け
　(ウ) デモ：Webブラウザで動くGUIツールを用いた計算化学体験
　(エ) 分子構造の作成と、計算用データの取得
　(オ) 視覚的に理解する量子化学の基礎：構造最適化と分子の安定化
　(カ) 視覚的に理解する分子動力学の基礎：熱振動と分子の動き

2. Pythonライブラリによる量子化学計算の実践
　(ア) Google Colab 実習環境の構築 
　(イ) 主要なPythonライブラリとインターフェースの紹介
　(ウ) 量子化学を「安全」に使うための基礎知識
　(エ) 密度汎関数法（DFT）と汎関数の選び方
　(オ) 基底関数の適切な選び方（計算コストと精度のバランス）
　(カ) 実習：クラウド環境での量子化学計算
　(キ) 一点エネルギー計算と構造最適化の実行
　(ク) 結果の検証：実務で活用するための結果の読み解き方

3. 最新AI技術（機械学習力場）による分子動力学シミュレーション
　(ア) 次世代のMD：機械学習力場（Machine Learning Potentials）の衝撃
　(イ) なぜDFT並みの精度でMD並みの速度が出るのか
　(ウ) 実習：機械学習力場を用いた高速MDシミュレーション
　(エ) クラウド環境を活用した高速計算の実演
　(オ) 温度条件を変えたシミュレーションの実行
　(カ) 結果の可視化：グラフ描画による分子挙動の解析

4. 現場活用ノウハウとまとめ
　(ア) 計算結果の「品質管理（QA）」
　(イ) 失敗事例から学ぶ：計算が収束しない時、構造がおかしい時の対処法
　(ウ) 機械学習力場の得意・不得意（適用範囲の理解）
　(エ) 実務・研究開発への応用事例（反応解析、物性予測など）
　(オ) 質疑応答

※講演内容は、当日の状況や計算環境のアップデートにより、使用するツールや構成が一部変更となる場合がございます。予めご了承ください。

• セミナーホームページを見る