上のサイトから概要部分を引用しておきます。（申し込みリンクも上のサイトにあります。） 【概要】 本セミナーでは、生成AI（ChatGPT）を活用したプログラミング学習および材料科学向けソフトウェアの利用支援について紹介します。具体的には、並列化対応したコード作成例、ソフトウェア活用について紹介します。また、MyGPTを利用した、ソフトウェアのAIチューター作成例についても紹介します。 講演の一部は、以下の論文をもとにしています。 T. Misawa et al., https://arxiv.org/abs/2504.08817
この動画はLie群とかLie代数とか聞いたことがあるけれども難しげで敬遠されていることが多い、Lie理論の入門動画になっています。 The Royal Society Africa Prizeの受賞者 Professor Ali Baklouti による講演です。Lie理論がよく耳にする素粒子論での応用のみならず、生命科学や医学、そして地球物理学など様々な科学分野に応用されていることをこの講演で初めて知りました。昨年、雑誌数学セミナーの4、5、6月号でLie代数やLie群の話が連載されていたのですが応用例としてあげられていたものに生命科学系の話がなかったもので、読まずにパスしていました。この講演をきくと、Lie群とか勉強してみたくなること請け合いです。
まず機械学習によってタンパク質のデザインを行う方法についての最新の動画がでたので紹介します。とうとう実験をするよりも効率的にタンパク質の設計ができる時代がきたようです。わかりやすく最新の研究成果をプレゼンしているので是非見てください。 Designing new and improved functions in natural protein folds https://youtu.be/2aaWh8yVq8U?
Section 1: Introduction OFAT (One-Factor-At-A-Time) vs. DOE (Design of Experiments) vs. Iterative Machine Learning, Quick Overview of Traditional ML Methods (NN, GPR, Ensemble Methods)
Section 2: Case Study on Heat Transfer Physics-Informed Features, Loss, and Domain Transformation with Neural Networks (NN)
Section 3: Case Study on Discovering Chemical Reactions Physics-Informed Augmentation with Sparse Identification of Nonlinear Dynamics (SINDy)
Section 4: Case Study on 3D Printing Physics-Informed Synthetic Features using Finite Element with Ensemble Methods
Section 5: Case Study on Adhesive Bonding Strength Physics-Informed Domain Transformation and Dimensionality Reduction with Gaussian Process Regression (GPR) 同じワシントン大学からの次の講義もあります。最初のツイートをしている先生です。動画には日本語字幕もついているようでこちらも本格的に勉強するのによさそうです。
最初の動画をうめこんでおきます。 Physics Informed Machine Learning: High Level Overview of AI and ML in Science and Engineering Course: Physics-Informed Machine Learning https://youtu.be/JoFW2uSd3Uo?