投稿者: 博佐藤

[Published online Journal of Computer Chemistry, Japan Vol.20, A20-A20, by J-STAGE]
<Title:> 私と日本コンピュータ化学会
<Author(s):> 志穂 曽々木
<Corresponding author E-Mill:> shiho(at)hpc-sol.co.jp
<Abstract:>
<Keywords:>
<URL:> https://www.jstage.jst.go.jp/article/jccj/20/2/20_2021-0046/_article/-char/ja/

[Published online Journal of Computer Chemistry, Japan Vol.20, A21-A26, by J-STAGE]
<Title:> 電子を描く(11) ― 電子の波が分子をつくる
<Author(s):> 時田　澄男
<Corresponding author E-Mill:> tokita(at)apc.saitama-u.ac.jp
<Abstract:> 水素原子がふたつ集まって水素分子をつくる過程を原子価結合法や分子軌道法で取り扱うと，分子を形成した方が安定になることを説明できる．このとき，分子軌道における原子軌道の波の重なり方が同じ位相のときは安定な結合性分子軌道が出来，異なる位相のときは不安定な反結合性分子軌道が出来る．
<Keywords:> Keywords hydrogen atom, atomic orbital, hydrogen molecule, molecular orbital (MO), electron, wave, interference, in-phase, out-of-phase, bonding, antibonding, highest occupied MO (HOMO), lowest unoccupied MO (LUMO), difference electron densit
<URL:> https://www.jstage.jst.go.jp/article/jccj/20/2/20_2021-0021/_article/-char/ja/

[Published online Journal of Computer Chemistry, Japan Vol.20, A27-A41, by J-STAGE]
<Title:> 日本コンピュータ化学会20周年に寄せて
<Author(s):> 中井　浩巳
<Corresponding author E-Mill:> nakai(at)waseda.jp
<Abstract:> 日本コンピュータ化学会（SCCJ）は，日本化学プログラム交換機構（JCPE）と化学ソフトウェア学会（CSSJ）が合併して2002年1月1日に設立され，まもなく創立20周年を迎える．この記事では，コンピュータ化学に関連する文献を紹介することにより，SCCJの過去20年間を振り返りる．まず，化学，物理学，工学，材料科学，生化学などの研究分野ごとに文献数を比較する．次に，引用数の多い上位100位の文献のいくつかを，方法論，ソフトウェア，データベース，およびトピックに分類して説明する．
<Keywords:> Computational chemistry, Quantum chemistry, Molecular simulation, Machine learning, Quantum simulation
<URL:> https://www.jstage.jst.go.jp/article/jccj/20/2/20_2021-0020/_article/-char/ja/

[Published online Journal of Computer Chemistry, Japan Vol.20, A42-A49, by J-STAGE]
<Title:> Support Vector Machineを用いた国内の新型コロナウイルス(COVID-19)死亡率の分析
<Author(s):> 田辺　和俊, 鈴木　孝弘
<Corresponding author E-Mill:> kazutoshitanabe(at)jcom.home.ne.jp
<Abstract:> 全世界に蔓延している新型コロナウイルス(COVID-19)の日本における死亡要因を探るために，都道府県別の死亡率を目的変数とし，生活や健康，社会経済的要因など各種の指標を説明変数として重回帰分析による実証研究を試みた.目的変数と説明変数との非線形関係に対処するためにSupport Vector Machineを適用し，感度分析により要因を探索した.その結果，死亡率を上げる危険要因として生活保護，都市化，貧困率，サービス業，性比の5種，死亡率を下げる防御要因として単独世帯，食事，睡眠の3要因，併せて計8種の要因が得られた.特に，いわゆる「三密」に関連する都市化，サービス業，単独世帯の3要因の寄与がもっとも大きいこと，次いで貧困層の実態を反映する生活保護と貧困率の寄与が大きいことなど，新型コロナウイルスの予防対策に関して新規かつ有用な知見が得られた.
<Keywords:> COVID-19 Mortality, Socio-economic Factor, Support Vector Machine
<URL:> https://www.jstage.jst.go.jp/article/jccj/20/2/20_2020-0030/_article/-char/ja/

[Published online Journal of Computer Chemistry, Japan Vol.20, 23-47, by J-STAGE]
<Title:> First-Principles Calculations of Stability, Electronic Structure, and Sorption Properties of Nanoparticle Systems
<Author(s):> Gerardo VALADEZ HUERTA, Yusuke NANBA, Nor Diana Binti ZULKIFLI, David Samuel RIVERA ROCABADO, Takayoshi ISHIMOTO, Michihisa KOYAMA
<Corresponding author E-Mill:> koyama_michihisa(at)shinshu-u.ac.jp
<Abstract:> Nanoparticles have a wide range of applications as catalysts. Their catalytic and electronic properties differ from those of materials with flat surfaces and bulk materials. First-principles calculations of real system nanoparticles, which use nanoparticle models based on real shapes extracted from experimental observations, are essential for studying these properties to facilitate the computational design of new catalysts. In this article, we review first-principles studies of models of real systems of monometallic, bimetallic, and supported nanoparticles. The stability, electronic structure, hydrogen absorption behavior, and small molecule adsorption behavior are reviewed, and advances in first-principles calculations of real system nanoparticles are presented. Further, a combination of machine learning and first-principles studies is also considered. Future perspectives are discussed on the basis of these examples.
<Keywords:> Density functional theory, Real system structure, Nanoparticle, Machine learning
<URL:> https://www.jstage.jst.go.jp/article/jccj/20/2/20_2021-0028/_article/-char/ja/

[Published online Journal of Computer Chemistry, Japan Vol.20, 48-59, by J-STAGE]
<Title:> 分割統治量子化学計算におけるバッファ領域決定の自動化
<Author(s):> 小林　正人, 藤森　俊和, 武次　徹也
<Corresponding author E-Mill:> k-masato(at)sci.hokudai.ac.jp
<Abstract:> 本稿では，著者らが開発してきた大規模量子化学計算手法である分割統治（DC）法において，バッファ領域を自動的に決定する手法について述べる．バッファ領域は，DC法の近似に伴い導入される誤差に直接関係し，その選択はエネルギー精度を決める要である．繰り返し計算であるDC Hartree-Fock法では，二層の階層構造を持つバッファ領域を用いる．外側バッファ領域の各原子からのエネルギー寄与を概算し，エネルギー閾値に基づいてバッファ領域をその方向に拡大すべきか否かを判断することで，バッファ領域を徐々に拡大していく．一方，繰り返し計算ではない2次M ller-Plesset摂動計算に対するDC法では，元のバッファ領域内の各原子に対してエネルギー寄与を概算し，与えられたエネルギー閾値以上の寄与を持つ原子のみをバッファ領域に残す．いずれの手法も，エネルギーに基づく1つの閾値だけをパラメータとして，ほぼ一定の精度でエネルギーを計算できることを実証した．
<Keywords:> Large-scale quantum chemical method, self-consistent field calculation, second-order M ller-Plesset perturbation (MP2) calculation, accuracy control
<URL:> https://www.jstage.jst.go.jp/article/jccj/20/2/20_2021-0025/_article/-char/ja/

[Published online Journal of Computer Chemistry, Japan Vol.20, 60-70, by J-STAGE]
<Title:> Fisher Discriminant Orthogonal Decompositionの高速化
<Author(s):> 吉村　季織, 高柳　正夫
<Corresponding author E-Mill:> yosimura(at)cc.tuat.ac.jp
<Abstract:> Fisher Discriminant Orthogonal Decomposition (FDOD)は，Fisher Discriminant Analysis (FDA)に正則化係数と直交分解を適用した判別分析法である．これにより，多変量データの判別分析において過学習を回避すること，グループ数以上の判別軸を求めることが可能になった．しかし，FDODは計算時間やメモリを多く消費する方法である．そこで，分析データを特異値分解して冗長データを取り除くことで，計算時間やメモリを節約する方法，Fast Fisher Discriminant Orthogonal Decomposition (FFDOD)を開発した．7054波数のデータからなる6種のセルロール系繊維の赤外級数スペクトル275個にFFDODを適用した場合，FDODと比較して約1/84の計算時間となった．特異値分解の計算を除外すると，約1/290と顕著な高速化が実現できた．また，FFDODとFDODの結果を比較することとで，計算精度においても同等であることが示された．
<Keywords:> discriminant analysis, Fisher Discriminant Analysis, regularization coefficient, singular value decomposition, orthogonal decomposition
<URL:> https://www.jstage.jst.go.jp/article/jccj/20/2/20_2021-0027/_article/-char/ja/

[Advanced Published online Journal of Computer Chemistry, Japan, by J-STAGE]
<Title:> First-Principles Calculations of Stability, Electronic Structure, and Sorption Properties of Nanoparticle Systems
<Author(s):> Gerardo VALADEZ HUERTA, Yusuke NANBA, Nor Diana Binti ZULKIFLI, David Samuel RIVERA ROCABADO, Takayoshi ISHIMOTO, Michihisa KOYAMA
<Corresponding author E-Mill:> koyama_michihisa(at)shinshu-u.ac.jp
<Abstract:> Nanoparticles have a wide range of applications as catalysts. Their catalytic and electronic properties differ from those of materials with flat surfaces and bulk materials. First-principles calculations of real system nanoparticles, which use nanoparticle models based on real shapes extracted from experimental observations, are essential for studying these properties to facilitate the computational design of new catalysts. In this article, we review first-principles studies of models of real systems of monometallic, bimetallic, and supported nanoparticles. The stability, electronic structure, hydrogen absorption behavior, and small molecule adsorption behavior are reviewed, and advances in first-principles calculations of real system nanoparticles are presented. Further, a combination of machine learning and first-principles studies is also considered. Future perspectives are discussed on the basis of these examples.
<Keywords:> Density functional theory, Real system structure, Nanoparticle, Machine learning
<URL:> https://www.jstage.jst.go.jp/article/jccj/advpub/0/advpub_2021-0028/_article/-char/ja/

[Advanced Published online Journal of Computer Chemistry, Japan, by J-STAGE]
<Title:> Constructing Regression Models with High Prediction Accuracy and Interpretability Based on Decision Tree and Random Forests
<Author(s):> Naoto SHIMIZU, Hiromasa KANEKO
<Corresponding author E-Mill:> hkaneko(at)meiji.ac.jp
<Abstract:> Models for predicting properties/activities of materials based on machine learning can lead to the discovery of new mechanisms underlying properties/activities of materials. However, methods for constructing models that exhibit both high prediction accuracy and interpretability remain a work in progress because the prediction accuracy and interpretability exhibit a trade-off relationship. In this study, we propose a new model-construction method that combines decision tree (DT) with random forests (RF); which we therefore call DT-RF. In DT-RF, the datasets to be analyzed are divided by a DT model, and RF models are constructed for each subdataset. This enables global interpretation of the data based on the DT model, while the RT models improve the prediction accuracy and enable local interpretations. Case studies were performed using three datasets, namely, those containing data on the boiling point of compounds, their water solubility, and the transition temperature of inorganic superconductors. We examined the proposed method in terms of its validity, prediction accuracy, and interpretability.
<Keywords:> Model interpretability, Predictive ability, Decision tree, Random forests, Regression model
<URL:> https://www.jstage.jst.go.jp/article/jccj/advpub/0/advpub_2020-0021/_article/-char/ja/

[Published online Journal of Computer Chemistry, Japan Vol.20, 14-21, by J-STAGE]
<Title:> 熱硬化性樹脂コンポジットにおける物性予測に向けた機械学習モデル構築
<Author(s):> 高原　渉, 小林　優希, 森田　将司, 奥山　浩二郎, 川村　信行
<Corresponding author E-Mill:> takahara.wataru(at)jp.panasonic.com
<Abstract:> 本研究では自社の実験データを用いて，熱硬化性樹脂コンポジットを工業応用する際に重要となる比誘電率(ε)，誘電正接(tanδ)予測に向けた機械学習モデルを構築した．機械学習モデルの構築には近年注目を集めている勾配ブースティング木(GBDT)系のアルゴリズムを含む幅広い手法を採用した．複数の手法にて構築したモデルの中で，Training data setにおける交差検証(Cross-validation)時の決定係数R²_CV > 0.8を満たすモデルを抽出した．更にTraining data set においてRMSE (Root Mean Square Error)及びMAE (Mean Absolute Error)の値が小さく，より定量的な物性予測が可能と考えられるモデルを選択し，Test data setにおける評価を行った．その結果，RMSEやMAEがε及びtanδそれぞれの平均値に対して10^-1 10^-2オーダーで物性予測可能な機械学習モデルが得られた．本結果より，熱硬化性樹脂コンポジットにおいてもMI (Materials Informatics)によるアプローチが有効であり，定量的な特性予測が可能であることを初めて実証した．今後の開発において，本アプローチを用いることで材料開発期間の短縮及び材料開発の促進を期待する．
<Keywords:>
<URL:> https://www.jstage.jst.go.jp/article/jccj/20/1/20_2021-0026/_article/-char/ja/