タンパク質(zhì)立體構(gòu)造解析の高速化に関する研究

1、イントロダクション：狹義の計(jì)算力學(xué)からソフトコンピューティング、マルチエージェントシミュレーションへ,平成２６年度柏キャンパスサイエンスキャンプ,科學(xué)と技術(shù)のための３つの方法,実験理論計(jì)算,実験と理論,ガリレオ実験や観測(cè)を駆使して多くのことを発見それ以來、研究者たちが望遠(yuǎn)鏡、顕微鏡、加速器などを使って自然を観察し、さまざまな法則を発見してきたニュートン理論的な方法により多くの業(yè)績(jī)理論研究の目的は、自然界において発見

2、された法則性?規(guī)則性から、物理変數(shù)間の関係を方程式で表現(xiàn)すること逆に、理論が提案され、後になって実験的手法によりそれが実証されることもある,力學(xué)現(xiàn)象は微分方程式で表現(xiàn)される,このようにして力學(xué)現(xiàn)象を表現(xiàn)するための微分方程式が世に現(xiàn)れた。例えば物體の運(yùn)動(dòng)　　ニュートン方程式電磁波　マックスウエル方程式水の流れ　ナビア?スト－クス方程式,実験と理論というアプローチの限界,実験が困難となる局面原子力開発や細(xì)菌を使う実験　→危険を

3、ともなう地域や宇宙を?qū)澫螭趣工毪瑜Δ蕵Oめて大規(guī)模な実験や逆にナノテクなど極微な世界の実験　→膨大なコスト理論では解ける問題が限られる紙と鉛筆　→単純な方程式しか解けない方程式を単純化すると、実際の現(xiàn)象とはかけ離れて実用性に欠ける。,「計(jì)算」の登場(chǎng),20世紀(jì)後半、「計(jì)算」科學(xué)技術(shù)という第３の方法がコンピュータの発達(dá)によって誕生実験、理論では扱えなかった複雑な問題でも計(jì)算機(jī)実験（コンピュータシミュレーション）で解が得られるよう

4、になった具體的には、微分方程式をコンピュータで解きやすい形に変換した後、それを解く,運(yùn)動(dòng)の記述　　　質(zhì)點(diǎn)系→剛體系→連続體保存則質(zhì)量保存運(yùn)動(dòng)量保存エネルギー保存これらを考慮して、気體/液體/固體の様々な物理現(xiàn)象の微分方程式が導(dǎo)出される,連続體の力學(xué),例）流體の動(dòng)きを記述する微分方程式,質(zhì)量保存運(yùn)動(dòng)量保存エネルギー保存,これらの式から　　　　　　　　　　　　　?。ㄋ俣龋吵煞?、圧力、溫度）を求める,コンピュ

5、ータで連立１次方程式を高速に解く,人間の手計(jì)算ではせいぜい數(shù)元の連立１次方程式しか解くことができないが、コンピュータを使うと何百萬元、何千萬元といった大規(guī)模な連立１次方程式でも比較的容易にかつ高速に解くことができる。,計(jì)算力學(xué)が応用される分野,構(gòu)造、流體、熱、電磁場(chǎng)、音響場(chǎng)など機(jī)械?構(gòu)造物?自動(dòng)車?航空宇宙?船舶?半導(dǎo)體?材料などの工業(yè)製品の設(shè)計(jì)?製造地震、津波、気象、公害など自然環(huán)境評(píng)価バイオ?醫(yī)療分野ナノ物質(zhì)解析,,,ソフト

6、コンピューティング,計(jì)算力學(xué)と知識(shí)工學(xué)との融合,ソフトコンピューティング（知識(shí)工學(xué)的手法）,ファジ?！uzzy　思考過程（あいまいさ）ニューラルネットワーク　Neural Network　脳細(xì)胞遺伝的アルゴリズム　Genetic Algorithm　生物の進(jìn)化過程、創(chuàng)発,計(jì)算力學(xué)との融合,計(jì)算力學(xué)（狹義）　基本方程式を境界條件と初期條件のもとに解く可能性のさらなる追求　「製品の性能評(píng)価」から「設(shè)計(jì)の最適化」へ

7、計(jì)算力學(xué)＋ソフトコンピューティング　最適化や逆問題を効率的に処理できる　　　　　　　　　　　　→やわらかい計(jì)算力學(xué),最適化,目的関數(shù)を制約條件のもとで最?。à蓼郡献畲螅─摔工肜┑戎軉栴},,,,,長(zhǎng)さ一定（制約條件）のひも,囲む面積（目的関數(shù)）が最大となる形は？,最適設(shè)計(jì),自動(dòng)車のフレーム構(gòu)造設(shè)計(jì)十分な強(qiáng)度衝突時(shí)には，フレームを変形させて乗員のダメージが少なくなるようにエネルギーを吸収複數(shù)の要求を総合的に満足する設(shè)計(jì)変

8、數(shù)（形狀，寸法など）を最適化によって決定する數(shù)理的手法　→線形計(jì)畫法など，何度も設(shè)計(jì)変數(shù)を変更して再計(jì)算する必要,,設(shè)計(jì)変數(shù),目的関數(shù),,,,xk-1,目的関數(shù)を最小化する方向に x を修正する,,,設(shè)計(jì)変數(shù),目的関數(shù),逆問題,震源情報(bào)の同定　各地に置かれた地震計(jì)の波形データから，震源データ（位置や規(guī)模）を求めるトンネル壁面のはく離　ハンマーの打診音から，はく離位置を推定すいかの味　たたいたときの音から，甘みやおいしさ

9、を推定,順問題,基本方程式,境界條件,,解,逆問題,基本方程式,解,,境界條件,補(bǔ)助情報(bào),,數(shù)理的手法　→未知パラメータ（境界條件）について初期値から出発し，反復(fù)的に修正する,最適化と逆問題,逆問題では，推定解と真の解（あるいは観測(cè)値）との誤差を反復(fù)的に最小にする　　→逆問題は最適化の一種,“複雑”な系,鳥や蟻の群行動(dòng)、社會(huì)経済、人體複雑系の特徴自律分散制御である各要素間の局所的な相互作用の仕方は極めて単純創(chuàng)発性を持ち、

10、その結(jié)果、システムとして大きな付加価値を得ている要素還元的ではないアプローチの必要性：“部分の総和≠全體”「部分から成り立つはずの全體を理解しないと部分が理解できないという循環(huán)に向かい合う」 （金子、池上、“複雑系の進(jìn)化的シナリオ”、朝倉書店、1998）,創(chuàng)発の概念,Ueda lab. RACE, UT,マルチエージェント?シミュレーション,多數(shù)の自立した主體からボトムアップにシステムを　　　　　構(gòu)成する手法シ

11、ステムを構(gòu)成する個(gè)々の要因をエージェントとし、エージェントを自立的に行動(dòng)させ、システムの挙動(dòng)を　　　　シミュレートするエージェント：「環(huán)境の狀態(tài)を知覚して、考え判斷し、行動(dòng)を行うことによって、環(huán)境に対して影響を與えることの出來る自立的主體」　（堀宗朗、2005）エージェントに対してルールを與える,例1）鳥の群れシミュレーション　(C.E. Reynolds, 1987),Boids（Bird-oids：鳥ロボット）の群れ

12、個(gè)々の鳥に対して動(dòng)作を指令するような統(tǒng)治者はいない,単純な3つのルール近すぎる仲間と離れ、衝突を回避周りと速度を合わせる群れの中心へ向かおうとする,例2）分居シミュレーション　(T.C. Schelling, 1969),地域社會(huì)の中で2種類の人間集団が分居する現(xiàn)象ルール個(gè)々の居住者（〇および※）は他の人種に対する許容値を持つ同類が自分の周囲に許容値より多く住んでいれば“満足”そうでなければ不満により引っ越す