📕
機械学習ポテンシャル(MLP)入門
量子精度と古典速度を両立する次世代シミュレーション
📍 Stage 3
中級〜上級
85-100分
4章・15例
前提: Python+ML基礎
開始 →
📕
グラフニューラルネットワーク(GNN)入門
グラフ表現学習で切り拓く分子・材料設計の新時代
📍 Stage 3
中級〜上級
120-150分
5章・40例
前提: Python+ML基礎
開始 →
📕
ベイズ最適化・アクティブラーニング入門
少ない実験で最適解を見つける効率的探索戦略
📍 Stage 2
中級〜上級
100-120分
4章・30例
前提: Python+ML基礎
開始 →
📕
Transformer・Foundation Models入門
大規模事前学習モデルで加速する材料設計
上級
120-140分
4章・30例
前提: Python+ML基礎
開始 →
📕
強化学習入門(材料科学特化版)
試行錯誤から学ぶ自律的材料設計エージェント
上級
110-130分
4章・25例
前提: Python+ML基礎
開始 →
📕
Active Learning入門
少ない実験で最適解を見つける戦略的探索
📍 Stage 3
中級〜上級
100-120分
4章・28例
前提: Python+ML基礎
開始 →
📕
量子機械学習入門
量子モデルは材料データで古典ベースラインに勝てるのか — 符号化・量子カーネル・変分量子回路をNumPyだけで実装し、統一プロトコルで古典ベースラインと比較。指数的集中とdequantizationまで扱う誠実な評価
中級〜上級
220-245分
5章・32例
前提: 量子コンピューティング+ML基礎
開始 →