- 本コース希望者は、下記参加条件と事前準備を満たすように各自のPCのセットアップができることを必須とします。
X Window Systemを含めたLinux環境及びPCを各自で準備できる方 （実習は阪大ナノセンターのPCクラスターで行います。公開鍵認証が必須。）
受講のためWeb会議システムでアクセスできる方 （Cisco Webexを基本とする．）
チャットツールSlackにアクセスできる方
WebexやSlackは参加確定者をこちらから招待いたしますので，事前にアカウントを作っていただく必要はありません．
Those who can prepare a PC and install Linux environment including X Window System by yourselves.
(The hands-on will be conducted using the PC cluster at INSD,Osaka University. Public key authentication must be required.)
Those who can access to the web conference system to participate the lectures and hands-on. (We mainly use Cisco Webex.)
Those who can access to Slack (business communication tool).
The confirmed participants will be invited to the Webex meeting and Slack workspace, so it is not necessary to create an account in advance.
CMD講義 (森川) CMD Introductory Lecture (Morikawa)
- 先端研究事例講義の資料は，あくまで事前資料ですので，当日の発表のスライドと一部異なることがあります．
The materials for Case studies are preliminary materials, so some of them may differ from the slides presented on the day.
- 先端研究事例講義(1) CMD®Case Studies(1): 佐藤 龍平 (東京大学) Ryuhei Sato (The University of Tokyo)
- 先端研究事例講義(2) CMD®Case Studies(2): 岩佐 豪 (北海道大学) Takeshi Iwasa(Hokkaido University)
- 先端研究事例講義(3) CMD®Case Studies(3): 水上 渉 (大阪大学) Wataru Mizukami (The University of Osaka)
CrySPY 講義・演習 （山下/Yamashita）
To take this course, please bring your own PC.
- 参加条件
Linuxの基本的なコマンド操作ができること
ワークステーションへのssh, scpなどができること
Linuxの環境変数などの知識（pathの設定など）があることが望ましい
第一原理計算などによる構造緩和の経験があることが望ましい。
ODAT-SE 講義・演習 (星・吉見・本山・青山/Hoshi,Yoshimi,Motoyama,Aoyama)
- 事前に こちらを確認しておいてください
*概要*
ODAT-SE（Open Data Analysis Tool for Science & Engineering） は、計算科学・材料科学・物性物理を中心とした研究分野において、順問題・逆問題・最適化を統合的に扱うためのオープンソース解析基盤です。数値シミュレーションによって得られた結果を、単なる「計算結果の後処理」にとどめず、モデル化・推定・探索・最適化へと発展させるための共通フレームワークとして設計されています。
ODAT-SE は、解析アルゴリズムと物理モデルの分離、再利用可能な順問題ソルバー設計、実験・計算・機械学習を横断したワークフロー構築を可能にし、研究者が「何を解きたいのか」に集中できる環境を提供します。
*Overview*
ODAT-SE (Open Data Analysis Tool for Science & Engineering) is an open-source analysis framework designed to integrate forward problems, inverse problems, and optimization in computational science, materials science, and condensed matter physics.
Rather than treating numerical simulation results as mere post-processing data,
ODAT-SE provides a unified framework that enables modeling, inference, exploration, and optimization based on simulation outputs.
By separating analysis algorithms from physical models and enabling reusable designs of forward-problem solvers, ODAT-SE supports research workflows that seamlessly bridge experiments, simulations, and data-driven approaches. This allows researchers to focus on the essential scientific questions they aim to address.
*実習内容*
本ワークショップでは、ODAT-SE の設計思想と基本構造を理解した上で、
実際の研究応用例やコード実装を通じて、自分の研究に ODAT-SE をどのように組み込むかを学びます。
実習では、順問題ソルバーの基本的な作成から、計算結果の解析・可視化までを含む一連の流れを段階的に扱います。
また、生成AIを活用した実装支援の活用方法についても紹介します。
生成AIを用いて、順問題ソルバーの雛形作成、既存コードの構造整理、ODAT-SE に組み込むための設計方針検討を行う際の考え方や実践例を共有します。
その具体例として、第一原理計算コードと ODAT-SE を連携させた実装例を紹介します。
Akai-KKR を用いた順問題ソルバー実装を例に、入力生成から結果の解析・可視化までの流れや、生成AIを活用した実装整理・拡張の考え方を解説します。
※本実装例は Quantum ESPRESSO など、他の第一原理計算コードにも展開可能な構成となっています。
*Hands-on Sessions*
In this workshop, participants will first learn the design philosophy and basic structure of ODAT-SE, and then explore how it can be incorporated into their own research through concrete application examples and code implementations.
The hands-on sessions cover the entire workflow, from constructing basic forward-problem solvers to analyzing and visualizing computational results, in a step-by-step manner.
We also introduce practical approaches for implementation support using generative AI.
Examples include using generative AI to create solver templates, organize and understand existing codes, and examine suitable design strategies for integrating simulation codes into the ODAT-SE framework.
As a concrete example, we present an implementation that couples ODAT-SE with a first-principles electronic-structure code.
Using Akai-KKR as a case study, we demonstrate the overall workflow—from input preparation and execution to result analysis and visualization—and discuss how generative AI can assist in organizing, refining, and extending such implementations.
/Note: The implementation strategy presented here is readily applicable to other first-principles codes, such as Quantum ESPRESSO./
