近年話題となってきている機械学習の方法によると，様々なタスクを自動的にこなす機械を作ることが可能になってきているようです．そんなに有用なのであれば自分の仕事でも使ってみたいと思うのは自然なことでしょう．このような発想を理論物理の研究に持ち込んだという旨の論文が増えてきています．本稿ではそのうちで，人間にとっては（今となっては）簡単なタスクではありますが，「２次元イジングモデルの相転移を見つける」ことができること，及びなぜそれが可能なのかを，機械学習の方法の一般論と合わせて説明します．

自己学習モンテカルロ(Self-learning Monte Carlo Method (SLMC)) 法とは，機械学習を用いてマルコフ (Markov) 連鎖モンテカルロ法を高速化する手法である．機械学習を用いることでオリジナルの模型と似たモンテカルロ重みを持つ有効模型を構築し，その模型を使ってマルコフ連鎖における次の配位候補を生成する．また，詳細釣り合いとメトロポリス-ヘイスティングス（Metropolis-Hastings）法に基づいているため，得られる結果はオリジナルの模型での計算と統計的に厳密に等しい．本原稿では，マルコフ連鎖モンテカルロ法の概略と問題点について述べた後，SLMC 法の基本コンセプトとそれによる高速化について述べる．また，特定の模型のモンテカルロシミュレーションに対してSLMC 法を適用した結果を紹介するとともに，有効模型を自動的に構築する試みについても述べる．

「普通の量子化学計算」を短時間で効率的に実行できるようになったことにより，量子化学計算のハイスループット化を指向したシミュレーション技術と，その解析のためのインフォマティクスの活用に注目が集まっている．本稿では，金属ナノクラスター触媒を具体的なターゲットとして，GRRM（global reaction route mapping）のような探索型のハイスループット量子化学計算で得た計算結果のデータベースに対し，インフォマティクスを利用して解析・予測を行った例を紹介する．

分子動力学シミュレーションでタンパク質の動的性質等を解析する際にしばしば用いられるKabsch の方法に代表される従来の構造重ね合わせ手法には、タンパク質に特有な大きな構造ゆらぎに起因する不定性が伴い，時には解析結果に重大な影響を及ぼす可能性がある．筆者は分子動力学シミュレーションでタンパク質の動的性質をより精密に解析する為に，従来用いられてきた手法に代わるベイズ推定を用いた新たな方法を考案した．このベイズ推定を用いた構造重ね合わせ法の特徴と応用例について報告する．

本稿では，人工知能（機械学習）を援用して，蛋白質を機能改変・高機能化する方法について述べる．蛋白質の大量の変異体を作り出し，その中から有用な変異体を取り出す手法の研究は進化分子工学と呼ばれて いる．指向性進化法，ファージディスプレイ法などの手法を用いることで，酵素・抗体の機能を改善することが示され，2018 年のノーベル化学賞は進化分子工学の研究者に与えられたほどである．一方で，これらの手法によって作られる変異体ライブラリーのサイズは，しばしば巨大なものとなり，目的変異体の迅速・確実な取得が困難となってしまう．本研究では，変異体ライブラリーの作製に機械学習による機能予測を導入し，目的変異体を含む確率が飛躍的に向上している小規模な変異体群(スマートホットライブラリー)を構築することで，低コスト・高速に高機能性分子を創出する手法を提案する．

分子動力学シミュレーションは分子のふるまいを調べるための汎用的で強力な手法であるが，目的によっては巨大な系で長時間のシミュレーションを実行する必要があり，その計算コストは途方もないほど大きくなる場合がある．この計算コストの問題を解決するために，並列コンピュータを用いて計算を並列化することで計算に要する実時間を減らすことが実現されている．本稿では，並列に計算される短時間のシミュレーション結果から，機械学習によって長時間シミュレーションの結果を予測し，長時間シミュレーションを高速化する「MD-GAN」について紹介する．

Molecular Dynamics simulation results of modelling an entire capsid of the PCV2 virus in explicit water are presented. Particular attention has been given to the distribution of ions inside the capsid. Because the internal surface of the capsid is positively charged, the correct distribution of chloride ions is important. It is demonstrated that this distribution is ultimately connected to the stability of the capsid

グラフェン層間に閉じ込められた水が2 次元平面内に形成する不均一な自己組織構造を，分子動力学(MD) シミュレーションにより調べた．水の強い局所化の傾向が，グラフェンの曲げ剛性によるエネルギーコストに打ち勝ち，グラフェンのシワを伴う２次元液滴「ドリプロン(Dripplon)」を形成することがわかった．このドリプロンの生成現象は，グラフェンの曲げ剛性に基づく界面のエネルギーコストを考慮したモデルによりよく説明することができる．平面内でのダイナミクスについても解析し，ドリプロンを構成する水分子および炭素原子を次々に入れ替えながら運動することを明らかにした．

モンテカルロ法(以下，MC 法) は，分子動力学法とともに，統計力学の数値解法である．モンテカルロ法は，統計力学の物理量の期待値の公式を，ボルツマン分布を実現する乱数を用いた数値積分により求める方法であり，分子動力学法に比べてより直接的に統計力学と結びついている．前回は，カノニカルアンサンブルのMC 法について説明した．今回は，等圧等温アンサンブル，グランドカノニカルアンサンブル，ギブスアンサンブルのMC 法について説明する．

ゾウリムシに代表される繊毛虫，あるいはバクテリア，哺乳類の精子は，流体中を遊泳しながら移動する．こういったマイクロメートルスケールにおける遊泳運動を低レイノルズ領域の流体現象と見なすと，ストークス方程式から導出したシンプルな数理モデルで分類することができる．近年，モデルによる検証から，一見複雑怪奇な遊泳細胞が示す「行動」を，最小限の物理要素によって説明することが可能になりつつある．本研究では，繊毛虫と呼ばれる原生動物の生存にとって有利な行動を対象に，流体数値計算からそのメカニズムが実測可能な２つの物理要素だけで説明可能なことを明らかにした．

生体分子の振る舞いを解き明かすために，自由エネルギー反応経路を解き明かすことはとても重要である．我々はアンブレラ積分法と超球面探索法を組み合わせることで，反応経路の自動探索を可能にした．本研究では，水中のアラニンヘキサペプチドを計算し，その反応経路ネットワークを解き明かした．