「計算科学のためのHPC技術 2」（大阪大学出版会）の評判・価格・レビュー
量子コンピュータを学ぶための教材の基本情報・価格・レビュー。
PR・広告を含みます
量子コンピュータをスクールで学ぶなら、教育訓練給付で最大80%OFF。
対象講座なら受講料の最大80%（給付区分・上限・要件あり）が後日戻り、実質負担を抑えられます。独学の本＋スクールの併用も。
▶ あなたの講座でいくら戻るか試算（無料・30秒）
無料相談で適用条件を確認できます
無料相談で適用条件を確認できます
はじめての方へ：教育訓練給付のしくみと損しない選び方 ／ 申請手順5ステップ
学んだ後に「作って公開する」ための環境例です。サーバー・ツールは教育訓練給付／補助の対象外です。
※給付率・実質額は区分（一般20%／特定一般40%／専門実践 最大80%）と要件で変わり、即時値引きでなく後日支給です。最終可否はハローワーク・厚労省でご確認ください。掲載はPR（送客手数料を受領）。
この本について
本書は姉妹本である『計算科学のためのHPC技術1』(大阪大学出版会)と比べて，より実践的な技術を多く含んでいる．日々進歩する計算機の世界の，特にハイパフォーマンスコンピューティング(High Performance Computing：HPC)において，「京」で培った技術はアプリケーションの高速化技術として長く役立つ要素がいくつもあるに違いなく，全ての分野の研究者や学生に役立つであろう． まえがき 執筆者一覧
第1章スーパーコンピュータとアプリケーションの性能 1.1 スーパーコンピュータとは？ 1.2 高性能アプリケーションとは？
第2章アプリケーションの性能最適化 2.1 性能評価方法 2.2 現状認識–ソースコードの調査 2.3 現状認識–測定法 2.4 現状認識–演算・通信カーネルの決定 2.5 問題点の把握–高並列に関する問題点の評価法 2.6 問題点の把握–CPU 単体性能に関する問題点の評価法 2.7 高並列に関する問題パターン別の性能最適化技術 2.8 CPU 単体性能に関する性能最適化
第3章アプリケーションの性能最適化の実例 3.1 「京」性能実証のためのアプリケーション 3.2 「京」のシステム概要 3.3 性能評価のための計算機環境 3.4 高並列性能最適化の実例の概要 3.5 RSDFT の性能最適化 3.6 PHASE の性能最適化 3.7 CPU 単体性能最適化の実例の概要 3.8 Seism3D のCPU 単体性能最適化の実例 3.9 FFB のCPU 単体性能最適化
第4章大規模系での高速フーリエ変換 4.1 高速Fourier 変換 4.2 多次元FFT 4.3 2 次元分割を用いた並列3 次元FFT アルゴリズム 4.4 GPU クラスタにおける並列1 次元FFT 4.5 まとめ 4.6 練習問題
第5章オーダーN 法 5.1 密度汎関数理論 5.2 電子の近視性(Nearsightedness) 5.3 局在基底法 5.4 オーダーN 法 5.5 超並列化の方法 5.6 オーダーN 法の応用 5.7 数値厳密な低次スケーリング法 5.8 まとめ
第6章大規模MD並列化の技術 6.1 階層的並列化 6.2 トーラスネットワークの特徴を踏まえた並列化方法 6.3 並列性能を高めるためのデータ構造 6.4 分子動力学計算の概要 6.5 具体的なMPI 並列化事例 6.6 演算の効率化 6.7 まとめ
第7章大規模量子化学計算 7.1 量子化学計算の目的と種類 7.2 SCF 計算の構成要素 7.3 post-HF 計算の構成要素 7.4 大規模系に適用するための量子化学計算法 7.5 結びに
第8章OpenAcc によるGPU Computing 8.1 はじめに 8.2 OpenACC とは 8.3 OpenACC によるアプリケーションのGPU 化の推奨方法 8.4 ホットスポットの特定 8.5 ループの並列化 8.6 データ転送の最適化 8.7 ループの最適化 8.8 まとめ
第9章インテルXeon Phi プロセッサ向け最適化、並列化概要 9.1 はじめに 9.2 プログラミング言語 9.3 ベクトル化 9.4 キャッシュ 9.5 インテルXeon Phi プロセッサ(開発コード名Knights Landing) 概要 9.6 MCDRAM の使用方法 9.7 ベクトル化を妨げる原因と解決方法 9.8 最適化ツールを使ったベクトル化 9.9 マルチスレッド化 9.10 MPI アプリケーション 9.11 まとめ
索引
判型：単行本
量子コンピュータとは
量子コンピュータは、情報を扱う単位を量子ビット（qubit）とする計算機です。古典的な0と1の情報表現に加えて、重ね合わせやもつれといった量子力学の性質を使って計算を進めます。今は研究開発が活発で、実用化は分野ごとに段階が分かれる領域です。
こんな人向け：対象は理系・文系を問わず、物理や数学に興味のある人です。高校レベルの数学と基礎的なプログラミング経験があると、抽象概念の理解が進みやすくなります。
独学ロードマップでの位置
量子コンピュータは単体で理解しにくいため、目的別に学習順を分けると全体が見えます。まず基礎概念、次にアルゴリズム、最後に実装面をつなぐ三層構造で進めるのが無理が少ないです。
- 量子計算が必要になる背景として、暗号・最適化・物理シミュレーションなどの課題を整理する。
- 古典情報科学の基礎を確認し、ベクトルや確率の表現に慣れる。
- 量子ビットの状態表現、量子ゲート、回路図、測定の意味を順番に読む。
- 代表的な量子アルゴリズムの思想を追い、なぜ従来手法と条件が異なるのかを比較する。
- シミュレータや公開教材で小さな回路を動かし、理論と実装のつながりを確認する。
独学で足りる？体系的に学ぶ選択肢
独学では、難しい定義を「自分の言葉」で書き換える作業が最短です。本文と図版、演習を交互に回すと、抽象式だけの読了で終わることを避けられます。教材は1冊で全てを賄うより、入門書で全体地図を作り、解説書で定着を補う二本立てにすると判断基準が明確になります。
独学が不安な人や期限がある人には、学習計画を共有しながら進む体系的な学びの場が有効です。名称を問わず、量子情報の基礎から回路、応用例まで段階的に扱う構成で、演習と理解確認が設計されているかを比較してください。 ▶ 給付でいくら戻るか試算
よくある質問
Q. 量子コンピュータは何でも高速化できますか。
いいえ、すべての問題で従来機より速くなるわけではありません。タスクの構造によって有利な場合と、従来技術が適している場合があります。まずは「なぜ量子化が意味を持つ問題か」を軸に選ぶのが安全です。
Q. 数学が苦手でも始められますか。
最初は難しく感じるのは自然です。線形代数や確率の基本を短く復習しながら、式だけでなく図で回路を追う学習を組み合わせると理解しやすくなります。途中で別教材を補助的に使うのは上手な戦略です。
Q. まず実機で触れなくても大丈夫ですか。
初期段階ではシミュレータ中心で十分です。実機は同時に理解を加速させるより、モデルとアルゴリズムの筋が通ってから試すほうが定着しやすいです。環境やノイズの制約を理解した上で、体験の目的を決めると迷いにくくなります。
次の一冊：次は、量子計算の数学的基礎を補う入門的な数理分野の書籍を読むと理解が安定します。次段階としては、量子回路の設計・量子アルゴリズムの構成・実務応用を扱う系統的な本へ進むと、選書の幅が広がります。
