YouTube（６）

YouTube（５）からの続き

 例のスクレイパープログラムを動かしてみたところ，登録者数と再生回数の両対数グラフできれいに分離した２つの塊が見えた。おお，これはスゴイ発見をしたのかと思ったが，なんのことはない，単なるプログラムのバクだった。修正すると１つの塊に戻った。

ユーチュラから得られた登録済みランキングデータ（p=1からp=1500まで）のうち，登録者数非公開のものを除いた27,557個のデータについて，両対数グラフで散布図を書いてみた。

図１　YouTubeチャンネルの再生回数 vs 登録者数（2021.1）

図２　YouTubeチャンネルの再生回数/動画数 vs 登録者数/動画数（2021.1）

チャンネル再生回数を$y$，チャンネル登録者数を$x$とすると，次のような回帰式が得られる。

$\displaystyle \log_{10} y = 1.17 \log_{10} x +1.83 \ \rightarrow \ y = 67.6 x^{1.17}$

また，チャンネル再生回数/チェンネル動画数を$\bar{y}$，チャンネル登録者数/チャンネル動画数を$\bar{x}$とすると，次のような回帰式が得られる。

$\displaystyle \log_{10} \bar{y} = 1.00 \log_{10} \bar{x} +2.50 \ \rightarrow \  \bar{y} = 316 \bar{x}$

YouTube（５）

 YouTube（４）からの続き

ユーチュラのランキングからYouTuberの分析をするため，手動のデータスクレイパーをPerlで書いてみた。迷惑にならないように，1秒のsleepを入れながらHTMLファイルにアクセスしている。取得したデータを眺めてみた結果についてはもう少し考えてから報告する予定。

HTMLファイルから必要なデータだけ抜き出したCSVファイルを作るのだけれど，その後はExcelで解析する。面倒なのは，ExcelがUTF-8のCSVファイルを読んでくれないこと。ごちゃごちゃすれば回避できそうだが，それくらいなら事前にShift-JISに変換したほうが早い。

- - - - - - - - - - - - - - - - - - - -

#!/usr/local/bin/perl
# 1/30/2021 K. Koshigiri
# usage: yutura.pl 1 10
# extract data from p=1 to p=10
# original data = https://ytranking.net/ranking/?p=x

\$ytr = "https://ytranking.net/ranking/";

\$p1=$ARGV[0];
\$p2=$ARGV[1];
\$tmp="tmpy-\$p1-\$p2";
system("touch \$tmp");
\$out = "ytr-\$p1-\$p2.csv";

for(\$p=\$p1; \$p<=\$p2; \$p++) {
#  system("lynx -source \$ytr\?p=\$p | fsp -u >> \$tmp");
#  sleep 1;
print "\$p,\n";
}

open(OUT, ">\$out");
open(IN, "<\$tmp");
while() {

  if(/\t<p class="title">(.*)<\/p>\t<aside>/) {

    \$title=\$1;
  }

  if(/">people<\/i><span>(.*)<\/span>人<\/p>/) {

    \$people=\$1;

  }

  if(/">people<\/i>(.*)<\/span>万人<\/p>/) {
    \$people=\$1*10000;
  }
  if(/">people<\/i>(.*)<\/span>万(.*)人<\/p>/) {
    \$people=\$1*10000+\$2;
  }

  if(/">play_circle_filled<\/i>(.*)<\/span>回</) {
    \$play=\$1;
  }

  if(/">play_circle_filled<\/i>(.*)<\/span>万(.*)回</) {
    \$play=\$1*10000+\$2;
  }
  if(/">play_circle_filled<\/i>(.*)<\/span>億(.*)<\/span>万(.*)回<\/p>/) {
    \$play=\$1*100000000+\$2*10000+$3;
  }

  if(/">videocam<\/i>(.*)<\/span>本<\/p>/) {
    \$video=\$1;
    print OUT "\$title,\$video,\$people,\$play\n";

  }
  if(/">videocam<\/i>(.*)<\/span>万(.*)本<\/p>/) {
    \$video=\$1*10000+\$2;
    print OUT "\$title,\$video,\$people,\$play\n";

  }

}
close(IN);
close(OUT);
- - - - - - - - - - - - - - - - - - - -

都道府県人口当たりのCOVID-19（３）

都道府県人口当たりのCOVID-19（２）からの続き

東北大学の大隅典子さんが，感染者に対する死亡率のデータがみつからないとおっしゃっていたので，前回のデータを1月28日版データに更新してみた。確かに宮城県はトップではないにせよ，その値がかなり低く抑えられていた（他の東北諸県と対比させるとよいかも）。

ある時点での死亡数累計/感染数累計は，致命率（CFR）の近似値だと考えられる。以下では直近３ヶ月の累計比（CFR-3m）と全期間の累計比（CFR-total）を，前者の降順に並べてみた。日本全国では，これらの値は1.4%前後であり，アジア各国の値とほぼ同水準である。欧米でも，その値は2-3%程度であり，本質的に大きな違いはないように見える。

一時的に医療崩壊に近い事象が起きているとき，この値は増大するので，第１波や第２波を除く直近３ヶ月では，過去のこの部分を差し引いた現在の状況がわかりやすい。北陸三県や徳島県では過去の死亡数急増時の部分を除けば，現在は相対的に落ち着いていることがわかる。

宮城県を除く東北地方ではそもそもの感染数の絶対値が大きくないので，大阪府，兵庫県，広島県などで高い値を示していることとは違う環境的な原因で"CFR"が大きいのかもしれない。

東京都や沖縄県は人口あたりの感染数や死亡数の人口比は大きな値を示しているが，感染者に対しては適切な処置が施されているの"CFR"は大きくない。

都道府県名 CFR-3m CFR-total
　岩手県　 5.77%　 5.45%
　北海道　 3.38%　 3.43%
　山形県　 3.05%　 2.71%
　福島県　 2.76%　 2.48%
　兵庫県　 2.48%　 2.37%
　福井県　 2.40%　 3.36%
　香川県　 2.33%　 2.27%
　青森県　 2.26%　 1.86%
　大阪府　 2.16%　 2.09%
　広島県　 2.11%　 1.92%
　熊本県　 2.03%　 1.79%
　静岡県　 1.91%　 1.69%
　徳島県　 1.83%　 3.40%
　長崎県　 1.79%　 1.70%
　群馬県　 1.72%　 1.82%
　愛知県　 1.67%　 1.64%
　岐阜県　 1.66%　 1.66%
　長野県　 1.56%　 1.51%
　高知県　 1.45%　 1.68%
　愛媛県　 1.41%　 1.86%
　三重県　 1.40%　 1.36%
　石川県　 1.40%　 4.01%
　大分県　 1.36%　 1.43%
　京都府　 1.32%　 1.37%
　新潟県　 1.27%　 1.01%
　鳥取県　 1.25%　 1.01%
　滋賀県　 1.25%　 1.35%
　栃木県　 1.25%　 1.11%
　山口県　 1.23%　 1.18%
　埼玉県　 1.21%　 1.36%
　奈良県　 1.19%　 1.24%
和歌山県　 1.19%　 1.26%
　宮崎県　 1.12%　 0.95%
　茨城県　 1.09%　 1.30%
　山梨県　 1.02%　 1.45%
　千葉県　 0.91%　 1.06%
神奈川県　 0.89%　 1.12%
　岡山県　 0.82%　 0.87%
　沖縄県　 0.78%　 1.22%
　宮城県　 0.75%　 0.66%
　福岡県　 0.72%　 1.12%
　東京都　 0.59%　 0.87%
　佐賀県　 0.58%　 0.43%
鹿児島県　 0.54%　 1.14%
　秋田県　 0.52%　 0.39%
　富山県　 0.23%　 3.13%
　島根県　 0.00%　 0.00%

　全　国　 1.34%　 1.45%

（情報：NHKまとめ 2021/1/28現在）

YouTube（４）

 YouTube（３）からの続き

NHK夕方の番組シブ５時で，教育系YouTuberの特集をやっていた。ヨビノリたくみさんと，葉一（はいち）さんが取り上げられ，葉一さんがオンラインインタビューに答えていた。たくみさんは，横国大の物理工学から東大工学研究科の沙川研（修士）だが，葉一さんは東京学芸大学の初等数学のひとなのか。コロナ禍にともなうオンライン授業の普及や，GIGAスクール構想の展開などから，教育系YouTuberに注目が集まっている。ただ，それにしては日本の教育系YouTubeのコンテンツはほとんど未開拓だ。まあ，塾・予備校などのクローズドコンテンツはたくさんあるのだろう。

Webhackによれば，教育系YouTuberにもいくつかのカテゴリがある。(1) スキル・教養・ビジネス，(2) 本・書籍の要約，(3) 学生向け，(4) クイズ・脳トレ，(5) 英語・英会話 である。ユーチューブチャンネル登録数順に代表的な教育系ユーチューブを並べてみた。受験メタ知識が中心のものは除外している。大学や教育委員会（細々としたものはあるが）がもっと力を入れてもよいかもしれないが，そういうのはたいていおもしろくないので難しいところ。

１　とある男が授業をしてみた（129万人）

２　予備校のノリで学ぶ「大学の数学・物理」（61万人）

３　授業映像TryIT（47万人）

４　Stardy -河野玄斗の神授業（35万人）

５　PASSLABO in 東大医学部発「朝10分」の受験勉強cafe（25万人）

６　「ただよび」文系チャンネル（18万人）

７　超わかる！授業動画（18万人）

８　鈴木貫太郎（13万人）

９　Historia Mundi（10万人）

１０　eboard channel（8万人）

番外　中田敦彦のYouTube大学（351万人）

趣味

 趣味は何ですかと問われて困ることが多い。しばらく前は，「文楽鑑賞」と「読書」だったはずなのだが，コロナの影響で観劇もままならず，かといって読書力が筋力に比例して衰えているため，鉄棒にぶら下がっても１回も懸垂ができないようなざまである。

昨日，YouTubeではどんな内容が多いのか，はたまたYouTubeを教育で利用することができるのかどうかを調べるために，ランキングサイトであるユーチュラのタグをざっとながめていた。趣味でいうと，音楽と鉄道と料理と車とスポーツが目についた程度であり，どうも，まだ見残しがあるような気がしてならない

そもそも世の中の趣味にはどんなものがあるのだろう。ググっていると「趣味探し図鑑」にたどり着いた。しかし，どうもYouTubeにはここにでてくる趣味に該当する大きな集団は（先程の例以外では）見当たらなかった。

さて，その趣味探し図鑑に，60代男性のおすすめ趣味ランキングなるものがあったので，ここに紹介する。うーん，なんだかとても微妙なのだ。趣味の「数学」のランクの高さと，よくわからない「大人の塗り絵」に驚いてしまった（塗り絵会社の宣伝だろう）。10代女性のおすすめとかになると，かなり雰囲気が違うのだけれども，ついていけない感は，60代男性のおすすめの場合と大差はない。

１ ひとり旅
２ 楽器演奏
３ ツーリング・バイク
４ 歴史
５ 大人の塗り絵
６ 電子工作○
７ 数学○
８ 絵画
９ 彫刻
10 散歩・ウォーキング○
11 貯金・節約
12 家庭菜園・ベランダ菜園
13 レザークラフト
14 写真・カメラ
15 登山・トレッキング
16 ドライブ
17 プラモデル○
18 パークゴルフ
19 習字・書道
20 漬物づくり
21 ドローン・レース
22 DIY
23 株式投資
24 語学（英語以外）
25 アーチェリー
26 陶芸
27 麻雀
28 天体観測
29 釣り
30 料理
31 筋力トレーニング
32 コーヒー（珈琲）
33 瞑想・座禅
34 蕎麦打ち
35 ガーデニング
36 ゴルフ
37 温泉巡り
38 ペン字
39 読書○
40 盆栽
41 ボウリング
42 日本酒・地酒○
43 果実酒づくり
44 作曲・DTM
45 自動車競技
46 競馬
47 卓球
48 ファッション
49 マスターズ陸上
50 海外ドラマ鑑賞
51 クロスワードパズル
52 LEGO（レゴ）○
53 ヨガ
54 乗馬
55 小説執筆
56 熱帯魚飼育
57 テレビゲーム
58 日記
59 スキューバダイビング
60 俳句・川柳・短歌○
61 ボードゲーム
62 水泳
63 国内旅行・海外旅行
64 世界遺産巡り
65 Q＆Aサイト回答
66 社交ダンス
67 合唱
68 劇団・舞台演劇
69 ダーツ
70 映画館・映画鑑賞
71 MMORPG
72 動画編集○
73 囲碁
74 FX
75 競艇
76 ドッグスポーツ
77 将棋
78 昆虫飼育
79 ワイン
80 科学・科学実験○
81 ビリヤード
82 トライアスロン
83 ミュージカル鑑賞
84 アニメ鑑賞
85 ゲートボール
86 トレーディングカード
87 野球
88 スポーツ観戦
89 オートレース
90 競輪
91 チェス
92 サッカー
番外 プログラミング○

（丸印○は自分が興味を持ったもの）

YouTube（３）

YouTube（２） からの続き

YouTubeチャンネルのコンテンツについて，タグをざっと眺めてみた。

1位 ゲーム実況（5994），2位 音楽（3111），3位 女性（2519），4位 やってみた（1761），5位 芸能人（1477），6位 企業（1149），7位 鉄道（748），8位 商品レビュー（665），9位 スポーツ（626），9位 Vocaloid（573），10位 お笑い芸人（557）だったが，十分検索しきれていない可能性はある。ここには現れていないが，子ども・おもちゃ関係も関連も合計すれば735以上，その他では，料理が495，車が458などが目立つかもしれない。

一方，YouTubeの教育利用可能性はどうだろうか。同じくタグ数を数えてみた。勉強（178），教育（88），受験（50），プログラミング（44），大学（23），学校（22），資格（20），学習（10），授業（6）など。また，STEAM関係キーワードでいえば，数学（30），科学（28），実験（24），宇宙（23），化学（10），哲学（8），物理（5），統計（5），天文（4），生物（3）。まだまだ開拓されつくしていないようにもみえる。

YouTube（２）

 YouTube（１）からの続き

昨日のチャンネル登録者人数で気持ちがわるかったのは，両対数グラフの順位がユーチュラ掲載数の上限近くで急速に減少していることである。普通ならば，ジップの法則が当てはまりそうなもので，両対数グラフではほぼ直線となり，なんらかの冪乗則が成立してもよいところだ。直感的には，登録者数の少ないチャンネルもある程度の数が存在しているが，これらはユーチュラへの登録動機がないため，ロストされているからと考えられる。実際，ユーチューブチャンネル人気ランキングを出しているTUBERS（ユーチューブ活動支援コンサルティング）では，13万件の日本語チャンネルが存在すると書いているのでユーチュラの捕捉率は1/4程度なのかもしれない。

さて今日は，ユーチュラにおける日本のユーチューブチャンネルの累計動画再生回数である。１位は，Fisher's −フィッシャーズ− （110億回），２位：キッズライン♡Kids Line，３位：avex（88億回），４位：HikakinTV（79億回），５位：はじめしゃちょー（hajime）（78億回）などとなっている。

（１位，110億回），（18位，30億回），（107位，10億回），（506位，3億回），（1514位，1億回），（3923位，3千万回），（7123位，1千万回），（12590位，3百万回），（16760位，百万回），（20794位，30万回），（23690位，10万回），（26107位，3万回），（27708位，1万回），（28720位，3千回），（29262位，1千回）

図１　日本のユーチューブチャンネル累計再生数分布（片対数）

図２　日本のユーチューブチャンネル累計再生数分布（両対数）

YouTube（１）

 ベネッセの「小学生がなりたい職業ランキング2020」では男子小学生の１位が「ゲームクリエータ・プログラマ」，２位が「ユーチューバー」，女子小学生の１位が「芸能人」，４位が「ユーチューバー」ということだ。もっとも，クラレの調査「小学生の将来就きたい職業」ではようやく男子の10位に顔を出している程度。

テレビはつまらないし，読書エネルギーにも欠けるため，最近は自分がユーチューブにハマった。そこで，ユーチューブランキングサイトのユーチュラを使って少し調べてみた。なお，googleのYouTubeヘルプをみれば，自分のチャンネルの作成方法その他がわかる。

まずは，ユーチュラにおける日本のユーチューブチャンネルの登録者数である。YouTubeランキングには，約33,000のチャンネルが登録されている。登録数非公開のチャンネルが1200弱あるので，それ以外のチャンネルを，登録者数と順位で並べてみた。なお，１位は，キッズライン♡Kids Line（登録者数1220万人），２位：せんももあいし−Ch Sen, Momo, Ai & Shii（939万人），３位：はじめしゃちょー（hajime）（906万人），４位：HikakinTV（884万人），５位：タキロン Takilong Kids' Toy（712万人）などとなっている。

（１位，1220万人），（38位，300万人），（304位，100万人），（1434位，30万人），（4169位，10万人），（8915位，3万人），（13863位，1万人），（18923位，3千人），（23196位，1千人），（26549位，300人），（29071位，100人），（30477位，30人），（31265位，10人）

図１　日本のユーチューブチャンネル登録者数分布（片対数）

図２　日本のユーチューブチャンネル登録者数分布（両対数）

開催都市契約

 7月23日まであと半年になった。大栄翔は12勝，正代が照ノ富士に負けて3敗となった。負け越している遠藤が久々に御嶽海に勝っている。いや，相撲の話ではなくて，正代と同様にふらふらの低空飛行を続けている東京五輪の話だ。

開催都市契約によれば，国際オリンピック委員会（IOC）と東京都（開催都市）と日本オリンピック委員会（NOC）の間で契約が締結されている。で，この契約を厳守するオリンピック大会組織委員会（OCOG）の組成（formation）が義務付けられている。

開催都市、NOC(前述の開催都市および OCOG の財務上の責務に関しては除く)、および OCOG は、いかなる性質であっても、また、直接または間接を問わず、本契約の規定違反に起因する、すべての損害、費用および責任について連帯責任を負う。IOC は開催都市、NOC、および/または OCOG に対して、IOC の単独の裁量にて、IOC が適当とみなす場合、訴訟を起こすことができる。

いきなりこれなのであった。で，これである。

いわゆる「ニューメディア」権(インターネットによるダウンロードまたはストリー ミング、IPTV、ホームビデオ、ビデオオンデマンド、モバイル・プラットフォームの権利など)を含む(ただし、それらには限定されない)、既存のまたは将来生まれる あらゆる形態の放送、上映メディアを手段とする、本大会および本大会関連イベントの放送、上映、送信、配信に関するすべての契約(以下、「放送契約」という)は、 IOC が独占的に交渉、締結するものとする。 

なんだか悪質な詐欺のように見えてしまうのは気のせいだろうか。 

本大会開催の結果として生じた剰余金があれば、以下のとおり配分するものとする。
a) NOC に 20%
b) OCOG に 60%。NOC と協議のうえで OCOG が決定する開催国におけるスポーツの全般的利益のために使用することを目的とする
c) IOC に 20%

 

赤いシリウス

 NHKのコズミックフロント☆NEXTは，非常にためになる科学番組である。先日放映された，「天狼星 シリウスのミステリー」もとても刺激的な内容だった。

シリウスは，オリオン座の三つ星を左に伸ばしたところのおおいぬ座にあり，太陽を除いて全天で最も明るい恒星（一等星）だ。地球から8.6光年の距離にあり，シリウスA（太陽と同程度の半径で太陽の約２倍の質量）とシリウスB（地球と同程度の半径で太陽と同程度の質量）からなる連星であり，明るい方のシリウスAは青白く光る主系列星である。シリウスBは非常に暗い白色矮星だ。

そのシリウスが，２千年前には赤く輝いていたという歴史的な文書がある。古代ローマの天文学者プトレマイオス（トレミー）のアルマゲストにその記載がある。超新星を除く普通の天文現象が数千年の時間スケールで起こるわけがないので，これはなんらかの比喩表現ではないかというのが定説らしい。

番組では，赤いシリウスが見えたのは事実であるという，科学的に根拠のあるいくつかの説が紹介されていた。シリウスにはシリウスCという別の三重連星があって，これがシリウスAに接近していたときに放出された物質が光を遮っていたという説や，桜井天体のように白色矮星であるシリウスBがヘリウムフラッシュによって一時的に赤くなったという説である。

シリウスは古代エジプトにおける暦の始まりを特徴づける天体であり，クフ王のピラミッドの南の回廊がシリウスが観測できる方向に伸びていたなど，いろいろとワクワクする話題が多いのだった。

直木賞

芥川賞からの続き

 ついでに，直木賞についても調べてみたところ，6冊/202冊=3.0%であった。芥川賞の半分の割合である。自分の主な読書領域はSFなので，純文学系の方がオーバーラップが大きいからだろうか。※印は受賞作は読んでいないが，それ以外の著書を複数冊読んだ作家。

第42回（1959年下半期） - 司馬遼太郎※
第47回（1962年上半期） - 杉森久英『天才と狂人の間』
第56回（1966年下半期） - 五木寛之※
第67回（1972年上半期） - 井上ひさし※
第72回（1974年下半期） - 半村良※
第80回（1978年下半期） - 宮尾登美子※
第109回（1993年上半期） - 高村薫『マークスの山』
第114回（1995年下半期） - 藤原伊織『テロリストのパラソル』
第117回（1997年上半期） - 篠田節子※
第119回（1998年上半期） - 車谷長吉『赤目四十八瀧心中未遂』
第120回（1998年下半期） - 宮部みゆき『理由』
第121回（1999年上半期） - 桐野夏生『柔らかな頬』
第151回（2014年上半期） - 黒川博行※

なお，1970年代芥川賞の受賞数はインフレ気味だったが，直木賞の受賞数の方は逆に凹んでいる。文化的相転移はこのへんから始まって，80年代には完成したということなのだろうか。また，受賞者中に女性作家が占める割合は，直木賞の場合も芥川賞と同様で80年代に入ってから相転移したようにみえる。ただし，女性作家の割合は芥川賞では約1/2になっているのに対し，直木賞では約1/3にとどまっている。下記のテーブルは各年代の受賞者数（カッコ内は女性受賞者の内数）。

1930年代　7（0）
1940年代　19（2）
1950年代　26（4）
1960年代　24（5）
1970年代　18（1）
1980年代　30（7）
1990年代　26（8）

2000年代　27（9）
2010年代　23（9）
2020年代　  2（1）

芥川賞

 第164回の芥川賞が，宇佐見りん「推し、燃ゆ」に決まった。「かか」で2019年の文藝賞と2020年の三島由紀夫賞を受賞したのに続くもので，なかなか凄そうである。

そもそも最近はほとんど本を読まなくなってしまった。情報の入力はインターネット（TwitterやYouTubeやFacebookなど）が中心になってしまい，極めて偏っている。ほとんどがデコレーションされた事実の集積物であり，創られた作品にふれる機会が激減している。あ，映画とかドラマはちょっと見ているかもしれないけれど。

そこで，自分がこれまでの芥川賞作品をどれほど読んできたのかをチェックしたところ，13冊/175冊=7.4%であった。ほとんど読んでいませんでした。なお，※は受賞作は読んでいないものの受賞作以外の作品を複数冊読んだ作家である。1970年代はほぼ立ち読みであったが，三田誠広のものはちょっとひどい作品だったと思う。1970年代は受賞者のインフレも起こってるし，選考委員どうなんだよ状態である。

第4回（1936年下半期） - 石川淳※
第25回（1951年上半期） - 安部公房「壁 S・カルマ氏の犯罪」
第28回（1952年下半期） - 松本清張※

第32回（1954年下半期） - 小島信夫※
第39回（1958年上半期） - 大江健三郎「飼育」
第43回（1960年上半期） - 北杜夫「夜と霧の隅で」
第51回（1964年上半期） - 柴田翔「されどわれらが日々──」
第56回（1966年下半期） - 丸山健二※
第61回（1969年上半期） - 庄司薫「赤頭巾ちゃん気をつけて」
第64回（1970年下半期） - 古井由吉「杳子」
第75回（1976年上半期） - 村上龍「限りなく透明に近いブルー」
第77回（1977年上半期） - 三田誠広「僕って何」
第84回（1980年下半期） - 尾辻克彦「父が消えた」
第98回（1987年下半期） - 池澤夏樹「スティル・ライフ」
第110回（1993年下半期） - 奥泉光「石の来歴」
第115回（1996年上半期） - 川上弘美「蛇を踏む」
第123回（2000年上半期） - 町田康「きれぎれ」
第146回（2011年下半期）- 円城塔※

なお，受賞者中に女性作家が占める割合は80年代に入ってから相転移したようだった。かつては男性作家が受賞者のほとんどを占めていたが，いまではほぼ半数が女性である。下記のテーブルは各年代の受賞者数（カッコ内は女性受賞者の内数）。なお，1945年から1948年は終戦前後の混乱のために中止されている。

1930年代　12（1）
1940年代　13（2）
1950年代　17（0）
1960年代　18（4）
1970年代　27（6）
1980年代　16（8）
1990年代　22（8）

2000年代　22（9）
2010年代　25（12）
2020年代　  3（2）

PHITS

 PHITS（Partcle and Heavy Ion Transport code System）は，「あらゆる物質中での様々な放射線挙動を核反応モデルや核データなどを用いて模擬するモンテカルロ計算コードです」ということで，さらに「物質や人体内での放射線の動きをシミュレーションする計算コードです。原子力だけでなく，医学や理学など様々な分野で活用されています」なので，開発者の仁井田浩二さんは，とうとうCOVID-19のモンテカルロシミュレーションに踏み出した。

酔歩するエージェントと散乱断面積の概念はおもしろいけれど，地理状況が人口密度しか反映されていないのであれば，本質的には，微分方程式と変わらないのではないか。それにしても，中野さんといい大西さんといい原子核物理屋のコロナ好きはどこから来るのだろうか。放射性崩壊系列によく似ていて，ちょうど手頃な複雑さを持ったシミュレーションの対象だということなのかな。

日本語版ウィキペディア（２）

 北村紗衣（saebou）さんが，佐藤由美子さんの意見に若干の反論をしていた。彼女のウィキペディアンとしての経験に基づくものであって，事実としては概ね問題ないと思われる。が，本質はやはり歴史修正主義の跋扈である。

2001年1月15日にスタートしたウィキペディアは，今年で開設20周年を迎えることになる。記念イベントとしてオフラインミーティングが東京＋サテライト会場で催されるようだ。

退職前の数年の大学院の授業では，ウィキペディアの教育利用を話題にしたことがあって，2008年頃からの動きは少しだけ眺めたことがあるが，その後はほとんど盛り上がらないまま推移していたようだった。

日本語版ウィキペディア（１）

 佐藤由美子さんの「日本語版ウィキペディアで歴史修正主義が広がる理由と解決策」という記事を見たが，まったくそのとおりだと思われる。自然科学の分野でも日本語版ウィキペディアの記事にムラがあると同時に，英語版と比較して非常に内容が薄いことが気になっていた。オープン性に欠けるコミュニティがディスインフォメーション（故意に流す虚偽情報）の温床になっているということだが，右派（あるいは準政府団体）の組織的な活動がSNSに加えてウィキペディアをターゲットにしているということだろう。

都道府県人口当たりのCOVID-19（２）

都道府県人口当たりのCOVID-19（１）からの続き

昨日のデータの全体。総人口と65歳以上は単位が1000人であることに注意する。人口密度は，人/平方キロメートル，感染率と死亡率は，感染数と死亡数を各都道府県の総人口で割ったもの。

都道府県 総人口 65歳以上 高齢化率(%)人口密度 感染数 死亡数 感染率(ppm) 死亡率(ppm)

北海道 　5,286 　1,656 　31.3 　  69 　15,300 　521 　2,894 　99

青森県 　1,263 　412 　32.6 　136 　607 　    8 　481 　6

岩手県 　1,241 　403 　32.5 　  84 　449 　  25 　362 　20

宮城県 　2,316 　643 　27.8 　321 　2,813 　  17 　1,215 　7

秋田県 　981 　357 　36.4 　  88 　181 　    1 　185 　1

山形県 　1,090 　358 　32.9 　121 　438 　  12 　402 　11

福島県 　1,864 　576 　30.9 　139 　1,337 　  30 　717 　16

茨城県 　2,877 　833 　28.9 　478 　3,458 　  41 　1,202 　14

栃木県 　1,946 　546 　28.0 　308 　2,916 　  16 　1,498 　8

群馬県 　1,952 　574 　29.4 　310 　3,066 　  57 　1,571 　29

埼玉県 　7,330 　1,934 　26.4 　1,913 　19,277 　258 　2,630 　35

千葉県 　6,255 　1,721 　27.5 　1,207 　15,868 　160 　2,537 　26

東京都 　13,822 　3,189 　23.1 　6,169 　80,068 　707 　5,793 　51

神奈川県　　9,177 　2,305 　25.1 　3,778 　30,690 　340 　3,344 　37

新潟県 　2,246 　716 　31.9 　183 　739 　    5 　329 　2

富山県 　1,050 　336 　32.0 　251 　768 　  26 　731 　25

石川県 　1,143 　334 　29.2 　276 　1,267 　  53 　1,108 　46

福井県 　774 　234 　30.2 　188 　411 　  12 　531 　16

山梨県 　817 　248 　30.3 　187 　816 　  11 　999 　13

長野県 　2,063 　651 　31.5 　155 　1,819 　  21 　882 　10

岐阜県 　1,997 　595 　29.8 　191 　3,288 　  52 　1,646 　26

静岡県 　3,659 　1,081 　29.5 　476 　3,654 　  59 　999 　16

愛知県 　7,537 　1,875 　24.9 　1,447 　20,399 　305 　2,707 　40

三重県 　1,791 　527 　29.4 　  31 　1,672 　  23 　934 　13

滋賀県 　1,412 　363 　25.7 　352 　1,661 　  17 　1,176 　12

京都府 　2,591 　749 　28.9 　566 　6,463 　  78 　2,494 　30

大阪府 　8,813 　2,420 　27.5 　4,640 　36,434 　714 　4,134 　81

兵庫県 　5,484 　1,577 　28.8 　659 　12,978 　298 　2,367 　54

奈良県 　1,339 　413 　30.9 　370 　2,430 　  31 　1,815 　23

和歌山県　　935 　306 　32.7 　204 　819 　    9 　876 　10

鳥取県 　560 　177 　31.6 　164 　173 　    2 　309 　4

島根県 　680 　231 　34.0 　104 　231 　    0 　340 　0

岡山県 　1,898 　571 　30.1 　270 　1,967 　  16 　1,036 　8

広島県 　2,817 　817 　29.0 　335 　4,271 　  66 　1,516 　23

山口県 　1,370 　465 　33.9 　230 　760 　    5 　555 　4

徳島県 　736 　243 　33.1 　182 　272 　    9 　370 　12

香川県 　962 　303 　31.5 　520 　477 　    4 　496 　4

愛媛県 　1,352 　441 　32.6 　244 　762 　  13 　564 　10

高知県 　706 　245 　34.8 　103 　757 　  12 　1,072 　17

福岡県 　5,107 　1,408 　27.6 　1,023 　12,349 　136 　2,418 　27

佐賀県 　819 　244 　29.7 　341 　698 　    3 　852 　4

長崎県 　1,341 　429 　32.0 　333 　1,157 　  10 　863 　7

熊本県 　1,757 　537 　30.6 　241 　2,732 　  36 　1,555 　20

大分県 　1,144 　371 　32.4 　184 　885 　    9 　774 　8

宮崎県 　1,081 　342 　31.7 　143 　1,426 　  11 　1,319 　10

鹿児島県　　1,614 　506 　31.4 　179 　1,318 　  14 　817 　9

沖縄県 　1,448 　313 　21.6 　628 　6,107 　  86 　4,218 　59

　 　 　 　 　 　 　 　 　

全　国 　126,443　35,575　1,414　30,517　308,428　4,339　　2,439　　34

（情報：NHKまとめ 2021/1/15現在）

都道府県人口当たりのCOVID-19（１）

新型コロナウイルス感染症の死亡数で，大阪府がトップに立っている。 各都道府県の人口で規格化すると1/14/2021現在では次のようになっている。

１　北海道　99（31.3%）
２　大阪府　81（27.5%）
３　沖縄県　59（21.6%）
４　兵庫県　54（28.8%）
５　東京都　51（23.1%）
６　石川県　46（29.2%）
７　愛知県　40（24.9%）
８　神奈川県37（25.1%）
９　埼玉県　35（26.4%）
10　京都府　30（28.9%）
（100万人あたりの死亡数累計，全国平均は 34，カッコ内は65歳以上人口の比率）

このうち北海道，沖縄県，石川県が緊急事態宣言の対象区域に入っていない。それにしても，北海道と大阪府は群を抜いている。ニュースでは高齢者がどうこうという言い訳がされていたが，単純な高齢化率は，他の都道府県と比べても重要な因子とは思われない。高齢者に対する医療福祉体制が大阪府では極端に劣っているというのであれば，大阪維新のこれまでの政策から納得できる。

ところで，感染数の人口比や死亡数/感染数をみるとまた違った見え方があらわれる（奈良県危ないじゃないですか・・・）

１　東京都　5793（0.88%）
２　沖縄県　4218（1.41%）
３　大阪府　4134（1.96%）
４　神奈川県3344（1.11%）
５　北海道　2894（3.41%）
６　愛知県　2707（1.50%）
７　埼玉県　2630（1.34%）
８　千葉県　2537（1.01%）
９　京都府　2494（1.21%）
10　福岡県　2418（1.10%）

11　兵庫県　2367（2.30%）
12　奈良県　1815（1.28%）
（100万人あたりの感染数累計，全国平均は 2439，カッコ内は死亡率/感染率，全国平均は

1.41%）

さらに謎のデータが。ある時点での死亡率/感染率＝死亡数累計/感染数累計は，CFR（致命率）の近似値と考えてもよいかもしれないが，全国平均の数倍に達する地域がある。北海道や石川県は一時感染者が急増して混乱状態になっていたような気もするが，岩手県や福井県など，そもそも感染数が少ないところでこの値というのはどういうことなのだろうか。感染者が十分に補足できていないということなのかもしれない。

１　岩手県　5.57%
２　石川県　4.18%
３　北海道　3.41%
４　富山県　3.39%
５　徳島県　3.31%
６　福井県　2.92%
７　山形県　2.74%
８　兵庫県　2.30%
９　福島県　2.24%
10　大阪府　1.96%

（先のカッコ内と同様の死亡率/感染率＝死亡数累計/感染数累計，全国平均は1.41%）

（情報：NHKまとめ 2021/1/15現在）・・・NHKのクレジット表示の指示がちょっといまいち。

中性子寿命問題

「物質の科学２」の 演習課題に関わって，日本の加速器でもっともエネルギーの高いものは何かを調らべてみた。筑波のKEKの加速器だろうと思っていたが，このメインマシンはCP非保存検証のためのＢファクトリーであって，大強度ビームを追求するものだった。このKEKBは電子8GeV，陽電子3.5GeVのコライダーでウプシロン粒子（b\bar{b}）を生成して，崩壊するB中間子と反B中間子の崩壊モードを比べている。なお，増強されたSuperKEKBはルミノシティが40倍になる電子7GeV，陽電子5GeVのコライダーだ。

高エネルギー加速器研究機構（KEK）と日本原子力研究開発機構（JAEA）が茨城県大洗で共同運用しているのが，大強度陽子加速器施設（J-PARC）である。J-PARCの加速器は，線形加速器（400MeV），陽子シンクロトロン（3GeV），陽子シンクロトロン（50GeV）のメインリングからなる。50GeVのPSは今のところ30GeVで運用しているようだ。

さて，中性子寿命問題である。これまでの中性子寿命の実験的検証方法にはビーム法とボトル法の２種類があり，ビーム法では888秒，ボトル法では879秒で，9秒という有意の差があり，これが埋まっていない。前者はビームが通過しながら崩壊する際の陽子をカウントし，後者は閉じ込めた中性子の数の変化をカウントしている。もしこれが正しいのであれば，ビーム法で観測されているモード（n→p+n+ν）以外の遷移があることになる，

理論的な可能性として，ミラー中性子（mirror matter）の存在が示唆され，ミラー物質はダークマターの候補にもなっているようだがまだまだわからない。J-PARCにおけるKEKグループの実験は，第３の測定方法を定義するものであり，パルス中性子が崩壊する際の電子をカウントする。ただし，まだ実験誤差が大きすぎてこれから詰めていく段階である。

寒中見舞い

 寒中見舞いは，二十四節気の小寒と大寒の間に出す見舞い。定年退職を期に年賀状はやめることにしたのだけれど，親戚についてはまだ完全にはストップできない。それでも年々これが最後ですという年賀状が届くようになってきた。なお，年賀状をいただいた知人には，寒中見舞いを出すことにした（が，いつまで続くだろう・・・）。ちなみに今年の年賀状（親戚分）のデザインは下記のとおりであった。

写真：奈良市の植村牧場にて

Alfred（２）

Alfred（１）からの続き

というわけで，とりあえずできたのだけれど・・・微妙に動作が思ったとおりにならない。内部で呼び出していると思われるSiri のデータに問題があるのだろうか。試行錯誤の結果とりあえず下記のやりかたでできたのだが，実際に試してみるとなんだか検索漏れがある・・・

(1) AlfredのPreferenceでWorkFlowを選択する。

(2) 画面左下の+ボタンで新しいBlankWindowを作成する。名前をつけて，説明を加え，CategoryはUncategorizedにする。Bundle IDとCreated ByとWebsiteは適当でよいのかもしれない。

(3) できた新規Workflowの画面で黒い画面を右クリック（Ctrl+クリック）して，InputsからFile Filterを選択する。

(4) keywordは コマンドをキックする短い文字列としてwith spaceにチェックしておけば良い。Placeholder titleとPlaceholder subjectも適当でよいのかもしれない。Filetypeにpdfとdjvとpublic.folderを指定したが，これは見本をdrag&dropすればよろしい。

(5) scopeには検索対象のfolderを指定するとこれでできあがり。

外国等に対する我が国の民事裁判権に関する法律

 論理的には，この「外国等に対する我が国の民事裁判権に関する法律」の逆過程なので，そこで主張の妥当性が判断されるのがひとつ。さらには，国際的にはどのような原則が確立されているかということだが，「国及びその財産の裁判権からの免除に関する国際連合条約」についてという文書が外務省にある。この国連国家免除条約本体はこちら。

報道では，かつての絶対免除主義「国及びその財産については，すべて無条件に他の国の裁判所の裁判権からの免除を認めること」が，現在でも国際的な原則であるかのような印象を与える説明がなされているが，そうでもないかもしれない。なお，条約の締約国は19カ国なので，まだ発効されていない。

人工血液

 新型コロナウイルス感染症の蔓延にともなって，献血機会が減少し，日本の医療活動に必要な血液が確保できないのではないかというニュースが流れていた。そこで，人工血液というのはまだ開発されていないのかどうか調べてみた。

日本血液代替物学会が存在するくらいなので，研究は進んでいると考えられる。学会誌の「人工血液」は会員以外の誰でも自由にpdfファイルで読むことができるのがありがたい。奈良県立大学の酒井宏水先生が現在の学会長だ。

人工血液の１つとして，赤血球の酸素運搬機能を代替する人工の微粒子である人工赤血球がある。日赤や医療機関で発生する期限切れ非使用赤血球（検査済み）から，酸素を結合するタンパク質ヘモグロビン（Hb）を精製分離し，これを濃度高くリポソームに封入した微粒子であり，ヘモグロビンベシクル（Hb-V）とよばれるものがその一例だ。

また，血小板輸血に関しては，室温保存による細菌繁殖に起因する感染症を防止する目的で，法制上，血小板製剤の保存期間が４日以内に限定されており，血小板輸血に対する抜本的な供給システムの構築が喫緊の課題である。このため，iPS細胞から血小板を大量に生産するための方法が研究されている。

白血球は難しいのではないかと思ったが，逆にこれは薬で代替することができて，赤血球や血小板の方が残念ながら今の医療技術では作れないので献血してほしいとのことだった。

パルスオキシメーター

ついこの間まで，パルスオキシメーターのことを「パルスオキシオメーター」 とよぶのだと勘違いしたままだった。テレビのニュースで，ようやく誤った知識が訂正された。

パルスオキシメーターは光を使って血液の酸素飽和度を測る装置である。新型コロナウィルス感染症において，無症状の段階でもその兆候を捉えるために用いられるというニュースだったような気がする。

酸素飽和度（SaO2）は，血液中のヘモグロビンが酸素と結合している割合を表す量であり，ヘモグロビンをHbと書くと，[HbO2] = HbO2 / (HbO2+Hb)として，実際には，（HbO2) = [HbO2]/ [HbO2]max で与えられる。maxは最大酸素飽和度の場合の値を意味しているので，（HbO2）の最大値は100%になる。なお，酸素飽和度には，SvO2（静脈酸素飽和度），StO2（組織酸素飽和度），SpO2（末梢酸素飽和度）があって，パルスオキシメータで測定されるのはSpO2である。

パルスオキシメータの原理については，コニカミノルタのページが詳しい（1977年に世界で最初に商品化した）。Hbは赤色光をよく吸収するが，HbO2は赤い光を透過するので血液が赤く見える。一方，HbとHbO2はともに赤外光はあまり吸収しない。そこで，赤外光IRを基準とした赤色光Rの強度，R/IRがわかれば，HbO2/Hbがわかることになる。パルスオキシメータでは脈動する血液についてのR/IRの変化成分を測定するため動脈血を見ていることに対応する。

SpO2が95%以上であれば正常，90-95%で注意，90%未満ではなんらかの処置が必要となる。ただ，新型コロナウイルス感染症の低酸素症では，よくわからないことが起きているようだ。

なお，ヒトのヘモグロビンは，ヘムとよばれる鉄原子を中心とした錯体をかこむ４ユニットから成る分子量64500のタンパク質分子である。

合衆国憲法修正第25条

 アメリカ合衆国憲法修正第25条は，アメリカ合衆国大統領の承継方法や，大統領がその職務上の権限と義務を遂行することができない場合の対処法を規定している。

修正第25条［大統領の地位の継承］ ［1967 年成立］

第１項　大統領が免職され、死亡しまたは辞任した場合には、副大統領が大統領となる。

第２項　副大統領が欠けたときは、大統領が副大統領を指名し、指名された者は、連邦議会の両院の過半数の承認を経て、副大統領の職に就く。

第３項　大統領が、上院の臨時議長および下院の議長に対し、その職務上の権限および義務を遂行することができない旨を書面で通告したときは、その後大統領が権限および義務を遂行することができる旨を書面で通告するまで、副大統領が臨時大統領としてかかる権限および義務を遂行する。

第４項［１号］ 副大統領、および行政各部の長または連邦議会が法律で定める他の機関の長のいずれかの過半数が、上院の臨時議長および下院議長に対し、大統領がその職務上の権限および義務を遂行できな い旨を書面で通告したときは、副大統領は、直ちに臨時大統領として、大統領職の権限および義務を遂行するものとする。

［２号］その後、大統領が上院の臨時議長および下院議長に対し、職務遂行不能状態は存在しない旨を書面で通告したときは、大統領はその職務上の権限および義務を回復する。但し、副大統領および行政各部の長または連邦議会が法律で定める他の機関の長のいずれかの過半数が、4 日以内に、上院の臨時議長と下院議長に対し、大統領がその職務上の権限および義務を遂行できない旨を書面で通告したときは、この限りでない。この場合には、連邦議会は、開会中でないときには48 時間以内にその目的のために集会し、問題を決定するものとする。連邦議会が、大統領が職務上の権限および義務を遂行することができない旨を通告する書面を受理してから21 日以内に、または、連邦議会が開会中でないときは、集会の要請があってから21 日以内に、両議院の3 分の2 の投票により、大統領はその職務上の権限および義務を遂行することができない旨を決議したときは、引き続き副大統領が臨時大統領としてかかる権限および義務を遂行する。 かかる決議がなされなかった場合には、大統領はその職務上の権限と義務を回復するものとする。

 

アメリカ合衆国憲法

第２章［執行部］

第１条［大統領と副大統領、選出方法］

［第６項］大統領が罷免され、死亡し、辞職し、またはその職権および義務を遂行する能力を失ったときは、副大統領が、大統領の職務を行う。連邦議会は、大統領と副大統領がともに罷免され、死亡し、辞職し、または執務不能に陥った場合について、法律により、いかなる官吏に大統領の職務を行わせるかを定めることができる。この官吏は、執務不能の状態が解消される時または大統領が選出される時まで、大統領の職務を行う。

逆順と平方（３）

逆順と平方（２）からの続き

9桁までの範囲で考えるとしても，３億個のデータのうち条件を満足するのが高々7000個なので，ほとんど無駄な計算をしていることになる。そこで，プログラムは汚くとも，もう少し計算を簡略化できないかと考えた結果，12桁までの計算が数分程度で可能になった。2〜3桁分をまとめてループをまわしているが，この範囲でよいという証明はしたわけではなく，直感に頼っているのだった。

function reverse(n,m)
  nun=zeros(Int,m)
  nre=0
  for k in 1:m
    nun[k] = n % 10
    nre = nre + nun[k]*10^(m-k)
    n = div(n - nun[k],10)
  end
  return nre
end

function counter(n)
  a = [0 1 2 3 10 11 12 13 20 21 22 23 30 31 100 101 102 103 110 111 112 113 120 121 122 123 130 131 200 201 202 203 210 211 212 213 220 221 222 223 230 231 300 301 302 303 310 311 312 313]
  b = [50 4 14]
  c = [10^3 10 10^2]
  cnt=1
  kk = c[n%3+1]
  k1max = b[n%3+1]
  k2max = 1 + div(n+10,14)*49
  k3max = 1 + div(n+10,17)*49
  k4max = 1 + div(n+10,20)*49
  for k1 in 1:k1max
    for k2 in 1:k2max
      for k3 in 1:k3max
        for k4 in 1:k4max
          k=a[k1]+a[k2]*kk+a[k3]*kk*10^3+a[k4]*kk*10^6
          if(k!=0)
            m=Int(ceil(log10(k)+10^(-9)))
            kj=BigInt(k)^2
            mj=Int(ceil(log10(kj)+10^(-9)))
            kr=reverse(k,m)
            krj=BigInt(kr)^2
            if(reverse(kj,mj)==krj)
# println(k,":",kr,":",kr^2,":",reverse(k^2,mj))
              cnt=cnt+1
            end
          end
        end
      end
    end
  end
  return cnt
end

for i in 1:12
  @time println(i," : ",counter(i))
end

1 : 4
0.000491 seconds (176 allocations: 6.000 KiB)
2 : 13
0.000551 seconds (765 allocations: 22.258 KiB)
3 : 37
0.002469 seconds (3.68 k allocations: 96.281 KiB)
4 : 100
0.005823 seconds (18.99 k allocations: 466.195 KiB)
5 : 253
0.021409 seconds (81.69 k allocations: 1.886 MiB)
6 : 615
0.091992 seconds (346.74 k allocations: 7.780 MiB)
7 : 1434
0.441439 seconds (1.61 M allocations: 35.324 MiB, 11.21% gc time)
8 : 3244
1.616126 seconds (6.39 M allocations: 138.140 MiB, 11.31% gc time)
9 : 7116
6.780644 seconds (25.58 M allocations: 546.322 MiB, 13.04% gc time)
10 : 15200
28.310428 seconds (113.32 M allocations: 2.337 GiB, 13.25% gc time)
11 : 23284
108.389549 seconds (437.13 M allocations: 8.934 GiB, 13.71% gc time)
12 : 31368
417.966111 seconds (1.71 G allocations: 34.604 GiB, 14.30% gc time)

逆順と平方（２）

逆順と平方（１）からの続き

中嶋慧さんのpythonによる逆順関数がスマートだったので Juliaでも試してみた。数値を文字列に変換して，逆順にしたものをもういちど数値に戻すというものだ。プログラムとしてはスッキリしたけれど，実行時間が倍になってしまった。

function rev(n)
  b = string(n)
  c = b[end:-1:1]
  d = parse(Int,c)
  return d
end

function counter(m,j)
  cnt = 1
  kmax = Int(ceil(10^(m-1)*sqrt(10)))
  for k in 10^(m-1)+1:kmax
    kr = rev(k)
# kj = BigInt(k)^j
# krj = BigInt(kr)^j
    kj = k*k
    krj = kr*kr
    if(rev(kj)==krj)
# if(2000<=k<=2299)
# println(k,":",kr,":",kr^j,":",rev(k^j))
# end
      cnt = cnt + 1
    end
  end
  return cnt
end

function list(l,j)
  sum=1
  for i in 1:l
    @time sum = sum + counter(i,j)
    println(i," **",j," = ",sum)
  end
end

list(9,2)
0.000010 seconds (36 allocations: 1.781 KiB)
1 **2 = 4
0.000015 seconds (264 allocations: 13.062 KiB)
2 **2 = 13
0.000138 seconds (2.60 k allocations: 128.844 KiB)
3 **2 = 37
0.001734 seconds (25.96 k allocations: 1.254 MiB)
4 **2 = 100
0.016847 seconds (259.48 k allocations: 12.538 MiB)
5 **2 = 253
0.224788 seconds (2.59 M allocations: 125.376 MiB, 12.69% gc time)
6 **2 = 615
2.393325 seconds (25.95 M allocations: 1.224 GiB, 12.89% gc time)
7 **2 = 1434
26.113517 seconds (259.47 M allocations: 12.244 GiB, 11.55% gc time)
8 **2 = 3244
284.531202 seconds (2.59 G allocations: 128.882 GiB, 11.40% gc time)
9 **2 = 7116

逆順と平方（１）

 中嶋慧さんが，次のようなプログラムについての話題を提供していた。ある数nの逆順に並べた数をrev(n)とする。例えば，rev(123)は321である。このとき，rev(n^2)=rev(n)^2を満たすm桁の数nは，何個あるかという問題だ。pythonでは時間がかかるので，juliaにするとよいのではないかという提案だったが，残念ながら，工夫に乏しい10^8個の計算はやたら時間を食うだけだった（追伸：条件が rev(rev(k)^2) = k^2 であると誤解していたので，その後訂正したところ，中嶋さんの結果と一致した）。

function reverse(n,m)
  nun = zeros(Int,m)
  nre = 0
  for k in 1:m
    nun[k] = n % 10
    nre = nre + nun[k]*10^(m-k)
    n = div(n - nun[k],10)
  end
  return nre
end

function counter(m)
  cnt = 1
  kmax = Int64(ceil(10^(m-1)*sqrt(10)))

  for k in 10^(m-1)+1:kmax

    kr = reverse(k,m)

    m2 = Int(ceil(log10(k*k)))

    if(reverse(k*k,m2)==kr*kr)

# if(2000<=k<=2299)
# println(k,":",kr,":",kr^2,":",reverse(kr^2,m2),":",k^2)
# end
      cnt = cnt+1
    end
  end
  return cnt
end

function list(l)

  sum = 0
  for i in 1:l
    @time sum = sum + counter(i)

    println(i," : ",sum)
  end

end

list(9)
0.000003 seconds (6 allocations: 576 bytes)
1 : 4
0.000009 seconds (44 allocations: 4.469 KiB)
2 : 13
0.000097 seconds (434 allocations: 50.859 KiB)
3 : 37
0.000901 seconds (4.33 k allocations: 540.750 KiB)
4 : 100
0.011719 seconds (43.25 k allocations: 5.939 MiB)
5 : 253
0.145435 seconds (432.46 k allocations: 62.688 MiB, 12.05% gc time)
6 : 615
1.100731 seconds (4.32 M allocations: 692.869 MiB, 17.40% gc time)
7 : 1434
11.497505 seconds (43.25 M allocations: 7.088 GiB, 16.11% gc time)
8 : 3244
132.445766 seconds (432.46 M allocations: 77.329 GiB, 16.48% gc time)
9 : 7116

（冬休み 8）

   「凍蝶の上がると見えて落ちにけり」　（下村梅子　1912-2012）

（冬休み 7）

「能越の山わかちなき鱈場かな」　（大橋越央子　1885-1968）

（冬休み 6）

   「水鳥やむかふの岸へつういつうい」　（惟然　1648-1711）

（冬休み 5）

   「元朝や飛鳥の村の鍬一丁」　（有馬朗人　1930-2020）