arXiv雑要約
数値解析 - 2025/12/22 公開
単純なローソン積分に対する明示的な6次ルンゲ・クッタ法 [cs.RO, math.NA, cs.NA, math-ph, math.MP, nlin.CD]目的：単純なローソン積分を実現する明示的な6次ルンゲ・クッタ法の提案
- 流体やプラズマの数値シミュレーションにおいて，数値解法の重要性は高い。
- 強固な線形作用素が存在する場合，明示的なルンゲ・クッタ法は適用困難となる。
- ルンゲ・クッタ法の制約下で，高精度かつ効率的な解法を確立すること。
- 本研究では，ニュートン・ラプソン反復を用いた，単純なローソン積分を実現する明示的な6次ルンゲ・クッタ法を提示した。
- 提案手法は，均等な間隔と秩序だった節点を持つルンゲ・クッタ法に基づく。
- この手法により，従来法では困難だった高次の精度と実装の容易性を両立した。
低ランク超え：スペクトルアプローチによる高速低ランク＋対角分解 [cs.HC, math.NA, cs.NA]目的：大規模共分散行列に対する低ランク＋対角分解
- 共分散行列の推定や因子分析など，大規模データ解析における重要な構造モデルである。
- 従来の分解手法では，計算コストが高く，大規模データへの適用が困難であった。
- 効率的な低ランク＋対角分解アルゴリズムを開発し，大規模データへの適用を可能にすること。
- 提案手法は，近似誤差を低減し，勾配降下法よりも優れた性能を示すことが証明された。
- 固定ランクNystromスキッチとDiag++確率的対角推定を組み合わせることで，大規模行列への適用を実現した。
- S&P500株価リターンの共分散において，純粋な低ランク近似よりも大幅に低い誤差を達成した。
2次元非圧縮性Navier-Stokes方程式に対するIMEX BDF3スキームの長期的安定性と収束解析 [math.NA, cs.NA]目的：2次元非圧縮性Navier-Stokes方程式に対するIMEX BDF3スキームの安定性と収束性
- 流体現象の解析において，高精度な時間離散化手法は不可欠である。複雑な乱流や非定常運動を捉える上で重要性が高い。
- 既存手法では，時間ステップサイズに制約が生じやすく，計算コストが増大する可能性がある。
- 本研究は，許容可能な時間ステップサイズを拡大し，計算効率を向上させることを目指す。
- 提案スキームは，各時間ステップにおいて一つのPoisson方程式を解くだけで済むため，計算負荷が低い。
- 時間ステップサイズが十分に小さい場合，渦度の$L^2$ノルムと高階$H^m$ノルム（$m \geq 1$）に対する一様な時間上界が導出された。
- これらの上界により，最適な収束レートの導出が可能となった。
拡散写像カーネルリッジ回帰による力学系の解作用素学習 [cs.LG, cs.NA, math.NA]目的：複雑な力学系の長期予測
- 科学技術システムは非線形な動特性を持つことが多く，正確な長期予測は困難である。
- データ駆動モデルは有望だが，長期挙動を支配する幾何学的構造が不明な場合，性能が低下する。
- システムの不変集合の内在幾何学に適応し，長期予測の精度とデータ効率を向上させる。
- 拡散写像から導出されたカーネルと力学系を考慮した検証戦略により，KRRが強力なベースラインとなる。
- DM-KRRは，滑らかな多様体，カオス的アトラクタ，高次元時空間流れなど，様々なシステムで最先端手法を上回る性能を示した。
- 予測性能はモデルの表現力だけでなく，データに符号化された幾何学的制約を尊重した動的に整合性のあるモデル選択に大きく依存する。
MINPO：メモリ情報を活用したニューラル疑似演算子による非局所時空間ダイナミクスの解決 [cs.LG, cs.NA, math-ph, math.MP, math.NA]目的：非局所時空間ダイナミクスのモデル化
- 多くの物理システムは，積分微分方程式で記述される非局所的な時空間的振る舞いを示すため，その理解が重要である。
- 従来の解法は計算コストが高く，ニューラルネットワークを用いた解法は汎用性に乏しいという課題がある。
- 様々な非局所構造に対応可能な，統一的なフレームワークを構築し，効率的な解法を提供する。
- MINPOは，Kolmogorov-Arnold Networkまたは多層パーセプトロンを用いて非局所演算子とその逆演算子を学習する。
- 学習された演算子と再構成された解の整合性を保つ軽量な非局所一貫性損失項を用いることで，精度の高い解を得る。
- 多様なカーネルタイプ，次元，計算負荷に対応可能であり，問題特化的なアプローチを超えた汎用性を示す。
局所滑らかさ解析のためのソボレフアルゴリズム：鋭い直接・逆定理に基づく [math.NA, cs.NA]目的：カーネル法における直接・逆近似の精密化
- 機械学習において，データの滑らかさの評価は，モデルの性能に大きく影響する重要な要素である。
- 既存の近似理論は，特定の補間法に限定されており，一般的な近似スキームへの拡張が課題であった。
- 提案手法は，データの局所的な滑らかさの性質を検出し，その程度を定量化することを目的とする。
- カーネル法の直接・逆近似に関する精密な理論的結果を確立した。
- 新たなソボレフアルゴリズム（SALSA）を提案し，局所的な滑らかさ解析を可能にした。
- 数値実験により，提案アルゴリズムの有効性が確認された。
多孔質弾性体のビオシステムに対するカット有限要素法 [math.NA, cs.NA]目的：多孔質弾性体のビオシステムの数値解法
- 地盤，生体組織など，多孔質材料の挙動を予測するため，その解析は重要である。
- 複雑な形状の領域では，高品質な体積メッシュの作成が困難であり，数値解析のボトルネックとなっている。
- 複雑形状におけるメッシュ作成の簡略化と，安定した数値解法の確立を目指す。
- カット有限要素法を用いることで，背景メッシュに依存せず，領域境界を自由に定義することが可能となった。
- 総圧力を基礎としたパラメータロバストな定式化と組み合わせることで，幾何学的ロバスト性を実現した。
- 脳形状のような現実的な形状への適用を通して，提案手法の有効性と精度が確認された。
ガンマ線断層撮影における病変の定量評価のための2つの統計的画像再構成アルゴリズムの比較 [math.NA, cs.NA]目的：病変における放射性薬剤取り込み量の定量化に関する画像再構成手法の比較
- SPECTは，がんなどの病変の診断や治療効果評価に有用であり，高精度な定量評価が求められる。
- 従来の画像再構成アルゴリズムでは，ノイズやアーチファクトが発生し，定量評価の精度が低下することが課題。
- 病変のサイズや種類に応じた最適な再構成手法を確立し，定量評価の信頼性を向上させる。
- OSEMアルゴリズムは，反復計算中に不安定な収束を示し，ノイズやエッジアーチファクトが発生しやすい。
- MAP-Entアルゴリズムは，安定した収束を実現し，ポストフィルタリングなしで定量精度を維持し，微小な病変のコントラストも保持できる。
- MAP-Entアルゴリズムでは，最適な性能を得るために局所適応的な正則化が必要であることが示唆された。
THBスプラインを用いた等幾何学的シフト境界法における局所h-, p-, k-細分化戦略 [math.NA, cs.NA]目的：トリミングされた領域における等幾何学的シフト境界法(SBM)の精度，安定性，計算効率に関する研究
- 複雑形状を扱う上で，計算メッシュ生成の容易性が重要視されている。等幾何学的解析はその解決策となり得る。
- トリミングされた形状を扱う場合，小さいカット要素による剛性行列の悪条件化や境界条件の適用が課題となる。
- SBMとTHBスプラインを組み合わせ，局所細分化戦略により，これらの課題の緩和を目指す。
- 局所h-, p-, k-細分化戦略と標準SBMの性能を比較検証した結果，異なる細分化戦略が収束性に影響を与えることが明らかになった。
- 特に，局所的な次数上昇（p-細分化）が，標準SBMのノイマン境界条件における制限を軽減できることが示された。
- 混合偏微分項を組み込んだシフト演算子が，精度向上に貢献することが確認された。
多重調和カスケード [cs.LG, cs.NA, math.NA]目的：非線形関数近似の新たなアーキテクチャ
- 機械学習において，複雑な関数を扱う能力は重要であり，特に高次元データに対して有効な手法が求められている。
- 従来の深層学習モデルでは，過学習や局所最適解への陥りやすさといった課題が存在する。
- 本研究は，理論的整合性と確率的解釈を保ちつつ，効率的な学習と汎化性能を実現する。
- 多重調和カスケードは，ポリハーモニック・スプラインを層構造化した深層学習モデルである。
- 各層は，確率関数の理論と無関心原理に基づき導出されており，滑らかさと確率解釈を維持する。
- 勾配降下法に代わり，固定ノードにおける関数値に関する単一の線形システムを解くことで学習を行う。
確率的アレン・カーン方程式に対するTPFAスキームの研究：数値実験による検証 [math.NA, cs.NA, math.AP, math.PR]目的：確率的アレン・カーン方程式のTPFAスキームの検証
- 相分離現象や材料科学など，様々な分野で重要な現象を記述する方程式である。
- 非線形性の強い項の離散化が難しく，数値計算における安定性や精度が課題となる。
- 有限体積法と吉田近似を用いたスキームの精度と安定性を検証し，適用範囲を明らかにする。
- 有限体積スキームに対するスプリット法を提案し，その精度が確認された。
- ノイズ項が小さい場合，時間方向の二乗L2誤差は1次収束することが示された。
- ノイズ項が大きい場合，時間方向の収束次数が低下する可能性があることが示唆された。
放物型セミリニアSPDEの不変分布の高次サンプリングのための前処理 [math.NA, cs.NA, math.PR]目的：放物型セミリニア確率偏微分方程式の不変分布近似のための前処理手法
- 偏微分方程式は自然現象のモデル化に不可欠であり，確率的な変動を含むものも存在する。
- 高次元空間における不変分布の効率的なサンプリングは，計算コストの面で課題がある。
- 前処理によって時間的な正則性を改善し，効率的な高次積分器を設計すること。
- 前処理手法を導入することで，不変分布を維持しつつ，時間的な正則性が改善されることが示された。
- 一次および二次時間積分器が開発され，標準的な暗黙的オイラー法と比較して，わずかな計算コスト増で高精度なサンプリングが可能となった。
- 数値実験の結果は理論的知見を裏付け，提案手法の効率性を示している。
確率的非線形放物型方程式の有限体積スキームの収束レート [math.NA, cs.NA, math.AP, math.PR]目的：確率的非線形放物型方程式の有限体積スキームの収束レート
- 偏微分方程式は自然現象のモデリングに不可欠であり，その数値解法は重要である。
- 確率的偏微分方程式の数値解法は，計算コストが高く，安定性や収束性の解析が難しい。
- 拡散項の滑らかさと初期値の空間的な正則性のみを仮定した場合の収束レートを導出する。
- 本研究では，乗法的Lipschitzノイズと斉次ノイマン境界条件を持つ確率的非線形放物型方程式に対して，有限体積スキームの収束レートが示された。
- 時間方向には半陰解Eulerスキーム，空間方向には二点フラックス近似有限体積スキームが用いられた。
- 空間時間離散化の$L^2$ノルムに関する誤差評価が導出され，スキームの有効性が確認された。
拡散過程における稀少事象シミュレーションのためのインポータンスサンプリングに関する短い報告 [cs.RO, math.NA, cs.NA, math.PR]目的：拡散過程における稀少事象シミュレーションのためのインポータンスサンプリング手法
- 拡散過程は，物理，工学，金融など広範な分野で重要なモデルである。
- 稀少事象のシミュレーションは計算コストが高く，効率的な手法が求められる。
- 大規模偏差理論に基づき，効率的なインポータンスサンプリング手法を開発すること。
- 提案手法は，インポータンスサンプリング推定量の対数効率性を示す。
- 確率的最適制御定式化と動的計画法によるハミルトン-ヤコビ-ベルマン方程式の導出を行った。
- クロスエントロピー法によるパラメータ推定が，数値例で有効性が確認された。
一般化された線形暗黙的量子化状態系法 [math.NA, cs.NA, cs.PF]目的：常微分方程式の数値積分アルゴリズムの開発
- 科学技術計算において，微分方程式の効率的な解法は不可欠である。
- 既存手法では，計算コストや安定性の問題が残されている場合がある。
- 安定性，誤差限界，イベントハンドリング性能を維持しつつ，性能向上を目指す。
- 状態量子化の概念を一般化することで，新たな数値積分アルゴリズムの設計を可能にした。
- 提案手法は，既存のLIQSS法の特性を維持しつつ，性能を改善することを示した。
- 二つの応用例において，古典的な数値積分アルゴリズムに対する優位性を分析した。
ソボレフ空間におけるオペレータ学習のための正則化ランダムフーリエ特徴と有限要素再構成 [cs.HC, cs.HC, cs.LG, cs.NA, math.NA, stat.ML]目的：偏微分方程式の解オペレータのような，無限次元関数空間間の写像のデータ駆動近似
- オペレータ学習は，物理現象のモデル化やシミュレーションにおいて重要な役割を果たす。
- 従来のカーネル法は計算コストが高く，ノイズに弱いという課題があった。
- ノイズに対するロバスト性を高め，学習時間を短縮することを目指す。
- 提案手法RRFF-FEMは，マルチバリアートStudent's t分布を用いたランダム特徴と，高周波ノイズを抑制する周波数加重ティホノフ正則化を組み合わせている。
- 特徴数Nがサンプル数mに対してm log mに比例する場合，システムがwell-conditionedとなり，推定と汎化の保証が得られることが示された。
- ベンチマーク問題に対する数値実験により，RRFFおよびRRFF-FEMはノイズに強く，従来のモデルと比較して性能が向上することが確認された。
平面領域上の双曲型計量における測地線の近似 [quant-ph, cs.NI, math.MG, cs.NA, math.CV, math.NA]目的：双曲型計量を持つ平面領域における測地線とその長さの近似
- 幾何学や解析学の基礎であり，多様体論などに応用される重要な研究分野である。
- 多角形領域における最短距離の効率的な計算方法が課題であった。
- 準双曲距離に関する最短距離を近似するアルゴリズムを開発し，精度を検証する。
- ディクストラ法に基づくアルゴリズムによって，多角形領域における最短距離の近似が可能となった。
- 単位円盤における双曲距離と準双曲距離の関係など，理論的に知られた測地線の特徴が実験的に確認された。
- 測地線の分岐と領域の中央軸との関連性が示された。
演算子学習のための鋭いミニマックスリスク境界について [math.ST, cs.NA, math.NA, stat.ML, stat.TH]目的：演算子学習におけるミニマックスリスクの評価
- 演算子学習は，機械学習の理論的基盤を理解する上で重要である。
- 既存研究では，演算子学習のリスク境界が十分に厳密でない場合がある。
- 本研究は，演算子学習におけるミニマックスリスクの正確な評価を目指す。
- 一様有界な Lipschitz 演算子に対し，情報理論的な下限とそれに一致またはほぼ一致する上限を証明した。
- エラーメトリックを定義する測度の共分散演算子のスペクトルによってレートが制御される。
- 一般的な Lipschitz 演算子に対するミニマックスリスクは，サンプルサイズに対して代数的に減衰しないというサンプル複雑性の呪いを明らかにした。
openCFS-Data: openCFS用データ前処理・後処理ツール [math.NA, cs.NA]目的：openCFSのデータ前処理と後処理
- 多物理場連成問題のシミュレーション需要は高く，航空音響学などの分野で重要である。
- 既存のシミュレーションツールでは，多物理場問題に対応する適切な前処理・後処理が課題である。
- 航空音響源計算に特化した，オープンソースの前処理・後処理ツールを提供すること。
- 本研究で発表するCFS-Dataは，openCFSの前処理・後処理部分を構成するオープンソースツールである。
- 特に，航空音響源計算（フィルター）に焦点を当てた機能が提供される。
- CFS-Dataは，これまでCFS++ Coupled Field Simulationsとして開発されてきたopenCFSの一部である。
多角形における線形楕円型偏微分方程式のニューラルオペレーター近似率 [math.NA, cs.NA]目的：線形楕円型偏微分方程式のデータから解への写像を近似するニューラルオペレーターの近似率
- 偏微分方程式は科学技術の様々な分野で基礎となるモデルであり，高精度な数値解法が求められている。
- 従来の数値解法は計算コストが高く，高次元問題や複雑な形状への適用が困難である。
- ニューラルオペレーターを用いることで，計算コストを削減し，複雑な形状への適用を可能にすることを目指す。
- 多角形および多面体上の楕円型偏微分方程式において，解の正則性を利用した代数的収束率が示された。
- データが解析的な場合には，指数的な収束率が達成されることが示された。
- エンコーダーとデコーダーを持つニューラルオペレーター構造$\mathcal{G} = \mathcal{R} \circ \mathcal{A} \circ \mathcal{E}$に対する近似率の理論的保証が得られた。
一般的な非連続ガレルキンスペクトル要素フレームワークにおける界面フラックスの統一的評価 [math.NA, cs.NA]目的：一般的な非連続ガレルキンスペクトル要素フレームワークにおける界面フラックス評価手法
- 近年，複雑な流れのシミュレーションにおいて，非構造化メッシュへの対応が求められている。
- 非適合な界面を持つメッシュにおけるフラックス評価は，計算コストが高く，実装が難しい。
- 非適合な界面における低コストかつ統一的なフラックス評価手法を確立し，性能向上を目指す。
- 本研究では，非構造化メッシュ上の一般的なスペクトル要素に対する低コストな界面フラックス評価手法を提案した。
- ヘルムホルツ方程式の対称内部ペナルティ法を用いた場合，不適切なフラックス評価により非対称行列となる問題を解決する。
- 提案手法の性能評価を行い，高性能スペクトル要素法の実装に関する議論に貢献した。
BOLT：行列関数のトレース推定のためのブロック直交ランツォス法 [math.NA, cs.DS, cs.LG, cs.NA]目的：行列関数のトレース推定効率の向上
- 大規模データ処理において，行列式，行列ノルム，分布の相違などの計算は重要であり，効率的なトレース推定が不可欠である。
- 大規模行列は保存やアクセスが困難であり，単純な行列ベクトル積すら実現できない場合がある。
- 部分行列や制限されたインデックス集合での行列ベクトル積のみが可能な状況下での高精度なトレース推定を目指す。
- BOLTは，Hutch++と同等の精度を，直交ブロックプローブとランツォス反復に基づく，より単純な実装で実現する。
- BOLTは，SLQフレームワークを基盤とし，ほぼ平坦なスペクトル領域においてHutch++よりも優れた性能を示す。
- メモリ制約や部分アクセス制約に対応するため，小さな主部分行列のみを扱うSubblock SLQを導入し，KLダイバージェンスやWasserstein-2距離の効率的な計算を可能にした。
代数的な多重スケール法を用いた最適解，第2部：ナビエ-ストークス方程式への適用 [math.NA, cs.NA]目的：ナビエ-ストークス方程式に対する，代数的な多重スケール法に基づく最適解の適用
- 流体シミュレーションは，工学や気象予測など，幅広い分野で不可欠な技術である。
- 高精度な流体シミュレーションは計算コストが高く，大規模な計算資源を必要とする。
- 計算コストを抑えつつ高精度を維持する手法の開発が求められている。
- 本研究では，支配演算子の対称部分に基づく最適投影子を用いた非線形拡張を提案した。
- 提案手法は，解像スケールと未解像スケールを明確に分離し，高い精度を維持しながら非線形性を整合的に扱う。
- 質量，エネルギー，渦度といった物理量の離散保存を保証し，計算効率の向上にも貢献する。
多階Runge-Kutta法：任意の階数の初期値問題の数値解法 [math.NA, cs.NA]目的：任意の階数の初期値問題に対する数値解法
- 微分方程式の数値解法は，科学技術計算の根幹であり，幅広い分野で利用されている。
- 高階の初期値問題は，通常，一次系に変換されるが，精度低下の懸念がある。
- 高階の初期値問題を直接扱う新しい数値解法を開発し，精度向上を目指す。
- 本研究では，多階Runge-Kutta法を導入し，その基本的な性質（収束性，一致階数，線形安定性）を明らかにした。
- 近似解が満たすシステムの構造を解析し，陽解法と陰解法の定義を明確化した。
- これにより，高階初期値問題の数値解法における新たな知見が得られた。
非直交基底における最小二乗近似のための洗練に基づくクリストフェルサンプリング [math.NA, cs.NA]目的：非直交基底における最小二乗近似のための洗練に基づくクリストフェルサンプリング手法
- 高次元データ解析において，関数空間の近似は次元削減と計算効率化に不可欠である。
- 非直交基底を用いた場合，クリストフェル関数の計算にコストがかかるため，効率的なサンプリング手法が課題である。
- クリストフェル関数の直接計算を回避し，計算コストを削減することで，実用的な近似手法を確立することを目指す。
- 提案手法は，既存の離散直交化アプローチと比較して，計算コストを大幅に削減できる。
- クリストフェル関数の無限大ノルムに対する計算コストの増加が対数的である点が特徴である。
- 数値実験により，提案手法の効率性とロバスト性が確認された。
漸進的生成はフローベースモデリングにおける普遍性の必要十分条件である [cs.CL, cs.LG, cs.NA, math.CA, math.DS, math.NA, stat.ML]目的：フローベース生成における漸進的生成の必要性と十分性の理論的根拠
- 近年，生成モデリングにおいてフローベースモデルが発展しているが，その理論的な基盤は未だ確立されていない。
- 単一ステップのフローモデルは，その表現能力に限界があり，普遍性を満たさない可能性がある。
- 漸進的生成を用いることで，より広範な関数空間を近似し，普遍性を達成することを目指す。
- 漸進的生成が，$[0,1]^d$上の向きを保つ同相写像という自然なクラスにおいて，フローベース生成の普遍性の必要十分条件であることが示された。
- 単一ステップのフローモデルは，そのクラスが乏しく，普遍性を満たさないことが証明された。
- 向きを保つリプシッツ同相写像は，特定の条件下で，フローモデルの合成によって近似可能であり，次元に依存しない近似レートも実現可能である。
相関のマッピングのための高速演算子学習 [math.NA, cs.NA]目的：高次元マルコフ過程の遷移演算子の学習
- 複雑なシステムのシミュレーションや予測において，効率的な演算子学習は重要である。
- 高次元データにおける次元の呪いの問題から，従来の学習方法は困難を伴う。
- 相関を捉えた低次基底へのGalerkin投影により，次元の呪いを回避し，効率的な学習を実現する。
- 提案手法では，遷移演算子を低次基底へ投影することで，次元の呪いを克服し，計算量を削減できる。
- 低ランク構造と相関の空間減衰を利用することで，計算複雑度を$\mathcal{O}(dN)$まで抑えることに成功した。
- 学習された演算子を用いることで，将来の事象の効率的な予測や高次元境界値問題の求解が可能となる。
ベクトル最適化によるFFT用グリディングアルゴリズムの最適化 [cs.CG, math.NA, cs.NA]目的：FFTにおけるグリディングカーネルの最適化
- MRIやCT等の幅広い応用分野でFFTが利用されており，その高速性が重要視されている。
- 実用上は等間隔サンプリングが難しく，グリディング技術が必要となるが，カーネル選択が性能に大きく影響する。
- ベクトル最適化を用いてカーネルの最適性を再定義し，特定用途に合わせた精度向上を目指す。
- 本研究では，ベクトル最適化により最適なカーネルがパレート効率的な解として特徴付けられることを示した。
- 提案手法で生成されたカーネルは，特定の領域においてPSWFやMIRT-NUFFT等の既存手法を凌駕する性能を示した。
- これにより，ベクトル最適化に基づくカーネル設計が用途に応じた精度プロファイルのカスタマイズに有効であることが確認された。
初期時刻における弱い特異性を持つ緩和時間分数伝播方程式に対する新しい高速有限差分スキーム [math.NA, cs.NA, math.AP]目的：緩和時間分数伝播方程式を解くための新しい2次高速有限差分スキーム
- 輸送現象のモデリングにおいて，時間分数微分方程式は拡散現象をより正確に記述できる。
- 初期時刻における解の滑らかさの欠如は，数値解法の精度と安定性を損なう。
- 初期時刻における弱い特異性に対する安定性と収束性を保証する効率的なスキームを開発する。
- 提案されたスキームは，時間方向および空間方向において2次収束性を持つことが示された。
- 初期時刻における解の非滑らかさを考慮し，スキームの一意性，安定性，収束性が検証された。
- 数値実験の結果は，スキームの有効性と精度を裏付けている。
脳循環における多スケールモデリング：脳血管ネットワークの解剖学的変化と狭窄条件下における血行動態再分配のネットワーク経路解析 [physics.med-ph, cs.NA, math.NA]目的：脳血管ネットワークにおける血行動態再分配のシミュレーションと解析
- 脳血管ネットワークは，脳血流の安定供給に不可欠であり，その理解は脳血管疾患の診断と治療に繋がる。
- 解剖学的変化や血管狭窄が脳血流に与える影響を定量的に評価することは困難であった。
- 脳血管ネットワークにおける血行動態再分配のメカニズムを解明し，臨床応用を目指す。
- 開発された多スケールモデルは，脳血管ネットワークにおける血行動態を生理学的に再現し，正常状態および病態における血流分布を定量的に評価できる。
- 解剖学的変化や血管狭窄のシミュレーションにより，前交通動脈が最も感受性の高い機能的側副血行路であることが示された。
- 経路ベースの定量解析により，脳血管ネットワークが構造変化に応じて側副血行路を動的に再構成する様子が明らかにされた。
- 1