arXiv雑要約
数値解析 - 2026/03/06 公開
画像処理応用のためのセル平均非分離型漸進多変量WENO法 [math.NA, cs.NA]目的：セル平均データに対する高精度再構成技術
- マルチ解像度解析や画像圧縮において，正確かつ効率的な再構成技術は不可欠である。
- セル平均データに対する既存手法では，精度と安定性の両立が課題となっている。
- 本研究は，セル平均データに適したWENO法を開発し，画像処理における性能向上を目指す。
- 提案手法は，セル平均データに対応した非線形WENO再構成を導入し，滑らかな領域で高精度を，不連続点付近で安定性を実現した。
- 理論的な一貫性および近似特性を確立し，同じ精度の線形ラグランジュ再構成と比較して有効性を示す数値実験を行った。
- 片側滑らかな関数およびデジタル画像に対する実験結果は，提案手法の良好な性能を裏付けている。
物理情報ニューラルネットワークの精度向上：最終層再学習によるアプローチ [math.NA, cs.LG, cs.NA]目的：物理情報ニューラルネットワークの精度向上手法
- 科学的機械学習の発展に伴い，偏微分方程式の求解にPINNが活用されている。
- PINNの適切な学習戦略は自明ではなく，多くの場合，中程度の精度の解しか得られない。
- ネットワークに関連する関数空間における最適な近似を求めることで，PINNの精度を向上させる。
- 提案手法は，様々なアーキテクチャと次元において，元のPINNと比較して4～5桁低い誤差を達成した。
- 線形空間の基底関数は，時間依存性や非線形性を持つより複雑な問題設定で再利用可能であり，転移学習を可能にする。
- 残差に基づく指標により，使用する基底関数の数を最適に選択できる。
工業プロセスにおける物理情報を用いた深層学習：熱伝導のための時間離散型VPINN [math.NA, cs.NA]目的：工業プロセスの熱伝導シミュレーション
- 工業プロセスの最適化には，正確な物理モデルが不可欠である。
- 従来の数値シミュレーションは計算コストが高く，リアルタイム制御が困難である。
- 深層学習を用いて，高速かつ高精度な熱伝導シミュレーションを実現する。
- 本研究では，時間離散型VPINNを提案し，放物型偏微分方程式の解法に適用した。
- 提案手法は，各時間ステップにおける残差の双対ノルムを最小化する複合損失関数を用いる。
- コーヒー抽出物の凍結プロセスという工業的応用において，提案手法の有効性が検証された。
無限遅延を持つ超線形確率的関数微分方程式の不変確率測度の近似 [math.NA, cs.NA]目的：超線形確率的関数微分方程式の不変確率測度の数値近似
- 確率的関数微分方程式は，金融，物理，生物学など幅広い分野で現実世界の現象をモデル化する上で重要である。
- 無限遅延を持つ確率的関数微分方程式の不変確率測度の数値近似は，計算コストが高く困難である。
- 時間と空間の切り捨てを用いた明示的truncated Euler-Maruyama (TEM)スキームを提案し，数値的な近似を可能とする。
- 提案されたTEMスキームは，有限時間区間において強い収束性を示すことが証明された。
- TEMスキームによって生成された数値過程は，一意の数値不変確率測度を持つことが示された。
- 数値不変確率測度は，Wasserstein距離において真の不変確率測度に収束し，明示的な収束速度が得られた。
コルモゴロフ・アーノルド・ネットワークの多段階学習 [cs.DC, cs.LG, cs.AI, cs.NA, math.NA]目的：コルモゴロフ・アーノルド・ネットワークの学習高速化
- 近年の深層学習の発展に伴い，複雑な関数を効率的に学習する手法が求められている。
- 一般的なニューラルネットワークの学習は，関数合成に起因する構造の欠如により，学習速度が制限される場合がある。
- 本研究は，コルモゴロフ・アーノルド・ネットワークが持つ構造を活用し，学習を高速化する多段階学習法を提案する。
- コルモゴロフ・アーノルド・ネットワークとスプライン基底関数を用いた多チャネルMLPとの等価性が証明された。
- スプライン結び目の幾何学的影響を分析し，多段階学習アプローチの根拠を確立した。
- 提案手法は，従来の学習方法と比較して，物理情報ニューラルネットワークにおいて大幅な精度向上を達成した。
量子状態トモグラフィーのための量子相対エントロピー正則化 [cs.CL, math.NA, cs.NA]目的：量子状態の再構成
- 量子技術の発展には，量子状態の正確な評価が不可欠である。
- 間接測定からの密度行列の再構成は，不安定な逆問題である。
- 量子相対エントロピーを用いた正則化で，安定した解を得る。
- 量子相対エントロピー正則化が，トモグラフィーにおいて有効であることが示された。
- この手法は，弱-*トポロジーに関する下半連続性を有している。
- PINEMや光ホモダイン断層撮影への適用例を通じて，実用性が確認された。
力学における制約問題に対するニッチェ法 [cs.DM, math.CO, math.NA, cs.NA]目的：力学における制約問題に対するニッチェ有限要素法の導出指針
- 力学シミュレーションの精度向上には，現実世界の制約条件を適切に考慮する必要がある。
- 既存手法では，制約条件の取り扱いに伴う数値不安定性や計算コストの問題が存在する。
- 本研究は，制約条件を安定的に，かつ効率的に扱うためのニッチェ法の設計指針を提供する。
- ニッチェ有限要素法は，鞍点問題の安定化有限要素法として定式化され，制約条件を伴う問題に適用可能である。
- 提案手法は，非線形有限要素法や自動微分と容易に組み合わせることが可能である。
- 固体力学における様々な問題への適用を通じて，ニッチェ法の収束性が検証された。
強異方性ポテンシャル下における3次元回転双極性ボース-アインシュタイン凝縮体の基底状態を計算する効率的かつ正確な数値手法 [cs.RO, cs.CY, cs.DL, cs.CL, math.NA, cond-mat.quant-gas, cs.NA]目的：3次元回転双極性ボース-アインシュタイン凝縮体の基底状態計算
- 超低温原子気体の集積による凝縮現象の理解は，量子力学の極限状態を探索する上で重要である。
- 双極性相互作用や異方性ポテンシャルは計算を複雑化し，基底状態の収束性，精度，効率性に課題がある。
- 複雑なエネルギー地形と多数の渦の存在下でも，効率的かつ正確な基底状態計算を実現することを目指す。
- 本研究では，異方性截断カーネル法と共役勾配法を組み合わせた数値手法を提案し，高い精度と効率性を実現した。
- このアルゴリズムは，メモリ使用量を抑えつつスペクトル精度を維持し，計算コストを削減することに成功した。
- 数値シミュレーションにより，臨界回転周波数，エネルギー，化学ポテンシャルに対するモデルパラメータの影響や，新たな基底状態パターン（湾曲渦）が明らかになった。
周期関数の最悪ケースにおける$L_p$-近似：中央値格子アルゴリズムを用いた手法 [cs.RO, cs.SY, eess.SY, math.NA, cs.NA]目的：多変数周期関数の$L_p$ノルムにおける最悪ケース近似
- 関数近似は，数値計算や機械学習など広範な分野で基礎となる重要な技術である。
- 高次元における周期関数の効率的な近似手法は未だ課題であり，次元の呪いの克服が求められる。
- 中央値格子アルゴリズムによる近似精度向上と，その理論的保証を与えることを目指す。
- 提案手法は，格子点を用いたフーリエ級数の係数推定と中央値による集約を組み合わせる。
- 評価回数$N$に対して，近似誤差の上界が$N^{-\alpha + (\frac12 - \frac1p)_+ + \beta}$で抑えられることを示す。
- 特に$p=\infty$の場合，次元に依存しない誤差上界を得ており，既存手法との比較において優位性を示す。
大規模渦シミュレーションにおけるデータ駆動型対称性保存クロージャモデルの比較 [cs.HC, cs.HC, math.NA, cs.NA, physics.flu-dyn]目的：大規模渦シミュレーション用データ駆動型対称性保存クロージャモデルの性能比較
- 乱流や微分方程式において対称性は重要であり，LES方程式もその対称性を引き継ぐ。
- データ駆動型ニューラルネットワーククロージャは精度向上に貢献する一方，安定性や汎用性に課題がある。
- 対称性を強制的に組み込むことで，学習されたクロージャの物理的整合性を高めることを目指す。
- テンソル基底ニューラルネットワークや群畳み込みニューラルネットワークを含むデータ駆動型クロージャは古典的なモデルよりも機能面と構造面の両方で性能が向上した。
- 制約なしのネットワークも同程度の予測精度を達成したが，対称性を保存するモデルはより整合性の高い速度勾配統計量を示した。
- 対称性の適用は，相対的なテンソル予測誤差などの集計誤差指標だけでは捉えられないクロージャの質を向上させる。
特異性への構造化距離：非線形方程式系として [math.NA, cs.NA]目的：非特異行列の特異性への構造化距離の評価
- 制御理論や数値解析において，システムの安定性やロバスト性を評価する上で重要である。
- 特定の構造を持つ摂動に対するシステムの感度を定量化する手法が不足している。
- 構造化された摂動下でのシステムのロバスト性を効率的に評価するための新しいアプローチを提供する。
- 特異性への構造化距離問題を，2つのベクトル未知数に関する非線形方程式系として再定式化した。
- 多変数ニュートン法を用いてこの非線形方程式系を直接解くアルゴリズムを提案した。
- 提案アルゴリズムは，大規模行列に対して既存のものよりも高速であり，同程度の精度を維持する。
航空音響散乱のための時空ガレルキン境界要素法 [math.NA, cs.NA, physics.comp-ph]目的：航空音響散乱の予測と遮蔽
- 航空機騒音は生活環境に大きな影響を与え，低減が重要な課題である。
- 複雑な形状における航空音響散乱の正確な予測は依然として困難である。
- プロペラやローターのような回転騒音源に対する効率的な予測手法の開発。
- 本手法は，時間領域境界要素法とガレルキン法を組み合わせ，安定性と効率性を両立している。
- 解析解を持つ3つのケーススタディで検証を行い，優れた一致性を示す結果が得られた。
- トレーリングエッジに取り付けられたプロペラのケースで実験結果との比較を行い，良好な一致を示した。
1+1次元非線形ディラック方程式の時間分割スキームのL²収束性 [math.AP, cs.NA, math.NA]目的：1+1次元非線形ディラック方程式のコーシー問題に対する近似解の収束性
- 相対論的量子力学における基礎方程式であり，高エネルギー物理現象の記述に不可欠である。
- 数値解法における時間離散化の精度と安定性が課題であり，適切なスキーム設計が求められる。
- 時間分割スキームのL²安定性とコンパクト性を証明し，厳密解への収束性を確立すること。
- 時間分割スキームによる近似解が，初期データがL²で収束する場合，L²空間における連続的な強解に収束することが証明された。
- 時間分割解の点ごとの評価式を確立し，それに基づいて改良されたグリム型関数が時間的に一様有界であることが示された。
- 時間分割解の集合が，任意のT>0においてC([0,T];L²(ℝ))上でコンパクトであることが証明された。
微視的揺らぎから巨視的な移動度を学習するための定量的な誤差推定 [math.PR, cs.NA, math.NA]目的：相互作用する粒子系の微視的揺らぎと，それらの流体力学的極限の移動度との関係を示す定量的な誤差推定
- 輸送現象の理解は，物理学，化学，生物学など，幅広い分野において不可欠である。
- 微視的な揺らぎと巨視的な輸送特性の間の厳密な関係性は未だ解明されていない。
- 微視的揺らぎのメカニズムと巨視的な移動度の関係を定量的に評価する。
- 対称単純排除過程と独立ブラウン運動粒子系において，揺らぎ場の二次変動と対応する移動度との間のずれに対する明示的な境界を得た。
- 正則化された係数を持つ揺らぎ流体力学的確率偏微分方程式についても，同様の誤差推定を確立した。
- 不規則な平方根型の係数を持つ確率偏微分方程式に対し，再正規化された運動学的解の枠組みで，関連する揺らぎ構造の漸近的な振る舞いを特定した。
非線形次元削減による高次元空間における層化サンプリングの実現 [math.NA, cs.NA, math.ST, stat.ML, stat.TH]目的：高次元空間における層化サンプリング手法
- 計算コストの高いモデルの入出力における不確実性の伝播は重要である。効率的な不確実性評価が求められている。
- 高次元空間では，均一な分割が困難であり，層化サンプリングの適用が制限されてきた。
- モデル応答に適応した入力空間の有効な層化構造を構築し，高次元空間での層化サンプリングを可能にすること。
- ニューラル活性多様体を利用し，モデルの変動の大部分を捉える一次元多様体を特定することで，高次元入力空間を効率的に削減する。
- 削減された一次元潜在空間を単位区間にマッピングし，そこで層化を行い，元の入力空間に復元することで，モデルのレベルセットに沿った分割を生成する。
- 本手法は高次元でも有効であり，多忠実度モンテカルロ推定量の分散をさらに低減できることを示した。
p-ラプラス型問題に対するクラウゼイ・ラヴィアール有限要素法の準最適性 [math.NA, cs.NA]目的：p-ラプラス型非線形問題に対するクラウゼイ・ラヴィアール有限要素法の準最適性
- 偏微分方程式の数値解析は，工学や科学におけるシミュレーションの基盤技術である。
- 非線形p-ラプラス型問題の数値解法は，解の特異性や非線形性から困難を伴う。
- クラウゼイ・ラヴィアール有限要素法による誤差評価を厳密に行い，誤差の上界を定める。
- クラウゼイ・ラヴィアール有限要素法の誤差は，準ノルムに関する近似誤差とデータ振動項によって上から制限されることが示された。
- 本研究の副産物として，共形最低次ラグランジュ有限要素法に対する新しい局所的な事前誤差評価が検証された。
異方性ナビエ-ストークス方程式における逆初期値問題： Legendre時間縮約法による解法 [math.NA, cs.NA]目的：異方性ナビエ-ストークス方程式の逆初期値問題の解法
- 流体現象の正確な把握は，工学分野において不可欠であり，数値シミュレーションの精度向上は重要課題である。
- 逆問題は，観測データから未知の初期状態を推定するため，不安定性や一意性の問題が存在する。
- 本研究は，Legendre時間縮約法を用いて逆問題を安定的に解くことを目指す。
- Legendre時間縮約法は，時間依存の逆問題を時間独立な楕円方程式の系に変換し，計算コストを削減する。
- 数値実験の結果，提案手法は，ノイズや複雑な形状，異方性効果が存在する場合でも，初期速度場を高精度に復元できることが示された。
- この手法は，異方性媒質における逆流体問題に対する柔軟かつ計算可能なアプローチを提供する。
滑らかな解に対する高階偏微分方程式への双曲的近似の収束 [math.NA, cs.NA, math.AP]目的：高階偏微分方程式に対する双曲的近似の収束性
- 偏微分方程式は自然現象の数理モデルとして重要であり，その数値解法は不可欠である。
- 高階偏微分方程式の厳密解を得ることは困難であり，近似解法が用いられることが多い。
- 双曲的近似の理論的な収束性を確立し，数値計算の信頼性を高める。
- 本研究では，ベンジャミン・ボナ・マホニー方程式など，様々な高階偏微分方程式に対する双曲的近似の収束性を証明した。
- 双曲的近似の解として弱解（エントロピー解）のみを仮定することで，近似の正当性を示す基盤を提供した。
- 理論的結果を裏付ける数値計算の結果も提示し，双曲的近似の有効性を示唆した。
四角法を用いたラグランジュ流体力学のエネルギー保存形簡約モデル [math.NA, cs.NA, physics.comp-ph, physics.flu-dyn]目的：ラグランジュ流体力学の圧縮性オイラー方程式に対するエネルギー保存型，四角法に基づくモデル簡約手法
- 流体シミュレーションは科学技術計算の根幹であり，高精度かつ効率的な計算手法が求められている。
- 従来のモデル簡約手法では，エネルギー保存性が十分でなく，長時間の計算で誤差が蓄積する問題がある。
- 本研究は，機械精度レベルでエネルギーを保存する簡約モデルを構築し，長期的な計算の安定性を向上させる。
- 提案手法は，Sedov blast，Gresho vortex，triple point，Taylor-Green vortexのベンチマーク問題において，機械精度レベルでエネルギー保存性を実現した。
- エネルギー保存性を強化した変形された経験的直交化法（EQP）を用いることで，基本的なEQPと同等の精度を維持している。
- 提案手法は，数値計算においてエネルギーの損失を抑制し，高精度な流体シミュレーションを可能にする。
多次元における組合せKorobov点群の星不一致は多項式的に次元に依存する [math.NA, cs.NA, math.NT]目的：多次元における組合せKorobov点群の星不一致の次元依存性
- 点分布の均一性を測る指標であり，数値積分やモンテカルロ法等の精度に影響する。
- 星不一致と点数の関係は線形に依存することが知られているが，その構成法は未解決問題である。
- デジタルシフトを施したKorobov点群の組合せによる星不一致の次元依存性を解析し，線形性を証明する。
- デジタルシフトを施したKorobov点群の組合せは，星不一致の逆数が線形に次元に依存することを示す。
- 全てのKorobov点群に対し，異なるデジタルシフトを施した組合せも同様の星不一致の限界値を達成する。
- 証明は濃度不等式に依存するが，候補となる点群の探索範囲を有限に絞り込む点で進展がある。
相転移への応用を伴う自己適応型PINN [cs.CL, math.NA, cs.LG, cs.NA]目的：物理情報ニューラルネットワークの訓練のための適応的サンプリング手法
- 物理現象のシミュレーションにおいて，ニューラルネットワークの活用が注目されている。
- 従来のPINNでは，解像度の低い領域や重要な特徴を捉えきれない場合がある。
- ネットワークと勾配に基づいたヒューリスティックにより，効率的なサンプリングを可能にする。
- 提案手法は，アレン・カーン方程式における界面領域の正確な解決に有効であることが示された。
- 残差適応型フレームワークと比較して，提案手法の有効性が実験的に確認された。
- 問題固有のヒューリスティックに基づいたサンプリングにより，PINNの学習効率が向上する。
3x3行列の固有値に対する閉形式表現の数値的安定性評価 [math.NA, cs.MS, cs.NA]目的：3x3行列の固有値計算における数値的安定性
- 数値計算において，行列の固有値は様々な応用分野で重要であり，効率的かつ安定な計算手法が求められる。
- 固有値計算の古典的な手法は，行列が特定の構造を持つ場合に数値的に不安定になることがある。
- 重複固有値を持つ行列に対しても安定した固有値計算手法を確立すること。
- トレース，$J_2$，$J_3$，判別式といった4つの不変量を用いることで，安定した固有値計算が可能となった。
- 提案手法は，良好な条件を持つ行列に対して，理論的な誤差範囲内で動作することが示された。
- 特定のテストケースにおいて，高度に最適化されたLAPACKライブラリと比較して，約10倍の高速化を達成した。
SO(3)回転場の構造保存離散化：有限Cosseratマイクロポーラ弾性への応用 [math.NA, cs.NA, math-ph, math.MP]目的：有限ひずみCosseratマイクロポーラモデルにおける物性値の制約を保存する離散化手法
- 構造物の挙動を正確に予測するためには，回転場の適切な離散化が不可欠である。
- 従来の離散化手法では，回転場の物理的制約が無視され，ロッキング現象が発生しやすい。
- 本研究は，物理的制約を保存し，ロッキング現象を緩和する新しい離散化手法を提案する。
- 提案手法（$\Gamma$-SPIN）は，測地要素を用いてCosserat回転テンソルを補間し，客観性と曲率を正確に表現する。
- 回転テンソルと変形テンソルの相互作用を緩和することで，ロッキング効果を軽減する低正則度射影ベース補間を実現する。
- 提案手法は，ベンチマーク問題や複雑な曲線領域において，安定性と有効性が確認された。
カーン・ヒリアード・ナビエ・ストークス方程式に対する構造保存法の比較 [math.NA, cs.NA, math-ph, math.MP]目的：カーン・ヒリアード・ナビエ・ストークス方程式の構造保存法の比較研究
- 界面現象や相分離現象のモデリングにおいて，精度と安定性が重要となる。
- 既存手法では，退化した移動度を持つ場合に安定性の問題が生じやすい。
- 構造保存性を保ちつつ，効率的な数値解法を開発し，計算コストを削減すること。
- 提案手法（SWIPD-L，SIPGD-L）は，構造保存性を維持しつつ，最適な収束率を示すことが証明された。
- 質量保存則，エネルギー消散則，離散最大原理を満足し，既存手法と同程度の安定性を有する。
- hp-適応メッシュを用いた計算により，精度を損なうことなく大幅な計算時間の削減が可能となった。
任意のセゲー関数に対する無限量子信号処理 [math.OC, cs.SY, eess.SY, math.OC, cs.SY, eess.SP, eess.SY, quant-ph, cs.NA, math.CA, math.NA]目的：セゲー関数の量子信号処理表現
- 量子信号処理は，量子アルゴリズムの効率化に不可欠であり，計算能力の向上に貢献する。
- セゲー関数の位相因子計算は数値的に不安定であり，正確な計算が困難である。
- 任意のセゲー関数の位相因子の安定した数値計算アルゴリズムを開発すること。
- 本研究では，任意のセゲー関数に対して，位相因子を独立に計算可能な「リーマン・ヒルベルト・ワイスアルゴリズム」を提案した。
- 提案アルゴリズムは，セゲー関数の位相因子を計算するための初めての安定した数値アルゴリズムである。
- 安定性の証明には，非線形フーリエ解析とスペクトル理論の要素を用いたリーマン・ヒルベルト因数分解問題の解法が含まれる。
演算子学習のための鋭いミニマックスリスク界限について [cond-mat.mtrl-sci, cs.SY, eess.SY, math.ST, cs.NA, math.NA, stat.ML, stat.TH]目的：演算子推定のミニマックスリスク
- 機械学習における汎化性能評価の基礎であり，理論的な限界を知る上で重要である。
- 演算子学習におけるサンプルサイズの増加に伴うリスクの減少限界が明確でなかった。
- 汎用的なリプシッツ連続演算子の学習におけるサンプル複雑性の呪いを明らかにする。
- 一様有界なリプシッツ演算子に対し，情報理論的な下限と一致またはそれに近い上限を導出した。
- 誤差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ことが示された。
- 有限の滑らかさを仮定しても，リプシッツの場合と比較してミニマックスレートが向上することはない。
超臨界 Galton-Watson 過程における Kesten-Stigum 極限の密度計算 [math.PR, cs.NA, math.NA]目的：超臨界 Galton-Watson 過程に伴う極限確率変数の密度
- 個体群動態の予測において，初期の変動が長期的な成長に与える影響を理解することが重要である。
- 任意の繁殖則に対して，Kesten-Stigum 定理で示される非自明な極限の密度を安定かつ効率的に計算することが困難である。
- 極限分布の Laplace-Stieltjes 変換を特徴づける関数方程式とモーメント合わせ法を用いて，密度を近似的に求める。
- 提案手法は，Laguerre 多項式と指数減衰の線形結合を用いて，極限分布の密度を正確に近似できる。
- 有界次数を持つ繁殖生成関数を用いた例において，手法の有効性が検証された。
- 本手法により，超臨界 Galton-Watson 過程における極限分布の密度を数値的に計算することが可能になった。
- 1