arXiv雑要約
数値解析 - 2026/03/09 公開
回折断層撮影のための進化LLM推論による自律的アルゴリズム発見 [cs.CE, cs.AI, cs.CL, cs.NA, math.NA]目的：回折断層撮影における新規正則化アルゴリズムの発見と進化
- 高解像度材料特性評価に不可欠な手法であり，その重要性は増している。
- 高品質な再構成には手動設計された正則化関数が不可欠だが，その設計は困難である。
- LLMを活用し，正則化アルゴリズムを自律的に発見・進化させることで，その課題を解決する。
- 提案手法Ptychi-Evolveは，従来の再構成手法と比較して，SSIMが最大0.26，PSNRが8.3dB向上した。
- LLMによるコード生成と進化機構を組み合わせることで，新規正則化アルゴリズムを自律的に発見した。
- 発見されたアルゴリズムの系統と進化メタデータを記録し，解釈性と再現性を確保した。
全てはヴェッキア：低ランクおよび疎な逆コレスキー近似の統合 [math.NA, cs.NA]目的：低ランク近似と疎な逆コレスキー近似を統合する手法
- 大規模データ解析において，行列計算の効率化は不可欠である。
- 既存の近似手法では，特定の行列構造にしか適用できない場合がある。
- 多様な行列構造に対応可能な汎用的な近似手法を提案する。
- 部分ピボットコレスキー近似とヴェッキア近似を組み合わせることで，より広範な行列に対応できる。
- この組み合わせは，元の行列のヴェッキア近似として正確に表現され，スパース性を拡張する。
- ヴェッキア近似は既存の行列近似手法を包含し，幅広い応用可能性を持つ。
FlexTrace：行列関数に対する交換可能なランダム化トレース推定 [math.NA, cs.NA]目的：行列関数のトレース推定
- カーネル法や逆問題など，幅広い分野でトレースの計算が重要となる。
- 既存手法は行列とベクトルの積の計算コストが高く，大規模データへの適用が困難。
- 行列との積のみを用いて，効率的かつ高精度なトレース推定を実現する。
- FlexTraceは，既存手法と比較して，より正確なトレース推定値を提供する。
- 演算子単調な関数に対し，理論的な精度保証を与えることができる。
- 単一パスで実行可能な交換可能な手法であり，計算コストを削減できる。
大規模言語モデルのための構造化多次元表現学習 [cs.CL, cs.NA, math.NA]目的：Transformerのパラメータ削減と汎化性能向上
- Transformerは様々なタスクで高性能だが，パラメータ増加と埋め込み次元の冗長性が課題である。
- 埋め込み次元の増加は，モデルの計算コストとメモリ使用量を増大させる。
- テンソル分解によるパラメータ削減と，周波数スケーリングによる性能向上を目指す。
- 提案手法L-Transformerは，従来のTransformerと同等の性能を維持しつつ，エンコーダのパラメータを最大75%削減できる。
- IMDBデータセットでは，パラメータ削減下でベースラインと同等またはそれ以上の精度を達成した。
- AG~Newsデータセットでは，適度な幅においてパラメータを4分の1に削減しながら，BERT-baseと同等の性能を維持した。
ノイズデータからの事前情報に基づく偏微分方程式の特定 [cs.RO, math.NA, cs.NA, math-ph, math.MP]目的：ノイズを含む時空間データからの偏微分方程式の同定
- 複雑な現象の理解や予測には，支配方程式の正確な特定が不可欠である。
- 微分によるノイズの増幅や，過剰な候補項の曖昧さが，方程式特定を困難にしている。
- 物理学的な事前知識を組み込むことで，ロバストで統一的な方程式同定手法を確立すること。
- 提案手法は，事前知識に基づき候補項を絞り込み，微分を滑らかなテスト関数へ移行させることで，ノイズの影響を抑制する。
- ハミルトン，保存則，エネルギー最小化といったコンパクトな物理的制約を組み込んだ結果，高い真陽性率と安定した係数復元を実現した。
- 様々な代表的な系において，事前知識がない場合と比較して，より正確な構造を保存したダイナミクスを再現できた。
部分的に分離された楕円系に対する数値アルゴリズム [math.NA, cs.NA]目的：部分的に分離された楕円系の数値解法
- 材料科学や画像処理において，複数の相が分離した構造を扱うことが重要である。
- 相分離構造は非凸な制約を持つため，従来の凸最適化手法では困難が生じる。
- この研究は，そのような非凸制約下の相分離構造を数値的に解くための手法を開発する。
- 強競合ペナルティ法と射影勾配法という2つの計算枠組みを提案した。
- 強競合ペナルティ法では，コンパクト性やリプシッツ推定，強競合領域での改善が確認された。
- 射影勾配法では，3相分離集合への明示的な射影を利用することで効率的な解法を実現した。
限精度確率的丸め [cs.RO, cs.HC, math.NA, cs.NA]目的：確率的丸め（SR）の発展と応用
- 大規模計算において，低精度化による計算効率向上が求められているため。
- 従来の丸めモードでは，小さな値が丸め誤差によって無視される問題がある。
- 限精度確率的丸め（SR）の適用，分析，実装における近年の進展をまとめる。
- 確率的丸め（SR）は，大規模低精度計算において有効な代替手段として注目されている。
- 本研究では，2022年以降のSRに関する最新の研究動向を網羅的にレビューした。
- 限精度確率的丸めは，ハードウェア実装に向けた今後の課題と展望を示唆している。
鉄道車両と橋梁の相互作用解析のための汎用的な3次元有限要素力学フレームワーク：非線形車輪-レール接触モデルを含む [math.NA, cs.NA]目的：鉄道車両と橋梁の相互作用解析における3次元有限要素力学フレームワーク
- 鉄道インフラの安全性向上は重要であり，車両と橋梁の動的な相互作用を正確に予測する必要がある。
- 従来のモデルでは，運動学的拘束の定義や効率的・安定的な解法の開発が課題となっていた。
- 車輪-レール接触挙動を考慮した汎用的なフレームワークを提供し，大規模な変形を伴う複雑な状況を解析可能にすること。
- 提案手法は，一般的な有限要素ソフトウェアで実装可能であり，車輪-レール接触挙動に適した拘束方程式を用いる。
- 絶対座標系を用いて軌道の位置と姿勢を記述することで，微小変形や回転を仮定する必要がない。
- 強風や地震などの極端な条件下における車両と橋梁の動的な挙動をより現実的にシミュレーションできる。
大規模PMUTアレイシミュレーションのためのハイブリッド低次元モデル・高精度不連続ガレルキンスペクトル要素フレームワーク [cs.RO, math.NA, cs.NA]目的：大規模PMUTアレイのシミュレーション手法
- 次世代の超音波センシング・イメージングにおいて，PMUTが不可欠なデバイスとなりつつある。
- PMUTアレイの規模と複雑さが増すにつれ，電気機械音響連成モデリングの計算コストが課題となっている。
- PMUTアレイのシミュレーション効率を向上させ，大規模アレイの解析を可能とすることを目的とする。
- 本フレームワークは，モデル次数低減と不連続ガレルキンスペクトル要素法を組み合わせることで，計算効率を高めている。
- 非適合メッシュの細分化により，精度を維持しつつ，シミュレーションの柔軟性を向上させている。
- 大規模PMUTアレイシミュレーションにおいて，高い精度，スケーラビリティ，効率性を実証した。
確率的複合非凸最適化のための適応リプシッツフリー条件勾配法 [cs.CG, cs.LG, cs.NA, math.NA, math.OC]目的：確率的複合非凸最小化問題に対する適応的な射影不要フレームワークの開発
- 機械学習等の分野において，大規模データに対する最適化は重要な課題である。
- 従来の条件勾配法は，グローバルな滑らかさ定数や探索が必要であり，計算コストが高い。
- 本研究では，未知の幾何学構造に適応可能な，効率的な条件勾配法の開発を目指す。
- ALFCGは，歴史的な反復差分を用いて局所的な滑らかさを推定し，二次代理モデルを最小化する。
- 有限和問題に対するALFCG-FSは，$\mathcal{O}(N+\sqrt{N}\epsilon^{-2})$の反復複雑度を達成する。
- 確率的期待問題に対するALFCG-MVR1とALFCG-MVR2は，それぞれ$\tilde{\mathcal{O}}(\sigma^2\epsilon^{-4}+\epsilon^{-2})$と$\tilde{\mathcal{O}}(\sigma\epsilon^{-3}+\epsilon^{-2})$の反復複雑度を達成する。
運動エネルギーに基づく正則化：空間微分と偏微分方程式への応用 [math.NA, cs.AI, cs.LG, cs.NA]目的：空間微分の学習
- 科学機械学習や偏微分方程式の数値解法において，空間微分の正確な推定は不可欠である。
- 離散的・ノイズを含むデータからの空間微分の正確な推定は課題である。
- ノイズに強く，効率的な空間微分推定手法を確立し，偏微分方程式の解法への応用を目指す。
- 運動エネルギーに基づく正則化(KBR)を拡張し，1次元で証明可能な2次精度を持つ空間微分学習を実現した。
- 明示的スキームと暗黙的スキームの2つの微分学習スキームを提案し，どちらも2次収束性を示した。
- KBRと保存ソルバーを組み合わせることで，1次元双曲型偏微分方程式において安定した衝撃波捕捉が可能となった。
深層ニューラルネットワークの関数空間ノルムの認定および正確な計算 [math.NA, cs.LG, cs.NA, stat.ML]目的：深層ニューラルネットワークの関数空間ノルムの認定と正確な計算手法
- 偏微分方程式に対するニューラルネットワーク法では，関数空間ノルムにおける信頼性の高い誤差制御が不可欠である。
- 既存のニューラルネットワークは有限の点でのみ評価可能であり，関数空間ノルムの厳密な境界を保証することが困難である。
- ニューラルネットワークの構造を利用し，積分量の認定と正確な計算を通じてこの課題を解決することを目指す。
- 軸に平行な箱に対する区間演算による囲み，適応的なマーキング/改良，数値積分による集約を組み合わせた枠組みを提示する。
- 各箱内で関数値と導関数の保証された下限と上限を計算し，それらをグローバルな境界に伝播させる。
- 提案手法は，$L^p$, $W^{1,p}$, $W^{2,p}$ ノルムの認定計算を可能にし，PINN内部残差に対する実用的な認定境界を提供する。
ボルツマン分布への漂流：力誘導漂流による百万倍の加速 [physics.chem-ph, cs.NA, math.NA, physics.comp-ph]目的：分子構造のボルツマン分布からのサンプリング高速化
- 計算化学において，分子構造のサンプリングは不可欠だが，従来の分子動力学法は計算コストが高い。
- 漂流モデルは高速だが，学習分布と真のボルツマン分布の乖離が問題となる。
- 学習分布のずれを解消し，高速かつ高精度な分子構造サンプリングを実現する。
- 力ラベルを用いる「漂流力恒等式」により，漂流場を標準的なドリフトとボルツマン補正に分解。
- MD17エタノールデータセットで，従来のスコアマッチング法と比較して1000倍以上の高速化を達成。
- 座標空間と距離特徴空間で異なるアプローチが有効であり，構造的妥当性と分布精度を確保。
線形BGK方程式とその音響極限におけるネットワーク上の界面層に関するスペクトル手法 [math.AP, cs.NA, math.NA]目的：ネットワーク上の界面層の解析
- 輸送現象のモデル化において，速度空間離散化された線形BGKモデルは重要な役割を果たす。
- ネットワークにおける界面条件は，従来の手法では十分な精度を達成できない場合がある。
- ネットワークノードにおける界面層の構造を明らかにし，精度向上に貢献する。
- スペクトル法を用いることで，ノード近傍の様々な界面層の詳細な構造を明らかにすることができた。
- 導出された運動学的結合条件における関連係数を決定することに成功した。
- 数値結果は，本手法の精度と効率を示す。
フィクティスドメイン問題に対するスケーラブルな拡張ラグランジュ乗数事前条件付き法 [math.NA, cs.NA]目的：フィクティスドメイン法におけるラグランジュ乗数を用いた有限要素離散化から生じるブロック2x2および3x3構造の線形方程式系を解くための事前条件付き法
- 工学・科学シミュレーションにおいて，複雑な形状や境界条件を扱う必要性が高まっているため。
- フィクティスドメイン法は柔軟性があるが，大規模な線形方程式系の解法が計算コストのボトルネックとなる。
- 拡張ラグランジュ乗数法に基づく事前条件付き法を提案し，反復解法の収束性を向上させる。
- 提案手法は，Poisson問題およびStokes問題という代表的なフィクティスドメイン問題において，その有効性が示された。
- 事前条件付き法のスペクトル解析を行い，正確な場合と不正確な場合の双方について理論的な根拠を提供した。
- 2次元および3次元における広範な数値実験により，提案アプローチの有効性と事前条件付き戦略の頑健性が確認された。
フーリエスペクトル法に着想を得たニューラル衝突演算子近似：ボルツマン方程式の解法 [cs.LG, cs.AI, cs.NA, math.NA, physics.comp-ph]目的：ボルツマン方程式の衝突演算子の近似
- ボルツマン方程式は，粒子分布関数の発展を記述する重要なモデルであり，物理学，工学等の分野で広く利用されている。
- 高次元の速度空間や非弾性衝突の場合，数値解法は計算コストが非常に高くなるという課題が存在する。
- フーリエスペクトル法と深層学習を組み合わせ，効率的に衝突演算子を近似することで，計算コスト削減を目指す。
- 提案手法FourierSpecNetは，解像度に依存しない学習とゼロショット超解像を可能にし，再学習なしで未知の解像度での予測精度を向上させる。
- 理論的な解析により，離散化を細かくするほど，学習された演算子がスペクトル解に収束することが示された。
- Maxwellian分布やハード球分子モデル，非弾性衝突シナリオを含む複数のベンチマークケースで，従来のスペクトル解法と比較して，同等以上の精度と大幅な計算コスト削減が確認された。
反復ゴルブ・カーハン・ティホノフ法 [math.NA, cs.NA]目的：大規模線形離散悪条件問題に対する解法
- 悪条件問題は，数値計算において誤差の影響を受けやすく，安定した解を得ることが困難である。
- 従来の解法では，計算精度や安定性に課題があり，特に非対称行列に対しては改善の余地がある。
- 反復計算による解の品質向上と，適切な正則化パラメータの選択を目指す。
- 反復ゴルブ・カーハン・ティホノフ法は，標準的な手法や反復アルノルディ・ティホノフ法よりも精度の高い近似解を与える。
- 無限次元ヒルベルト空間における悪条件演算子方程式を離散化し，その解法に反復ゴルブ・カーハン・ティホノフ法を適用することで，離散化誤差と近似誤差の両方を考慮した厳密な誤差解析を行った。
- 新たな正則化パラメータ選択手法を提案し，より正確な解を得ることを可能にした。
貪欲型深層カーネル法による近似タスクの解決 [math.NA, cs.NA]目的：近似タスク解決のための貪欲型深層カーネルモデル
- 関数近似やサロゲートモデリングは，複雑な現象の理解や予測に不可欠である。
- 従来のカーネル法では，カーネル関数の設計が重要であり，最適な形状の決定が困難である。
- 深層カーネルを用いることで，データに依存したカーネル形状の自動適応を可能にし，近似精度向上を目指す。
- 深層カーネルは，線形カーネル層と最適化可能な活性化層を交互に配置することで，表現力を高める。
- 数値実験の結果，深層カーネルはニューラルネットワークと比較して，近似精度において優位性を示す。
- モデル問題の近似，多孔質媒体中での反応性流体のブレークスルー曲線の予測，パラメータ化された常微分方程式系の解の近似に適用可能である。
フロケ乗数と部分空間に対する多段階法 [cs.CL, math.NA, cs.NA]目的：フロケ乗数と部分空間の正確かつ効率的な計算
- 力学系における極限サイクルや高周波シミュレーションにおける周期定常状態解析に不可欠である
- 従来の一段階 collocation 法は，大規模問題において計算コストが増大する
- 多段階法を用いて計算コストを削減し，高精度な解を得ることを目指す
- 多段階法は周期的な多項式固有値問題(pPEP)を導き出すが，寄生的な周期固有値を生じる。
- ステップサイズを小さくすることで，計算されたフロケ乗数と不変部分空間は高次の精度で収束し，寄生固有値は幾何級数的にゼロに収束することが証明された。
- 大規模 pPEP を解くためのメモリ効率の良いアルゴリズム pTOAR が設計され，その効率が数値実験によって確認された。
分数階HBVMの多階拡張 [math.NA, cs.NA]目的：分数階微分方程式の多階問題に対する数値解法
- 工学や物理学の多様な現象を記述するため，分数階微分方程式の応用が広がっている。
- 既存の数値解法は，分数階微分項の次数が同一の問題に限定され，多階問題には対応できていない。
- 異なる次数を持つ分数階微分項を含む問題を解ける数値解法を提供し，応用範囲を拡大することを目指す。
- 本研究では，分数階HBVMを拡張し，多階問題に対応できる解法を提案した。
- 特に2つの異なる分数階微分項を持つ問題に対するMatlabコードを開発し，有効性を示した。
- 提案手法は，既存の解法と比較して競争力のある性能を示すことが期待される。
物理情報ニューラルネットワークの精度向上：最終層の再学習による [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
- 科学計算の分野で機械学習の応用が進む中で，物理法則を組み込んだPINNは重要な手法である。
- PINNの学習戦略は明確でなく，得られる解の精度が十分でない場合が多い。
- ネットワークに関連する関数空間での最良近似を求める後処理ステップにより，PINNの精度を改善すること。
- 提案手法は，様々なアーキテクチャや次元において，元のPINNよりも4～5桁低い誤差を達成した。
- 線形空間の基底関数を再利用することで，時間依存問題や非線形問題など，より複雑な設定への転移学習が可能となった。
- 残差に基づいた指標を用いることで，最適な基底関数の数を決定できることが示された。
確率分布の分割統治による量子化：分布算術演算下での収束性と誤差伝播 [math.PR, cs.CE, cs.NA, math.NA]目的：連続一次元確率分布の近似
- 確率モデルは機械学習や統計的推論の基盤であり，その計算効率が重要である。
- 連続確率分布を離散的に近似する際，計算安定性が課題となる場合が多い。
- 分布算術演算における誤差伝播を抑制し，より安定的な近似手法を確立する。
- 提案手法は，有限平均を持つ任意の連続分布に対して，Wasserstein-1距離に基づく近似誤差の上限を導出した。
- 多くのケースにおいて，提案手法は最適な収束率を達成することが示された。
- 数値実験の結果，既存の近似手法と比較して，算術演算における安定性が高いことが確認された。
多次元格子における離散カルデロン問題の一意性について [math-ph, cs.NA, math.MP, math.NA]目的：多次元格子上の離散カルデロン問題の解の一意性
- 工学・物理における逆問題の理論的基盤を確立する上で重要である。
- 高次元格子における一意性の証明は未解決であり，課題であった。
- 高次元格子における離散カルデロン問題の一意性を証明し，理論の拡張を目指す。
- 本研究において，3次元以上のグリッドグラフにおける離散カルデロン問題が一意に解けることを証明した。
- 証明には，問題を低次元の要素に分解する斬新なスライシング技術が用いられた。
- 理論的結果を裏付けるため，数値実験によって手法の有効性を検証した。
データ駆動型によるベッド容量計画：$M_t/G_t/\infty$ 待ち行列モデルを用いた新生児集中治療室への応用 [physics.flu-dyn, cs.CG, math.OC, stat.AP, cs.NA, math.NA]目的：集中治療室のベッド容量計画におけるデータ駆動型手法の提案
- 集中治療室の適切なベッド数は，患者の治療成績や医療の質に大きく影響する重要な課題である。
- 従来の計画手法は定常状態を仮定しており，変動する需要や患者の多様性に対応できない場合がある。
- 本研究は，変動する需要と患者の特性を考慮した，より現実的なベッド容量計画を可能にする。
- 提案手法は，時間変動する到着率と患者滞在時間の分布を考慮した$M_t/G_t/\infty$待ち行列モデルを用いる。
- シミュレーションの結果，固定的な閾値に基づく手法では変動する需要に対応できず，ベッド不足が発生しやすいことが示された。
- 患者滞在時間の変動性を考慮することで，より正確なベッド数の推定が可能となり，NICU以外の集中治療室への応用も期待できる。
AC潮流計算問題に対するゲート型量子計算と断熱量子計算の性能比較 [quant-ph, cs.NA, cs.SY, eess.SY, math.NA]目的：AC潮流計算問題に対するゲート型量子計算と断熱量子計算の性能比較
- 電力系統の規模拡大と複雑化により，潮流計算の計算負荷が増大している。
- 従来の計算手法では，大規模電力系統の潮流計算に時間がかかり，リアルタイム運用が困難となる場合がある。
- 量子計算を活用することで，潮流計算の高速化と効率化を実現し，電力系統の運用を改善することを目指す。
- ゲート型量子計算(QAOA)と断熱量子計算(D-Wave, Digital Annealer)の性能を4バスシステムで比較した。
- QAOAの結果とD-Wave/Digital Annealerの結果を比較し，それぞれの長所と短所を定量的に評価した。
- 量子最適化アルゴリズムが，次世代の電力系統運用における計算課題の解決に貢献する可能性を示唆した。
多変量ショートフォールリスクに対するフーリエ-RQMC法 [q-fin.CP, cs.NA, math.NA, q-fin.MF, q-fin.RM]目的：多変量ショートフォールリスクの推定と最適な配分
- 金融システムのリスク管理において，相互接続されたシステム全体のリスクを定量的に評価する枠組みが重要である。
- 既存のモンテカルロ法では，収束が遅く，多変量ショートフォールリスクの計算コストが高いという課題がある。
- フーリエ変換とRQMC法を組み合わせることで，計算効率と精度を向上させる手法を開発する。
- 提案手法は，既存のサンプル平均近似や確率的最適化手法と比較して，精度と計算コストの点で優れていることが数値実験で示された。
- フーリエRQMC法は，積分関数の滑らかさを利用し，RQMC積分に適した周波数領域で評価を行うことで，効率的な計算を実現する。
- 多水準RQMC法を導入することで，計算コストを削減しつつ，精度を維持することが可能になった。
- 1