arXiv雑要約
数値解析 - 2026/03/11 公開
多スケールニューロン系における物理情報ニューラルネットワークを用いたロバストなパラメータと状態推定 [cs.NE, cs.LG, cs.NA, math.NA, stat.ML]目的：多スケールニューロン系のパラメータと状態の推定
- 神経科学において，生体物理学的パラメータと隠れた状態変数の推定は不可欠な課題である。
- 高速-低速のスパイキング/バーストモデルでは，非線形性や観測データ不足により，パラメータ初期値依存性が高い。
- 従来の数値解法が苦戦する多スケールニューロンダイナミクスの逆問題を解決する。
- 物理情報ニューラルネットワーク（PINN）を用いることで，未知の状態変数とパラメータの同時再構成が可能となった。
- Morris-Lecarモデルや呼吸ニューロンモデルなど，様々なスパイキング・バースト様式で有効性が確認された。
- 短い観測期間と部分的な電圧観測のみで，非情報的なパラメータ初期値に対してもロバストな推定が可能である。
ナビエ-ストークス-カーン-ヒリアード系の有限要素連続データ同化フレームワーク [math.NA, cs.NA]目的：ナビエ-ストークス-カーン-ヒリアード系に対する連続データ同化手法の開発
- 流体と相分離現象の理解・予測は，材料科学や物理学において重要である。
- 高解像度なシミュレーションは計算コストが高く，観測データとの比較が困難である。
- 粗い空間解像度の観測データから，より正確な状態を推定することを可能とする。
- 粗い空間観測データを用いて，システムの軌跡を復元する連続データ同化フレームワークを提案した。
- このフレームワークは，初期条件の不一致からの回復や，観測解像度，境界条件，フィードバック強度への依存性を示す。
- 同一個々の粗い初期情報に対して異なる微細スケールな発展が存在する場合でも，同化されたダイナミクスが観測データによって決定される軌跡を選択する。
FitzHugh-Nagumo 問題に対する直交スプラインコロケーション有限要素法を用いた効率的な予測子修正子アプローチ [math.NA, cs.NA]目的：FitzHugh-Nagumo 系のシミュレーション手法
- 神経細胞の電気活動をモデル化する上で重要であり，生物学的現象の理解に貢献する。
- 既存手法では，数値計算の安定性や精度，計算コストに課題が残されている。
- 予測子修正子法と直交スプラインコロケーション有限要素法を組み合わせることで，これらの課題を解決する。
- 提案手法は，予測段階で増加した誤差を修正段階で相殺することで安定性を維持する。
- 予測段階での可変ステップサイズにより数値振動を抑制し，空間離散化の精度を高める。
- 非線項の線形化により修正段階での演算量を削減し，効率的な計算を実現する。
p-ロバスト収束と適応有限要素法の最適性：平衡化フラックス推定子に基づく [math.NA, cs.NA]目的：平衡化フラックス推定子に基づく適応有限要素法の収束性および最適性の解析
- 有限要素法は，工学・科学における様々な問題を数値的に解くための強力なツールである
- 従来の適応有限要素法では，多項式次数pに依存した誤差が生じることが課題であった
- pに依存しない収束性を実現し，計算効率の高い適応有限要素法を開発すること
- 提案手法は，各ステップで誤差を縮小させ，その縮小率はpに依存しないことを示した
- Dörflerマーキングパラメータが特定の閾値以下であれば，最適な収束レートで収束することが理論的に証明された
- 数値実験により，提案手法の有効性が確認され，事後検証基準は常に満たされることが示された
ロボティクスにおけるPose-Graph SLAMのためのオーバーラッピングSchwarz前処理法 [cs.HC, cs.HC, math.NA, cs.NA]目的：ロボティクスにおけるPose-Graph SLAMの効率的な解法
- ロボットの自律的な位置推定と環境地図作成は，自律移動ロボットの実現に不可欠である。
- 大規模環境におけるSLAM問題は，計算量が膨大であり，効率的な解法が求められている。
- 大規模SLAM問題に対するスケーラブルな線形方程式求解手法の確立を目的とする。
- オーバーラッピングSchwarz前処理法を用いることで，共役勾配法の反復回数を問題サイズに依存させずに抑えることができた。
- 簡略化されたSLAM問題を線形弾性バーを用いた有限要素問題として解釈することで，PDEに基づいた前処理法の利用を促す。
- 提案手法は，大規模SLAM問題において数値的なスケーラビリティを示すことが確認された。
非圧縮非線形弾性体の四場混合有限要素法 [cs.RO, cs.CL, math.NA, cs.NA]目的：非圧縮非線形弾性体の安定した有限要素法
- 材料の非線形挙動を正確に予測する上で，弾性体の数値解析は不可欠である。
- 既存の混合有限要素法は，安定化が必要であったり，計算コストが高いという課題があった。
- 安定化を必要とせず，効率的な計算が可能な新たな四場混合有限要素法を提案する。
- 本研究で提案する有限要素法は，2次元および3次元において安定性を保ち，特別な安定化手法を必要としない。
- 不連続な変位場を採用し，適切なinf-sup条件を満たす要素ペアを特定することで，精度の高い解を得る。
- 後処理技術を用いることで，正確な連続変位場を効率的に復元できることを示した。
時間依存逆電磁波源問題に対する直接サンプリング法：放射時間と空間支持の再構成 [math.NA, cs.NA]目的：時間依存電磁波源の放射時間と空間支持の再構成
- 電磁波源の特定は，電磁波を利用する様々な技術に応用され，重要性が高い。
- 逆問題では，観測データから源を特定することが難しく，高精度な再構成手法が求められる。
- 時間と空間の両方の特徴を同時に再構成する手法を確立し，逆問題解決に貢献すること。
- 提案手法では，多周波数遠方界データを用いて放射時間を高精度に特定できる。
- 多周波数データを用いることで，源の空間支持を包含する最小領域を再構成可能である。
- 疎な観測方向からの多周波数データで，源の空間支持の凸包を再構成できることが示された。
二次元における複数透過性インクルージョンによるスカラー波散乱の高速直接ソルバー [math.NA, cs.NA]目的：二次元における複数インクルージョンを伴うヘルムホルツ伝送問題に対する高速直接ソルバー
- 様々な実用的な応用において，多数のインクルージョンが存在する際の散乱問題を効率的に扱うことが重要である。
- 多数の散乱体が存在する場合，クライロフ部分空間法における反復回数が増加しやすいという課題がある。
- 本研究は，内部積分表現に由来する項なしで，不連結な散乱体間の相互作用を効率的に計算するソルバーを提案することでこの課題を解決する。
- 提案されたソルバーは，線形代数方程式系をO(ωD)のサイズに圧縮できる。ωは入射波の周波数，Dはインクルージョンを囲む最小境界ボックスの直径である。
- インクルージョンがグリッド状に配置されている場合，総計算コストはω固定でO(N^{1.5})程度にスケールする。
- PMCHWT定式化は，Burton-Miller定式化と比較して，各インクルージョンをセルとして扱う場合，約6倍高速であり，線形方程式系のサイズも半分に圧縮できる。
直方体上の積分分数ラプラシアンに対するhp-FEMの指数的収束 [math.NA, cs.NA]目的：直方体上の積分分数ラプラシアンに対するhp-有限要素近似の収束解析
- 偏微分方程式の数値解法において，高精度な近似を実現する手法は重要である。
- 分数ラプラシアンの数値解法は，その非局所性と特異性から困難を伴う。
- hp-FEMを用いて，積分分数ラプラシアンの効率的な数値解法を確立すること。
- 解析的関数に対するテンソル積hp-有限要素近似が，根指数的に収束することが示された。
- 自由度Nに対して，エネルギーノルム誤差が$\lesssim \exp(-b\sqrt[6]{N})$で抑えられることが証明された。
- 幾何学的に洗練されたメッシュを用いた数値実験により，理論的な結果が検証された。
深層ReLUニューラルネットワークの記憶容量の幅と深さによる特徴づけ [cs.LG, cs.NA, math.NA]目的：深層ニューラルネットワークの記憶容量
- 機械学習の発展に伴い，深層学習モデルの性能向上が不可欠となっている。
- 深層学習モデルの記憶容量の理論的な理解が十分に進んでいない。
- 深層ニューラルネットワークの記憶容量とネットワーク構造（幅と深さ）の関係を解明する。
- 幅$W$と深さ$L$が$W^2L^2= \mathcal{O}(N\log(\delta^{-1}))$を満たすネットワークが，$N$個のデータ点を記憶可能であることが示された。
- 同様のネットワークが，下限$W^2L^2=\Omega (N \log(\delta^{-1}))$を満たす必要があり，対数因子を除いて最適であることが証明された。
- 深層ニューラルネットワークの記憶容量における幅と深さのトレードオフが明確化された。
パラメータ化伝達問題解法のための最小二乗に基づく正則性適合ニューラルネットワーク [math.NA, cs.NA]目的：パラメータ化伝達問題の解法
- 異種材料を持つ物理システムのモデル化において，伝達問題は重要な役割を果たす。
- 界面や交点において不連続性や特異点が存在するため，従来の数値解法では精度が低下しやすい。
- 特異点を含む解を高い精度で捉え，多様なパラメータ条件下での解の安定性を実現すること。
- 提案手法であるLS-ReCoNNは，エネルギーノルム誤差に対する首尾一貫した上限となる損失関数を持つ。
- 解を主要成分と特異成分に分解し，主要成分は滑らか部分と勾配ジャンプ部分に分割することで，界面近傍の正則性を捉える。
- 特異成分は1次元有限要素固有値問題から計算される基底関数で近似され，パラメータ依存性を最小二乗法で効率的に処理する。
ネットワーク上の線形運動論モデルのスケーリング限界に関する誤差評価 [math.NA, cs.NA]目的：ネットワーク上の線形離散運動論モデルの小クヌーセン数極限における漸近的振る舞い
- ネットワーク科学は，複雑なシステムのモデリングと解析において不可欠な役割を果たす。
- ネットワーク上の運動論モデルの漸近解析は，数学的に困難であり，厳密な誤差評価が求められる。
- n-エッジ接合条件における対称的な定式化に基づき，誤差評価を導出することで厳密な解析を提供する。
- n-エッジ接合条件の下で，変数の変換によりシステムをn個の独立な初期値境界値問題に変換した。
- エネルギー法に基づく誤差評価を導出し，漸近展開の厳密性を保証した。
- この研究は，ネットワーク上の運動論モデルの漸近解析における厳密な誤差評価の基盤を提供する。
チェビシェフ基底とガウス・ザイデルグラム解法を用いたスケーラブルなsステップ事前条件付き共役勾配法 [math.NA, cs.NA]目的：sステップ事前条件付き共役勾配法の改良
- 大規模線形方程式系の解法は科学技術計算の根幹であり，高性能な解法が求められている。
- sステップ共役勾配法は同期コスト削減に有効だが，グラム系の条件数が安定性に影響する。
- チェビシェフ基底とガウス・ザイデル法を組み合わせ，グラム系の条件性を改善し，安定性とスケーラビリティを実現する。
- 提案手法は，従来の共役勾配法と同等の収束性を示しつつ，同期オーバーヘッドを削減できる。
- チェビシェフグラム行列の構造解析により，適度なステップサイズで良好な条件数が得られることが示された。
- NVIDIA GPUを用いた大規模実験により，提案手法の安定性とスケーラビリティが確認された。
OptEMA：確率的最適化のための適応的指数移動平均（ゼロノイズ最適性を持つ） [cs.LG, cs.NA, math.NA, math.OC]目的：確率的最適化における適応的指数移動平均の理論的保証
- 最適化アルゴリズムは機械学習の基盤であり，その性能向上は重要な課題である。
- Adam等の既存手法は，ノイズがない場合や制約条件のもとで最適性が損なわれる場合がある。
- OptEMAは，リプシッツ定数に依存せず，閉ループで動作する新しい手法である。
- OptEMA-MとOptEMA-Vの2つの変種を提案し，その理論的特性を解析した。
- 両変種は，ノイズレベルに適応した収束率 $\widetilde{\mathcal{O}}(T^{-1/2}+\sigma^{1/2} T^{-1/4})$ を達成する。
- ゼロノイズ環境では，ほぼ最適な決定論的収束率 $\widetilde{\mathcal{O}}(T^{-1/2})$ を実現する。
欠陥拡散係数を用いた部分空間分解 [math.NA, cs.NA]目的：多尺度異方性を持つ拡散問題における効率的な事前条件付け手法
- 不均質な係数を持つ拡散問題は，数値計算の安定性や効率性に影響するため，事前条件付けが重要。
- モンテカルロシミュレーションなど，多数の実装で事前条件付けを繰り返す計算コストが課題。
- 乱数欠陥の局所構造を利用したオフライン・オンライン近似事前条件付け法を開発し，計算コスト削減を目指す。
- 提案手法は，事前に計算した部分空間解を効率的に組み合わせることで，様々な実装に対応可能。
- 数値実験により，提案手法のロバスト性と効率性が確認された。
- 得られた近似演算子のスペクトル特性を解析し，その有効性を検証した。
3次元ディリクレ境界値問題における特異点の理解と解決 [math.NA, cs.NA]目的：3次元調和ディリクレ問題における特異点の解決策
- 工学や物理学において，境界値問題の正確な解法は不可欠である。
- 3次元問題では，境界や領域内で特異点が発生し，数値計算の精度を損なう。
- 本研究は，特異点を含む調和関数の解法を改善し，より正確な結果を得ることを目指す。
- 特異点を扱うための二相近似法を提案し，古典的なグリーン関数表現を用いた。
- 特異相ではグリーン公式を利用し，解に必要となる特異性を誘導することを示した。
- 残りの正則相では，高次数値積分と調和基底関数による配置法を用いて滑らかな補正を行う。
アンカーに基づく関数外挿：証明可能な限界と射影保証 [math.NA, cs.NA, math.FA]目的：関数外挿における厳密な保証
- 機械学習や近似計算において，データ分布外の予測精度向上は重要課題である。
- 既存手法では，学習範囲外での誤差増幅が懸念され，信頼性の高い予測が困難である。
- アンカー関数を用いたフレームワークにより，外挿領域における誤差を抑制し，予測精度を向上させる。
- 提案手法は，未知の関数に対する距離の上界を証明可能なアンカー関数を利用することで，外挿領域における予測誤差の増加を抑制する。
- 既存の近似手法（最小二乗法など）を，証明可能な実行可能領域に射影することで，外挿性能を改善する。
- 数値実験により，地磁気場モデリングや非線形振動子において，外挿誤差の顕著な低減が確認された。
ニューラル最適化アルゴリズムの幅スケーリング：行列作用素ノルムI：行/列正規化とハイパーパラメータ転移 [cs.LG, cs.NA, cs.SY, eess.SY, math.NA, math.OC, stat.ML]目的：ネットワーク幅が増加しても安定した挙動を維持する最適化アルゴリズムの設計
- 深層学習における最適化アルゴリズムの設計は，モデルの性能と学習の安定性に不可欠である。
- 従来の最適化手法では，ネットワーク幅の変化に対する安定性が課題であった。
- 行列作用素ノルムに基づく新しい正規化手法により，幅に依存しない学習率スケーリングを実現する。
- AdamWやMuonを含む既存の最適化アルゴリズムを行列作用素ノルムによる最急降下法として解釈することで，幅に依存しない制御が可能となった。
- 提案する行/列正規化に基づくMOGAは，GPT-2やLLaMAの大規模事前学習において，Muonと同等以上の性能を発揮し，特に高速な学習を実現した。
- Muonのスムーズネス定数には幅$\sqrt{w}$に依存する成長が見られる一方，提案手法は幅に依存しない安定性を保証する。
異方性拡散・対流方程式に対する量子アルゴリズム：ベクトルノルムスケーリング [quant-ph, cs.NA, math-ph, math.MP, math.NA]目的：異方性拡散方程式および異方性対流方程式の解法
- 偏微分方程式は科学技術計算の根幹であり，その高速解法は重要である。
- 量子コンピュータ上での偏微分方程式の効率的な解法は未だ確立されていない。
- ベクトルノルム解析を用いることで，時間ステップ数を大幅に削減する。
- 拡散方程式においては，時間ステップ数が指数関数的に削減されることが示された。
- 対流方程式においても，同様に時間ステップ数の指数関数的な削減が確認された。
- 従来のオペレーターノルム解析と比較して，大幅な性能向上が期待できる。
可逆性に基づく離散パラメータを持つ分布のための生成サンプラー [stat.ML, cs.LG, cs.NA, math.NA]目的：複雑な非正規化分布からのサンプリング手法
- 計算物理学や機械学習において，複雑な分布からのサンプリングは重要な課題である。
- 離散変数や混合変数系への既存手法の適用は，勾配の定義困難性や推定量の分散の大きさといった問題がある。
- ターゲット関数の勾配や連続緩和に頼らず，幅広い状態空間でサンプリングを可能にすること。
- 詳細平衡性から導かれる時間可逆性を統計的制約として課すことで，生成サンプリングの枠組みを確立した。
- 順方向および逆方向のマルコフ軌道の結合分布間の最大平均不一致（MMD）を最小化することで学習を行う。
- ガウス混合分布，イジングモデル，離散指数と連続力学を組み合わせたハイブリッドシステムにおいて，熱力学的な観測値を正確に再現できることを示した。
非強制楕円方程式に基づくエネルギー正則化によるディリクレ制御問題 [math.OC, cs.SY, eess.SY, math.OC, cs.NA, math.NA]目的：非強制楕円方程式によって支配されるディリクレ制御問題の解法
- 偏微分方程式は，工学における様々な現象を記述する上で不可欠な役割を果たす。
- 非強制楕円方程式の制御問題では，解の存在性や一意性，正則性が保証されない場合がある。
- 多角形領域における最適収束率を達成するため， graded meshと適切な射影を導入し，誤差評価を行う。
- エネルギー半ノルムにおけるティホノフ正則化を用いて，解の正則性を適切な重み付きソボレフ空間で確立した。
- 離散化された問題が，離散化パラメータに関して一様強凸性を持つことが示された。
- これにより，最適な誤差評価が得られ，計算上の考察と数値例も提示された。
退化粘性ハミルトン-ヤコビ方程式の逆問題：安定性と数値的同定 [math.AP, cs.NA, math.NA]目的：退化拡散を持つ粘性ハミルトン-ヤコビ方程式の逆問題に関する安定性および数値的同定
- 制御理論や最適化問題において，ハミルトン-ヤコビ方程式は重要な役割を果たす。
- 逆問題は，解が一意に存在しない場合や，数値的に不安定になることが多い。
- ノイズを含むデータからの解の安定性と効率的な同定手法を確立すること。
- カルマン推定を用いた安定性解析により，逆問題の条件付き安定性が証明された。
- 線形退化抛物型方程式の結果を線形化手法で非線形粘性ハミルトン-ヤコビ方程式に拡張した。
- 随伴状態法と共役勾配法，Van Cittert反復法により，数値的同定が可能であることを示した。
統一された半正定値計画問題による大域的収束性を持つ3次ニュートン法 [math.OC, cs.NA, math.NA]目的：制約なし非凸最適化問題に対する大域的収束性を持つ3次ニュートン法の実現
- 最適化は，機械学習やデータ分析など，様々な分野における重要な基盤技術である。
- 高次のニュートン法は計算コストが高く，非凸問題に対して大域的な収束性を保証することが困難である。
- 半正定値計画問題を効率的に解くことで，計算コストを抑えつつ大域的収束性を実現する。
- 適応型Levenberg-Marquardt 3次ニュートン法(ALMTON)は，簡潔な半正定値計画問題を用いて3次ニュートン法を実現し，大域的収束性を保証する。
- ALMTONは，古典的な手法(勾配降下法，減衰ニュートン法)と比較して，より広い吸引領域を持ち，停滞しやすい地形でも進捗を示す。
- ALMTONは，既存の3次実装(AR3-interp)と比較して，より安定的に，かつ少ない反復回数で収束する。
二重反射BSDEに対する二重グリッドペナルティ近似スキーム [math.PR, cs.NA, math.NA]目的：二重反射BSDEのペナルティ化と時間離散化による近似
- 金融工学において，障害付きBSDEは様々な金融派生商品の価格評価に不可欠である。
- 障害付きBSDEの数値解法は，誤差の増幅や計算コストの高さが課題である。
- 本研究は，二重グリッドスキームを用いて，誤差を抑制し，効率的な数値解法を確立する。
- ペナルティパラメータ\(\lambda\)に関する一様な\(O(\lambda^{-1})\)の評価値の境界が得られた。
- 誤差は\((\Delta t,\tilde{\Delta t},\lambda)\)に依存し，\(Z\)非依存な場合，\(\lambda\asymp \Delta t^{-1/2}\)かつ\(\tilde{\Delta t}=O(\Delta t/\lambda^2)\)で\(O(\Delta t^{1/2})\)の収束率が達成される。
- 数値実験の結果は，予測される\(O(n^{-1/2})\)の振る舞いと一致しており，ペナルティの掃引は，まだ漸近領域に達していないことを示唆している。
XConv：畳み込み層のための低メモリ確率的逆伝播 [quant-ph, cs.CC, physics.hist-ph, cs.NI, cs.LG, cs.NA, math.NA]目的：畳み込みニューラルネットワークの効率的な学習手法
- 深層学習の発展により，大規模なモデル学習が不可欠となっている。
- 大規模モデル学習では，中間活性の保存によるメモリ消費が課題である。
- メモリ消費を抑えつつ，学習精度を維持することが求められている。
- XConvは，既存の畳み込み層を置き換えることで，メモリ使用量を削減する。
- 標準的な逆伝播を維持し，アーキテクチャ制約やコード変更も不要である。
- 様々なタスクで，従来の勾配法と同等の性能を示すことが確認された。
任意の精度と疎性におけるニューラルネットワークのロバストな学習 [cs.LG, cs.AI, cs.CL, cs.CV, cs.NA, math.NA]目的：ニューラルネットワークのロバスト性の向上
- AI技術の発展に伴い，計算資源の効率的な利用が重要になっている。
- 量子化や疎性化は計算コスト削減に有効だが，勾配消失や不安定性を招く。
- 量子化ノイズへのロバスト性を高め，安定した学習を可能にすること。
- 本研究では，量子化を付加ノイズとして明示的にモデル化する手法を提案した。
- これにより，勾配パスを明確にし，量子化ノイズに対するロバスト性を獲得できる。
- 提案手法は，最新のLLMにおいて最先端の結果を示し，効率的なニューラルネットワークへの理論的根拠を提供する。
任意の次数アダムス・バッシュフォース型積分法の安定性保存に関する予想について [math.NA, cs.NA]目的：高次数陽解法スキームの安定性と精度分析
- 数値シミュレーションにおいて，安定性と精度は重要な要素である。特に，時間発展問題において重要性が高い。
- 従来の陽解法は安定性の制約が厳しく，精度を上げると不安定になる場合がある。
- 本研究は，安定性に関する既存の予想を検証し，許容可能な精度の範囲を明らかにする。
- 本研究により，精度が無限大に近づいても安定性を保つという予想は誤りであることが示された。
- しかしながら，提案された方法は，従来の陽解法と比較して著しく安定性が向上していることが確認された。
- 特定の放物線状安定半径に対して，許容可能な最大精度を決定するための基準が提示された。
ランダム化下における漸近的レート：ガウス・ザイデル法とカツマルツ法 [math.NA, cs.NA]目的：ランダム化反復法の漸近的性能限界
- 反復法は大規模問題解決の基盤であり，その性能向上が不可欠である。
- 理論的な性能限界と実際の性能との乖離が課題となっていた。
- 理論と実践のギャップを埋め，性能改善要因を特定すること。
- 新しいスペクトル半径の評価手法により，理論と実践の乖離を縮小した。
- Perron-Frobenius理論との関連性から，非可換代数における洞察を得た。
- 緩和が性能向上に果たす以前は不明瞭だった役割を明らかにし，2007年の未解決問題を解決した。
変動係数を持つ偏微分方程式の弱いグループ識別 [math.NA, cs.NA]目的：変動係数を持つ偏微分方程式の識別手法
- データ駆動型モデリングにおいて，偏微分方程式の同定は重要な役割を担う。
- ノイズの多い時空間データからのPDE同定は安定性と精度が課題となる。
- 空間的に変動する係数を持つPDEの同定における課題解決を目指す。
- 提案手法WG-IDENTは，PDEの弱い定式化によりノイズの影響を低減する。
- Bスプラインを用いた表現と，スペクトル解析に基づく最適な結び目ベクトルの選択を行う。
- グループスパース回帰とGF-Trimにより，不要な特徴量を削減し，高いロバスト性と性能を実現する。
細胞間結合を有する細胞別多孔弾性モデルのためのパラメータ頑健な前処理子 [math.NA, cs.NA]目的：細胞間結合を有する細胞別多孔弾性モデルの効率的なソルバー
- 脳組織など複雑な構造における力学的な相互作用の理解が重要である。
- 細胞形状の複雑さを考慮したシミュレーションは計算コストが高い。
- モデルのパラメータ変化に頑健なソルバーを開発し，生理学的現象の解析を可能とする。
- 提案手法は，変位，全圧，流体圧の3つの場に基づく定式化と，ノルム等価前処理の枠組みを用いてパラメータ頑健性を実現した。
- 効率的な代数多重グリッド(AMG)近似により，大規模で複雑な形状に対するスケーラビリティを達成した。
- 細胞浮腫のシミュレーション例を通じて，本手法の有効性が示された。
多孔質領域におけるダルシー流に対する残差駆動型マルチスケール法 [math.NA, cs.NA]目的：多孔質領域におけるダルシー流のシミュレーション手法
- 資源開発や環境問題において，多孔質媒体中の流体の挙動を正確に予測することが重要である。
- 複雑な形状や高い浸透率の異方性により，直接シミュレーションは計算コストが高くなるという課題がある。
- 計算コストを削減しつつ，高精度なシミュレーションを実現することを目指す。
- 残差駆動型マルチスケール法により，従来の計算コストを大幅に削減できることが示された。
- 局所的なスペクトル問題からオフライン基底関数を構築し，残差を用いてオンライン基底関数を適応的に豊穣化することで，精度を向上させている。
- 複雑で不均質な多孔質領域におけるダルシー流の効率的かつ正確なシミュレーションへの応用可能性が示唆された。
半無限回折格子の接合部における複素スケーリング [math.NA, cs.NA, math.AP]目的：二次元で互いに接合された二つの半無限周期構造からの非周期的な音源の散乱
- 回折格子の解析は，光・音響・電磁波などの物理現象の理解に不可欠である。
- 複雑な構造の解析には，計算コストが高いという課題が存在する。
- 複素スケーリングによって積分方程式を効率的に解き，計算コストを削減すること。
- 積分方程式を複素平面に解析接続することで，指数関数的な精度で打ち切ることが可能となった。
- 解析接続された方程式は，フレドホルム指数がゼロであること，そして放射条件を満たす解が得られることが示された。
- 効率的かつ高次のソルバーが開発され，問題の解法に貢献する。
付加ノイズを持つ4次確率性擬似放物型方程式の有限要素近似の強い収束性 [cs.CL, math.NA, cs.NA, math-ph, math.AP, math.MP, math.PR]目的：4次確率性擬似放物型方程式の有限要素近似における強い収束性
- 確率微分方程式は，金融，物理学，工学など幅広い分野で現象をモデル化する上で重要である。
- 高次の確率微分方程式の数値解法は，計算コストが高く，誤差評価が困難である。
- 有限要素法と半陰解法を組み合わせ，空間・時間方向の収束レートを厳密に評価すること。
- 有限要素法による空間離散化と半陰解法による時間離散化を用いることで，強い収束レートが得られた。
- 空間メッシュサイズと時間メッシュサイズに関して，理論的な収束レートが確認された。
- 数値実験によって，理論結果の妥当性が裏付けられた。
弾性波の二次元伝送問題に対する高速直接ソルバー [math.NA, cs.NA]目的：弾性波の二次元伝送問題の高速直接解法
- 構造物の強度解析や地震波のシミュレーション等，工学分野において不可欠な研究領域である。
- 複雑な形状の物体を含む伝送問題では，計算コストが著しく増加する課題があった。
- 形状に依存せず，効率的な計算が可能な高速直接ソルバーの開発を目指す。
- 提案手法は，Burton-Miller法とPMCHWT境界積分方程式を組み合わせることで，Calderón preconditionerが適用できない問題を回避した。
- 係数行列のオフ対角ブロックの低ランク近似にプロキシ法を用いることで，線形計算複雑度を実現した。
- 数値例により，提案手法が形状や密度等の計算パラメータに依存せず，高速かつ汎用的なソルバーであることが示された。
効率的かつ柔軟な多レート時間適応性 [math.NA, cs.MS, cs.NA]目的：多時間スケール問題に対する多レート時間ステップ適応制御法の開発
- 科学技術計算において，様々な時間スケールを持つ問題は頻繁に現れ，効率的な解法が求められている。
- 従来の数値解法では，異なる時間スケールを扱う際に計算コストが高くなったり，精度が低下したりする問題があった。
- 多レート法を用いることで，時間スケールに応じたステップサイズを調整し，計算効率と精度の両立を目指す。
- 本研究で提案する新しい多レート時間ステップ適応制御法は，既存の手法と比較して，著しく改善された性能と柔軟性を示すことが確認された。
- 特に，埋め込み型多レート微小変化（MRI）法との組み合わせにより，任意の数の時間スケールを持つ問題の適応シミュレーションが可能となり，高精度と低計算コストを両立した。
- また，明示型多レート指数型ルンゲ・クッタ（MERK）法の新しい埋め込みを導入し，5次の埋め込み型MRI法を初めて実現した。
ラスタースキャン回折断層撮影におけるフーリエ回折関係の可逆性 [math.NA, cs.NA, math.FA]目的：散乱ポテンシャルの復元
- 回折断層撮影は，対象物内部の構造を非破壊で可視化する有用な手法である。
- 焦点ビームを使用する場合，古典的なフーリエ回折定理は直接適用できない。
- 焦点ビーム測定から，どの程度散乱ポテンシャルを復元できるかを明らかにすること。
- 本研究により，2次元以上のフーリエ係数は，一般的に一意に決定できることが示された。
- 2次元の場合，フーリエ空間の一部のみが一意に復元可能であり，残りの領域では複数の係数が同じデータをもたらす可能性がある。
- 線形方程式系を導出し，その可逆性について数学的に解析した。
ラスタースキャン回折トモグラフィ [math.NA, cs.NA, math.FA]目的：弱散乱媒質の定量イメージング
- 医療超音波など，生体内の観察に不可欠な技術であり，非侵襲的な診断への貢献が期待される。
- 従来の理論は単色平面波を仮定しており，集束ビームを用いる実際の計測系との乖離が課題であった。
- 集束ビームを用いたスキャン計測に対応する理論的枠組みを構築し，定量的なトモグラフィ再構成を可能にすること。
- 回折トモグラフィ理論を拡張し，ヘルグロッツ波として入射場をモデル化することで，集束ビームを組み込んだ。
- 新しいフーリエ回折関係を導出し，スキャンデータからの定量的なトモグラフィ再構成の基盤を確立した。
- 異なるスキャン形状が再構成に与える影響を体系的に解析し，最適な計測方法の検討を可能にした。
ハダマール空間における凸最適化のための確率的・漸進的準勾配法 [math.OC, cs.CG, cs.DS, cs.NA, math.NA]目的：ハダマール空間における凸最適化のための新しい準勾配法の開発
- ユークリッド空間に限定されず，より広範な空間での最適化手法が求められている。
- 非正曲率空間では線形構造が欠如しており，古典的な準勾配法の適用が困難である。
- ハダマール空間における新しい準勾配法を導入し，最適化問題を解決すること。
- ハダマール空間上の関数に対する新しい準勾配法を定義し，その理論的性質を確立した。
- 提案手法に基づいた確率的・漸進的準勾配法を構築し，計算複雑度の保証を得た。
- BHV木空間におけるp-平均問題への適用例を示し，メジアン計算への応用を提示した。
熱的に完全な気体の圧縮性流れに対するエントロピー保存離散化法の定式化 [physics.flu-dyn, cs.NA, math.NA]目的：熱的に完全な気体の圧縮性 Euler 方程式に対するエントロピー保存離散化法の開発
- 高精度な流れ計算は，航空宇宙，エネルギー分野など広範な工学問題解決に不可欠である。
- 従来の数値計算法では，エントロピーが増加し，物理的に不自然な解になる場合がある。
- 離散化レベルでのエントロピー保存を保証し，より正確で安定した計算手法を確立する。
- 本研究で提案する離散化法は，エントロピー保存を離散レベルで保証することで，物理的に妥当な解を得ることを可能にする。
- 線形不変量と運動エネルギーの保存も保証し，熱的に完全な気体に対する既存手法よりも高い精度と安定性を示す。
- 多成分気体や漸近的エントロピー保存定式にも拡張可能であり，幅広い応用が期待される。
- 1