arXiv雑要約
数値解析 - 2026/03/13 公開
乱流におけるアンサンブル渦粘性モデルのエネルギー消散率：せん断流 [math.NA, cs.NA, physics.flu-dyn]目的：乱流モデルにおけるエネルギー消散率の評価
- 流体シミュレーションの精度向上は，工学設計や気象予測など幅広い分野で不可欠である。
- 従来の渦粘性モデルは，混合長や乱流運動エネルギーの近似に依存し，過剰な拡散を引き起こす場合がある。
- アンサンブル渦粘性モデルは，過剰拡散を抑制し，より正確なパラメータ化を実現することを目指している。
- アンサンブル渦粘性モデルは，従来のモデルと比較して，壁面近傍の漸近的な振る舞いを正確に再現する。
- 本研究では，アンサンブル渦粘性モデルが解を過剰に拡散させるかどうかを検証した。
- 結果として，アンサンブル渦粘性モデルは，過剰拡散を起こさないことが示唆された。
多孔質媒体における非線形ガス流に対する機械学習強化ホップ・コール定式化 [math.NA, cs.LG, cs.NA, physics.flu-dyn]目的：多孔質媒体におけるガス流モデリングの精度向上
- 資源開発，二酸化炭素回収，燃料電池など，様々な技術的応用において，多孔質媒体中のガス流の正確なモデリングが不可欠である。
- ガス流は非線形性が強く，モデルパラメータに不確実性があるため，正確なモデリングが困難である。
- クリンケンベルクモデルに基づくガススリップ効果を考慮し，圧力依存性のある浸透率を効率的に推定する。
- ホップ・コール変換により，非線形流動方程式を線形システムに変換し，数値シミュレーションを容易にしている。
- 共有幹ニューラルネットワークとDeepLSソルバーを組み合わせることで，圧力と速度場の両方を同時に高精度に予測することが可能となった。
- 実験的に測定が困難な浸透率やスリップパラメータを，限られた観測データから効率的に逆推定できる。
明示的移動度ベースメタポピュレーションモデルにおける旅行者状態の効率的な数値計算：数学的理論と疫病への応用 [math.NA, cs.NA]目的：明示的移動度ベースメタポピュレーションモデルにおける旅行者状態の効率的な数値計算手法
- 感染症の空間的・時間的広がりを捉える上で，メタポピュレーションモデルは重要な役割を果たす。
- 旅行者の起源と目的地を明示的に考慮するモデルは詳細な表現が可能だが，計算量が空間パッチ数の二乗に比例する。
- ランゲ・クッタ法の中間値を活用することで，計算量を線形に削減し，効率的なシミュレーションを実現する。
- 提案手法は，従来のラグランジュモデルと同等の精度を保ちつつ，計算コストを大幅に削減できる。
- 特に密結合なネットワークにおいて，最大で76倍，50倍の高速化が確認された。
- これにより，大規模なネットワークにおける感染症シミュレーションがより現実的な時間スケールで可能となる。
ある最適化問題に対する明示的離散解と厳密解に関する推定 [math.NA, cs.NA]目的：ポアソン方程式の熱伝導システムの最適化問題の解
- 熱伝導問題は，工学における基本的な現象であり，様々な分野で重要である。
- 境界条件の設定や離散化方法によっては，厳密解を得ることが困難である。
- 有限差分法を用いて離散化された最適化問題に対する明示解を導き出す。
- 2次元の矩形領域において，最適化変数の明示的な離散解が得られた。
- 空間ステップhを0に近づけた場合の収束性と推定誤差が数学的に証明された。
- ノイマン境界条件またはロビン境界条件の近似に3点差分を用いることで，収束のオーダーが向上する。
圧縮機性能マップにおける速度線の物理ベース近似と予測 [math.NA, cs.NA]目的：圧縮機性能マップの速度線再構成手法
- 圧縮機はエネルギー変換の要であり，その性能評価は効率向上に不可欠である。
- 性能マップの全域測定はコストと時間がかかるため，実用上課題が多い。
- 少ない測定点から高精度な性能マップを予測する手法の確立が求められている。
- 本研究では，速度線を超楕円で近似し，特性パラメータによるベクトル化を提案した。
- 提案手法は，産業用データを用いて検証され，補間・外挿予測の精度が確認された。
- 物理情報に基づいた制約や，機械学習とのハイブリッド手法による更なる改善の可能性が示唆された。
変分不等式を解くための深層 Ritz 物理情報ニューラルネットワーク法 [math.NA, cs.NA]目的：変分不等式を解くための手法
- 機械工学，流体貫入，輸送など，広範な分野で変分不等式が活用されている。
- 変分不等式の高精度かつ効率的な解法が求められている。
- 深層 Ritz 法と物理情報ニューラルネットワークを組み合わせ，精度向上を目指す。
- 深層 Ritz 法によって変分不等式問題を最適化問題に変換することに成功した。
- ベイズ最適化により損失関数の重みを調整し，モデルの収束性と精度を向上させた。
- 残基に基づく適応データセット更新戦略により，数値実験で解析解への有効な近似が示された。
変分不等式問題を解くための深層ドメイン分解法 [math.NA, cs.NA]目的：楕円型変分不等式問題に対する解法
- 工学や物理学における様々な問題は変分不等式として定式化され，その効率的な解法が求められている。
- 従来の解法は計算コストが高く，特に高次元問題や複雑な形状に対する適用が困難である。
- 物理情報ニューラルネットワークとドメイン分解法を組み合わせ，計算効率と精度の両立を目指す。
- 提案手法は，平均二乗誤差1.0e-07を達成し，高い精度を示した。
- 均一なオーバーラップ条件下では，反復回数がグリッド長hに依存しないことが確認された。
- オーバーラップ領域のサイズがアルゴリズムの性能に与える影響についても検討された。
Tシステム：トリダイアゴナル微分行列を持つ直交関数系の理論 [math.NA, cs.NA]目的：直交関数系とガレルキン法を組み合わせたスペクトル法の理論的基盤
- 時間依存偏微分方程式のスペクトル法において，適切な直交基底の選択が重要である。
- 微分行列が歪対称かつトリダイアゴナルである直交関数系の特徴づけが課題であった。
- 微分Lanczosアルゴリズムを用いて，より広範な直交関数系の特徴づけを試みる。
- 微分Lanczosアルゴリズムを用いることで，フーリエ変換を用いずに直交関数系を特徴づけることが可能となった。
- 積分による部分積分条件を満たす内積に対して有効であり，L2ノルムやソボレフノルムを含む。
- ハミルトニアンエネルギー保存的な数値積分法の開発に向け，セスキ線形形式への拡張と予備的な結果を示す。
コンパクトLABFM：スペクトル分解能を持つメッシュフリー法のためのフレームワーク [cs.CL, cs.CL, cs.HC, math.NA, cs.NA]目的：偏微分方程式の数値シミュレーションのためのコンパクトLABFMフレームワーク
- 複雑な形状や自由表面を伴うPDEの数値シミュレーションにおいて，メッシュフリー法は重要な役割を果たす。
- 従来のメッシュフリー法では，高波数成分の分解能が十分でない場合がある。
- スペクトル分解能に近い分解能を持つ，高精度なメッシュフリー法を提供すること。
- 本研究で提案するコンパクトLABFMは，空間演算子の近似精度を向上させる。
- 特に，高波数成分を含む解に対して，著しい精度向上が確認された。
- 複雑な形状における高精度なPDEシミュレーションへの道を開き，数値解の精度を飛躍的に向上させる可能性を秘めている。
時間分数Allen-Cahn方程式に対する最適収束性を持つ非一様α-ロバストなAlikhanov混合有限要素法 [math.NA, cs.NA]目的：時間分数Allen-Cahn方程式の空間離散化のための混合有限要素法の研究
- 相分離現象のモデリングにおいて，時間分数微分方程式は重要な役割を担う。
- 既存の研究では，解の正則性に関する強い仮定が必要とされる場合が多い。
- より弱い正則性仮定のもとで，最適な誤差評価を得ることを目指す。
- 提案法は，解とフラックスに対して，対数因子を伴う最適な$L^2$誤差評価を持つことを示した。
- この誤差評価は，分数階数αに関してロバストであり，α→1⁻において関連定数が有界である。
- 数値実験の結果は，理論的結果を裏付けている。
量子最適制御におけるKrotov型アルゴリズムのためのCayley交換子非依存法 [math.NA, cs.NA, math.OC]目的：量子最適制御問題に対する構造保存数値法の開発
- 量子技術の発展には，高精度かつ効率的な量子制御が不可欠である。
- 既存手法では，計算コストが高く，長時間のシミュレーションが困難な場合がある。
- 計算コストを削減しつつ，精度と安定性を確保した新たな数値解法の提案。
- 本研究で提案するCayley交換子非依存法は，既存の高次指数型やCayley-Magnusスキームと同等の精度を，より低い計算コストで達成する。
- 特に，長時間や高振動なダイナミクスにおいて，その効果が顕著に現れる。
- 非線形領域においては，構造保存特性により安定性とノルム保存が保証され，大規模な量子制御シミュレーションに貢献する。
モデルベース多次元磁気粒子イメージングにおけるデバイ緩和 [math.NA, cs.NA]目的：磁気粒子イメージングにおけるモデルベース再構成法の開発
- 磁気粒子イメージングは，生体内の磁性ナノ粒子を可視化する画像診断法であり，疾患の早期発見や治療効果の評価に貢献する。
- 既存のモデルベース再構成法は，磁性粒子の瞬間的な磁化方向を仮定しており，現実のデータにはモデル転送関数を用いた前処理が必要となる。
- 多次元走査データから，モデル転送関数を用いずに緩和効果を組み込んだ再構成を可能にすること。
- 本研究では，多次元デバイモデルを導入し，緩和効果を考慮した再構成式を導出した。
- デバイモデルに基づいた信号は，ランジュバンモデルに基づいた信号に指数関数的な記憶を持つ線形時不変システムを適用した応答であることが示された。
- 実2D MPIデータから，既存のランジュバンモデルと同様に，モデル転送関数の適用なしに，完全モデルベース再構成を実現した。
浅水方程式におけるwell-balanced有限要素法を用いた水深再構成 [math.NA, cs.NA]目的：浅水方程式を利用した水深の推定手法
- 河川や海岸などの水文現象予測には正確な水深情報が不可欠である。
- 直接的な水深測量はコストと時間がかかるため，効率的な推定が課題である。
- リモートセンシングデータから水深を推定し，水面変動を再現する。
- 水深の逆問題は不安定であるため，最適制御問題を導入して安定化を図った。
- $L^1$正則化と全変動降噪を取り入れ，ノイズ抑制と急峻な水深変化の保持を実現した。
- 数値実験により，合成データや不連続な水深に対して頑健な再構成性能が確認された。
有限要素離散化に起因する行列の指数関数の計算のための誤り制御フレームワーク [math.NA, cs.NA]目的：行列指数関数計算における誤差制御手法
- 有限要素法等の数値計算において，行列の指数関数は重要な役割を果たす。
- 行列の数値範囲の算出が困難であり，近似計算の精度保証が課題となる。
- 行列の相似変換を利用し，数値範囲の計算と精度保証を可能にすること。
- 数値実験により，提案手法が所定の誤差許容範囲内で計算可能であることが確認された。
- 行列の相似変換により，数値範囲の算出が容易になり，より精度の高い近似計算が可能となった。
- 特に，対称正定値行列Mを持つ場合に有効であり，数値安定性も向上する。
グラム行列に基づく混合精度シンSVDアルゴリズム [math.NA, cs.NA]目的：高精度シンSVDアルゴリズムの実現
- 大規模データ処理において，特異値分解は重要な役割を担う。
- 既存のシンSVD法では，計算速度と精度が課題となる場合がある。
- 混合精度とグラム行列を用いた，高速かつ高精度なシンSVD法の開発。
- 本研究で提案する混合精度シンSVDアルゴリズムは，高い相対精度を実現する。
- シングルCPU環境では10倍以上，分散メモリシステムでは約2倍の高速化を達成した。
- グラム行列を高精度で構成し，Jacobi法と組み合わせることで，効率的な計算が可能となる。
メタスクリーンによる広帯域超吸収のための低次モデル [cs.CL, cs.CL, math.NA, cs.NA, math-ph, math.MP]目的：広帯域波超吸収を実現するためのメタスクリーンの設計
- 低周波音波の制御は，様々な工学分野で重要な課題である。
- 従来の吸収材料は，狭い周波数帯域に限られる場合が多い。
- メタスクリーンを用いた広帯域かつ効率的な超吸収メカニズムの解明。
- 本研究では，周期的なサブ波長共振器アレイを用いた薄膜コーティングによる低周波音波の広帯域吸収を可能にする新たな設計を提案した。
- 周波数帯域全体にわたる散乱波の効率的な評価を可能にする低次モデルを導出し，広帯域吸収設計を加速させた。
- 共振特性の形状微分を用いた勾配法による形状最適化手法を開発し，提案手法の有効性を数値実験で示した。
有限要素離散化における磁気緩和のグローバルおよびローカルヘリシティ保存 [math.NA, cs.NA]目的：磁気緩和におけるヘリシティ保存の程度とその影響
- プラズマ物理において，磁場構造の安定性やエネルギー最小化は重要な課題である。
- ヘリシティ保存則の離散化における近似精度が，数値計算の安定性や物理現象の再現性に影響する。
- 有限要素法を用いた磁気緩和計算において，適切なヘリシティ保存則を適用し，計算精度を向上させる。
- ヘリシティのローカル保存は，不要な再結合を防ぎ，複雑なトポロジー構造を維持するのに有効である。
- グローバルヘリシティのみを保存するアプローチでは，局所的な再結合が発生し，緩和が進むことが示された。
- 計算結果は，離散化されたヘリシティ制約のレベルが磁気緩和と平衡構造に与える影響を明確にする。
摩擦のない接触問題に対するパラメータ制約のないUzawa法とペナルティ分割加速アルゴリズム [math.NA, cs.CE, cs.NA]目的：摩擦のない機械接触問題の解法のための統一的な反復フレームワーク
- 接触問題は，工学設計において不可欠であり，構造物の安全性と性能に影響する。
- 従来の解法は，サドル点行列や病的な条件数を持つ係数行列を扱う必要があり，計算コストが高い。
- 本研究は，パラメータ制約のない効率的な収束を実現する加速戦略を提案し，計算効率を向上させる。
- 提示された手法は，標準的な剛性行列のみを用いて問題を解き，計算を簡素化する。
- クロスセカント固定点加速戦略の適用により，収束速度が大幅に向上し，パラメータ制約が緩和される。
- 数値実験の結果，提案手法は，様々な三次元の学術的・産業的接触問題において有効であることが示された。
辞書ベースの動的方程式学習における悪条件性：システム生物学のケーススタディ [q-bio.QM, cs.LG, cs.NA, math.DS, math.NA]目的：時間系列データからの支配方程式のデータ駆動型発見
- 複雑な生物学的システムを理解するための強力なフレームワークを提供するから。
- 候補関数間の強い相関により，数値的な悪条件性という課題が存在するから。
- 悪条件性が生物学的動態の疎な識別へ与える影響を系統的に分析し，改善策を検討する。
- 悪条件性は，わずか2,3項の組み合わせでも強い多重共線性や極めて大きな条件数を引き起こすことが示された。
- 直交多項式基底は，必ずしも悪条件性を解決せず，データの分布が基底の重み関数から逸脱する場合，単項式基底よりもパフォーマンスが低下することが示された。
- 適切な重み関数に整合した分布からデータをサンプリングした場合，数値的な条件が改善し，直交多項式基底はモデルの回復精度を向上させることが示された。
降雨モデルにおける計算効率向上のための高次時間積分手法の活用 [physics.ao-ph, cs.NA, math.NA]目的：降雨モデルの計算効率向上
- 地球温暖化予測において，大気循環モデルの降水物理過程の正確なモデル化が重要である。
- 既存の降水物理モデルでは，時間ステップの大きさが安定性と精度を損なうことが課題であった。
- 高次時間積分手法と適応時間ステップを用いることで，計算コストを抑えつつ安定性と精度を両立することを目指す。
- 大気モデルE3SMv3の降雨物理モデルP3は，デフォルトの時間ステップでは時間分解能不足である。
- Runge-Kutta法に基づく高次時間積分器を用いることで，P3と同等の精度を10倍以上の速さで達成できる。
- 各物理過程の逆時間スケールを解析することで，時間ステップの最適化と効率的な過程のグルーピングが可能となった。
結合された亜拡散系の逆$t$-源問題と厳密な正値性 [math.AP, cs.NA, math.NA]目的：結合された時間分数拡散方程式における源項の時間成分の決定
- 拡散現象は自然科学・工学の広範な分野で不可欠であり，その正確なモデリングが重要である。
- 亜拡散系における逆問題は，観測データが限られているため，解の一意性や安定性を保証することが困難である。
- 単一点観測から源項の時間成分を特定し，解の安定性や一意性を確立することを目指す。
- 既知の空間成分の非退化条件の下で，解成分全体の観測により，逆問題のLipschitz安定性を確立した。
- 同次問題に対する解の分数積分の厳密な正値性を証明し，観測データの削減に貢献した。
- 特定の構造制約の下で，単一の解成分のみを観測しても逆問題の一意性を保証できることを示した。
定常ナビエ・ストークス方程式制約下における勾配頑健性 [quant-ph, cs.SY, eess.SY, math.OC, cs.NA, math.NA]目的：非線形非圧縮性ナビエ・ストークス問題およびその流れの最適制御に対する勾配頑健な離散化
- 流体シミュレーションは，工学設計や気象予測など，多岐にわたる分野で不可欠である。
- 従来の離散化手法では，勾配計算の不安定性が問題となり，数値解の精度が低下することがある。
- 異なる定式化が勾配の頑健性に与える影響を比較し，安定した最適制御手法を確立すること。
- 連続問題において等価な複数の流れ問題の定式化を比較検討した結果，勾配頑健な離散化に差異があることが示された。
- 選択された定式化は，勾配計算に必要な随伴方程式に影響を与えることが明らかになった。
- 本研究は，流れの最適制御における数値シミュレーションの安定性と精度向上に貢献する。
確率的最適制御のためのオペレーター分割，ポリシー反復，機械学習 [econ.GN, cs.SI, q-fin.EC, math.OC, cs.NA, math.AP, math.NA]目的：確率的最適制御問題に対する二階ハミルトン-ヤコビ方程式の解法
- 最適制御は，工学，経済学など広範な分野で重要な役割を果たす
- 二階ハミルトン-ヤコビ方程式の数値解法は計算コストが高く，困難を伴う
- オペレーター分割と機械学習を組み合わせることで，効率的な解法を開発すること
- 二階ハミルトン-ヤコビ方程式を熱ステップと一階ステップに分割する手法を提案
- 初期データの滑らかさによって異なる収束率（例：Lipschitzデータでh^{1/7}オーダー）が確認された
- 特性ベースの機械学習と組み合わせることで，安定かつ精度の高い数値結果が得られる
線形弾性体における埋没界面法の収束性 [math.NA, cs.NA]目的：線形弾性体問題における埋没界面法の解の収束性
- 複雑な形状や境界を持つ問題の数値解析において，効率的な手法が求められている。
- 界面上の力の積分計算は厳密解を得ることが難しく，数値積分誤差が問題となる。
- 数値積分誤差が解の誤差に与える影響を評価し，収束性を理論的に示す。
- 界面上の力積分の厳密解と数値積分近似解の差は，数値積分の誤差と同程度のオーダーで収束することが示された。
- この結果は，有界領域および無限領域の両方で成立することが確認された。
- 基礎解や特異性除去原理，拡張トレース定理を用いた解析により，収束性が証明された。
半古典極限におけるフォン・ノイマン方程式の近似：第2部 数値解析 [math.NA, cs.NA]目的：半古典極限におけるフォン・ノイマン方程式の漸近保存近似
- 量子力学の記述において，半古典的アプローチは計算効率の向上に貢献する。
- 高精度な数値計算には，方程式の硬直性が課題となる場合がある。
- 硬直性に対処し，誤差評価を行うことで，数値計算の信頼性を高める。
- 本研究では，論文[14]で提案されたエルミートスペクトル法を数値的に解析した。
- ワイル変数を用いることで，硬直性を効果的に緩和することに成功した。
- 密度演算子の切り捨てられたエルミート展開により，硬直性を制御し，誤差評価を行った。
一様ランダムピボットを用いた行列分解 [cs.DC, cs.RO, math.NA, cs.NA]目的：行列分解アルゴリズムの連結性
- 数値線形代数における基礎的な演算であり，様々な科学技術計算に応用される。
- アルゴリズムの数値安定性評価が難しく，特に大規模行列に対する効率的な手法が課題である。
- 一様ランダムピボットを用いることで，多様な行列分解アルゴリズムの安定性を統一的に解析する。
- ヤコビ固有値アルゴリズムの数値安定性に関する長年の未解決問題に，条件なしで多項式レベルの限界を証明した。
- ガウス消去法，グラム・シュミット法，ヤコビ法など，様々な行列分解アルゴリズムを統一的に扱う枠組みを提示した。
- 提案するランダムピボット規則は，どの分解計算においても線形収束率を保証する。
実モンジュ・アンペール方程式に対する高速ベルマンアルゴリズム [math.NA, cs.NA, math.AP]目的：実モンジュ・アンペール方程式のディリクレ問題を解くための数値アルゴリズム
- モンジュ・アンペール方程式は，最適輸送，幾何学的測度論，偏微分方程式論などに応用が広い。
- 既存の数値解法は計算コストが高く，特に退化したケースでは効率が悪い。
- ベルマンの原理に基づき，効率的な数値スキームを構築し，計算時間の短縮を目指す。
- 提案アルゴリズムは，適切な条件下で収束性が証明された。
- 滑らかで厳密に凸な例では，既存手法より3〜10倍高速に動作する。
- 穏やかに退化した例では，既存手法より20〜100倍以上の高速化を達成した。
多期間スパース最適化によるプロアクティブな電力網停電診断 [eess.SY, cs.NA, cs.SY, math.NA]目的：電力網の脆弱性特定
- 電力網は異常気象などにより甚大な被害を受ける可能性があり，その堅牢性評価が重要である。
- 複数の系統崩壊の原因が類似している場合，特定が困難であり，迅速な対策が求められる。
- 系統崩壊を引き起こす潜在的な脆弱性を早期に特定し，電力網のレジリエンス向上を目指す。
- 提案手法は，系統負荷増加に伴い，複数の系統崩壊に共通する脆弱箇所を正確に特定可能である。
- スパース最適化と回路理論に基づく電力潮流計算により，大規模電力網への適用を実現している。
- 2000バスを超える大規模系統においても，平均200秒程度で解析が完了する効率性を確認した。
クライロフODE残差の一般的な枠組みとランダム化クライロフ法への応用 [cs.CL, math.NA, cs.NA]目的：クライロフODE残差の一般的な枠組み
- 非対称行列を扱う線形代数計算の高速化が求められている
- 既存のクライロフ法では，計算コストが高いという課題がある
- ランダム化クライロフ法の収束監視と停止基準を改善すること
- 本研究では，クライロフODE残差の一般的な枠組みを構築し，既存の結果を統一した。
- この枠組みを用いることで，a posteriori誤差推定が可能となり，収束判定に役立つ。
- 数値実験により，ランダム化クライロフ法がODEの求解において競争力を持つことが示された。
パラメータ化された非自己共役固有値問題のための深部固有空間ネットワーク [math.NA, cs.LG, cs.NA]目的：パラメータ化された非自己共役固有値問題の効率的な解法
- 非自己共役演算子の固有値問題は，工学や物理学の様々な分野で重要である。
- 非自己共役演算子はスペクトル不安定性やモードの切り替えを引き起こしやすく，解法が難しい。
- 複雑なスペクトル依存性を捉え，安定した解を提供する手法の開発。
- 深部固有空間ネットワーク（DEN）は，Fourier Neural OperatorやPOD基底，モード混合機構を統合している。
- DENは，パラメータに対する固有空間のLipschitz連続性を証明し，固有値に関する誤差限界を導出した。
- 数値実験により，DENの有効性と効率性が確認された。
1次元浅いニューラルネットワーク近似に対するブロックニュートン法の収束解析 [math.NA, cs.NA]目的：1次元拡散反応問題および最小二乗関数近似に対するブロックニュートン法の局所収束性
- 機械学習の発展に伴い，ニューラルネットワークを用いた関数近似の重要性が増している。
- 従来の最適化手法では，パラメータ数が多い場合に計算コストが増大する問題がある。
- ブロックニュートン法により，パラメータ削減が可能となり，効率的な最適化を目指す。
- ブロックニュートン法および簡約化ブロックニュートン法の局所収束性が，ある仮定の下で証明された。
- 簡約化ブロックニュートン法は，近似に貢献しないニューロンのパラメータを削減できる。
- この手法は，1次元拡散反応問題と最小二乗関数近似の両方に適用可能である。
オイラー・マルヤマ法に基づく漏れ積分発火ネットワークの数値解析 [math.NA, cs.NA, math.PR]目的：漏れ積分発火ネットワークの数値シミュレーションにおける誤差解析
- 計算神経科学やニューロモーフィックAIにおいて基本的なモデルとして重要である。
- 数値シミュレーションの誤差が，特にイベント発生時に集中することが問題となる。
- イベント発生時の誤差を定量的に評価し，シミュレーション精度向上を目指す。
- 層状フィードフォワードネットワークに対する平均二乗誤差の上界と弱誤差の上界を導出した。
- 誤差は時間刻み幅hに比例し，対数的な係数を持つことが示された。
- 定常的な閾値フラックスとリセット塩跳因子の間の関係式を導出した。
バロトロピックオイラー方程式のデータ同化のための完全離散観測器の収束解析 [math.NA, cs.NA, math.OC]目的：バロトロピックオイラー方程式のデータ同化における離散ルエンバーガー観測器の収束性
- 気象予報や海洋予測などの分野において，物理現象の正確なモデル化とデータ同化が不可欠である。
- 非線形双曲系に対する離散観測器のエラー評価は未確立であり，長時間のシミュレーションにおける精度が保証されていない。
- 本研究は，離散観測器の誤差を評価し，長時間のシミュレーションにおける均一な精度を確立することを目指す。
- 離散観測器の誤差は，初期値の差，空間・時間グリッドサイズ，測定誤差，およびナッジングパラメータに依存することが示された。
- 空間・時間グリッドサイズおよび測定誤差に関する比例定数は時間に依存しないことが確認された。
- 本研究は，準線形双曲系に対する離散観測器のエラー評価を初めて提示し，長時間のシミュレーションにおける離散観測器の均一な時間精度を示唆する。
射影勾配法に基づく低ランク最適化手法：ブーリガンド定常点への収束 [cs.ET, cs.AR, cs.DC, cs.SY, eess.SY, math.OC, cs.NA, math.NA]目的：ブーリガンド定常点に収束する低ランク最適化手法
- 機械学習や信号処理のタスクに応用可能であり，次元削減や協調フィルタリング等の分野で重要である。
- 非凸問題における局所最適性の必要条件であるブーリガンド定常点の探索が困難である。
- ブーリガンド定常点に収束する効率的な低ランク最適化手法を提案し，その収束性を保証する。
- 本研究では，射影勾配法とランク削減機構を組み合わせた手法と，射影勾配法と射影射影勾配法のハイブリッド手法を提案した。
- 提案手法は，収束性，設計の簡潔さ，計算コスト，数値性能の点で，既存の低ランク最適化手法と比較して優れている。
- 提案手法の理論的枠組み自体も，独立した価値を持つと考えられる。
オンフロー：取引手数料に強い，モデルフリーなオンラインポートフォリオ配分アルゴリズム [q-fin.PM, cs.NA, math.NA, q-fin.CP, stat.ML]目的：ポートフォリオ配分の最適化
- 金融市場において，ポートフォリオの効率的な構築は投資収益の最大化に不可欠である。
- 従来のポートフォリオ最適化手法は，資産リターンの分布に関する仮定に依存し，現実の市場変動に対応できない場合がある。
- 取引手数料を考慮しつつ，モデルリスクに強い，より実用的なポートフォリオ配分手法を開発すること。
- 取引手数料がない場合，オンフローはマークウィッツの最適ポートフォリオを再現できる。
- 実証実験の結果，取引手数料がゼロの場合，オンフローは既存の手法と同程度のパフォーマンスを示す。
- 取引手数料が高い場合，オンフローは既存の手法を上回り，効率的な資産配分戦略を維持できる。
離散的モデルと連続的モデル：線形格子モデルとその連続的対応物 [physics.class-ph, cs.NA, math.NA, physics.comp-ph]目的：相互作用する粒子間の線形格子モデルと，線形偏微分方程式で表される連続的対応物との間の対応関係
- 物理現象の多様なモデル化において，離散系と連続系の相互理解は不可欠である。
- 離散化や連続化の過程で，モデルの精度や計算効率が課題となる場合がある。
- 離散系と連続系間の厳密な対応関係を確立し，モデル選択の指針を提供する。
- 線形近傍相互作用格子モデルと多重近傍相互作用格子モデルにおける，離散系と連続系の対応が検討された。
- 無限格子，周期格子，固定端/ディリクレ境界条件を持つ有限格子への段階的な移行を通して，対応関係が系統的に研究された。
- フーリエ解析ツールを連続系から離散系へ，またその逆への適用を通して，分散関係に基づいた対応関係が検証された。
- 1