arXiv雑要約
数値解析 - 2026/03/17 公開
NEP_MiniMax：行列値ミニマックス近似に基づく非線形固有値問題へのアプローチ [math.NA, cs.NA]目的：非線形固有値問題の解法
- 工学や物理学の様々なモデルにおいて，非線形固有値問題が頻繁に現れるため重要である。
- 既存の解法は，計算コストが高い場合や，固有値の重複度を正確に求めることが難しい場合がある。
- ミニマックス近似と構造を利用した線形化技術を組み合わせることで，効率的かつ高精度な解法を提供する。
- 提案手法NEP_MiniMaxは，コンパクトな複素平面領域上で非線形固有値問題を解く。
- ミニマックス近似により，領域内で極を持たない行列値の有理近似を構成し，均一な精度を保証する。
- NLEVPベンチマークテストにおいて，既存手法と比較して効率性と精度が示され，理論的な誤差限界が確立された。
n次元曲線の追跡による非線形方程式系の数値解法 [math.NA, cs.NA]目的：非線形方程式系の数値解の探索
- 工学や科学における様々な問題は非線形方程式系として表現され，その解法は重要である。
- 高次元の非線形方程式系を数値的に解くことは，計算コストが高く困難である。
- n次元曲線の追跡法を用いることで，効率的に解を探索し，問題の最適化を行う。
- 提案手法は，n次元の箱内に存在する非線形方程式系の全ての解を，曲線の追跡によって数値的に見つけることができる。
- 古典的なテスト問題（n=10まで，合計約130問題）で検証され，既知の実数解を高精度に近似できた。
- 2次元問題においては，Kuikenの2D曲線追跡法と比較して，10倍以上の高速化を達成した。
トレースが強化されたレッジ計量 [eess.SY, cs.SY, math.OC, math.NA, cs.NA]目的：トレースの性質が強化されたレッジ有限要素計量の変種
- 一般相対性理論等の分野において，離散化された幾何学構造の数値計算は重要である。
- 従来のレッジ計量では，トレース演算子の表現力に制約がある場合がある。
- トレース演算子が連続関数空間に全射となる計量を構築し，その応用可能性を探る。
- 本研究で導入したレッジ計量は，高次多項式に基づいて構成可能である。
- クラフ・トッシャー分割やウォーズィー・ファリン分割等の細分化にも適用できる。
- 一般相対性理論，非圧縮弾性体，共形幾何学への応用が期待される。
三次元におけるディリクレベクトルラプラシアンの混合有限要素法 [math.NA, cs.NA]目的：三次元ベクトルラプラス境界値問題に対する混合有限要素近似のwell-posednessと事前誤差解析
- 流体や電磁気学など，多様な物理現象のシミュレーションにおいて，ベクトルラプラシアンは重要な役割を果たす。
- ディリクレ境界条件は，標準的なde Rham複体の構造を破壊し，well-posednessを確立するための特別な取り扱いが必要となる。
- 一般的なドメインにおける劣最適収束率を理論的に検証し，Stokes問題を効率的に解くための数値解法の確立を目指す。
- 離散Caccioppoli型不等式を導出し，一般的なドメイン上でエネルギーノルムにおける(k-1/2)次収束，凸ドメイン上でL^2ノルムにおけるk次収束を証明した。
- これらの結果は，二次元解析を三次元，より一般的なトポロジーを持つドメインに拡張するものである。
- 渦度-速度-圧力形式におけるStokes問題の離散化を解析的に検討し，その適用可能性を示した。
エネルギー散逸を保存する特徴量に基づくDNNガルキン法：勾配流への応用 [math.NA, cs.NA]目的：勾配流の構造保存シミュレーションのための深層ニューラルネットワークガルキン(DNN-G)フレームワーク
- 偏微分方程式の数値解法において，深層学習の応用が近年注目されている。
- 従来の深層学習法は，精度，計算コスト，物理構造の保存性に課題が残る。
- エネルギー散逸特性など，物理構造を保存した高精度な数値解法を実現する。
- 提案手法は，半離散的なエネルギー散逸を保証し，エネルギー安定時間積分法と組み合わせることが可能である。
- 高次元設定において，堅牢なエネルギー安定性を維持し，複雑なトポロジー変化を高精度に捉えることが示された。
- DNN-Gフレームワークは，古典的なスペクトル法と同程度の自由度で，より高い精度を達成している。
Pyroclast: 地質力学のためのモジュール式高性能Pythonソルバー [cs.MS, cs.NA, math.NA, physics.geo-ph]目的：地質力学シミュレーションのためのモジュール式高性能Pythonフレームワーク
- 地球内部のダイナミクス理解は，地震や火山活動の予測に不可欠である。
- 既存の地質力学ソルバーは，モノリシックな構造でGPU対応が限定的である。
- 高性能かつ柔軟なシミュレーション基盤を提供し，地質力学研究を加速させる。
- Pyroclastは，GPUアクセラレーションとオブジェクト指向アーキテクチャを組み合わせることで，既存ソルバーの課題を克服した。
- NVIDIA A100 GPU上でのベンチマークテストで，CPUと比較して5〜10倍の高速化を達成した。
- 最大896 CPUコアでの分散アドベクションベンチマークで，ほぼ理想的な弱スケーラビリティを示した。
層状媒質におけるGPR問題の数値解のための層剥離法 [math.NA, cs.NA]目的：層状媒質における探査レーダデータの処理手法
- 地中レーダは，非破壊検査や地質調査に不可欠であり，そのデータ処理技術の向上は重要である。
- 従来の処理法では，層構造が複雑な場合に精度の高いデータ解釈が困難となる場合がある。
- 本研究は，層構造が明確な地中において，より高精度なデータ処理を可能にすることを目的とする。
- 提案手法では，層剥離法と複素周波数領域へのデータ拡張を組み合わせることで，数値計算の効率を高めている。
- 電気特性の変化が緩やかで，層の厚さが波長程度以上であれば，良好な精度が得られることが数値実験で示された。
- 導電率が低いという条件下において，提案手法の数値的効率が確認された。
パラメータ化された結合反応拡散系のテンソル低次モデル：脳腫瘍成長モデルへの応用 [math.NA, cs.NA]目的：脳腫瘍成長シミュレーションにおけるパラメトリックな順伝写像の効率的な代替モデル
- 脳腫瘍の成長は複雑であり，その予測には高精度なシミュレーションが不可欠である。
- 従来のシミュレーションは計算コストが高く，多数のパラメータ探索を困難にしている。
- テンソル低次モデルを用いて計算コストを削減し，効率的なパラメータ探索を実現する。
- 提案するテンソル低次モデルは，古典的な固有直交分解法よりも高速かつ高精度である。
- 最大9個のモデルパラメータを用いて，フルオーダーソルバーと比較して85倍から120倍の高速化を達成した。
- テンソル代替モデルは，多数のクエリが必要なワークフローにおいて，厳密かつ効率的な計算基盤となる。
線形熱-多孔弾性体の半陰解法時間離散化 [math.NA, cs.NA]目的：線形熱-多孔弾性体の時間ステップスキーム
- 地盤工学や資源開発において，熱と流体の影響を考慮した材料挙動の予測が重要である。
- 熱-多孔弾性体の連立方程式の計算コストが高く，効率的な解法が求められている。
- 連立方程式を逐次的に解くことで計算効率を向上させ，かつ理論的な収束性を保証すること。
- 提案手法は，陽解法と陰解法の計算コストの中間に位置し，陰解法と同程度の収束性を示す。
- 材料パラメータに関する事前チェック可能な条件を導き，スキームの収束性を理論的に保証した。
- 数値例により，提案手法の有効性とパラメータ条件の妥当性が確認された。
散逸性媒体および複雑な領域におけるヘルムホルツ方程式に対するロバストな学習に基づく手法 [math.NA, cs.NA]目的：散逸性媒体と複雑な領域におけるヘルムホルツ方程式の解法
- 高周波ヘルムホルツ問題は，汚染物質の影響緩和が重要である。
- 従来の基礎解法は，散逸性媒体において不安定となり，形状調整が難しい。
- 本研究は，散逸による信号損失に強いベッセル基底を用いた手法を提案する。
- ベッセル基底は定常波の仮説空間を形成し，散逸による信号損失を回避する。
- 提案手法は，基礎解法が失敗する散逸性領域において，機械精度での精度を達成する。
- 有限要素法よりも効率的であり，多中心戦略による幾何学的拡張性も実証された。
平均場領域における相互作用カーネルの推論 [cs.CL, math.NA, cs.NA]目的：相互作用するエージェント系における相互作用カーネルの再構成
- エージェント間の相互作用理解は，複雑系の振る舞いを予測・制御する上で不可欠である。
- マクロな測定からカーネルを再構成する際の，モデル形式による差異が課題となっていた。
- 粒子系と平均場方程式の近似精度を評価し，それらの関係性を明らかにする。
- 粒子系からの変分と，極限の偏微分方程式に関連する変分は一致しないが，弱い意味で収束することが示された。
- その収束率は，エージェント数Nに対して$\mathcal{O}(N^{-1/2})$であることが証明された。
- 数値実験により，この収束率が裏付けられた。
時間依存係数を持つ時間分数擬似放物方程式の逆問題 [math.NA, cs.NA]目的：時間分数擬似放物方程式の未知の初期状態の復元
- 偏微分方程式は自然現象のモデリングに不可欠であり，その解析は科学技術の発展に貢献する。
- 逆問題は，観測データから未知のパラメータを特定する必要があり，不安定性を持つ場合が多い。
- 最終時刻の観測データから初期状態を復元する手法を開発し，逆問題の安定性を向上させる。
- 理論的に，適切な仮定の下で，この問題が唯一解を持つことが示された。
- 時間ステップ戦略に基づく有限差分離散化を導入し，安定性と収束性を解析した。
- 得られた前方ソルバーを用いて，ティホノフ正則化による初期データ同定手順を定式化した。
輸送写像の正規化フロー近似によるボルツマン分布のサンプリング [cs.CL, cs.LG, cs.NA, math.NA, math.PR]目的：高次元ボルツマン分布のサンプリング手法
- 分子動力学において，ボルツマン分布からの効率的なサンプリングは重要な課題である。
- 従来のサンプリング手法では，高次元かつ不規則なボルツマン分布の正確な近似が困難である。
- 正規化フロー近似を用いた輸送写像の数学的基礎を確立し，近似誤差を厳密に評価する。
- 正規化フローが参照測度とボルツマン分布の間に存在し，ウォーターシュタイン距離において任意の小さな誤差範囲内に収まることが証明された。
- この結果は，原子間相互作用による不規則性を持つ分子動力学の一般的なボルツマン分布に適用可能である。
- 数値シミュレーションにより，生成された分布が真の分布に近く，また準安定状態のダイナミクスも捉えられていることが確認された。
窓付きフーリエ伝播子：不均一媒質における波動方程式のための周波数局所ニューラル演算子 [cs.LG, cs.NA, math.NA]目的：不均一媒質における波動方程式の効率的な解法
- 波動方程式は物理現象の記述に不可欠であり，そのシミュレーションは科学技術の発展に重要である。
- 不均一媒質中の波動方程式の解は振動が激しく，従来の数値解法では計算コストが高いという課題がある。
- 周波数局所性を利用したニューラル演算子を開発し，計算コストを削減しつつ高精度な波動シミュレーションを実現する。
- 提案手法である窓付きフーリエ伝播子(WFP)は，周波数局所性の原理に基づき，効率的に解演算子を学習する。
- WFPは，コンパクトな局所伝播子を学習することで，複雑な相互作用モデルを回避し，計算効率を高める。
- 重ね合わせの原理を明示的に保持することで，単純なデータからの汎化性能を高め，複雑な波動状態を正確にモデル化する。
局所フーリエ拡張による高精度数値積分：解析的積分，一様サンプリング，区分的に滑らかな被積分関数に対する補正 [math.NA, cs.NA]目的：高精度数値積分のための枠組み
- 数値積分は科学技術計算の根幹であり，精度の高い計算が不可欠である。
- 従来の数値積分法では，高精度化と計算コストの増大がトレードオフとなる場合が多い。
- 局所フーリエ拡張を用いて，計算効率を維持しつつ高精度な数値積分を実現すること。
- 提案手法は，滑らかな関数に対して，従来のシンプソンの公式よりも少ないノード数で機械精度に近い精度を達成する。
- 振動的または周波数変動の大きい被積分関数に対しても優位性があり，特に非一様な位相構造においてその効果が顕著である。
- 区分的に滑らかな被積分関数に対しては，係数エネルギーの異常値を活用した補正戦略により，ほぼスペクトル精度まで回復させる。
過決定線形システムの最大エントロピー最小二乗解 [math.NA, cs.IT, cs.NA, math.IT, math.ST, stat.TH]目的：過決定線形システムの近似におけるエントロピーに基づく重み付き最小二乗法の理論的基盤
- データへのロバストな適合は，様々な科学技術分野において重要な課題である。
- 従来の最小二乗法では，外れ値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。
- 本研究は，外れ値の影響を抑制し，より安定した近似解を求めることを目指す。
- 提案手法では，重みベクトルをエントロピー最大化によって決定し，あらかじめ指定した平均二乗誤差を実現する。
- 得られた最適化問題は非凸であるが，最小二乗解から分岐する滑らかな解の存在と局所的な一意性が証明された。
- 平均二乗誤差がゼロに近づく極限では，線形モデルに適合するデータの最大部分集合に重みが集中し，外れ値の影響が抑制される。
KPDの数値解法 [math.NA, cs.NA]目的：ベクトル形式ハイパー行列の最近傍クロネッカー積分解問題の解法
- 多次元配列データの効率的な表現・処理が求められるため，テンソル分解技術が重要視されている。
- 既存のKPD解法は，計算コストが高い場合や，特定の形式のハイパー行列にしか適用できない場合がある。
- ベクトル形式および行列形式のハイパー行列に対し，より効率的かつ汎用的なKPD解法を提案すること。
- 定常値に基づくアルゴリズム（SVA）を用いることで，ベクトル形式ハイパー行列のKPDを解くことができた。
- SVAを繰り返し適用することで，有限和KPDも解くことが可能となった。
- 置換行列を導入し，行列形式ハイパー行列のKPDをベクトル形式に変換することで，SVAを適用できる範囲を拡張した。
パラメータ化されたエルミート固有値問題に対するモデル次数縮約：テイラー縮約基底法による局所的加速 [math.NA, cs.NA]目的：大規模パラメータ化エルミート行列の固有空間の効率的な近似
- 数値シミュレーションにおいて，大規模な連立方程式の解法は計算コストのボトルネックとなりうる。
- パラメータ化された固有値問題では，パラメータ変化に伴う固有値・固有ベクトルの追跡が課題となる。
- テイラー展開を用いた局所的なモデル次数縮約により，計算効率を向上させることを目指す。
- テイラー縮約基底法(Taylor-RBM)の誤差解析を行い，固有値問題への適用を理論的に正当化した。
- テイラー縮約基底空間を効率的に構築するための手順を提示した。
- テイラー級数展開とTaylor-RBMによるスペクトル近似を比較し，その関連性を明らかにした。
完全導電性障害物の電磁散乱極に対するエッジ要素DtN法 [math.NA, cs.NA]目的：完全導電性障害物の電磁散乱極の数値計算手法
- 電磁散乱現象の理解は，レーダー技術やアンテナ設計など，幅広い応用分野において重要である。
- 散乱極の数値的探求は重要であるにも関わらず，その計算は困難であり，既存手法には限界がある。
- 本研究は，完全導電性障害物の電磁散乱極を効率的かつ正確に計算することを目指している。
- 散乱演算子の正則解析により散乱極を特定し，それらをMaxwell方程式に関連する holomorphic Fredholm演算子の固有値として表現する。
- 境界条件をDtN写像を用いて処理し，非物理的な極を回避した有限要素法によるアプローチを提案する。
- 固有値問題の求解にスペクトル指標法を適用し，その有効性を数値例によって実証する。
高次元非線形偏微分方程式に対する深層後退回帰に基づくスキーム [math.NA, cs.NA]目的：高次元非線形放物型偏微分方程式の解法
- 科学技術計算において，高次元な偏微分方程式の効率的な解法は重要である。
- 既存手法では，高次元問題において計算コストや精度が課題となる場合が多い。
- 本研究は，数値的な安定性と汎化性能を向上させ，より高次元な問題に対応可能な解法を提案する。
- 提案手法であるDBRスキームは，従来のDBDP1法と比較して，より高い精度を達成した。
- 特に，DBDP1法が失敗する複雑な非有界PDEにおいても，DBRスキームは安定的に解を求められる。
- 理論的な誤差の上限と半オーダーの収束性も導出され，変分不等式への拡張も示された。
対数ガンマ確率入力を持つパラメータ付き偏微分方程式の疎性とその応用 [math.NA, cs.NA]目的：パラメータ付き楕円型偏微分方程式の解のLaguerre一般化多項式カオス展開の係数の疎性
- 工学・科学シミュレーションにおいて，不確実性を含む偏微分方程式の効率的な数値解法が重要である。
- 高次元の確率空間における計算コストが課題であり，次元の呪いの克服が求められている。
- 確率的入力に対する解の疎性を確立し，数値解法の収束性を高めることを目指す。
- 対数ガンマ入力を持つパラメータ付き楕円型偏微分方程式の解の係数の疎性が$\ell_p$-可積分性および重み付き$\ell_2$-可積分性によって定量化された。
- この疎性結果に基づき，パラメータ変数における半離散近似の収束率が導出された。
- 対数正規入力に対する手法は，パラメータ拡散係数の対数正規表現における成分関数がグローバルサポートを持つ場合，$\ell_p$-可積分性の十分条件において既存研究よりも改善された。
多成分多倍長算術における分岐回避アルゴリズムとSIMDベクトル化による高速化 [cs.MS, cs.NA, math.NA]目的：多成分多倍長算術の高速化
- 科学技術計算において，より高い精度が求められる場面が増加している。
- 既存の多倍長算術は，分岐命令が多く，処理速度のボトルネックとなりやすい。
- 分岐回避アルゴリズムとSIMDベクトル化により，計算速度の向上を目指す。
- 分岐回避アルゴリズムを組み込むことで，特に3倍精度および4倍精度の計算において，多成分算術の性能が大幅に向上することが示された。
- x86およびARM CPUプラットフォームにおけるベンチマーク結果から，線形計算や多項式評価において高速化が確認された。
- ハードウェアのbinary64およびbinary32との組み合わせにより，計算効率が向上することが示唆された。
変動密度を持つ浅水モデルに対する陽性保存型不連続ガレルキン法 [math.NA, cs.NA]目的：変動地形における浅水流と物質輸送の連立系数値解法
- 河川や沿岸域の流動解析において，密度変化を考慮することは重要である。
- 従来の数値解法では，安定性確保のために過剰な数値拡散が生じやすい。
- 静水状態における解の精度を保ちつつ，陽性条件を維持する解法を提案する。
- 提案法は，補助変数を用いることで静水状態における定常解を正確に保存することを示した。
- 水深と濃度の陽性保存に関する十分条件を導出し，厳密に証明した。
- 数値実験により，提案法の計算精度と有効性が検証された。
自由電子量子層描画の正当性と不安定性 [math.NA, cs.NA]目的：自由電子量子状態の密度行列再構成
- 光誘起近接場電子顕微鏡の進展により，自由電子の量子状態の操作と特性評価が可能となった。
- 密度行列の再構成は，制約付き線形逆問題を解く必要があり，不安定性に関する問題が存在する。
- 正準制約の効果を利用し，この問題の正当性を証明し，不安定性の評価を導出すること。
- この問題は正当であり，正準制約が正則化効果をもたらすことが示された。
- しかし，正当性は安定性評価を意味せず，大域的な安定性評価は存在しないことが証明された。
- 離散化演算子の分解により，注入性と安定性の特性を研究し，高速実装を可能にした。
信頼できるクープマン作用素学習：不変性診断と誤差限界 [math.NA, cs.LG, cs.NA, math.DS, math.OC]目的：クープマン作用素近似の信頼性を評価・改善するための手法
- 非線形動的系の解析において，クープマン作用素理論は重要な役割を果たす。
- 特徴空間の不変性が低い場合，誤った固有値や予測が生じ，信頼性が損なわれる。
- データのみから不変性と投影誤差を定量化し，保証と辞書改良を導く。
- 主角度を用いた不変性定量化により，ダイナミクスに基づいたSVD代替手法を開発。
- クープマンおよびペロン・フロベニウス分解に対する多段階誤差限界を導出。
- カオス系や現実世界のデータセットで，検証されたスペクトル解析と予測が可能に。
一般化タドモア条件と構造を保存する数値フラックス：実性ガス圧縮性流 [math.NA, cs.NA]目的：実性ガスの圧縮性流におけるエントロピー保存離散化に対するタドモアの代数的数値フラックス条件の一般化
- 圧縮性流体シミュレーションは，航空宇宙工学，エネルギー工学など広範な分野で不可欠な技術である。
- 非凸な二次量の存在は，数値スキームの安定性や精度を損なう原因となりうる。
- 二次量の構造を保存しつつ，数値フラックスの存在性とwell-posednessを確立すること。
- 一般化されたタドモア条件は，離散化された保存則と並んで，二次構造の離散的な局所平衡則をもたらす。
- 離散的なnull-consistencyという追加の構造要件が導入され，許容可能な数値ワーク項を制約し，タドモア条件を満たすフラックスの存在を保証する。
- 任意の二次構造を持つ圧縮性流のEuler方程式に対し，エントロピーを保存し運動エネルギーに一貫性のある数値フラックスが導出された。
可変係数を持つ離散空間分数拡散方程式に対する構造を保存する前処理とθ法 [math.NA, cs.NA]目的：可変係数を持つ時間依存空間分数拡散方程式の離散化から生じる大規模行列のスペクトル特性および線形システムの条件付け
- 拡散現象は自然科学・工学の様々な分野で普遍的に現れるため，その数値解析は重要である。
- 分数階微分を含む拡散方程式の離散化は，特殊な行列構造を生み出し，効率的な解法が課題となる。
- 可変係数下での構造を保存した前処理手法を開発し，効率的な線形システムの求解を目指す。
- 一般化された局所Toeplitz(GLT)理論を用いて，前処理の有無による行列列のスペクトル分布を解析した。
- 可変係数$a$の場合でも，スペクトル解析が有効であることを示した。
- 数値実験によってGLTに基づいた理論的結果を検証し，前処理の効果を確認した。
画像再構成のための効率的な累積エッジ検出手法 [math.NA, cs.NA]目的：ノイズのある計測からの画像再構成におけるエッジ保持性能の向上
- 医療画像や科学的画像処理において，高品質な画像再構成は不可欠である。
- 従来の画像再構成手法は，ノイズの影響を受けやすく，鮮明なエッジを再現できない場合がある。
- 累積エッジ検出と効率的な計算手法を組み合わせ，高精度な画像再構成を実現すること。
- 提案手法CR-$\ell_q$-RMM-GKSは，標準的な非累積手法と比較して，有意に鮮明なエッジ再構成を可能にする。
- 特にCR-$\ell_1$-RMM-GKSは，標準的な$\ell_1$手法やCR-$\ell_2$-RMM-GKSを上回り，累積重み付けと$\ell_1$ペナルティの相乗効果を示す。
- 本手法は，信号の鮮明化や断層撮影といった様々な画像再構成問題に応用可能である。
アフィン幾何学的変換によるメタサーフェス逆設計のための随伴勾配評価 [math.NA, cs.NA]目的：メタサーフェス逆設計における勾配評価手法
- ナノ材料加工技術の進歩により，電磁場制御の可能性が広がっている。
- メタサーフェスの大規模化と高機能化が，計算コストの課題を招いている。
- 随伴変数法を用いて，計算コストを抑えつつ効率的な逆設計を実現する。
- 本手法は，メタ原子の幾何学的パラメータ化と，それに対する高速な勾配計算に基づいている。
- アフィン変換を最適化プロセスに組み込むことで，設計の自由度を高めている。
- 理論的検証と数値シミュレーションにより，提案手法の有効性が確認された。
高次元パラメトリック偏微分方程式に対する多重疎テンソル近似 [math.NA, cs.NA]目的：高次元アフィンパラメトリック拡散方程式の効率的な近似手法
- 高次元問題の計算コストが指数関数的に増加するため，効率的な数値解法が求められている。
- 従来の単層アプローチでは，離散化レベルの上昇に伴い計算コストが指数関数的に増大する。
- 多重疎テンソル近似を用いることで，離散化レベルに依存しない計算コストを実現する。
- 提案手法では，疎代替最小二乗法(SALS)と多重ガルキン離散化戦略を組み合わせることで，計算効率を向上させている。
- 理論解析により，提案手法の計算オーバーヘッドは離散化レベルに依存せず，単層アプローチとは対照的な結果が得られた。
- 数値実験により，高次元設定における予測される効率向上を検証している。
スケーリングされたTW-PINN：一般係数を持つ反応拡散方程式のトラベル波解のための物理情報ニューラルネットワーク [math.NA, cs.LG, cs.NA]目的：反応拡散方程式のトラベル波解の計算
- 物理現象のモデリングにおいて，反応拡散方程式は様々な分野で重要な役割を果たす。
- 従来の数値解法では，高次元や複雑な係数の場合に計算コストが増大する。
- スケーリング変換により，計算効率と汎用性を向上させ，多様な問題に対応する。
- 提案手法（スケーリングされたTW-PINN）は，異なる係数や次元に対して，同一のPINNソルバーを再利用可能である。
- 数値実験により，提案手法の精度，柔軟性，および既存手法（wave-PINN）に対する優位性が確認された。
- Fisher方程式への拡張も検討され，一般初期条件に対する適用可能性が示された。
不均一な外部ヘльмホルツ問題に対する基礎解法と高速フーリエ変換によるディリクレ・ノイマン写像の効率的計算 [math.NA, cs.NA]目的：不均一外部ヘльмホルツ方程式のディリクレ・ノイマン写像の計算手法
- 波動現象のシミュレーションにおいて，無限領域の外周条件設定は重要課題である。
- 既存手法では，無限領域の取り扱いや計算コストが課題となっていた。
- 高速フーリエ変換により，効率的にディリクレ・ノイマン写像を計算すること。
- 基礎解法と高速フーリエ変換を組み合わせることで，ディリクレ・ノイマン写像を高精度に計算できることが示された。
- 得られたディリクレ・ノイマン写像を有限要素法に組み込むことで，無限領域上の問題を有限領域の問題に帰着できる。
- 数値例から，提案手法の精度と有効性が確認された。
偏微分方程式に対する基礎モデルの物理制約に基づく微調整 [cs.HC, cs.LG, cs.AI, cs.NA, math.AP, math.NA]目的：偏微分方程式の基礎モデルの適応手法
- 科学技術計算において，物理現象のシミュレーションは不可欠であり，その精度向上が求められている。
- 既存の基礎モデルは汎用性が高い反面，特定の課題への適応にはデータ不足や分布のずれが問題となる。
- 本研究は，限られたデータでも物理法則を考慮することで，基礎モデルの適応精度と汎化性能を向上させることを目指す。
- 物理制約を組み込んだ微調整により，少ないデータでも競争力のある精度を達成できることが示された。
- 物理制約とデータ駆動型の微調整を組み合わせることで，分布外のシナリオにおける汎化性能が向上することが確認された。
- 本手法は，科学機械学習において，データ効率が高く解釈可能なモデル適応の手段となりうる。
SPIKE：疎なクープマン正則化による物理情報ニューラルネットワーク [cs.LG, cs.AI, cs.CE, cs.NA, math.DS, math.NA]目的：物理制約を埋め込んだニューラルネットワーク訓練による微分方程式の解法
- 物理現象のシミュレーションにおいて，メッシュフリーな手法の需要が高まっている
- PINNは学習領域内での過学習を起こしやすく，未知領域への外挿性能が低い
- クープマン演算子を用いてPINNを正則化し，汎化性能の向上を目指す
- SPIKEは，学習された観測空間で線形力学を適用することで，疎な生成行列を学習する
- 様々な偏微分方程式（放物型，双曲型，分散型，強剛性）において，時間外挿，空間汎化，長期予測の精度が向上した
- 連続時間形式を用いることで，強剛性システムに対して無条件安定性を実現し，離散時間クープマン演算子の問題点を回避する
タウ誘発性萎縮がアルツハイマー病における機能的結合の破壊を促進する [eess.IV, cs.MM, physics.med-ph, cs.NA, math.NA]目的：アルツハイマー病におけるタウ蓄積と機能的結合の破壊の関係性解明
- アルツハイマー病は高齢化社会において患者数が増加しており，その病態解明と治療法の開発が急務である。
- タウの蓄積と脳萎縮，機能的結合の破壊は確認されているものの，萎縮が機能的結合にどのように影響するかは不明であった。
- タウ誘発性萎縮と機能的結合の変化を数理モデルで結びつけ，病状進行の予測と治療法の開発に貢献する。
- タウの反応拡散，生体力学，ネットワークモデリングを統合したモデルが，観測された脳萎縮パターンを再現することに成功した。
- 脳の局所的な萎縮速度と機能的結合の変化との間には，近似的に線形関係があることが示された。
- 萎縮に基づく構造ネットワーク劣化マトリックスが，局所的な機能的結合の破壊の方向性と大きさを捉えることができた。
一般化モジュラー文字列平均法の強収束性，摂動耐性，および改良性 [math.OC, cs.NA, math.NA]目的：無限個の入力演算子を持つ一般化モジュラー文字列平均法に基づく反復アルゴリズムの強収束性と有界摂動耐性
- 実ヒルベルト空間における実現可能性探索問題解決は，応用数学や最適化において重要な課題である。
- 既存手法では，無限個の演算子に対する強収束性や摂動に対する安定性の保証が十分でない場合がある。
- 本研究は，モジュラー文字列平均法を用いることで，これらの問題を解決し，新たなアルゴリズムを開発する。
- 一般化モジュラー文字列平均法に基づく反復アルゴリズムの強収束性が，幅広い条件のもとで証明された。
- アルゴリズムが，有界の摂動に対して耐性を持つことが示され，実用性が高まった。
- 本手法が，改良法や動的文字列平均法にも適用可能であり，アルゴリズム設計の幅を広げることが確認された。
多層惑星体の長期軌道進化研究のための，効果的な均質レオロジーを生成するユーザーフレンドリーなパッケージとワークフロー [astro-ph.EP, astro-ph.IM, cs.NA, math.NA]目的：多層惑星体の均質レオロジー生成のためのパッケージとワークフロー
- 惑星科学研究において，惑星内部構造と進化を理解することは重要である。
- 多層構造を持つ惑星体のレオロジーモデルは複雑であり，計算コストが高い。
- 複雑な多層構造を，計算効率の良い均質レオロジーモデルに変換すること。
- 本パッケージは，多層構造のレオロジーを均質レオロジーに変換するプロセスを再現性とアクセス性を高めた。
- これにより，惑星の長期的軌道および自転進化の研究において，物理的な潮汐散逸モデルを容易に利用可能となる。
- 月内部モデルへの適用事例を通して，有効な均質レオロジー表現と，簡略化されたモデルの有効性が示された。
関数空間におけるベイズ逆問題に対する事前条件付き一段階生成モデリング [stat.ML, cs.LG, cs.NA, math.NA]目的：関数空間におけるベイズ逆問題の近似事後分布サンプリング手法
- 偏微分方程式など，物理現象のモデル化において逆問題は重要であり，その解決は科学技術の発展に不可欠である。
- 従来のMCMC法は計算コストが高く，高次元問題や関数空間における適用が困難であるという課題がある。
- 本研究は，計算コストを削減しつつ，関数空間におけるベイズ逆問題の安定的な事後分布サンプリングを実現する。
- 提案手法は，ニューラル演算子を基盤とした一段階生成モデリングにより，高速な事後分布サンプリングを可能にする。
- ホワイトノイズを基準とする従来の方法では不安定性が発生するのに対し，事前分布に整合した異方性ガウス分布を用いることで安定性を確保する。
- 訓練後，64x64の事後分布サンプルを約10^-3秒で生成でき，MCMC法と同等の精度を達成する。
カスケード沖の疎な海底圧力観測からのリアルタイム津波確率予測 [physics.geo-ph, cs.NA, math.NA, physics.comp-ph]目的：カスケード沈み込み帯におけるリアルタイム津波確率予測の実現
- 津波は甚大な被害をもたらす自然災害であり，迅速な早期警戒が不可欠である。
- カスケード沈み込み帯では，沖合の観測データが不足しており，津波早期警戒の精度が低い。
- 海底圧力センサーネットワークを活用し，リアルタイムでの津波予測精度向上を目指す。
- 175個の海底圧力センサーネットワークが，リアルタイムの津波予測を可能にする実証実験を行った。
- 大規模地震動と津波の動的破壊のシナリオにおいて，最初の2分間は波形が類似し，その後分岐する様子が確認された。
- 予測誤差は，全域破壊シナリオで22.1%，部分破壊シナリオで19.6%と低い水準に抑えられた。
高次元における鞍点からの脱出に向けた実用的な確率的トラスト領域法 [math.OC, cs.NA, math.NA]目的：高次元における鞍点からの脱出
- 機械学習等の最適化問題において，鞍点は学習の停滞を引き起こすため，効率的な脱出手法が重要である。
- 従来の脱出手法は，次元数に比例した情報が必要であり，計算コストが高いという課題があった。
- 本研究は，確率的要素を導入することで，より少ない情報で鞍点から脱出し，収束性を確保することを目指す。
- 提案手法は，トラスト領域法を確率化することで，鞍点近傍で確率的要素を増幅し，局所最適解近傍で吸収することで脱出と収束を両立する。
- この手法は，既存のトラスト領域法の長所を維持しつつ，わずかな変更と新たなハイパーパラメータの導入によって実現される。
- 実装と数値実験により，提案手法の実用性が確認された。
パラナグア河口複合域における海洋生物地球化学モデルのためのデータ制約フレームワーク [physics.geo-ph, cs.NA, math.NA, math.OC]目的：海洋生物地球化学モデリングのためのデータ制約フレームワークの開発
- 沿岸域や河口環境の栄養循環，水質，気候変動影響評価に不可欠である。
- 複雑なシステムへの適用には計算コストがかかり，パラメータの校正に課題がある。
- ブラジルにおける海洋生物地球化学モデルの開発と校正手法の確立を目指す。
- 本研究で開発したシンプルなモデルは，適切な校正により観測された栄養循環を再現できることを示した。
- 提案するフレームワークは汎用性が高く，多パラメータ校正や季節変動への対応も可能である。
- 高精度な流体モデルとの連携も視野に入れた，将来的な拡張性も考慮されている。
確率的スライスとマッチングによる測度変換 [eess.SY, cs.SY, math.NA, cs.NA, math.ST, stat.ML, stat.TH]目的：測度変換と近似問題に関する反復スキーム
- データ分析において，分布間の距離を測ることは重要であり，その計算効率が求められる。
- 既存の測度変換スキームの収束性に関する理論的な保証が十分ではない。
- 確率的スライスとマッチングスキームのほとんど確実な収束性を証明する。
- 本研究では，Wasserstein空間上での確率的勾配降下法としての解釈に基づき，確率的スライスとマッチングスキームの収束を証明した。
- 提案手法は，1次元最適輸送問題の閉形式解を利用することで計算効率を高めている。
- 段階的な画像変形に関する数値例を通して，本手法の有効性を示した。
シグネチャカーネルに基づく経路依存型偏微分方程式ソルバー [math.NA, cs.NA, q-fin.CP]目的：経路依存型偏微分方程式の数値解法
- 金融工学など，時間経過による経路が重要な様々な分野で応用が期待される。
- 従来のモンテカルロ法は計算コストが高く，効率的な数値解法が求められている。
- シグネチャカーネルを利用し，効率的かつ高精度な数値解法を提案することを目的とする。
- シグネチャカーネルを用いた経路依存型偏微分方程式の数値解法を開発し，その収束性を理論的に証明した。
- 線形問題においては，最適化問題の解が閉形式で表現できることを示した。
- 粗いボラティリティモデルにおけるオプション価格評価など，数値例を通じて有効性を確認した。
電流とバリオールドの圧縮 [cs.SI, math.NA, cs.NA]目的：形状の電流およびバリオールド表現の圧縮
- 形状解析において，複雑な形状を効率的に扱うことが重要である。
- 既存の圧縮手法では，計算コストが高く，大規模データへの適用が困難である。
- 形状表現の圧縮誤差の減衰率を理論的に保証しつつ，高速な圧縮を実現すること。
- リッジレバレッジスコア（RLS）サンプリングとニストローム近似を用いるアルゴリズムを開発した。
- 本手法は既存の圧縮技術よりも高速であり，圧縮誤差の減衰率に関する理論的保証がある。
- 大規模な形状データに対する高速性とスケーラビリティが実証され，LDDMMフレームワークにおける非線形形状登録の加速に貢献する。
演算子学習と普遍近似のための射影法 [math.NA, cs.AI, cs.LG, cs.NA]目的：演算子学習における射影法の理論的基盤
- 演算子理論は，様々な数学的問題に応用され，その重要性は高い。
- 高次元空間における演算子の近似は，計算量が多く，困難を伴う。
- 関数空間上の演算子を効率的に近似する手法の開発が求められている。
- Leray-Schauder写像を用いて，Banach空間上の連続演算子に関する普遍近似定理を導出した。
- 多変数関数のBanach空間$L^p$における演算子学習法として，多項式基底上の直交射影を導入し研究した。
- 線形射影と有限次元写像を学習することで，演算子の近似が可能となる条件を明らかにした。
二次変換可能なルンゲ・クッタ法 [math.NA, cs.NA]目的：二次変換後の変数のみで表現可能な数値積分手法の条件
- ハミルトニアン系などの数値計算において，変数の削減は計算効率向上に不可欠である。
- 二次変換後の系に直接既存の数値積分法を適用すると，ハミルトニアン構造が保存されない場合がある。
- 二次変換可能なルンゲ・クッタ法を特定し，変換後の系における数値積分を効率化すること。
- シンプレクティック斜め暗黙的ルンゲ・クッタ法（SyDIRK）が，特定の二次変換可能なベクトル場に対して，変換後の変数のみで表現可能な数値積分法に相当することを示した。
- この手法は，保存系および非保存系の両方において有効であることが，いくつかの例を通じて示された。
- これにより，元の系で計算する手間を省き，計算コストを削減できる可能性がある。
漸近保存型PICフレームワークにおける準中性付近の不確実性のあるVlasov-Poisson方程式に対するバイフィデリティ法 [math.NA, cs.NA]目的：準中性付近の不確実性のあるVlasov-Poisson系に対するバイフィデリティ数値解法
- プラズマ物理は，核融合や宇宙物理など，幅広い分野に応用される重要な研究領域である。
- Vlasov-Poisson方程式の数値解法は計算コストが高く，特にDebye長が小さい場合は困難を伴う。
- 準中性条件下のVlasov-Poisson系の効率的な解法と，不確実性量子の取り扱いを同時に実現すること。
- 提案手法は，Debye長を解像する必要なく準中性極限を捉える漸近保存型PIC法に基づいている。
- 非線形Poisson方程式の取り扱いを可能とする明示的スキームを開発した。
- バイフィデリティ法により，多次元確率パラメータを持つVPME系の効率的な不確実性定量化が可能となった。
数値的にランク不足な基底における関数近似 [math.NA, cs.NA]目的：有限精度算術下における有限基底での線形関数近似
- 関数近似は機械学習や信号処理など幅広い分野で不可欠であり，その精度向上は重要な課題である。
- 非直交基底では丸め誤差が影響しやすく，有効に張られる空間が歪んでしまうという問題がある。
- 有限精度算術下における丸め誤差の影響を抑制し，高精度な関数近似を実現することを目指す。
- 数値的スパンという概念を導入し，丸め誤差が関数近似に与える影響を形式的に評価した。
- 正則化が丸め誤差の増幅を抑制し，より正確な近似を可能にすることを理論的に示した。
- 正則化されたChristoffel関数の利用により，サンプリング複雑度の理論的上限を導出した。
対数正規乱数入力を持つパラメトリック偏微分方程式に対する同時空間・パラメータ配置近似 [cs.CL, cs.CC, math.NA, cs.NA]目的：対数正規乱数入力を持つパラメトリック偏微分方程式の数値解法
- 偏微分方程式は自然現象の記述に不可欠であり，その効率的な解法は科学技術の発展に貢献する。
- パラメトリック偏微分方程式の解は入力パラメータに依存するため，高次元パラメータ空間での解析が課題である。
- 配置近似法を用いて，パラメータ空間と物理空間の両方において効率的な数値解法を確立すること。
- 本研究では，有限個の関数評価点を用いた多水準線形配置法に対する収束率を確立した。
- 既存の配置法よりも収束率が大幅に向上し，最良n項近似の収束率に匹敵することが示された。
- 抽象的なBochner空間における一般化された多水準線形サンプリング復元理論と拡張最小二乗法を適用することで，この結果が得られた。
二次元ホッジ・ラプラス問題に対する離散外微分幾何における収束性と安定性 [cs.AR, math.NA, cs.NA]目的：二次元ホッジ・ラプラス問題に対する離散外微分幾何(DEC)解の収束性および安定性
- 数値計算において，複雑な形状の領域に対する微分方程式の解法は重要である。
- DECの離散化における，メッシュの品質と計算精度との関係が課題である。
- DEC解と有限要素法(FEEC)解の等価性を示すことで，DECの安定性と収束性を証明する。
- 非退化なDelaunay三角形網と形状規則性を持つ三角形網において，DEC解の収束性と安定性が証明された。
- DEC解とFEEC解のノルムが等価であること，及び離散inf-sup条件が確立された。
- メッシュに対する幾何学的条件を緩和しつつ，安定性と収束性を保証できることが示された。
- 1
- 2