arXiv雑要約
数値解析 - 2026/03/23 公開
結合3D-1D輸送問題の数値解析 [cs.RO, math.NA, cs.NA, math.AP]目的：結合3D-1D溶質輸送問題の近似解
- 環境汚染物質の拡散予測など，現実の問題を扱う上で重要である。
- 複雑な形状や境界条件における数値解法の精度向上が課題である。
- 有限要素法と内部ペナルティ不連続Galerkin法の結合による高精度な数値解を提案する。
- 得られた理論的誤差評価は時間ステップサイズとメッシュサイズに関して最適である。
- 数値実験の結果は，この理論的結果を裏付けている。
無限次元偏微分方程式と最適制御のための深層ヒルベルト・ガレルキン法 [cs.LG, cs.NA, math.AP, math.NA, math.OC, math.PR]目的：無限次元ヒルベルト空間上の非線形2階偏微分方程式に対する深層学習に基づく近似手法の開発
- 物理学や制御理論など，広範な応用科学分野において，偏微分方程式の効率的な解法が求められている。
- 高次元空間における偏微分方程式の解法は計算コストが大きく，従来の数値解法では困難な場合が多い。
- 深層学習を活用し，無限次元ヒルベルト空間上の偏微分方程式を近似的に解く手法を確立すること。
- 深層学習モデルであるHilbert-Galerkin Neural Operator (HGNO)を用いた近似手法が提案された。
- HGNOの適用範囲を広げるため，ヘッセ行列項に関する新しいトポロジーと，非線形演算子に関する連続性仮定が導入された。
- Kolmogorov方程式やHJB方程式といった最適制御問題に対するHGNOの有効性が，数値実験によって示された。
時空間ダイナミクスに対する形状可変解と進化型ニューラルネットワークのレビュー [eess.SY, cs.SY, math.NA, cs.NA, math.DS]目的：形状可変解と進化型ニューラルネットワークに関する研究動向の整理
- 複雑な現象のモデリングにおいて，計算コスト削減と高精度化が求められている。
- 従来の数値解法では，高次元問題や時間依存性の強い問題に対応が困難な場合がある。
- 形状可変解と進化型ニューラルネットワークにより，これらの課題を克服し，効率的なシミュレーションを実現する。
- 形状可変解は，偏微分方程式の近似解法の一つであり，時間依存パラメータに非線形的に依存する点が特徴である。
- 特に，多スケールシステムや局所的な時間変化を伴う現象のモデリングに適しており，メッシュフリーであるため，高次元空間への拡張性も高い。
- 進化型ニューラルネットワークは，形状可変解の特殊なケースであり，時間とともに変化する重みとバイアスを持つニューラルネットワークである。
二重ネットワーク多孔質媒体における流体流れのための適応型機械学習フレームワーク [math.NA, cs.LG, cs.NA, physics.flu-dyn]目的：二重多孔性/透水性モデルにおける流体流れの順問題および逆問題のモデリング
- 多孔質材料は，鉱物探査やタイトシェールからの炭化水素回収など，様々なプロセスを制御するため重要である。
- 従来の数値解法では，高速な予測，データ同化，信頼性の高い逆解析が困難である。
- 本研究は，二重多孔性/透水性モデルのパラメータを効率的に推定し，逆解析を可能にすることを目的とする。
- 物理情報ニューラルネットワーク（PINN）を基盤とする新しいフレームワークを提案し，混合形式の支配方程式を損失関数に組み込んだ。
- 適応的な重み調整，動的な配置点選択，共有幹ニューラルアーキテクチャにより，計算効率と精度を向上させた。
- 本フレームワークは，複雑な形状の多孔質媒体に対応でき，逆解析において堅牢なパラメータ同定を可能にする。
放射輸送方程式の陰解法におけるSI-DSAのROMベースのオンザフライ加速 [math.NA, cs.NA]目的：放射輸送方程式の陰解法におけるSI-DSAの加速
- 放射輸送方程式は，大気や宇宙空間における放射の挙動を記述する上で不可欠なものである。
- 拡散近似が不十分な場合，従来のSI-DSAの性能が低下することが課題であった。
- 時間ステップ間の解の低ランク構造を利用し，SI-DSAを効率的に加速することを目指す。
- 提案手法は，拡散近似に依存せず，運動学的定式化から直接ROMを構築する。
- ROMは時間ステップの進行中にオンザフライで構築され，初期推測と前処理を強化する。
- 数値実験により，従来のSI-DSAと比較して1.4倍から2.0倍の高速化が確認された。
輸送現象支配問題に対する線形・非線形低次モデルの将来予測精度向上：ラグランジュデータ活用 [math.NA, cs.NA]目的：輸送現象支配問題に対する低次モデルの将来予測精度向上
- 複雑な物理現象のシミュレーションにおいて，計算コスト削減が重要視されている。
- 従来の低次モデルは，Kolmogorovの障壁により精度が制限される場合がある。
- ラグランジュデータを用いることで，将来予測の精度と安定性を向上させる。
- ラグランジュ座標系でダイナミクスを表現することで，Kolmogorov n幅の減衰が速くなり，過去と未来の解のコヒーレンスが向上する。
- ラグランジュベースの非侵入的低次モデル（オートエンコーダベースとパラメトリック固有モード分解）を開発した。
- 数値実験の結果，これらのラグランジュモデルは，Eulerianモデルよりも正確かつ安定した将来予測を実現した。
電磁シミュレーションのための低ランク関数表現による代替モデル化 [cs.MA, cs.CL, cs.CE, cs.NA, math.NA]目的：電磁シミュレーションにおける代替モデルの精度向上
- マイクロ波や波動デバイス設計に不可欠だが，高次元空間での計算コストが大きい。
- 限られたシミュレーション予算では，高次元の応答マッピング学習が困難である。
- 低ランクテンソル関数表現を用いて，精度，ロバスト性，パラメータ効率のバランス改善を目指す。
- 提案手法であるPLRNetは，既存手法と比較して，より良い精度とロバスト性を示すことが確認された。
- 高次元領域においても，安定した最適化が可能であり，パラメータ効率も優れている。
- 低ランクテンソルネットワークを用いることで，電磁シミュレーションの代替モデル化において高い性能を発揮する。
行列の極値固有値に対する固有値安定性と新たな摂動境界 [math.NA, cs.NA, math.OC, math.PR]目的：行列の極値固有値および条件数の摂動の影響評価
- 数値計算において，行列の状態数はアルゴリズムの安定性を測る重要な指標である。
- 実際のデータはノイズを含む場合が多く，ノイズが状態数に与える影響を評価する必要がある。
- 行列に加わるランダムノイズに対する状態数の安定性を評価する新たな枠組みを提案する。
- 本研究では，特異値および特異空間の摂動を通して，状態数の摂動を評価する新しい手法を導入した。
- 提案手法は，古典的なデイビス-カーハン定理の改良版を提供し，特異値の摂動をより厳密に評価できる。
- 特に，基底行列がノイズ行列に比べて大きい場合に，既存の結果よりも有利な評価を得ることができた。
動的逆問題に対するTransformer因果性正則化 [math.NA, cs.NA]目的：線形時間依存逆問題の解法における因果性原理の正則化
- 画像再構成等に応用され，計測データのノイズ低減や高精度化が求められている。
- 従来の正則化手法では，時間的な因果関係を適切に考慮できていない場合がある。
- Transformerを用いて時間的な因果性を考慮した正則化手法を開発し，再構成精度向上を目指す。
- Transformerと古典的な変分正則化を組み合わせたTransformer因果性正則化(TCR)を提案した。
- 動的コンピューター断層撮影において，TCRは既存手法と比較して再構成性能とデータ整合性を向上させた。
- TCRは変分枠組み内で利用でき，既存の正則化理論を適用できる。
指数行列式の行列式のbounds [math.NA, cs.NA]目的：指数行列式の行列式の上下限
- 確率論や統計学において，ガウス分布は重要な役割を担う。
- 行列式の計算は，行列の性質を評価する上で不可欠である。
- 指数行列式およびガウス行列式の行列式のboundsを導出する。
- 指数行列式の行列式のboundsを導出した。
- これらは単変量ガウス行列式の行列式のboundsにも変換可能である。
運動ドメインにおける非圧縮性ナビエ-ストークス方程式に対する高次ゴースト-FEM [math.NA, cs.NA]目的：運動する物体周りの非圧縮性流体シミュレーション手法
- 流体シミュレーションは，工学設計や自然現象の解明において不可欠な技術である。
- 運動する物体周りの流体解析では，メッシュの再生成が必要となり計算コストが増大する。
- 非適合メッシュ上で高精度な計算を可能にし，メッシュ再生成のコストを削減すること。
- 提案手法は，非適合メッシュ上で計算が可能であり，ドメインが時間とともに変化する場合でも高次精度を維持する。
- 時間積分にはIMEXスキームを採用し，非線形な対流項を効率的に扱い，非圧縮性流れに対する高精度を実現している。
- 数値実験により，提案手法の精度が検証され，移動境界を含む確立されたベンチマーク問題との比較が行われた。
1X+3V空間におけるVlasov-Poissonシステムに対する適応メッシュ細分化を用いた半ラグランジュ不連続ガレルキン法 [cs.RO, math.NA, cs.NA]目的：Vlasov-Poissonシステムの数値解法
- プラズマ物理学において，Vlasov-Poissonシステムは，プラズマのダイナミクスを記述する基礎方程式である。
- 高精度な計算には，適応メッシュ細分化が必要となるが，従来のSLDG法では一様メッシュを仮定している。
- 非一様メッシュ上でのSLDG法の効率的な実装と，その検証を行う。
- 適応メッシュ細分化に対応するため，高速パスと低速パスを組み合わせたハイブリッドスウィープ戦略を開発した。
- 次元分割のための圧縮疎行列（CSR）鉛筆データ構造を導入し，計算効率を向上させた。
- Landau減衰ベンチマークテストにおいて，正しい減衰率，質量保存則，および収束性を示し，手法の有効性を検証した。
ギンツブルク＝ランダウモデルの高κ領域における二階最適性について [math.NA, cs.NA]目的：ギンツブルク＝ランダウ自由エネルギーのエネルギー最小化解の解析
- 超伝導現象の基礎モデルであり，物性理解やデバイス設計に不可欠な研究分野である。
- 高κ領域では，渦構造の近似計算に微細なメッシュ分解能が必要となる点が課題である。
- スペクトルギャップのGLパラメータ依存性を数値的に検証し，近似計算の精度向上を目指す。
- スペクトルギャップは，GLパラメータの増加に伴い急速に減少することが確認された。
- 数値実験の結果，スペクトルギャップのGLパラメータ依存性は，予想される多項式的な振る舞いを示す証拠が得られた。
- 本研究は，高κ領域における近似計算の誤差評価において重要な知見を提供する。
離散Volterra方程式における新たな比較原理：無限遅延を持つ凸スイーピング過程への応用 [cs.CY, math.NA, cs.NA, math.FA, math.OC]目的：離散Volterra方程式に対する比較原理の確立
- 偏微分方程式における最大原理と同様に，Volterra方程式の比較原理は解の正と安定性に関する情報を提供する。
- 離散化近似においては，Laplace変換やスペクトル解析などの連続系での手法が適用困難である。
- 無限遅延を持つ凸スイーピング過程におけるコンパクト性の証明を可能にする。
- 非負カーネルに対して，一様な$L^\infty(0,T)$-有界性を保証する新たな比較原理を導入した。
- エネルギー減衰の評価を通じてコンパクト性を確立し，スイーピング過程の存在を示す。
- 遅延モデルにおいて，射影点が凸集合の境界から$O(1)$の距離に位置することが数値シミュレーションにより示された。
癌細菌療法の数理モデル化：物理情報ニューラルネットワークによる解析と数値シミュレーション [q-bio.QM, cs.LG, cs.NA, math.AP, math.NA]目的：癌細菌療法の数理モデルの解析と数値シミュレーション
- 癌治療において，細菌を利用した新たな治療法への関心が高まっている。
- 腫瘍成長，細菌コロニー形成，酸素濃度等の相互作用が定量的に解明されていない。
- 腫瘍への細菌療法の効果を予測し，治療戦略の最適化を目指す。
- 物理情報ニューラルネットワークを用いて，複雑な反応拡散方程式系を効率的に解くことに成功した。
- シミュレーションの結果，腫瘍の酸素欠乏領域の維持，または好気性細菌の使用が，治療効果の長期化に重要であることが示唆された。
- ネットワークの幅とコロケーション点の数に対する誤差評価を行い，収束性を理論的に保証した。
確率的関数に対する無限次元球面・半径方向分解：制約付き最適制御とガウス過程回帰への応用 [math.OC, cs.LG, cs.NA, math.NA]目的：確率的関数の効率的な推定と勾配計算
- 確率的モデリングは，不確実性を含む様々な問題解決に不可欠であり，近年その重要性が増している。
- 高次元空間における確率的関数の計算は，次元の呪いにより計算コストが増大する課題がある。
- 本研究は，無限次元空間における確率的関数の効率的な計算手法を開発し，次元の呪いを克服することを目指す。
- 提案手法であるhiSRDは，凸集合に対するバイアスを持たない低分散推定器であることが示された。
- 有限次元SRDの分散に関する理論的解析により，次元増加に伴う問題点が明らかになった。
- 数値実験により，リスク中立確率微分方程式最適制御問題やガウス過程回帰における制約付き最適化への有効性が確認された。
正則化された動的パラメータ近似 [math.NA, cs.NA]目的：時間依存パラメータによる進化方程式の数値近似
- 量子力学やテンソルネットワーク等，複雑な動的系の近似において，パラメータ化された表現が重要視されている。
- パラメータ化が不規則な場合，導関数が特異値を持つなど，数値計算の安定性が損なわれる問題がある。
- 正則化手法を用いることで，不規則なパラメータ化においても安定した数値解を得ることを目指す。
- 時間連続および時間離散化された場合における近似解の誤差評価を導出した。
- 正則化パラメータと時間ステップサイズの適切な選択が，計算の安定性に重要であることが示された。
- 最適化問題や時間依存シュレーディンガー方程式への適用例を通して，理論的結果の有効性が確認された。
スリップ境界条件におけるストークス問題のH(curl)に基づく近似 [math.NA, cs.NA]目的：スリップ境界条件を伴うストークス問題のH(curl)に基づく近似手法
- 磁流体力学や多角形メッシュ上での圧力ロバストな有限要素法において，重要な近似手法である。
- H(curl)における速度探索では，スリップ境界条件の取り扱いが課題となっていた。
- スリップ条件をロビン境界条件として再定式化し，連続問題の厳密解を導くことを目指す。
- スリップ境界条件をロビン境界条件に変換することで，連続問題の解の一意性を証明した。
- 領域の幾何学的条件と解の正則性に関する条件を特定し，古典的なストークス解の復元可能性を示した。
- 適合する有限要素ガレルキン離散化の安定性と事前誤差評価を確立し，数値実験で理論的に予測された最適な収束率を検証した。
行列関数のブロック有理数クリロフ近似における誤差公式 [eess.SY, cs.SY, eess.SY, cs.SY, math.NA, cs.NA]目的：行列関数のブロック有理数クリロフ近似に伴う誤差の明示的な表現
- 行列計算は科学技術計算の根幹であり，効率的な近似手法が不可欠である。
- 大規模行列関数の計算において，誤差評価が困難であり，信頼性確保が課題である。
- 誤差の明示的な公式を導出し，誤差評価を容易にすることで，近似計算の精度向上を目指す。
- ブロックFOM残差の特性づけから2つの誤差公式を導出した。
- 一方の公式はブロック残差多項式を用い，もう一方はブロック共線性を利用する。
- 引数のスペクトル情報に基づいた事後誤差評価を導出し，数値例で検証した。
エルミート行列の固有値計算のための拡張局所最適ブロック前処理共役勾配法の局所収束性 [cs.CE, cs.AR, cs.DC, math.NA, cs.NA]目的：エルミート行列の極値固有値計算のための拡張局所最適前処理共役勾配法(LOBPCG)の局所収束性解析
- 数値線形代数の分野において，大規模疎行列の固有値計算は重要な課題である。
- LOBPCG法は効率的だが，その収束性の理論的な解析は十分とは言えない。
- 本研究は，LOBPCG法の収束速度に関する新たな評価を与え，より厳密な解析を目指す。
- 本研究で導出された収束率は，これまで知られていなかったか，またはOvtchinnikovの研究よりも鋭い。
- 解析は，Rayleigh商の拡張された形を持つエルミート行列多項式を含む一般化された問題にも拡張されている。
- 本研究で用いられたアプローチは，他の勾配型最適化手法の収束性解析にも応用可能である。
区分多項式場に対する$\boldsymbol{H}(\textbf{curl})$-再構成と，Maxwell方程式のhp事後誤差解析への応用 [cs.CL, math.NA, cs.NA]目的：区分多項式場に対する$\boldsymbol{H}(\textbf{curl})$-再構成演算子の開発と解析
- 電磁場解析等において，高精度な数値計算が求められており，それに適した要素技術が重要である。
- 既存手法では，再構成の精度が十分でなく，誤差評価が困難な場合がある。
- 高精度な再構成演算子を開発し，Maxwell方程式に対する誤差評価の精度向上を目指す。
- 本研究で開発した$\boldsymbol{H}(\textbf{curl})$-再構成演算子は，形状規則な単純体メッシュ上で作用し，局所的なHelmholtz分解を利用する。
- 再構成場と元の場との差は，元の場のジャンプノルムを用いて評価でき，その誤差評価は$h$-最適である。
- 特定の条件下では，$L^2$ノルムにおける誤差評価をさらに改善することが可能である。
一般化残差切断法によるBiCGSTABの安定化 [math.NA, cs.NA]目的：BiCGSTAB法の安定化
- 大規模疎行列の解法は，科学技術計算の根幹をなす重要な課題である。
- BiCGSTAB法は頑健性を持つが，停滞や破綻により収束しない場合がある。
- 一般化残差切断法を用いることで，BiCGSTAB法の頑健性を向上させる。
- 一般化残差切断法(GRC)は，BiCGSTAB法の安定化に有効であることが示された。
- GRCを適用することで，BiCGSTAB法の収束性が向上し，より滑らかな収束曲線が得られた。
- GRCは，BiCGSTAB法の停滞や破綻を防ぎ，その信頼性を高めることが期待される。
異質混合次元問題に対する局所直交分解法 [cs.CL, cs.CL, math.NA, cs.NA]目的：異質混合次元楕円型問題の多重スケール解法
- 破砕性多孔質媒体のモデリング等に応用され，物理現象の正確なシミュレーションに不可欠である。
- 係数の激しい振動や次元の混在により，高精度な数値解法の計算コストが増大する。
- 粗メッシュ上で問題に適応した基底関数を構築し，計算コストを削減することを目指す。
- 提案手法は，粗メッシュサイズに対する最適な収束性を示し，係数の正則性に関わらず成立する。
- 局所的な微小スケール問題を並列に解くことで，効率的な基底関数生成を実現した。
- 数値実験の結果は，理論的な予測を検証し，手法の計算可能性を示す。
局所的な監督を用いたグローバル画像復元 [cs.CV, cs.NA, math.NA]目的：不完全な計測からの画像再構成
- 画像処理技術は，医療画像診断など幅広い分野で重要である。
- 従来の教師あり学習は完全なデータが必要であり，現実的な制約がある。
- 固定的なサンプリングパターン下での画像復元性能向上を目指す。
- 提案手法は，光音響顕微鏡(PAM)における超解像画像復元で，既存手法と同等以上の性能を示した。
- 特に，大幅に少ない教師データで同等の性能を実現した点が特徴である。
- 画像の潜在的な不変性を活用することで，教師データ不足の問題を克服した。
反復回数なしニュートン・シュルツ直交化 [cs.LG, cs.AI, cs.NA, math.NA]目的：ニュートン・シュルツ直交化の効率化
- 最適化アルゴリズムにおいて，直交化は重要な役割を担うため，その効率化はパフォーマンス向上に不可欠である。
- 従来のニュートン・シュルツ反復法は，高次元行列の繰り返し乗算により計算コストが大きいという課題があった。
- 本研究は，反復計算を不要とする新たな直交化手法を提案し，計算効率と安定性を両立させることを目指す。
- 提案手法であるIFNSOは，従来のニュートン・シュルツ反復法と比較して，計算効率が大幅に向上することが示された。
- 行列の寄与度を分析し，不要な項を削除することで，計算量を削減することに成功した。
- 学習可能な係数を持つ多項式を導入し，安定した収束と高い性能を両立した。
分数 Fokker-Planck 方程式に対する弱い敵対的ニューラルプッシュフォワード法 [math.NA, cs.NA, math.AP]目的：分数 Fokker-Planck 方程式の解分布
- 拡散現象のモデルとして重要であり，古典的な拡散モデルの限界を克服する。
- 分数階微分を含むため，従来の数値解法では高コストとなる場合がある。
- モンテカルロ法とニューラルネットワークを用いて，効率的な解法を提供する。
- 本手法は，平面波テスト関数が分数ラプラシアンの固有関数であるという性質を利用し，計算コストを抑える。
- α=1.5の7つのベンチマーク問題で検証し，粒子シミュレーションとの良好な一致が確認された。
- メッシュフリーであり，高次元の異常拡散問題への応用が期待される。
複合最適化問題の摂動解析 [math.CO, cs.CG, math.OC, cs.NA, math.NA]目的：複合最適化問題の摂動解析に関する研究
- 最適化問題は，科学技術の様々な分野で不可欠であり，その理論的・アルゴリズム的な進展は重要である。
- 制約付き最適化問題の安定性評価は難しく，KKT点の性質を正確に把握する必要がある。
- KKT点の安定性を特徴づけるための十分条件と必要条件の関係を明らかにする。
- 本研究では，複合最適化問題に対する強い二階十分条件（SSOSC）の定義を提示し，SSOSCと非退化条件，クラークの一般化ヤコビアンの非特異性，KKT点の強い正則性の同値性を証明した。
- 凸複合最適化問題に対しては，原始・双対二階十分条件と双対・原始ストロング・ロビンソン制約条件の同値性が確立された。
- さらに，双対非退化条件と，拡張ラグランジュ法のサブ問題に対応するクラークの一般化ヤコビアンの非特異性が同値であることが示された。
確率的最適制御のためのオペレーター分割，方策反復，機械学習 [quant-ph, cs.CC, quant-ph, cs.DC, cs.PF, math.OC, cs.NA, math.AP, math.NA]目的：確率的最適制御問題に対する数値解法の開発
- 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
- 高次元問題におけるハミルトン・ヤコビ方程式の数値解法は困難である
- オペレーター分割と方策反復を組み合わせ，効率的な機械学習手法を導入する
- 二階のハミルトン・ヤコビ方程式を，熱ステップと一次ステップに分割する手法を提案する
- 分割法の誤差は，Lipschitzデータに対して$\mathcal{O}(h)$から$\mathcal{O}(h^{1/5})$，半凹データに対して$\mathcal{O}(h^{1/3})$で抑えられる
- 周期境界条件の下では，$L^1$誤差は$\mathcal{O}(h^{1/2})$，一次ステップでは指数収束が示される
- 1