arXiv雑要約
数値解析 - 2026/04/06 公開
3D離散亀裂・基質テンソルアップスケーリングのための畳み込みサロゲート [cs.LG, cs.NA, math.NA]目的：3次元離散亀裂・基質(DFM)シミュレーションにおける等価な水理伝導率テンソルの予測
- 地下水流モデリングにおいて，亀裂による空間的な異質性が重要であり，その正確な評価が求められる。
- 詳細なDFMシミュレーションは計算コストが高く，特に反復計算が必要な場合に問題となる。
- 計算コストを削減するため，多段階モンテカルロ法と数値同質化を組み合わせ，効率的なアップスケーリングを実現する。
- 訓練されたモデルは高い精度を示し，ほとんどのテストケースで正規化二乗平均平方根誤差が0.22以下であった。
- サロゲートに基づくアップスケーリングは，精度を維持しながら計算コストを大幅に削減し，GPU上では100倍以上の高速化を達成した。
- 数値的に同質化された伝導率とサロゲート予測を比較することで，実用的な適用可能性が示された。
磁気共鳴エラストグラフィーデータに対する反転技術を評価するためのシミュレーションプラットフォーム [math.NA, cs.NA]目的：磁気共鳴エラストグラフィー（MRE）データ反転技術評価のためのシミュレーションプラットフォームの構築
- MREは生体組織の力学的特性評価に不可欠であり，新規反転アルゴリズム開発が活発である。
- 反転アルゴリズムの性能評価における標準化されたベンチマーク環境が不足している。
- MRE反転技術の客観的評価を可能にする，標準的なデータセットを提供する。
- シミュレーションデータを用いて直接反転（DI）法を検証した結果，空間・時間分解能によって再構成精度が非単調に変化することが示された。
- 不均一な領域においては，明確な界面を伴う再構成が可能であった。
- 加圧された血管を含む領域では，回復されたせん断弾性率がフォワードモデリングで仮定した値よりも高くなる，硬化傾向が確認された。
事前学習済みモデルのランダム部分空間反復による低ランク圧縮 [cs.DB, cs.LG, cs.AI, cs.NA, math.NA, stat.ML]目的：事前学習済みモデルの効率的な圧縮
- 事前学習済みモデルの規模拡大に伴い，実用的な展開には効率的な圧縮が不可欠である。
- 特異値スペクトルが緩やかに減少する場合，ランダムSVDのような既存手法では近似精度が低下する。
- ランダム部分空間反復（RSI）によって近似精度を向上させ，高性能なモデル圧縮を実現する。
- RSIは，ランダムSVDと比較して，より優れた予測精度を達成する。
- RSIは，softmax摂動の分析を通じて，低ランク近似誤差と予測性能の間に明確な関係があることを示す。
- RSIはスペクトル分離を改善し，制御可能なメカニズムによって近似品質を高める。
パラメータ化された物理情報ニューラルネットワークと有限差分法を結合する数値手法：高度な熱水力システムシミュレーションへの応用 [cs.CL, cs.LG, cs.NA, math.NA]目的：原子力安全評価におけるパラメータスタディおよび不確実性定量化の効率化
- 原子力安全確保のため，MELCOR等のシステムレベルコードによる事故解析は不可欠である。
- パラメータスタディや不確実性定量化のためには多数のシミュレーションが必要であり，計算コストが課題である。
- 物理情報ニューラルネットワークと有限差分法を結合し，再学習なしで高精度なシミュレーションを実現する。
- 提案手法（P2F）は，MELCORのCVH/FPモジュールにおいて，運動量保存方程式をデータフリーで代替する。
- 6タンク重力排水シナリオにおいて，水面および速度の平均絶対誤差はそれぞれ$7.85 \times 10^{-5}$ m, $3.21 \times 10^{-3}$ m/sであった。
- 時間ステップ幅0.2～1.0秒で一貫した精度を維持し，5つの初期条件にも再学習なしで適用可能であった。
フィードバック粒子フィルタにおけるエルミート・ガレルキン法によるゲイン近似の誤差評価 [math.NA, cs.NA, math.OC]目的：フィードバック粒子フィルタのゲイン近似における誤差評価
- 非線形フィルタリングは，ロバストな状態推定に不可欠であり，幅広い応用分野で利用されている。
- フィードバック粒子フィルタのゲイン関数は解析的に求まらず，近似計算に困難を伴う点が課題である。
- 本研究は，エルミート・ガレルキン法を用いてゲイン関数を効率的に近似し，その誤差を理論的に評価することを目的とする。
- 提案手法では，未知の密度をカーネル密度推定により近似し，エルミート関数を用いたスペクトル法で補助変数を近似する。
- カーネル近似誤差は$O(N_p^{-\frac{s}{2s+1}})$，スペクトル近似誤差は$O(M^{-s+1}\log M)$で収束することが示された。
- 数値実験により，提案手法が既存のゲイン近似法よりも精度と計算効率に優れることが確認された。
期待値に基づく楕円型偏微分方程式の陽性保持非コンパクト数値解法 [math.NA, cs.NA]目的：線形非発散形楕円型偏微分方程式に対する陽性保持非コンパクト数値解法
- 物理現象や工学問題を記述する上で，楕円型偏微分方程式は不可欠である。
- 異方性拡散問題など，従来の数値解法では陽性保持が困難な場合がある。
- ファインマン・カッツの公式を利用し，陽性保持性と安定性を両立する解法を提案する。
- 提案手法は，混合微分項を含む異方性拡散問題に対しても有効であることが示された。
- ディリクレ境界条件に対しては，四分木に基づく不均一な停止時間戦略により，$O(h)$ 精度を達成した。
- ノイマン境界条件や周期境界条件に対しても，それぞれ適切な手法により理論的な収束レートが確認された。
対角化可能な非エルミート固有分解に対する反復改良法 [math.NA, cs.NA]目的：対角化可能な非エルミート固有分解の反復改良
- 非エルミート行列の固有値分解は，科学技術計算の根幹をなす重要な処理である。
- 固有値分解の精度は，数値計算の安定性や収束性に大きく影響するため，高精度な手法が求められる。
- 既存手法の精度向上と，計算コストの削減を目指し，効率的な反復改良法を提案する。
- 右固有ベクトルと固有値のみが利用可能な場合，1次の導出により更新を決定し，厳密な残差恒等式が得られる。
- 左固有ベクトルと右固有ベクトルが共に利用可能な場合，計算可能な駆動行列は逆行列ベースの摂動であり，双直交性補正はニュートン・シュルツ型の誤差恒等式を満たす。
- 小規模な双直交性誤差の下で，これらの関係は，得られるW法の局所的な2次推定値を提供する。
ロビン境界条件を持つ多群中性子簡略化輸送方程式の混合有限要素離散化に対する事後誤差評価 [math.NA, cs.NA]目的：多群中性子簡略化輸送方程式の混合有限要素離散化に関する事後誤差評価
- 原子炉設計や核安全評価において，中性子の挙動を正確に予測することが不可欠である。
- 複雑な形状や境界条件に対する数値解法の精度向上が課題となっている。
- ロビン境界条件に対する信頼性の高い誤差評価手法を確立し，計算精度の向上を図る。
- 混合有限要素法を用いた離散化に対して，保証された効率的な誤差評価器が提供された。
- 特に，ロビン境界条件を適切に扱うための特別な評価器が設計された。
- ドメイン分解法との組み合わせによる適応メッシュ改良戦略の実装と数値実験による検証が行われた。
予測機能を伴う新たなロバストなストリーミングDMD [math.NA, cs.NA]目的：データ駆動型シナリオにおける動力学系の計算分析手法の改良
- 複雑なシステムの解析において，データから動力学的構造を抽出する重要性が高まっている。
- 高次元データにおける効率的な解析が課題であり，計算コストとメモリ使用量の削減が求められている。
- ストリーミングDMDの機能性，効率性，数値的安定性を向上させ，オンライン応用への貢献を目指す。
- 本研究では，残差境界と正確なDMDベクトルを用いることで，DMDの機能を改善した。
- アルゴリズムを効率化し，メモリフットプリントを削減することで，計算効率を向上させた。
- 条件数を小さくし，予測精度を向上させることで，数値的安定性を高めた。
ルンゲ・クッタ法におけるスペクトル繰り延べ補正法 [cs.RO, cs.DC, cs.DB, cs.RO, eess.SY, cs.SY, math.NA, cs.NA]目的：スペクトル繰り延べ補正法
- 数値計算において高精度な解を得ることは，科学技術の発展に不可欠である。
- 既存の数値解法では，計算コストと精度のトレードオフが課題となっている。
- スペクトル繰り延べ補正法を用いて，計算効率を維持しつつ高精度化を図る。
- スペクトル繰り延べ補正法は，基礎となるルンゲ・クッタ法と同程度の精度を，より少ない計算量で達成できることが示された。
- 特定のルンゲ・クッタ法を用いる場合，スペクトル繰り延べ補正法の反復ごとに精度が飛躍的に向上する現象が確認された。
- 適切なエラー離散化を用いることで，スペクトル繰り延べ補正法の安定性を向上させ，保存則を満たす変種法を導出できることが示された。
定常偏微分方程式に対する汎用化された転移可能ニューラルネットワーク [math.NA, cs.NA]目的：定常偏微分方程式の解法
- 科学技術計算において深層学習の利用が注目されており，偏微分方程式の数値解法への応用が期待されている。
- 従来の転移可能ニューラルネットワークは，解が滑らかな場合に高い性能を示すが，振動する解に対しては精度が低下する。
- 振動する解を持つ偏微分方程式に対しても，高い精度と安定性を実現する汎用化された転移可能ニューラルネットワークを開発する。
- 本研究では，従来の転移可能ニューラルネットワークに隠れ層を追加し，解の振動に対応できる汎用化されたネットワーク（GTransNet）を提案した。
- GTransNetは，第一隠れ層でバイアス項に対称性制約を導入し，続く隠れ層ではバイアス項を省略，分散制御サンプリング戦略を採用している。
- 提案手法は，従来の転移可能ニューラルネットワークが苦手とする振動性の高い解を持つ偏微分方程式に対しても，高い精度と安定性を示すことが示された。
フレドホルム積分ニューラル演算子による収縮積分演算子の学習 [cs.DM, math.NA, cs.LG, cs.NA]目的：フレドホルム積分方程式における非拡大積分演算子の学習
- 積分方程式は，物理学や工学の様々な問題において，現象を記述するための重要な手段である。
- 従来の数値解法は，高次元問題や非線形問題に対して計算コストが高く，精度が低下する課題がある。
- ニューラル演算子を用いることで，高次元・非線形積分方程式の効率的な近似解法を提供することを目指す。
- 提案手法であるFREDINOsは，線形および非線形積分演算子および対応する解演算子の汎用近似器であることが証明された。
- 学習された演算子は収縮性を持つことが保証され，固定点スキームの収束に必要な数学的特性を厳密に満たす。
- FREDINOsは，境界積分方程式を通じて非線形楕円偏微分方程式の解演算子を学習するためにも利用可能であることが示された。
任意の次元におけるアルフェルド分割上の$C^{r}$適合有限要素の構成 [cs.HC, math.NA, cs.NA]目的：任意の次元における$C^{r}$適合有限要素空間の構成
- 有限要素法は，工学や科学における様々な問題を数値的に解くための強力な手法である。
- 高次の滑らかさを持つ要素の構成は難しく，既存手法は条件が厳しかった。
- アルフェルド分割上で，より緩やかな条件で$C^{r}$適合有限要素を構成すること。
- 本研究では，任意の次元におけるアルフェルド分割上での$C^{r}$適合有限要素の統一的な構成を初めて提示した。
- 先行研究で必要とされていた超滑らかさ条件や多項式次数に関する制約を緩和した。
三角形上の表面偏微分方程式に対する高次高速直接ソルバー [cs.RO, math.NA, cs.NA]目的：三角形網目上の表面偏微分方程式の効率的な直接解法
- 表面偏微分方程式は，物理シミュレーションや形状解析など幅広い分野で重要である。
- 従来のHPS法は四角形網目に依存し，複雑な形状への適用が困難であった。
- 三角形網目上で高次精度を保ち，複雑形状への適用を可能とする解法を開発する。
- 本研究では，直交するDubiner多項式基底を用いた三角形ベースの階層Poincar\'e-Steklovスキーム（THPS）を提案した。
- THPSは$O(N \log N)$の計算複雑度を持ち，繰り返し解法に有効である。
- 数値実験により，THPSがスペクトル精度を維持し，静的および時間依存性のテスト問題に対して高次収束を示すことが確認された。
異方性曲線短縮流に対する高次パラメータ局所不連続Galerkin法 [math.NA, cs.NA]目的：異方性および等方性曲線短縮流に対する高次局所不連続Galerkin（LDG）法の開発
- 幾何学的形状の時間発展をシミュレーションする上で，高精度かつ安定な数値手法が不可欠である。
- 特に異方性の場合，従来のパラメータ有限要素法ではメッシュ品質やエネルギー行列の対称化に課題がある。
- メッシュ品質に依存せず，強異方性下でも安定に計算できる新しい数値スキームを構築すること。
- 提案するLDG法は，エネルギーの無条件消散性を示すことが証明され，離散化スキームの適切な条件下でwell-posednessが確立された。
- 実験結果は，$P^k$近似において空間的に$(k+1)$次の収束率を達成することを示しており，等方性または弱い異方性エネルギーの場合に最適であることが確認された。
- 本手法は，従来のPFEMが失敗するような劣化したメッシュ上でも安定性を維持し，複雑な幾何学的進化や鋭いコーナー特異点を捉えることができる。
双双曲波方程式に対する無条件安定な時空間イソジオメトリック法 [math.NA, cs.NA]目的：双双曲波方程式の時空間解析
- 工学分野において，波の伝播現象の正確なシミュレーションは重要である。
- 双双曲波方程式に対する時空間法は，二階波動方程式に比べると適用例が少ない。
- 本研究では，双双曲波方程式に対する無条件安定な時空間イソジオメトリック法を提案する。
- 連続時空間変分形式の一意な解の存在が示された。
- 高次の連続性を持つBスプライン関数を用いることで，$H^2$ 適合性を持つ離散化が可能になった。
- 非一貫性ペナルティ項を追加することで，CFL条件なしに安定性を実現した。
効率的なリスク評価のための事前積分を用いたネストされた多水準モンテカルロ法 [math.NA, cs.NA]目的：効率的なリスク評価
- 金融工学等において，リスク評価は不可欠であり，その精度と効率が重要である。
- 従来のネストされたモンテカルロ法は，指標関数の不連続性と計算コストによって効率が制限される。
- 事前積分と多水準モンテカルロ法を組み合わせ，リスク評価の効率性と精度を向上させる。
- 事前積分を用いることで，指標関数の不連続性を効果的に処理できる。
- 事前積分と多水準モンテカルロ法を組み合わせた手法は，標準的な多水準モンテカルロ法よりも速い収束率(-1)を示す。
- 数値実験により，提案手法が標準的な手法を凌駕し，ほぼ最適な計算コストを達成することが確認された。
高次DG法における多種類の人工粘性を用いたエントロピー補正人工粘性 [math.NA, cs.NA]目的：高次DG法におけるエントロピー安定性の向上
- 衝撃波，乱流，未解決な特徴を持つ問題に対応するため，エントロピー安定なDG法の重要性が高まっている。
- エントロピー保存(EC)フラックスは計算コストが高く，現実的な問題への適用が困難である。
- 最小限の散逸を用いたエントロピー補正人工粘性により，ECフラックスの高コスト問題を解決することを目指す。
- 提案手法は，特定の物理現象をターゲットにしながら，一般的な問題設定におけるロバスト性を維持する。
- 複数の粘性タイプ(粘性，熱拡散性など)を用いることで，最適な粘性パラメータを解析的に導出できる。
- 1次元および2次元の問題において，単一の粘性パラメータを用いる場合と比較して，より高い精度と効率が確認された。
高次元信号圧縮：格子点限界と測度エントロピー [cs.IT, cs.NA, math.IT, math.NA, math.NT]目的：高次元信号圧縮におけるコードブックサイズの理論的上限
- 情報伝送やデータ圧縮において，信号を効率的に表現する技術は重要である。
- 高次元信号の圧縮においては，次元の呪いにより，必要な表現精度が指数関数的に増加する。
- 座標依存型量子化精度下での格子点数を評価し，圧縮効率の上限を厳密化する。
- 座標依存量子化精度を持つ$\ell^2$エネルギー制約下での最悪ケース信号圧縮を解析した。
- 平衡精度プロファイルにおいて，対数コードブックサイズに関する次元依存の上界を導出した。
- Olenkoの均一ベッセル限界と明示的なアベルの総和を用いて，Landauの古典的な格子点推定を改良した。
高周波関数近似と偏微分方程式解法のための高精度な位相移動可能ニューラルネットワーク [math.NA, cs.NA]目的：高周波関数近似と偏微分方程式解法におけるニューラルネットワークの性能向上
- 科学計算において，ニューラルネットワーク活用が期待されている。計算コスト削減や高性能化に貢献する。
- 高周波関数近似や偏微分方程式解法において，従来のニューラルネットワークは精度が課題となる。
- 高周波関数の近似精度向上と，偏微分方程式の効率的な解法を可能にすること。
- 位相移動可能なニューラルネットワークを提案し，高周波関数近似において高い精度を達成した。
- 提案手法は，従来のニューラルネットワークと比較して，より少ないパラメータで同等の精度を達成する。
- 偏微分方程式の解法においても，提案手法の有効性が確認された。
ラベルなしデータからの相互作用粒子系の学習 [stat.ML, cs.LG, cs.NA, math.NA]目的：相互作用粒子系のポテンシャル推定
- 物理，生物，社会科学など，多様な分野で重要な課題である。
- データ収集の制約やプライバシー保護により，軌跡情報が欠損している場合が多い。
- 軌跡情報なしでポテンシャルを推定する手法を開発し，実用的な応用を目指す。
- 提案手法は，経験分布の弱形式確率的進化方程式を利用した自己テスト損失関数を導入する。
- この損失関数はポテンシャルに関して2次形式であり，大規模で高次元なシステムへの適用が可能である。
- 軌跡復元に依存する既存手法と比較して，大きな時間ステップでも優れた性能を示す。
サブスペース埋め込みとGPUフレンドリーなネステロフ加速投影勾配法によるスケーラブルな平均分散ポートフォリオ最適化 [math.OC, cs.CE, cs.DC, cs.LG, cs.NA, math.NA]目的：大規模制約付き平均分散ポートフォリオ最適化
- ポートフォリオ最適化は，金融工学における重要な課題であり，投資家の意思決定を支援する。
- 資産数の増加に伴い，計算コストが課題となり，実用的な解法が求められている。
- GPUを活用した高速化により，大規模ポートフォリオ最適化を実用的な時間で解決すること。
- 提案手法は，ランダムなサブスペース埋め込み，スペクトル切断，リッジ安定化を組み合わせ，効率的な要素を構築する。
- GPUフレンドリーな行列ベクトル積を利用したネステロフ加速投影勾配法（NPGA）により，計算時間を大幅に短縮した。
- 実データを用いた実験により，提案手法が精度を維持しつつ，Gurobiと比較して大幅な高速化を実現することが示された。
ノイズ除去マルコフモデルの解析と設計に対する統一的アプローチ [cs.LG, cs.NA, math.NA, stat.ML]目的：ノイズ除去マルコフモデルの数学的基礎
- 生成モデルは，画像生成やデータ分析など，多様な分野で重要な役割を担っている。
- 従来の生成モデルは，モデルの設計や理論的解析がプロセスに依存するため，汎用性に欠ける。
- 任意のマルコフプロセスで利用可能な統一的な理論的枠組みを構築し，モデル設計を支援する。
- 測度輸送に基づいた生成モデルの数学的基礎を確立し，前方・後方プロセスの設計に関する統一的な変分目的関数を導出した。
- 連続・離散拡散モデルを包含する最も一般的なノイズ除去マルコフモデルの形を特定し，任意のレヴィー型プロセスによるモデル設計のレシピを提示した。
- 幾何ブラウン運動やジャンププロセスを用いた新しいノイズ除去マルコフモデルを構築し，複雑な分布のモデリングへの応用可能性を示した。
双双曲問題に対するハイブリッド高次法 [math.NA, cs.NA]目的：双双曲問題および固有値問題の新たなハイブリッド高次離散化
- 工学，物理学等の分野において，複雑な形状や高精度な計算が求められる場面が増加している。
- 既存の高次法では，複雑な形状に対する計算コストや，特異解に対する精度が課題となっていた。
- 本研究は，高次元における特徴的な可換性を保証し，より高精度な解を得ることを目指す。
- 提案手法は，標準的なメッシュ上の自由度に加え，低次元部分多様体上の自由度を導入することで，より効率的な計算を可能にする。
- 理論的に，より高次の固有値の下限が保証され，準最適近似評価や信頼性の高い事後誤差評価器が導出された。
- 特異解に対する最適な収束率を経験的に回復する適応メッシュ細分化アルゴリズムが示された。
多相立方MARS法による，任意のトポロジーと形状を持つ二つ以上の物質の四次以上の界面追跡 [cs.IR, math.NA, cs.NA]目的：二次元における任意の数の物質の界面追跡
- 複雑な物理現象のシミュレーションにおいて，物質界面の正確な追跡は不可欠である。
- 既存のVOF法やレベルセット法では，複雑な接合部やトポロジーの処理が困難である。
- 複雑な形状やトポロジーを持つ複数の物質の界面を，高精度に追跡する手法を開発すること。
- グラフ，サイクル，三次スプラインを用いて界面のトポロジーと形状を表現する多相立方MARS法を提案する。
- 提案手法は，界面マーカー間の距離を制御し，高曲率領域にマーカーを集中配置することで高精度を実現する。
- 様々なベンチマークテストの結果から，提案手法の優れた精度，効率性，汎用性が確認された。
造影剤による媒質不均一性の検出：波動散乱モデルと数値実装 [math.NA, cs.NA, math-ph, math.MP]目的：不均一媒質中における波動散乱と逆散乱の解析
- 医療画像診断において，媒質不均一性の正確な把握は病変検出や特性評価に不可欠である。
- 従来の逆問題解法は計算コストが高く，不適切問題に対する安定性が低いという課題がある。
- 造影剤を用いた波動散乱を利用し，高精度かつ効率的な媒質不均一性再構成法の開発を目指す。
- 不均一媒質中のドロップレットの波動散乱を効率的に計算する近似スキームを開発した。
- 造影剤注入前後における散乱パターンの関係式を導出し，媒質不均一性の再構成を可能にした。
- 双方向漸近近似法に基づき，３次元領域内のバルク弾性率関数を復元する数値アルゴリズムを提案した。
磁化プラズマの制御戦略：極座標系フレームワーク [math.NA, cs.NA]目的：磁化プラズマの制御戦略
- 核融合研究において，プラズマの安定制御は重要な課題である。
- 従来の制御手法では，複雑なプラズマ挙動への対応が困難である。
- 極座標系を用いた新たな制御手法を開発し，プラズマ制御の精度向上を目指す。
- 外部磁場を利用したプラズマ制御戦略の概要を提示した。
- 二次元領域におけるVlasov方程式に基づいたモデルを構築し，自己誘起電場と外部磁場を考慮した。
- 極座標系フレームワークを用いることで，トカマクやヘリカルなどのトロイダル型装置のシミュレーションに適した制御が可能となった。
4階特異摂動問題に対する内部ペナルティ仮想要素法の最適誤差解析 [math.NA, cs.NA]目的：4階特異摂動問題に対する内部ペナルティ仮想要素法における最適誤差評価
- 高階微分方程式の数値解法は，物理現象の精密なシミュレーションに不可欠である。
- 特異摂動問題では，境界層の存在により誤差解析が困難となる。
- 既存手法の劣る収束レートを改善し，より精度の高い数値解を得ることを目指す。
- 提案された内部ペナルティ仮想要素法が，境界層の存在下でも最適で一様な誤差評価を達成することを示した。
- 理論的な結果は，誤差評価の妥当性を裏付ける広範な数値実験によって確認された。
- 本手法が特異摂動問題に対して有効であることを示した。
Korobov空間と半周期コサイン空間における関数近似のための決定論的複数シフト格子アルゴリズム [math.NA, cs.NA]目的：多変量周期関数の近似手法
- 高次元関数の効率的な近似は，科学技術計算において不可欠であり，様々な分野で応用が期待される。
- 既存手法では，計算コストが高いか，確率的要素に依存するため，決定論的な安定性が保証されない場合がある。
- 周波数エイリアシングの影響を軽減し，決定論的かつ効率的な近似アルゴリズムを開発することを目指す。
- 本研究では，簡略化された複数シフトフレームワークと中国剰余定理，ヴェイユの境界を用いることで，決定論的なフルランクかつ有界条件数を持つ再構成行列の代数的な保証を実現した。
- 提案手法は，最悪の場合においても最適な収束率を維持することが厳密に証明された。
- テント変換により，半周期コサイン空間への拡張にも成功し，未解決だった理論的な問題を解決するとともに，汎用的なメッシュレススペクトルソルバーとしての有効性を示した。
凸最適化のためのランダム部分空間補正法 [math.OC, cs.NA, math.NA]目的：凸最適化におけるランダム部分空間補正法の理論的枠組み
- 最適化問題は，科学技術の様々な分野で不可欠であり，効率的な解法が求められている。
- 既存手法は，問題設定や分解方法に制限があり，適用範囲が限定される場合が多い。
- より一般的な設定下で適用可能な，汎用的な解法を確立することを目指している。
- 本研究では，ドメイン分解，マルチグリッド法，ブロック座標降下法などの既存アルゴリズムを統一的に捉える枠組みを提示した。
- 最小限の仮定から，より実用的な設定まで，収束率の解析を行った。
- 本枠組みは，非線形偏微分方程式，画像処理，データサイエンスなど，様々な分野の凸最適化問題に適用可能である。
適応的ランダムピボットとボリュームサンプリング [stat.ML, cs.DS, cs.LG, cs.NA, math.NA, stat.CO]目的：列部分集合選択
- データ分析において，高次元データの取り扱いは重要であり，計算コストの削減が求められる。
- 列数が多いデータセットでは，効率的な列選択が課題となっている。
- 適応的ランダムピボット法の分析と高速化を通して，列選択の精度向上を目指す。
- 適応的ランダムピボット法とボリュームサンプリング分布，能動学習アルゴリズムとの関連性を示した。
- ARPアルゴリズムの新たな解析を提示し，拒否サンプリングを用いた高速な実装を可能にした。
ヤウのアフィン正規降下法：アルゴリズムフレームワークと収束解析 [math.OC, cs.LG, cs.NA, math.DG, math.NA]目的：滑らかな制約なし最適化のための幾何学的フレームワーク
- 最適化問題は，科学技術の様々な分野で中心的課題であり，効率的な解法が求められている。
- 既存の方法では，異方性曲率への適応や，病的なスケーリングへのロバスト性が課題となっていた。
- アフィン正規降下法を用いて，これらの課題を克服し，より効率的かつ安定した最適化手法を開発すること。
- ヤウのアフィン正規降下法(YAND)が，体積保存アフィン変換に対して不変で，異方性曲率に適応する幾何学的フレームワークであることが示された。
- 厳密凸二次目的関数に対しては，アフィン正規方向がニュートン方向と一致し，正確な直線探索の下で1ステップ収束が導かれた。
- 一般的な滑らかな目的関数に対しては，グローバル収束，線形収束，二次局所収束が確立され，アフィン正規方向のロバスト性も示された。
- 1