arXiv雑要約
数値解析 - 2026/04/21 公開
適応座標変換下におけるエルミート近似の収束理論 [math.NA, cs.LG, cs.NA, stat.ML]目的：エルミート展開と適応座標変換を用いた関数近似の誤差評価
- 数値計算において，関数の近似精度向上は重要課題である。特に高次元関数では効率的な近似手法が求められる。
- 従来のスペクトル近似法では，関数の特性によっては収束が遅い場合がある。座標変換による最適化が課題となっていた。
- 座標変換を用いてエルミート展開の収束を加速する理論的根拠を確立し，誤差評価を行うことを目指す。
- 座標変換後の基底での関数近似は，元の基底における関数のプルバックの近似と同等であることが示された。
- 関数の減衰特性に合わせた単調な輸送写像を構築することで，エルミート展開のスペクトル収束性を保証することができた。
- 本研究は，正規化フローに基づく適応エルミート近似の収束挙動に関する理論的洞察を提供する。
ガウス・ルジャンドル曲線の評価 [math.NA, cs.GR, cs.NA]目的：ガウス・ルジャンドル曲線の評価方法
- 数値計算において，高精度な曲線表現は不可欠であり，様々な応用分野で利用されている。
- ガウス・ルジャンドル曲線の評価には，計算コストが高いという課題があった。
- ガウス・ルジャンドル曲線の効率的な評価アルゴリズムを開発し，計算コストを削減すること。
- ガウス・ルジャンドル多項式と導関数の新たな表現を提示した。
- 次数n，次元dに対するガウス・ルジャンドル曲線の評価において，計算量O(n^2+dn)の効率的な手法を提案した。
- M個の評価点に対する多点評価アルゴリズムを提案し，計算量O(Mdn+dn^2)を達成した。
円筒対称性を持つ3次元Zakharov-Kuznetsov方程式に対する多領域スペクトルアプローチ [math.NA, cs.NA, math.AP]目的：高次元非線形分散方程式の数値的枠組み
- プラズマ物理などに応用される重要な偏微分方程式群であり，その解の理解が不可欠である。
- 高次元における非線形項の計算コストや数値的安定性の問題が，シミュレーションの精度を制限している。
- 円筒対称性を持つ解に着目し，計算コストを削減しつつ，高精度なシミュレーションを可能とする。
- 本研究で開発された数値フレームワークは，3次元の臨界ZK方程式において，基底状態ソリトン近傍の解のダイナミクスを解析するのに成功した。
- 基底状態が，解のグローバル存在と有限時間での発散の閾値として機能することが示された。
- 特異解のプロファイルを追跡することで，3次元磁化媒体における波崩壊のダイナミクスに関する新たな知見を提供した。
伝達問題に対するロバストな深層FOSLS [math.NA, cs.NA]目的：不均質媒体における伝達問題の解決
- 物理現象のシミュレーションは科学技術の発展に不可欠であり，その精度向上が求められている。
- 高コントラストな材料パラメータを持つ問題では，従来のニューラルネットワークの損失関数が不安定になる。
- 材料パラメータに依存しないエネルギーノルムに基づき，ロバストな最適化を実現する。
- 提案手法は，エネルギーに基づく深層学習フレームワークであり，不均質媒体や不連続な材料の伝達問題をロバストに解決する。
- FOSLS定式化は，材料パラメータに依存しないエネルギーノルムとの等価性を示し，高コントラスト下でも安定した最適化を可能にする。
- ReQU活性化関数を用いることで，不連続な箇所での過剰なオーバーシュートを抑制し，より正確な解を得られる。
Strang分割とフーリエコロケーション法を用いた第5次KdV-Burgers-Fisher方程式の全離散スキーム [cs.SI, cs.HC, cs.CY, math.NA, cs.NA]目的：第5次Korteweg-de Vries-Burgers-Fisher方程式の数値解法
- 非線形偏微分方程式の解法は，物理現象のシミュレーション等において重要である。
- 高次非線形偏微分方程式の効率的な数値解法は未だ十分に確立されていない。
- KdV-Burgers-Fisher方程式に対する高精度な全離散スキームを開発し，その収束性を解析すること。
- Strang分割とフーリエコロケーション法を組み合わせることで，時間2次精度，空間スペクトル精度を得た。
- 解析的誤差評価の結果，理論的な誤差推定値と数値結果が一致することを確認した。
- 本スキームは，反応，拡散，分散の相互作用を伴うKdV-Burgers-Fisher方程式の精度高い解を提供する。
関数代数性および対数性規則性に対するラグエルおよびエルミート直交近似の最適漸近解析 [math.NA, cs.NA]目的：関数代数性および対数性規則性を持つ関数に対するラグエルおよびエルミート係数の減衰の最適漸近的評価
- 数値解析において，関数の近似は重要な課題であり，効率的な近似手法の確立が求められる。
- 関数の特異点（代数性，対数性）が近似の収束速度に影響を与え，その正確な評価が困難である。
- 関数の規則性に応じた最適な近似手法を確立し，収束速度を厳密に評価すること。
- ヒルブ型公式とファンデルコルプット型補題に基づき，代数性および対数性特異点を持つ関数に対するラグエルおよびエルミート係数の減衰速度の最適漸近的評価を導出した。
- これらの評価は，対応するスペクトル直交射影の収束速度を決定づける。
- 多数の例を通して，これらの漸近的結果の最適性が検証された。
カーン-ヒリアード方程式の高次元定常状態に対する深層 Ritz 法 [math.NA, cs.NA]目的：カーン-ヒリアード方程式の定常状態計算
- 相分離現象の理解に不可欠であり，材料科学や物理学における応用が期待される分野である。
- 高次元における定常状態の計算には膨大な計算コストがかかり，効率的な解法が求められていた。
- 深層学習を用いた深層 Ritz 法によって，高次元空間での効率的な定常状態の計算を可能にすること。
- 提案手法は，周期境界条件におけるカーン-ヒリアード方程式の定常状態を高速に計算できることを示した。
- 質量保存制約を厳密に強制する拡張されたラグランジュ乗数法と，周期性を自然に表現するフーリエ特徴写像を導入した。
- 一，二，三次元の実験により，液滴型，層状，管状など多様な相分離パターンを捉え，手法の有効性と堅牢性を示した。
線形弾性問題に対する混合・ラグランジュ有限要素法の結合手法 [math.NA, cs.NA]目的：混合有限要素とラグランジュ有限要素の結合
- 構造解析において，応力集中を正確に把握することは，安全設計に不可欠である。
- 応力集中箇所を高精度に解析するには計算コストが増大し，効率的な手法が求められる。
- 応力集中の影響を受ける領域に適切な要素を適用することで，計算効率を向上させる。
- 混合有限要素を応力集中領域に，標準ラグランジュ要素をそれ以外の領域に適用する結合手法を提案した。
- 提案手法は，応力精度と計算効率のバランスを実現し，理論的収束性と有効性が確認された。
- 混合有限要素サブ領域のサイズが$O(h)$であっても，問題の成立性と最適な事前誤差評価が確立された。
微分情報下での最適線形補間：完全流れ予測への応用 [math.NA, cs.NA]目的：偏微分方程式を満たす関数の近似
- 物理流体シミュレーション等において，物理現象の近似は不可欠である。
- 観測データが少ない場合，従来の機械学習手法の効率や収束性が課題となる。
- 線形偏微分方程式の情報を用いた，Kriging予測モデルの拡張を目指す。
- 共分散Krigingとラグランジュ最適化の2つのアプローチを提案し，その有効性を示した。
- ラグランジュ乗数法は計算効率が良いが，観測データの厳密な補間は困難である。
- 円柱周りの完全流れへの応用を通して，手法の適用可能性を実証した。
最適化された事前条件付きGMRESを用いた適応有限要素法の最適複雑度保証 [math.NA, cs.NA]目的：適応有限要素法の最適複雑度
- 偏微分方程式の数値解法において，計算効率と精度向上が常に求められている。
- 従来の有限要素法では，メッシュの最適化や反復解法の性能が十分でなかった。
- メッシュ細分化と反復解法の制御を統合し，効率的な数値解法を実現すること。
- 本研究では，メッシュ細分化とGMRES法の反復回数を最適化する適応アルゴリズムを提案した。
- このアルゴリズムは，誤差指標と代数的誤差を用いて，パラメータ設定に依存せず無条件収束を保証する。
- さらに，適切なパラメータ選択により，計算複雑度に対する誤差減衰率も最適となることが示された。
ニューラル形状演算子代理：表現レート境界 [cs.SI, cs.DB, cs.LG, cs.NA, math.NA]目的：偏微分方程式および境界積分方程式の解演算子の代理演算子に対する誤差境界
- 形状変化に対するロバストなシミュレーションが求められているため，形状パラメータの関数としての解を効率的に近似する手法が重要である。
- 従来の数値解法は，形状が変化するたびに再計算が必要であり，計算コストが高いという問題がある。
- 共通の参照ドメインへのプルバックとニューラル演算子の利用により，形状変化に対応できる効率的な解法を開発する。
- 形状の族に対し，参照ドメイン上でのパラメトリックな偏微分方程式の系列を生成し，そのwell-posednessを示すことで，パラメトリック解族の存在，一意性，安定性を保証した。
- パラメトリックなホロモルフィーを定量化することで，有限パラメトリックな離散近似の存在と，パラメータ数Nに関する収束レートを導出した。
- ニューラル演算子およびスペクトル演算子代理の存在と，許容可能な形状の集合に対する誤差境界および収束レート保証を構築的に示した。
消失波を用いたトレフツ法 [cs.HC, math.NA, cs.NA]目的：ヘルムホルツ方程式の解法における数値的安定性の向上
- 音響学や電磁波解析において，波動現象の厳密解を得ることは重要である。
- 従来のトレフツ法は，伝搬波のみを用いるため，数値的不安定性が課題となっていた。
- 消失波を基底関数に用いることで，数値的不安定性を軽減し，より安定した解を得ることを目指す。
- 消失波を基底関数として選択する簡単な手法を提案した。
- Ultraweak Variational Formulation (UWVF)を用いた数値計算において，提案手法により結果が大幅に改善された。
- 本研究は，波動解析における数値シミュレーションの精度向上に貢献する。
幾何学的曲率フローとその離散化の双対定式 [cs.ET, quant-ph, math.NA, cs.NA]目的：幾何学的曲率フローの双対定式
- 形状変化の数値シミュレーションは，物理現象の理解や設計に不可欠である。
- 既存の離散化手法では，エネルギー保存性や安定性の確保が課題であった。
- エネルギー安定性を有する線形陰解法を系統的に設計すること。
- 本研究では，幾何学的曲率フローの双対定式を提案し，エネルギー安定性を有する新しい離散化スキームを構築した。
- 提案スキームは，線形陰解であり，エネルギー保存性を保持しつつ，メッシュ品質を維持する人工接線運動を組み込んだ。
- 数値実験により，スキームの収束性，構造保存特性，および代表的なベンチマーク問題における優位性が確認された。
一般平面領域におけるクアドラール問題に対する仮想要素法 [math.NA, cs.NA]目的：クアドラール問題に対する仮想要素法の設計と解析
- 多様な形状の領域を扱う数値解析において，高精度かつ効率的な計算手法が求められている。
- 複雑な形状の領域では，従来の有限要素法による離散化が困難となる場合がある。
- 複雑な形状の領域においても適用可能な，新たな数値解析手法の開発が課題である。
- 本研究では，仮想要素法を用いることで，一般な多角形領域におけるクアドラール問題の解法を可能にした。
- 仮想要素法は，要素形状の制約を緩和し，複雑な形状への適用を容易にする。
- 理論的解析と数値実験の結果は，提案手法の有効性を示している。
小係数項を含む多重尺度非線形偏微分方程式に対するバランスガイド付き疎識別 [cs.LG, cs.NA, math.NA]目的：小係数項を含む多重尺度非線形偏微分方程式の支配方程式の発見
- データ駆動型モデリングは重要性が増している。複雑な現象の理解を深め，予測精度向上に貢献するからである。
- 既存手法では，小係数項を持つ多重尺度系において，重要な項を特定することが困難である。
- 支配バランスの原理に基づき，小係数項を持つ系においても支配的な項を正確に識別する手法を開発する。
- 提案手法BG-SINDyは，項レベルの正則化と漸進的な刈り込み戦略を用いて，小係数項を含む支配方程式を効率的に発見する。
- 項の寄与度を絶対値ではなく，支配方程式全体のバランスに対する相対的な貢献度で評価することで，小さな係数項を保持する。
- KdV方程式，修正Burgers方程式などへの適用により，BG-SINDyの有効性が検証された。
アルツハイマー病の進行に関する高精度かつネットワークに基づく時空間的数理モデルとそのPET-SUVR画像データによる検証 [math.NA, cs.NA, q-bio.NC]目的：アルツハイマー病の進行に関する数理モデルの構築と検証
- アルツハイマー病は最も一般的な神経変性疾患であり，早期診断と治療法の開発が急務である。
- 従来のアルツハイマー病モデルは，病理メカニズムの複雑さを十分に捉えられていない場合がある。
- 脳の複雑な構造を考慮した，より高精度な病理進行モデルの構築を目指す。
- 三次元脳形状に基づく高精度モデルが，病理進行の最も正確かつ生物学的に整合性の高い記述を提供した。
- ネットワークベースの簡約モデルは計算コストが低いものの，常に信頼性の高い結果が得られるとは限らない。
- 両手法の結果は，アミロイドβおよびタウタンパク質のPET-SUVR臨床データを用いて検証された。
物理情報ニューラルネットワーク：完全な訓練サイクルの詳細な導出 [math.NA, cs.LG, cs.NA]目的：物理情報ニューラルネットワークの完全な訓練サイクル
- 機械学習と物理モデリングの融合が重要視されている。
- 既存のチュートリアルでは自動微分ライブラリに依存し，代数的な詳細が欠けている。
- 基礎的な代数から訓練サイクルを理解し，深層ネットワークへの応用を可能とする。
- 物理に基づいた損失関数のみを用いて，真の解からのデータなしで高い精度（相対L^2誤差$4.290 \times 10^{-4}$）を達成した。
- 得られた再帰的な公式は，任意の深さのネットワークに対する勾配計算を可能にする。
- 手計算による勾配と機械計算による勾配の相互検証が可能なJupyter/PyTorchノートブックが提供される。
乱流シミュレーション高速化のための微分可能なソフトウェア群 [math.NA, cs.NA, physics.flu-dyn]目的：乱流のシミュレーションの高速化
- 工学や環境科学において，乱流現象の理解と予測は不可欠である。
- 高精度な乱流シミュレーションは計算コストが大きく，現実的な時間で実行が困難である。
- 機械学習と組み合わせ，効率的なシミュレーション手法を開発し，計算コストを削減する。
- 本研究で開発されたJuliaパッケージIncompressibleNavierStokes.jlは，CPUやGPU上で効率的に動作する。
- 自動微分機能により，大規模渦モデルのようなニューラルネットワークを用いた閉包モデルの学習が可能となった。
- 単一のGPUを用いて，最大で840^3の解像度での直接数値シミュレーションが実現された。
D安定性検証のための再帰的決定式フレームワーク I [math.SP, cs.NA, math.NA]目的：D安定性の検証手法
- 制御理論や最適化問題において重要な概念であり，システムの安定性解析に不可欠である。
- 次元数が4を超える場合のD安定性の判定は，未解決問題として残されている。
- 高次元行列に対するD安定性の効率的な検証方法を確立することを目指す。
- 提案手法では，パラメータ依存行列の二分木を生成し，再帰的な削除/ゼロ化アルゴリズムを用いる。
- 行列式の実部と虚部に関する漸化式が得られ，D安定性の十分条件が主マイナーの形で表現される。
- 数値実験により，提案手法の実行可能性が確認された。
構造化3D-SVD：生物学的ボリューム画像圧縮・再構成の実用的なフレームワーク [eess.IV, cs.CV, cs.NA, math.NA]目的：生物学的ボリュームデータの再構成，圧縮，解析のためのフレームワーク
- 生物学研究において，ボリュームデータの効率的な取り扱いが重要である
- ボリュームデータのサイズが大きいため，計算コストが高くなる課題がある
- 計算効率を保ちつつ，高精度な再構成・圧縮を実現することを目指す
- 構造化3D-SVDは，タッカー分解に近い再構成品質を，より短い計算時間で達成する
- カノニカルポリadic分解（CPD）よりも，精度と実行時間の両面で優れている
- 低レベルのTruncationでも主要な構造を維持でき，高レベルでは詳細な再構成が可能である
Bo\c{t}-Nguyen加速，重み付き平均エルゴード反復，およびベータ二項分布 [math.OC, cs.NA, math.FA, math.NA]目的：非膨張作用素の固定点を求める加速アルゴリズムの解析
- 最適化問題や機械学習において，効率的な固定点探索は重要な課題である。
- 既存の反復法は収束が遅い場合があり，大規模問題への適用が困難である。
- Bo\c{t}-Nguyen加速の理論的性質を明らかにすることで，より高速な収束を実現する。
- Bo\c{t}-Nguyen加速は，重み付き平均エルゴード反復の枠組みに自然に適合することが示された。
- 弱極限は，固定点集合への開始点からの射影として特定できる。
- パラメータが4に等しい場合，反復の強い収束が導かれる。
二つの集合が共通を持つ問題に対する一般化された合成交互緩和投影アルゴリズム [math.OC, cs.NA, math.NA]目的：閉凸集合の共通部分の探索
- 最適化問題において，制約条件を満たす解を見つけることは重要である。
- 既存手法では，複雑な制約条件や大規模なデータに対して収束が遅い場合がある。
- 本研究は，より効率的かつロバストな解法を提供し，実用的な問題への適用を目指す。
- 提案手法は，Douglas-Rachford型と反射投影型のダイナミクスを組み合わせることで，既存手法の性能向上を目指している。
- 非定常変形版のアルゴリズムは，パラメータを反復ごとに変化させることで，さらなる収束性の向上が期待される。
- 数値実験により，提案手法が問題依存的な状況下で既存手法を上回ることが示された。
最適化の自然物理学の数学について [math.OC, cs.AI, cs.LG, cs.NA, math-ph, math.MP, math.NA]目的：最適化アルゴリズムの自然法則
- 最適化は，科学技術の様々な分野で不可欠であり，効率的な問題解決を可能にする。
- 既存の最適化アルゴリズムは，しばしば経験則に頼る部分があり，理論的根拠が不明確な場合がある。
- 最適化アルゴリズムを自然現象として捉え，その普遍的な法則を明らかにすることを目指す。
- 最適化アルゴリズムは，隠れたアルゴリズムの基本原理が従う非ニュートン力学の一つの現れであるという理論を提唱した。
- 最適制御問題の終端横断条件と最適化問題の一般化カラッシュ/ジョン・クーン・タッカー条件を等価化することで，新たな最適化の自然物理学を構築した。
- ポントリャーギン型最小原理に基づく「遠隔作用」により，探索リャプノフ関数で定義された量子化された「エネルギー」を散逸させる制御ジャンプを実行する逆最適アルゴリズムを生成した。
エネルギー分割による相場モデルのためのDeepRitzSplitニューラル演算子 [math.AP, cs.LG, cs.NA, math.NA]目的：相場モデルのシミュレーション高速化
- 凝固の相場モデルは多スケールかつ非線形であり，計算コストが高い。
- 従来の数値離散化法では計算時間が長く，効率が課題である。
- エネルギー分割と物理情報に基づいた学習を融合し，計算効率を改善する。
- 提案手法は，エネルギー散逸特性を維持しつつ，相場モデルの変分形式を近似するニューラル演算子を学習する。
- カスタムのReaction-Diffusion Neural Operator(RDNO)アーキテクチャを導入し，等方性Allen-Cahn方程式と異方性樹状成長シミュレーションに適用した。
- 物理情報に基づいた学習は，データ駆動型学習よりも分布外評価での汎化性能が優れており，従来のフーリエスペクトル法よりも高速な推論を実現する。
確率的再構成における運動量安定性と適応制御 [math.OC, cs.NA, math.NA, physics.comp-ph, quant-ph]目的：高精度な基底状態計算のための変分モンテカルロ法の効率的かつ安定な波動関数最適化
- 物質科学や量子化学において，高精度な計算は物質の性質解明や新材料開発に不可欠である。
- 変分モンテカルロ法では，波動関数最適化が不安定になりやすく，計算の収束が困難になる場合がある。
- 運動量パラメータの調整が難しい問題を解決し，波動関数最適化の安定性と効率を向上させる。
- 運動量パラメータμが1未満の場合，穏やかな条件下で収束が保証されることが示された。
- μ=1の場合，ステップサイズがsummableでない場合，カーネル関連方向への制御不能な成長により発散する可能性があることが証明された。
- 効果的なスペクトル次元と部分空間の重複に基づいたPRIME-SRという新しいチューニングフリーな運動量適応型手法が提案され，SPRINGと同等の性能を示す。
二次元トモグラフィとフーリエ解析 [physics.optics, cs.NA, math.NA]目的：トモグラフィ画像の積分変換に対する逆変換公式の導出
- 医療診断や非破壊検査など，内部構造の可視化は重要である。
- 従来の逆変換公式は特定の条件下でしか適用できず，汎用性に欠ける。
- 拡散光トモグラフィ等，多様なトモグラフィへの適用可能な逆変換公式を導出する。
- フーリエ変換の重要性を示すことで，トモグラフィにおける逆変換公式の導出原理を明確にした。
- 発散ビーム変換とVライン変換に対する逆変換公式を導出した。
- Vライン変換は，単一散乱光トモグラフィの最新モデルにおいて重要な役割を果たす。
逆リソグラフィ問題に対する乗数法による交互方向法 [math.NA, cs.NA]目的：逆リソグラフィに由来する最適化問題の解法
- 半導体集積度の向上に不可欠であり，微細化技術の根幹をなす分野である。
- マスク設計の最適化が困難であり，計算コストが高いことが課題である。
- 効率的なマスク最適化手法を開発し，計算コストを削減することを目指す。
- 提示手法は，ADMMフレームワークに基づき，問題を効率的に解ける部分問題に分割する。
- 特に，シグモイド関数の代わりに閾値処理を行うことで解析解を得る。
- 数値実験により，提案手法の有効性が示された。
パラメータ化された偏微分方程式に対する生成拡散学習 [math.NA, cs.NA]目的：パラメータ依存偏微分方程式の解作用素の近似
- 科学技術計算において，偏微分方程式は様々な現象のモデル化に不可欠である。
- 従来の数値解法は計算コストが高く，パラメータ変化への対応が難しい場合がある。
- パラメータ変化に対する効率的な解作用素の学習と，解の信頼性評価を実現すること。
- 提案手法は，パラメータと解の間の写像を学習し，従来のFourier Network Operatorsと同程度の精度を達成した。
- 生成拡散学習の確率的枠組みにより，学習された解に対する信頼区間の自動的な定量化が可能となった。
- ノイズを含むデータセットに対しても，ノイズ量を復元しつつ解を学習できることが示された。
混合精度におけるk-means計算 [eess.SY, cs.SY, math.NA, cs.NA]目的：k-meansアルゴリズムの数値安定性および混合精度計算フレームワークの検討
- データマイニングや機械学習において，k-meansアルゴリズムは重要な役割を担う。
- k-meansの最適解算出はNP困難であり，計算コストが高いという課題がある。
- ハードウェアの混合精度機能を活用し，計算時間とエネルギー消費を削減する。
- 混合精度計算フレームワークを提案し，距離計算における低精度化の影響を調査した。
- 正規化されたデータは，距離計算の精度低下に対してより寛容であることが示された。
- 混合精度距離カーネルを用いることで，k-means計算の高速化が可能になることが示唆された。
確率的バーガース・ハクスレー方程式に対する陽解法全離散スキームの強い収束性 [math.NA, cs.NA]目的：確率的バーガース・ハクスレー方程式の陽解法全離散スキームの強い収束性
- 非線形偏微分方程式は，物理現象や工学問題を記述する上で不可欠である。
- 確率的偏微分方程式の数値解法は，ノイズの影響を考慮する必要があり，困難を伴う。
- 空間・時間離散化されたスキームの収束性を数学的に厳密に証明することが課題である。
- スペクトルガレルキン法と非線形制約指数積分法を組み合わせた全離散スキームを提案した。
- 半群理論を用いて，解のソボレフ正則性，空間での$L^\infty$正則性，時間でのヘルダ連続性を厳密に評価した。
- 数値解のモーメント有界性と，空間・時間方向における強い収束率を導出した。数値例により理論的結果を検証した。
分数型ノイズを持つ確率的バーガース方程式に対する全離散スキームの強い収束性 [math.NA, cs.NA, math.PR]目的：確率的バーガース方程式の数値近似
- 流体現象のモデリングにおいて，確率的偏微分方程式は重要な役割を果たす。
- 分数型ブラウン運動を含む確率的偏微分方程式の数値解法は，理論的・計算的な課題が多い。
- 分数型ブラウン運動駆動の確率的バーガース方程式に対する，安定かつ精度の高い全離散スキームを開発する。
- スペクトルガレルキン法と指数型オイラー法を組み合わせた全離散スキームのモーメント有界性が示された。
- 確率的畳み込みの発散を防ぐための指数積分の利用が，スキームの安定性に貢献している。
- 停止時間テクニックと確率収束の結果に基づき，提案スキームの強い収束性が証明された。
フォッカー・プランク方程式と深層分割に基づくベイズフィルタリング問題の収束スキーム [math.NA, cs.NA, math.PR, stat.CO, stat.ML]目的：非線形フィルタリング密度の近似スキーム
- 状態空間モデルは，様々な現実世界のシステムを記述する上で不可欠である。
- 高次元空間における次元の呪いの克服が課題である。
- 高次元問題に対する効率的な近似解法を提案する。
- 提案スキームは，理論的に放物線型ヘルダー条件の下で，そして数値例において収束率が確立された。
- 予測ステップにおいて，深層分割スキームを用いてフォッカー・プランク方程式を近似する。
- ベイズの公式による正確な更新と組み合わせることで，オンラインで新しい観測系列に対応できる古典的な予測・更新フィルタリングアルゴリズムを実現した。
H(curl)-楕円ヘミバリアショナル不等式に対する不連続ガレルキン法 [cs.HC, math.NA, cs.NA, math.AP]目的：H(curl)-楕円ヘミバリアショナル不等式を解くための不連続ガレルキン法の開発
- 電磁場解析など，工学分野における様々な問題に応用可能な数学的枠組みである。
- ヘミバリアショナル不等式は，古典的な解法が適用困難な複雑な問題を扱う上で課題となる。
- 不連続ガレルキン法を用いることで，複雑な形状や境界条件を持つ問題に対する効率的な解法を提供する。
- 適切な数値フラックスを選択することで，内部ペナルティ不連続ガレルキン（IPDG）スキームを構築した。
- IPDG法の整合性，有界性，安定性，および解の存在性・一意性・一様有界性を数学的に解析した。
- 適切な解の滑らかさの仮定の下で，数値解の最適な収束次数を理論的に示した。
二次元階層Bスプライン・ド・ラム複体の正確な洗練の構築 [math.NA, cs.NA]目的：二次元階層Bスプライン・ド・ラム複体の構造を保存するための理論的結果と構築的アルゴリズム
- 電磁気学や流体力学の問題において，ド・ラム複体は自然に生じる重要な数学的枠組みである。
- 階層Bスプラインを用いた離散化では，複体の構造が保存されない場合があり，誤った解が生じる可能性がある。
- 本研究は，複体の構造を保存し，許容可能な洗練を行うためのアルゴリズムを提示する。
- 本研究で提案するアルゴリズムは，関数間の競合を解消するためにLチェーンを生成し，複体の構造を維持する。
- 階層的な設定における許容性の概念についても検討し，離散複体の最初の空間の許容クラスが，残りの空間全体で維持されることを示した。
- 提案手法は，標準的な適応メッシュ洗練スキームに容易に組み込むことが可能であり，ベクトルラプラス問題やマックスウェル固有値問題への応用が期待される。
波動運動方程式の高速フーリエスペクトル法 [cs.CL, math.NA, cs.NA]目的：波動運動方程式の数値解法
- 波動現象の理解に不可欠であり，乱流現象の理論的基盤をなす。
- 波動運動方程式の数値計算は計算コストが高く，高次元での解析が困難である。
- 高速フーリエ変換を利用し，計算コストを大幅に削減する効率的な解法を提案する。
- 提案手法は，従来の計算コスト$O(N^{3d})$から，$O(M N^d \log N)$へと大幅な削減を実現した。
- 2次元および3次元での数値実験により，提案手法の精度と効率が確認された。
- 波動運動方程式の興味深い特性や，特異な特徴が明らかになった。
プロレートを用いた高速Ewald和による分子動力学シミュレーションの加速 [math.NA, cs.NA, physics.bio-ph]目的：分子動力学シミュレーションにおける高速Ewald和の利用
- 分子動力学は，物質の原子レベルでの挙動を理解する上で不可欠な計算手法である。
- 長距離クーロン相互作用の計算コストが，分子動力学シミュレーションのボトルネックとなっている。
- プロレートを用いたEwald和により，計算効率を向上させ，シミュレーション時間を短縮することを目指す。
- プロレートEwald和(ESP)は，従来のPME/PPPM法と比較して，電気的相互作用の計算を約3倍に高速化した。
- 約1000個の計算コアを使用した場合，分子動力学シミュレーション全体の速度を2.5倍向上させた。
- 高精度($10^{-5}$)では，遠場静電気力の計算が10倍，分子動力学シミュレーション全体が5倍高速化された。
非線形勾配流れモデルの数値近似に対する誤差評価 [math.NA, cs.NA]目的：非線形勾配流れモデルの数値近似誤差
- 偏微分方程式の数値解法は，科学技術計算において不可欠であり，現象のシミュレーションや予測に用いられる。
- 非線形勾配流れモデルの数値近似では，誤差評価が難しく，数値解の精度保証が課題である。
- 本研究は，誤差評価を通じて，数値解の信頼性を向上させることを目指す。
- 勾配離散化法(GDM)を用いた非線形勾配流れモデルの数値解の存在性と一意性が証明された。
- スキームの安定性と一貫性が解析され，誤差評価が確立された。
- P1有限要素を用いた数値計算により，理論結果の妥当性が確認された。
変動密度下での結合床負荷・浮遊負荷地形変化を扱う双曲線モーメントに基づく浅水モデル [math.NA, cs.NA, physics.geo-ph]目的：結合地形変化の数値シミュレーションのための数学的枠組み
- 河川や海岸など，水流と堆積物の相互作用を理解することは，環境保全や防災に不可欠である。
- 既存の浅水モデルでは，堆積物の影響や密度の変化を十分に考慮できていない場合がある。
- 密度の変動を考慮し，床負荷と浮遊負荷の相互作用を精度良く捉えるためのモデルを構築する。
- HSWEMEDモデルは，浅水モデルに，懸濁物質濃度方程式，混合物密度，運動量方程式を導入した。
- このモデルは，双曲線正則化により双曲性を証明し，エネルギー散逸則を導出した。
- ダムブレイクテストの結果は，実験データとの比較で既存モデルより高い精度を示した。
ヤコビ法による固有値・特異値計算の算術・通信量の最小化：パート1 -- シリアルアルゴリズム [math.NA, cs.CC, cs.NA]目的：ヤコビ法の算術演算回数と通信量の漸近的コスト削減
- 固有値・特異値計算は，科学技術計算の根幹であり，様々な分野で不可欠である。
- 既存のヤコビ法は，計算コストとデータ転送量がボトルネックとなり，大規模問題への適用が困難である。
- 計算コストと通信量を理論的に最小化するシリアルヤコビ法を開発し，その限界を明らかにすること。
- 古典的なヤコビ法の実装において，ブロック化により行列積の通信下限を達成し，計算効率の最適化を示した。
- 高速なStrassen型の行列積を用いることで，ブロック化された再帰的ヤコビ法が算術演算回数と通信量の両面で最適に近い結果を得られることを示した。
- 同様の解析を片側ヤコビ特異値分解アルゴリズムにも適用し，その複雑性についても評価した。
ソニックステーション：ゴーストセルを用いない音響放射のハイブリッド数値解法 [cs.SD, cs.GR, cs.NA, math.NA]目的：複雑な形状における音響放射シミュレーションの精度と効率の向上
- デジタルメディア制作において，物理ベースの音響効果合成が不可欠であり，音響放射シミュレーションはその重要な要素である。
- 従来のゴーストセル法は，複雑な形状の境界において精度低下や計算失敗を引き起こすという課題があった。
- ゴーストセルを用いずに，複雑な形状や動的境界を持つ音響放射シミュレーションを実現し，既存手法の課題を解決する。
- 本手法は，FDTDとTDBEMを連携させることで，近傍場でのTDBEMの精度と，遠方場でのFDTDの効率を両立している。
- 境界グリッド同期戦略により，シミュレーション精度を維持しつつ，FDTDとTDBEMをシームレスに統合できる。
- 実験結果から，複雑なシーンにおいて，本手法が既存手法よりも高い精度と効率を示すことが確認された。
密度近似と深層BSDE予測に基づく非線形フィルタリング [math.NA, cs.NA, stat.CO, stat.ML]目的：非線形フィルタリング手法
- 確率システムの動的状態推定は，工学，金融，気象など広範な分野で不可欠である。
- 高次元・非線形システムにおける確率状態の正確な推定は困難である。
- 深層BSDEを用いて，状態空間の複雑な確率密度を効率的に近似し，フィルタリング精度を向上させる。
- 深層BSDEを用いた新しい近似ベイズフィルタを提案し，非線形フィルタリング問題への適用を可能にした。
- オフラインでの学習により，新たな観測データに対するオンライン処理を実現する。
- 放物線型ヘルダー条件の下で，事前事後誤差境界が理論的に証明され，数値例で収束レートが確認された。
時間分数Allen-Cahn方程式に対する高次の非一様時間ステップ法とMBP保存型線形スキーム [math.NA, cs.NA]目的：時間分数Allen-Cahn方程式に対する，離散エネルギー安定性と最大値原理(MBP)を保存する高次の非一様時間ステップ線形安定化スキーム
- 物質科学や物理学において相分離現象のモデルとして重要であり，そのシミュレーション精度向上は不可欠である。
- 時間分数微分方程式の離散化において，安定性や最大値原理の維持が困難であり，数値解の信頼性が損なわれる場合がある。
- 時間分数Allen-Cahn方程式の安定性と最大値原理を同時に保証する，高精度で効率的な数値解法の開発。
- 本研究で提案するL1スキームは，時間ステップサイズに条件を課すことなく，離散的な最大値原理を無条件に保存することが示された。
- L2-$1_\sigma$スキームは，ある程度の時間ステップの制限を必要とするが，改善されたスキームを用いることで，大きな時間ステップに対しても最大値原理をより効果的に保存できることが示された。
- 数値実験の結果は，提案手法の精度，有効性，および物理現象を適切に捉える能力を検証している。
2次元における非対称ニッチェ法に対する最適な$L^2$誤差評価 [math.NA, cs.NA]目的：非対称ニッチェ法を用いたポアソン方程式の近似解の誤差評価
- 境界条件の弱適用法は，数値解析における重要な手法であり，様々な問題に応用されている。
- 非対称ニッチェ法の安定化された定式化では，誤差解析が不十分であり，実験結果との乖離が見られた。
- 既存の誤差解析の改善と，最適な収束性を示す理論的根拠の確立を目指す。
- 2次元凸多角形領域における準一様分割上での$k$次有限要素を用いた安定化非対称ニッチェ近似について，$L^2$誤差の評価が導かれた。
- 得られた誤差評価は，$||u-u_h||_{L^2(\Omega)} \le C h^{k+1}||u||_{W^{k+1,\infty}(\Omega)}$ で与えられる。
- 本研究では，境界層リフティング，境界上の厳密な恒等式，局所的な残差評価を用いることで，この結果を証明した。
科学シミュレーションのためのスケッチベース正則化による暗黙的ニューラル圧縮器のインシトゥ学習 [cs.LG, cs.AI, cs.CE, cs.NA, math.NA]目的：科学シミュレーションにおける暗黙的ニューラル表現を用いた圧縮器のインシトゥ学習
- 大規模科学シミュレーションでは，データ量の増大が課題であり，効率的なデータ圧縮が求められている。
- 従来のニューラル圧縮手法では，逐次学習における忘却問題が性能低下の要因となる。
- スケッチを用いた正則化により，インシトゥ学習における忘却問題を抑制し，高い圧縮性能を実現する。
- 提案手法は，限られたメモリバッファとスケッチデータを利用することで，インシトゥ学習を可能にした。
- シミュレーションデータに対する実験により，高い圧縮率で良好な再構築性能が得られた。
- スケッチの導入により，インシトゥ学習はオフライン学習に匹敵する性能を発揮することが示された。
深密度近似による高次元ベイズフィルタリング [math.NA, cs.NA, stat.CO, stat.ML]目的：非線形フィルタリングのための深密度法によるベイズフィルタリング
- 状態空間モデルは，金融，気象，ロボティクスなど，様々な分野で広く利用されている。
- 高次元の状態空間におけるベイズフィルタリングは，計算コストが高く困難である。
- 深密度近似を用いることで，高次元ベイズフィルタリングの計算効率を向上させる。
- 深分割フィルタと深後方確率微分方程式フィルタの性能を，古典的なブートストラップ粒子フィルタやアンサンブルカルマンフィルタと比較した。
- 次元が低い場合は粒子フィルタが有効だが，100次元のLorenz-96モデルでは深密度近似の方が優れていることが示された。
- 深密度近似は，粒子フィルタと比較して，推論時間を2～5桁程度削減できる。
線形システム解法のためのランダムバッチサンプリングKaczmarz法 [math.NA, cs.NA, stat.ML]目的：線形システム解法のランダム化手法
- 大規模線形システムは，科学技術計算など幅広い分野で頻繁に現れるため，効率的な解法が求められる。
- 既存手法は，データ行列の規模や条件数に依存し，計算コストが高くなる場合がある。
- ランダムサンプリングを用いることで，計算コストを削減し，より効率的な解法を実現することを目指す。
- 提案手法は，既存のブロック法と同程度の計算コストで，線形システムの解を収束させることが理論的に保証された。
- 得られた収束率の評価は，データ行列の規模に依存せず，実験結果とも整合性があることが示された。
- バッチサンプリング分布を学習可能なパラメータとすることで，特定用途におけるブロック法の性能向上が期待される。
チューバルテンソルに対するエカート・ヤング型結果の十分条件と必要条件 [math.NA, cs.NA]目的：チューバルテンソルに対するエカート・ヤング型定理が成立するためのチューバル積の族の完全な特徴付け
- テンソルは多次元配列であり，機械学習やデータ分析の様々な分野で応用が広がっている。
- テンソルの低ランク近似は計算コストが高く，効率的な手法が求められている。
- エカート・ヤング型定理が成立するチューバル積の条件を明確にすることで，効率的な低ランク近似を可能にする。
- 本研究により，エカート・ヤング型定理が成立するチューバル積の族が完全に特徴付けられた。
- 理論的な結果の応用として，ビデオデータとデータ駆動型動的システムに関する実験が行われた。
- 実験結果は，提案された理論的発見の実用性を示唆している。
QuadSync：タッカー分解による四焦点テンソル同期 [cs.CV, cs.NA, math.NA, math.OC]目的：四焦点テンソルを用いたnカメラの復元
- 三次元構造復元において，カメラの配置復元は重要な課題である。
- 従来の二焦点テンソルでは情報量が限られ，正確な復元が困難な場合がある。
- 四焦点テンソルを活用し，よりロバストなカメラ配置復元を実現する。
- 本研究では，四焦点テンソルがタッカー分解に適していることを示し，その因子行列がカメラ行列に対応することを発見した。
- タッカー分解，ADMM，反復加重最小二乗法を用いた，四焦点テンソル同期アルゴリズムを提案した。
- シミュレーション実験により，提案手法が現代的なデータセットで有効であることが示された。
指数核関数の最小エネルギー配置における臨界相転移 [math.NA, cs.NA, math.OC, nlin.PS]目的：単位区間上のk個の順序付き点の最適配置
- 点配置問題は，物理学，数値解析などに応用され，最適化手法の基礎となる。
- 配置点の相互作用の強さを表すパラメータによって，配置パターンが変化する点が課題である。
- 核関数のパラメータが変化する際の，配置パターンの相転移現象を明らかにすること。
- カーネルのパラメータqが閾値q=1を超えると，内点配置が最適でなくなる臨界指数q_kが特定された。
- 奇数kに対しては，q_{2m+1}の正確な普遍的な値が導出され，約1.396363475である。
- 偶数k=4,6,…,20に対しては，数値的な臨界値q_kが計算され，q_4は約1.062682507である。
分数ガウスソボレフ空間における関数の最適数値積分 [math.NA, cs.NA]目的：分数ガウスソボレフ空間における関数の数値積分誤差の最適漸近オーダー
- 関数空間における数値積分は，偏微分方程式の解法や確率論など，幅広い分野で基礎的な役割を担う。
- 古典的なソボレフ空間に比べて，分数ソボレフ空間における数値積分の理論は未発達であり，高精度な数値計算が困難である。
- 分数ガウスソボレフ空間における関数の数値積分誤差の最適漸近オーダーを導出し，数値計算の精度向上に貢献する。
- 分数ガウスソボレフ空間$W^s_{p}(\mathbb{R}^d,\gamma)$における数値積分の誤差の最適漸近オーダーが，$1 < p < \infty$ かつ $s > \frac{1}{p}$， $s\not \in \mathbb{N}$ の条件で確立された。
- 分数ガウスソボレフ空間$W^s_{2}(\mathbb{R}^d,\gamma)$とエルミート空間$\mathcal{H}^s(\mathbb{R}^d,\gamma)$が一致することが示され，全ての$s > \frac{1}{2}$に対して最適な誤差オーダーが導出された。
- ガリアルド半ノルムを用いて定義される分数ガウスソボレフ空間$W^s_{p,G}(\mathbb{R}^d,\gamma)$における数値積分誤差の最適漸近オーダーが導出された。
- 1
- 2