arXiv雑要約
数値解析 - 2026/05/06 公開
テンソル密度近似を用いた，経路依存型McKean-Vlasov力学による高次元エンハンスドサンプリング [math.NA, cs.NA, physics.comp-ph, stat.CO]目的：高次元ギブス測度からのサンプリング手法
- エネルギー地形が複数の準安定状態を持つ場合，高次元サンプリングは困難である。
- 既存のエンハンスドサンプリング法は，CV空間の次元の高さに起因するスケーラビリティの問題を抱える。
- 高次元CV空間におけるスケーラビリティを改善し，統計的安定性を高めることを目指す。
- Wasserstein勾配フローの解釈に基づき，CV周辺密度を直接正則化する経路依存型McKean-Vlasov定式化を提案。
- 履歴平均化されたCV周辺密度を，最適化不要の階層型テンソル表現で近似することで，スケーラブルな密度ベース適応バイアススキームを実現。
- ベンチマークポテンシャルと分子システムにおける数値実験により，CV次元が最大64のサンプリング問題に対する有効性が示された。
連続リフティング・射影フロー：ボルツマン方程式とランダウ方程式への近似 [math.NA, cs.NA, math-ph, math.MP]目的：空間的に同質なボルツマン方程式およびランダウ方程式に対する新たな近似枠組み
- 輸送現象の理論的基盤であり，プラズマ物理や半導体物理など広範な分野に応用される。
- 高次元の衝突項の非線形性により，解析的な解を得ることが困難であり，数値計算に頼らざるを得ない。
- 衝突項の非線形性を除去し，安定かつ高精度な数値解法の開発を可能とすること。
- 提案する連続リフティング・射影フローは，質量，運動量，エネルギーを保存し，エントロピー散逸特性を満たす。
- このフローは，元の運動論的ダイナミクスに対する接線フローであり，明確な半群構造を持つ。
- マックスウェル分子に対して，有限時間間隔における精度の誤差推定を行った。
非線形Schrödinger方程式における指数波積分法の最適誤差限界：高特異性ポテンシャル [math.NA, cs.NA]目的：高特異性ポテンシャルを持つ非線形Schrödinger方程式に対する指数波積分法(EWI)の誤差評価
- 非線形Schrödinger方程式は，物理学の多様な分野で重要であり，数値解法は不可欠である。
- 高特異性ポテンシャルを持つ場合，数値解法の安定性や誤差評価が困難となる。
- ポテンシャルの特異性の閾値付近におけるEWIの最適な誤差限界を確立すること。
- EWIの一次収束率が，ポテンシャルの局所$L^p$ノルムの$p$の値によって決定されることが示された。
- 特に，三次元空間における$L^2$ポテンシャルに対する一次収束率は，既存研究で初めて示された。
- ポテンシャルの正則性の閾値に一致する，誤差評価の限界が明らかになった。
脳動脈瘤におけるデバイス誘発血栓形成：患者固有の血栓モデルと機能的閉塞を仮想血管造影評価に結びつける [cs.FL, cs.CE, cs.NA, math.NA]目的：脳動脈瘤治療におけるデバイス誘発血栓形成と機能的閉塞の評価手法
- 脳動脈瘤は破裂すると生命に関わるため，適切な治療法の開発と評価が重要である。
- 血管造影では血栓形成を直接評価できず，治療効果の早期判断が難しい。
- 臨床的に有用な血管造影画像を模倣し，血栓形成と閉塞の関係を評価する手法を確立する。
- シミュレーションにより，デバイスは流入を減少させるものの，造影剤の残留や滞留が残存することが示された。
- 早期の血栓形成が灌流抑制と造影剤の洗い出しパターンの変化に大きく寄与することが明らかになった。
- デバイス誘発血栓形成において，渦構造の重要性が示唆された。
ランダムテスト関数，$H^{-1}$ノルム同値性，確率的変分物理情報ニューラルネットワーク [math.NA, cs.LG, cs.NA]目的：二階線形楕円型偏微分方程式の弱解の双対ノルム表現の計算可能性向上
- 偏微分方程式の弱解は理論的に重要だが，その計算は困難である。
- 弱解の$H^{-1}$ノルム評価には無限次元関数空間での探索が必要であり，計算コストが高い。
- ランダムテスト関数を用いた$H^{-1}$ノルムの近似により，計算を効率化し，より高精度な解を得る。
- ランダムテスト関数による$H^{-1}$ノルムの期待値は，元のノルムと同値であることが証明された。
- この同値性に基づき，確率的変分物理情報ニューラルネットワーク（SV-PINN）が提案された。
- SV-PINNは，標準的なPINNと比較して，8つの難しい楕円型問題で一貫して優れた性能を示した。
フーリエ残差ネットワークは不連続関数に対してスペクトル精度を達成する [math.NA, cs.NA]目的：フーリエ残差ネットワークの表現力に関する近似理論
- 関数近似は，科学技術計算や機械学習において不可欠な要素である。
- 古典的なフーリエ近似や非線形手法は，不連続関数や周期性がない関数に対しては精度が制限されていた。
- フーリエ残差ネットワークの表現力を理論的に解析し，その限界を克服することを目的とする。
- フーリエ残差ネットワークは，周期性や連続性を必要とせずにスペクトル収束を達成することが示された。
- この結果は，古典的な線形フーリエ近似や非線形手法の主要な限界を克服するものである。
- 構築された近似と，以前の研究で開発されたランダム化アルゴリズムを用いた数値実験によって理論的結果が裏付けられた。
特性Galerkin法に基づく半ラグランジュ不連続有限要素法における時間依存テスト関数の誤差解析 [math.NA, cs.NA]目的：半ラグランジュ不連続有限要素法における時間依存テスト関数誤差とその収束への影響
- 数値シミュレーションは科学技術の発展に不可欠であり，その精度向上が常に求められている。
- 従来の有限要素法では，テスト関数の誤差が収束性に与える影響が十分解明されていなかった。
- 特性Galerkin法特有のテスト関数誤差が収束性に与える影響を明らかにし，適切な数値解法の条件を導く。
- 時間依存テスト関数誤差の解析により，$P^K$-CSLDG法の最適な$L^2$収束次数が保たれるためのODEソルバーの次数条件が示された。
- 局所モード係数誤差の伝播に基づく新たな解析により，$D\ge K+1+\frac{d}{2}$という改善された十分条件が得られた。
- 必要なODEの精度が解析経路に強く依存し，モード係数に基づく解析が実装と数値観測により整合的であることが示された。
幾何学的保存則に基づく高次直交ラグランジュ法 [math.NA, cs.NA]目的：高次ラグランジュ法のメッシュ移動戦略
- 数値流体力学において，複雑な流れを高精度にシミュレーションする重要性が高まっている。
- ラグランジュ法はメッシュの歪みにより精度が低下しやすく，メッシュ移動戦略が課題となる。
- 幾何学的保存則に基づき，メッシュの品質を維持し，高精度な計算を実現する。
- 提案手法は，面積保存線形化の原理と速度の漸近的性質に基づいている。
- 幾何学的保存則を厳密に満たすことで，メッシュの歪みを抑制し，計算精度を向上させている。
- 2つの滑らかな渦テストケースにより，提案手法の有効性が検証された。
確率的微分方程式に対する再帰的直交多項式カオス発展法 [math.NA, cs.NA]目的：確率的微分方程式の長時間の数値シミュレーションにおける計算コスト削減
- 不確実性を含む現象のモデリングにおいて，確率的微分方程式は不可欠なツールである。
- 長時間のシミュレーションでは，計算量が指数的に増加し，現実的な時間内での解が得られない場合がある。
- マルコフ性を利用し，低次元表現を維持することで，計算コストを抑えた長時間のシミュレーションを実現する。
- 提案手法は，サンプリングを必要とせず，モデル次元削減を達成する。
- 時間発展に伴い，確率測度に適合した直交多項式基底を動的に更新することで，計算コストを削減する。
- Wasserstein-1距離における収束性について理論的な証明と数値実験により検証された。
パラメータ化された変分不等式に対するモデル次数縮約：群衆運動への応用 [math.NA, cs.NA]目的：時間依存パラメータ化変分不等式のモデル次数縮約
- 群衆シミュレーションは，災害時の避難誘導や都市計画など，社会実装への応用が期待される重要な分野である。
- 離散接触問題を扱う変分不等式は計算コストが高く，大規模なシミュレーションのボトルネックとなり得る。
- 変分不等式に対するモデル次数縮約手法を適用し，計算効率を向上させることを目指す。
- 提案手法では，線形縮約モデルと深層学習に基づく補正項を組み合わせることで，高精度な近似を実現した。
- 貪欲法によるインデックス選択と，速度スナップショットに対するPOD分解を効果的に活用した。
- EIMとEQのハイパーリダクション手法を比較検討し，計算コストと精度に関する知見を得た。
準線形ニューラルネットワークを用いた凸集合のパラメータ化 [math.OC, cs.AI, cs.LG, cs.NA, math.NA]目的：凸集合のニューラルネットワークによるパラメータ化
- 幾何学，最適化，機械学習等の分野で，凸集合は基本的な構成要素である。
- 既存手法では，複雑な凸集合の表現や学習が困難であった。
- 準線形関数を用いた表現により，複雑な凸集合を効率的に学習すること。
- 本研究では，準線形ニューラルネットワークを用いて凸集合をパラメータ化する手法を提案した。
- 提案手法は，凸体の支持関数とゲージ関数を暗黙的に表現できることが示された。
- 形状最適化や逆設計タスクにおいて，目標形状の正確な再構成が確認された。
圧縮性流体の圧力平衡を保存する全保存型離散化スキーム（実ガス・熱完全ガス用） [quant-ph, cs.CC, physics.flu-dyn, cs.NA, math.NA]目的：圧縮性流体の数値シミュレーションにおける圧力振動の抑制
- 圧縮性流体解析は，航空宇宙，エネルギー分野等で重要である。高精度な数値シミュレーションが不可欠。
- 急激な流れの変化で，不要な圧力振動が発生し，計算の精度や安定性を損なう問題がある。
- 質量，運動量，全エネルギーの保存則を満たしつつ，圧力平衡条件を厳密に保存する離散化手法を確立する。
- 提案手法は，質量，運動量，全エネルギーの線形不変量を離散的に保存し，圧力平衡条件を正確に強制する。
- 運動エネルギーの対流保存も維持され，状態方程式に依存する非線形数値フラックスに基づく。
- 熱完全ガスおよび実ガスに対し有効であり，簡略化された圧力平衡保存近似スキームも良好な性能を示す。
代数的スペクトル曲線を用いた自由圧縮 [stat.ML, cs.LG, cs.NA, math.NA]目的：大規模モデルのスペクトル特性の推測
- 深層学習理論において，スペクトル情報は汎化性能やロバスト性理解に不可欠である。
- 大規模行列計算の制約から，現実的なモデルを扱うことが困難である。
- 代数的スペクトル曲線理論により，より広範なモデルへの適用を可能にする。
- 提案手法は，代数的関係を満たすスティルチェス変換を持つスペクトル密度に適用可能である。
- 複数のバルク，異なるスケール，原子を含む複雑なスペクトル密度も扱える。
- ニューラルネットワークや拡散モデルといった現実的な機械学習モデルへの有効性が示された。
一次元非負スプライン平滑化：切片平面法を用いた凸半無限計画法によるアプローチ [math.OC, cs.NA, eess.SP, math.NA]目的：一次元非負スプライン平滑化問題の解法
- スプライン関数は，補間や平滑化に広く用いられ，特に非負データに対する非負スプライン平滑化は重要である。
- 非負性の必要条件は無限個の線形不等式となり，最適化アルゴリズムでの取り扱いが困難である。
- 非負性の必要条件を直接扱うことで，より正確な非負スプライン平滑化を実現することを目指す。
- 本研究では，一次元非負スプライン平滑化を凸半無限計画問題として定式化し，切片平面法を用いて効率的な解法を提案した。
- 提案手法は，初期解を得た後，各多項式片の最小値を求め，負であれば制約条件に追加する反復処理を行う。
- 数値実験により，提案手法が従来のQP法やMATLABのLRSQPアルゴリズムと比較して有効であることが示された。
多項式方程式の根探索反復法の新しい組み合わせ [quant-ph, cs.NI, math.NA, cs.NA]目的：多項式方程式の根探索における反復法の組み合わせ
- 多項式方程式の根探索は，科学技術計算の基礎であり，様々な分野で不可欠である。
- 既存の根探索法は，計算コストや収束性において課題が残されている。
- 分割反復法と他の根探索法を組み合わせることで，計算効率の向上を目指す。
- 分割反復法とEhrlich法，修正ニュートン法の組み合わせが，既存のMPSolve法と同等以上の性能を示すことが示された。
- これらの組み合わせは，係数表現だけでなく，評価オラクルによる多項式にも適用可能である。
- ガウス・ルーカスの定理の拡張が導き出され，独立した関心事となりうる。
極座標表現：最適な行列符号法とそのMuonアルゴリズムへの応用 [cs.LG, cs.AI, cs.CL, cs.NA, math.NA, math.OC]目的：深層ニューラルネットワークの学習におけるMuonオプティマイザのための極分解および行列符号関数の計算手法
- 深層学習の発展に伴い，高速かつ効率的な行列計算の重要性が増している。
- 従来の極分解法は，GPU環境での高いスループットを重視する深層学習の要求を満たせていない。
- GPUに最適化された行列計算のみを用いることで，深層学習における収束性と精度を向上させる。
- Polar Expressは，行列と行列の積のみを用いる新しい極分解法であり，GPU上での効率的な計算を実現している。
- 本手法は，誤差を最小化するミニマックス最適化問題を解くことで，初期段階と漸近的に高速な収束を可能にする。
- Muonに統合することで，FineWebデータセットで学習したGPT-2モデルにおいて，検証損失の一貫した改善が確認された。
線形シュレーディンガー方程式に対する時空間イソジオメトリック法の安定性に関する行列に基づくアプローチ [math.NA, cs.NA]目的：線形シュレーディンガー方程式に対する時空間イソジオメトリック法の安定性
- 量子力学や波動現象のシミュレーションにおいて，時間と空間を同時に扱う手法の重要性が高まっている。
- 従来の有限要素法では，イソジオメトリック法の非局所性により，安定性の解析が困難であった。
- 本研究では，行列に基づく解析により，イソジオメトリック法の無条件安定性を証明する。
- 提案手法は，ほぼトープリッツ行列系の特性を持ち，その条件数が良好であることが示された。
- これにより，時間と空間を同時に離散化するイソジオメトリック法の無条件安定性が保証された。
- 数値実験により，理論的結果が確認され，スキームの最適収束挙動が示された。
巨大な近似低ランク行列の主要な固有ベクトルの高速ワンパス疎近似？もちろんだ，$MAM^*$！ [cs.DB, cs.IT, cs.DS, cs.NA, math.IT, math.NA]目的：巨大な近似低ランク行列の主要な固有ベクトルの疎近似
- 大規模データ分析において，データの次元削減は計算効率と情報保持のバランスが重要となる。
- 既存手法では，巨大行列の全情報をメモリに格納する必要があり，計算コストが高い。
- メモリ使用量を抑えつつ，大規模行列の主要な固有ベクトルを効率的に近似すること。
- 本研究では，コンパクトな線形スケッチを用いたワンパスアルゴリズムを提案し，理論的な精度を保証した。
- 提案手法は，巨大行列をメモリに格納することなく，求められる疎な固有ベクトル近似のサイズに依存する時間で実行可能である。
- 約10の16乗個のエントリを持つ巨大行列に対する実験により，提案手法の実用的な可能性が示された。
流体問題に対するモノリシック多階層オーバーラップSchwarz解法 [math.NA, cs.NA]目的：流体問題の解法のためのモノリシック多階層オーバーラップSchwarz解法の開発
- 大規模シミュレーションにおいて，計算領域を分割して並列計算を行う手法は重要である。
- 既存手法では，計算規模の拡大に伴い，計算効率が低下する課題がある。
- 本研究では，大規模並列計算に適した，効率的な解法を提案する。
- 提案手法は，最大32768 MPIランクでの並列計算において良好なスケーラビリティを示した。
- Poiseuille流れや複雑な押出ダイ形状の流体問題に対して有効であることが確認された。
- FROSchライブラリとFEATFLOWライブラリの連携により，効率的な計算が実現された。
非線形逆問題を解くためのニューラルオペレーター [math.NA, cs.NA, math.FA]目的：非線形逆問題の解法
- 逆問題は，工学や科学の多くの分野で重要であり，観測データから未知のパラメータや関数を推定する。
- 多くの逆問題は，解の一意性や存在性が保証されず，不安定性を示す。正則化手法が不可欠である。
- ニューラルオペレーターを用いて，不安定な逆問題を効果的に解くための理論的枠組みを構築する。
- ニューラルオペレーターをTikhonov正則化の代数として利用した場合の解析的性質が明らかになった。
- ニューラルオペレーターの近似性能が，連続関数空間だけでなく，Sobolev空間やLebesgue空間においても拡張された。
- ニューラルオペレーターの適切なネットワーク構造（学習）に関する議論が提示された。
非構造化三角形網目上DG法におけるロバストなPAMPAスキーム：境界保存，振動の除去，境界条件 [math.NA, cs.NA]目的：非構造化三角形網目上のDG法におけるPAMPAスキームの改良
- 流体計算などのシミュレーションにおいて，精度と安定性が重要である。
- 既存のスキームでは，振動が発生したり，境界条件の設定が難しい場合がある。
- 境界保存性と非振動性を両立させ，厳密な境界条件の実装を可能にする。
- 本研究で提案するスキームは，境界を保存し，数値解の振動を抑制できることが示された。
- スキームの切り捨て誤差解析により，滑らかな解に対して3次精度を持つことが確認された。
- 様々な数値実験を通じて，提案スキームの有効性が検証された。
擬微分作用素を用いた物理情報ニューラルネットワーク [cs.LG, cs.NA, math.NA]目的：物理情報ニューラルネットワークの学習精度向上
- 偏微分方程式の近似解法として，ニューラルネットワークの利用が注目されている。
- 従来の物理情報ニューラルネットワークは，高周波成分の学習が苦手な場合がある。
- フーリエ変換を利用し，擬微分作用素を導入することで学習効率と精度を改善する。
- 提案手法は，従来の物理情報ニューラルネットワークよりも少ない反復回数で，数値解に匹敵する精度を達成できる。
- ニューラル接線核のスペクトル固有値減衰を改善し，早期の学習における高周波数の学習を促進する。
- モンテカルロ法を用いることで，格子への依存性を軽減し，様々な領域への適用を可能にする。
曲面領域における等パラメータ上流不連続ガレルキン法の最適誤差評価 [math.NA, cs.NA]目的：曲面領域上の放射輸送方程式に対する等パラメータ上流不連続ガレルキン法の誤差評価
- 高次要素法は，複雑な形状の領域に対するシミュレーションにおいて高精度な解を得るために重要である。
- 曲面要素を用いる場合，幾何学的近似に伴う誤差や安定性の問題が課題となる。
- 本研究は，曲面領域における等パラメータ上流不連続ガレルキン法の誤差評価を通じて，その精度と信頼性を検証する。
- 等パラメータ補助演算子を用いることで，DGノルムに関する双線形形式の連続性が証明された。
- 元の領域の流入境界の幾何学的近似誤差が正確に評価された。
- 離散法線ベクトルと連続法線ベクトル間の誤差の次数が理論的に示され，最適な収束率が確認された。
相互作用則に準拠した光音響前方・随伴演算子 [math.NA, cs.NA]目的：光音響トモグラフィにおける前方・随伴演算子の構築
- 医療画像診断において，非侵襲的な光音響トモグラフィの重要性が増している。
- 光音響トモグラフィの画像再構成には，演算子の正確な定義と効率的な計算が不可欠である。
- 相互作用則を満たす演算子を構築することで，より正確な画像再構成を実現する。
- 提案する前方・随伴演算子対は，内積関係を満たすことが数値実験により確認された。
- 本演算子対を用いた反復最小化フレームワークは，高精度な圧力分布の再構成を可能にした。
- 境界条件の制限や音源の即時性を，正則化されたデルタ関数を用いて適切に処理した。
可変次数時間分数次非圧縮磁気流体力学系の数値解析 [math.NA, cs.NA]目的：可変次数Caputo時間分数微分を用いた非圧縮磁気流体力学系の数値解法
- 磁気流体力学は，プラズマ物理，天体物理学，地球物理学など幅広い分野で重要である。
- 古典的なモデルでは，時間遅れ効果を正確に捉えきれない場合がある。
- 時間遅れ効果の時間変化を捉え，より現実的な現象をシミュレーションする。
- 可変次数Caputo時間分数微分近似のカーネルが，離散的な分数Grönwall定理の仮定を満たすことを示した。
- 時間方向の離散化スキームの安定性と収束性が数学的に証明された。
- 可変次数がエネルギー，エンストロフィー，電流エンストロフィーの時間発展に顕著な影響を与えることが確認された。
市場ダイナミクスの根底にある取引実行フロー [q-fin.CP, cs.NA, math.NA, q-fin.TR]目的：市場ダイナミクスの根本的な駆動要因
- 金融市場の理解と予測において，市場の変動要因を特定することは重要である。
- 従来の分析手法では，市場の変動を直接的に説明する要因が明確でなかった。
- 取引実行フローに着目し，市場の変動を定量的に分析する手法を確立すること。
- 取引実行フロー($I = dV/dt$)が市場ダイナミクスの根本的な駆動要因であることが実験的に示された。
- Radon-Nikodym 導関数を用いてデータから実行フローを計算する数値フレームワークが開発された。これにより，自動的な閾値決定が可能となった。
- Christoffel 関数スペクトルに基づくフレームワークが導入され，主成分分析（PCA）の限界を克服する代替手段となることが示された。
ニュートン-シュルツ反復によるスティフェル多様体への二次の手法 [math.OC, cs.AI, cs.LG, cs.NA, math.NA]目的：スティフェル多様体上の二次の手法の開発
- 機械学習やデータ解析において，低次元空間への写像や主成分分析など，最適化問題の重要性が増している。
- 既存のリーマン幾何学的手法は計算コストが高く，低コストな代替手法が求められている。
- リトラクションを用いない，効率的な二次の手法を開発し，高精度な最適化を可能にすること。
- 提案手法は，リトラクションを用いずにスティフェル多様体上で二次の収束性（または不正確な変形を用いた超線形収束性）を達成する。
- 更新は，目的関数を減少させる接線成分と，実行可能性を減少させる法線成分の和として構成される。
- 数値実験の結果，直交プロクルステス問題，主成分分析，実データ独立成分分析において既存手法よりも優れた性能を示す。
- 1