arXiv雑要約

• Top
• AI
• プログラム
• 画像・音声
• セキュリティ
• 数値解析

数値解析 - 2026/05/19 公開

• 有理近似と内在ガウス過程 [math.NA, cs.NA]目的：内在ガウス過程のモデリング手法

  • 空間データのモデリングにおいて，柔軟性と表現力が求められている。
  • 内在ガウス過程は理論的優位性があるものの，計算手法が確立されていなかった。
  • 内在ガウス過程の効率的な計算手法とモデルを開発し，実用化を目指す。
  • 内在ガウス過程と有理近似の密接な関係を解明し，問題構造を明確にした。
  • 伝統的な静止ガウス過程と同様の計算手法とモデルを内在ガウス過程に導入した。
  • 数値例を通して，内在ガウス過程の頑健性，解釈可能性，計算効率の優位性を示した。

  Link: https://arxiv.org/abs/2605.17168

• カッツマルツ法における数値的不安定性と反復改良による安定化 [cs.AR, cs.HC, math.NA, cs.NA]目的：大規模線形システムの解法におけるカッツマルツ法の数値安定性とその改善策

  • 大規模線形システムは科学技術計算の基礎であり，効率的な解法が求められている。
  • カッツマルツ法の数値安定性は十分には理解されておらず，誤差の蓄積が問題となる場合がある。
  • カッツマルツ法の数値的安定性を高め，高精度な解を得るための手法を確立すること。
  • カッツマルツ法およびその高速化手法は，前進安定性を持たないことが示された。
  • 反復改良をカッツマルツ法に組み込むことで，誤差の蓄積を抑制し，高精度な解を得られることが確認された。
  • 数値実験により，改良されたカッツマルツ法が，病的な条件数を持つシステムに対しても有効であることが示された。

  Link: https://arxiv.org/abs/2605.17185

• 線形レート ODE 階層の解法：クロージャーと演算子分割による [math.NA, cs.NA, math.DS, math.PR, q-bio.QM, stat.CO]目的：線形レート ODE 階層の効率的な解法

  • 連続時間マルコフ過程の解析において，無限 ODE 系が頻繁に出現する
  • 従来の解法では，計算コストが高く，時間とともに誤差が蓄積する
  • クロージャーと演算子分割を用いることで，計算効率と精度を向上させる
  • 線形レートの構造条件を満たす ODE 階層において，生成関数は一次線形偏微分方程式に従うことが示された。
  • この性質を利用することで，クロージャーによる近似計算が可能となり，計算コストを大幅に削減できる。
  • Schlogl モデルなどの非線形項を含む場合，クロージャーと Strang 分割を組み合わせることで，さらに高速かつ高精度な解が得られる。

  Link: https://arxiv.org/abs/2605.17186

• WinQ：言語モデルの量子化対応学習における鞍点周辺の高速化 [cs.LG, cs.NA, math.NA]目的：言語モデルの量子化対応学習の高速化

  • 近年，大規模言語モデルの効率的な推論が重要であり，量子化はその有力な手法である。
  • 量子化対応学習では，低ビット幅における収束の遅延と性能の停滞が課題となっている。
  • 損失表面のヘッセ行列のスペクトル解析に基づき，鞍点周辺の学習を改善する手法を提案する。
  • 提案手法WinQは，重みを定期的にフル精度と量子化重みの線形補間へリセットすることで，量子化格子への距離を縮小し，ヘッセ行列の固有値の大きさを増大させる。
  • また，WinQはノイズ注入された重みの勾配を計算することでヘッセ行列を正則化し，学習を促進する。
  • 実験結果から，WinQは様々な量子化手法とモデルにおいて，量子化対応学習を最大4倍に高速化し，低ビット量子化性能を最大8.8%向上させることを確認した。

  Link: https://arxiv.org/abs/2605.17471

• 境界条件に基づくLCHSを用いた移流拡散方程式の量子回路 [math.NA, cs.NA, physics.comp-ph]目的：移流拡散方程式の境界条件を考慮した量子回路フレームワーク

  • 科学技術計算の発展において，偏微分方程式の効率的な解法は不可欠である。
  • 古典計算では，高次元問題において計算コストが指数関数的に増加する。
  • 量子コンピュータを活用し，高次元移流拡散方程式の実用的な解法を確立すること。
  • 線形ハミルトニアンシミュレーション(LCHS)に基づく量子回路フレームワークを提案した。
  • 提案手法は，古典計算と比較して高次元問題において量子的な優位性を示す。
  • 同質，不均質，高次元のケースにおいて，数値シミュレーションで有効性が確認された。

  Link: https://arxiv.org/abs/2605.17542

• 修正されたアンダーソン加速法：線形収束率の予測と非圧縮流への応用 [math.NA, cs.NA]目的：Navier-Stokes方程式のPicard反復を加速するための手法

  • 流体シミュレーションは，工学設計や気象予測など，幅広い分野で重要である。
  • Navier-Stokes方程式の解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。
  • アンダーソン加速法を改良し，収束率予測と適応的深さ選択により計算効率を向上させる。
  • 本研究で提案するAAg法は，従来のアンダーソン加速法よりも優れた収束性を示すことが数値実験により確認された。
  • AAg法の線形収束率は，最適化問題の利得を通じて明確に予測可能であり，理論的根拠が確立された。
  • 収束率予測に基づいた適応的深さ選択戦略により，AAg法の性能をさらに向上させることが示された。

  Link: https://arxiv.org/abs/2605.17664

• 非エルミート準同型線形システム解法のための構造保存クォータニオン共役勾配型手法 [math.NA, cs.NA]目的：非エルミート準同型線形システムの解法

  • 画像処理や信号処理において，クォータニオンを用いた表現が有効であるため。
  • 非エルミート準同型線形システムの効率的な解法が課題となっている。
  • 構造を保存したクォータニオン共役勾配型手法を開発し，その有効性を示す。
  • 提案手法 QNHERLQ および QNHERQR は，非エルミート準同型行列をトリ対角形式に変換する。
  • これらの手法は，係数行列の特異値に依存して収束し，有限回の反復で解が得られる。
  • 数値実験により，提案手法が QGMRES および QQMR に比べて堅牢性と有効性を示すことが確認された。

  Link: https://arxiv.org/abs/2605.17732

• 正確な求積を超えた超補間：スペクトル乗数アプローチ [math.NA, cs.NA]目的：球面上における弱い求積仮定下での超補間とそのスペクトル乗数変種

  • 数値解析において，高次元空間における関数の近似は重要であり，効率的な計算手法が求められている。
  • 従来の超補間理論は，正確な多項式求積公式やマルチンケヴィッツ・ジグムント不等式に依存しており，適用範囲が限定されていた。
  • 本研究は，弱い求積仮定下でも安定したソボレフ近似を実現し，超補間の適用範囲を拡張することを目的とする。
  • 本研究では，離散化誤差をスペクトル乗数演算子と求積不一致測度の作用として解釈する新しい枠組みを提示した。
  • このアプローチにより，スペクトル演算子の近似特性とサンプリング測度の幾何学的特性が分離され，弱い求積仮定下での安定したソボレフ近似評価を導いた。
  • 得られた理論は，シャープスペクトル射影，コンパクトに支持された滑らかなフィルタなど，幅広いスペクトル近似演算子に適用可能である。

  Link: https://arxiv.org/abs/2605.17739

• 線形対流優勢方程式の最適制御のための二段階ニューラルネットワーク [math.NA, cs.NA, math.OC]目的：対流優勢な対流拡散反応方程式で制御された最適制御問題

  • 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，様々な現象のシミュレーションに用いられる。
  • 拡散係数が小さい場合，解に急峻な層が現れ，従来の数値解法では高精度な計算が困難となる場合がある。
  • 急峻な層の位置に適応したニューラルネットワークを用いることで，高精度な最適制御解を得ることを目指す。
  • 本手法は，状態変数と随伴変数に対して別々のニューラルネットワークを用いることで，それぞれの変数の急峻な層に対応する。
  • 拡散係数を徐々に減少させる逐次学習戦略を用いることで，安定した最適解を求めることができる。
  • ベンチマーク問題に対する数値実験により，提案手法の有効性と振る舞いが確認された。

  Link: https://arxiv.org/abs/2605.17740

• 確定拠出年金計画の最適な取り崩し方法に関する数値解法 [cs.CE, cs.NA, math.NA]目的：確定拠出年金計画における最適な取り崩し戦略

  • 高齢化社会において，個人年金資産の効率的な運用と安定的な収入源の確保は喫緊の課題である。
  • 従来の年金資産取り崩し手法では，市場変動リスクへの対応や最適な取り崩し額の決定が困難であった。
  • 本研究は，数値解法を用いて，リスクを考慮した確定拠出年金計画の最適な取り崩し戦略を提案する。
  • 最適な取り崩し問題は，線形偏微分積分方程式(PIDE)と最適化ステップを交互に解くことで解決可能であることが示された。
  • デルタ一様モノトニシティフーリエ法を用いることで，解のモノトニシティを保証し，ラップアラウンド誤差を最小限に抑えることに成功した。
  • 株式の保有比率を50%に制限しても，ポートフォリオ効率が著しく低下することなく，リスク回避的な退職者にとって有用な戦略となりうる。

  Link: https://arxiv.org/abs/2605.17744

• タッカー分解に対する2つの交互反復スキームの収束解析 [math.NA, cs.NA]目的：タッカー分解の収束性

  • 多次元配列（テンソル）の低ランク近似は，データ解析や機械学習において重要な役割を果たす。
  • 既存の収束解析には限界があり，特に複素数テンソルに対する解析は十分ではなかった。
  • 複素数テンソルを含む幅広いケースにおいて，タッカー分解の収束性を厳密に保証すること。
  • 高次直交反復法(HOOI)と交互部分空間反復法(ASI)の収束性が，穏やかな条件下で実証された。
  • 両手法とも，静止点にグローバルに収束し，目的関数は単調に増加することが示された。
  • 数値実験により，提案手法の収束挙動が確認された。

  Link: https://arxiv.org/abs/2605.17793

• 微分可能関数の情報理論的複雑性 [cs.IT, cs.NA, math.IT, math.NA, nlin.CG]目的：微分可能関数の複雑性の評価

  • 複雑系の理解には，その構造や振る舞いを定量化する複雑性指標が不可欠である。
  • 既存の複雑性指標は，関数の性質や近似方法に依存し，一意な評価が困難である。
  • 関数の近似性と分割数に基づき，客観的な複雑性指標を定義し，評価すること。
  • 微分可能関数に対するV-複雑性という新しい指標が提案され，関数の単純さや複雑さの直感を形式化する。
  • V-複雑性は，関数の近似における圧縮率と等価であることが仮説として示された（ランレングス符号化，Lempel Ziv 77アルゴリズム）。
  • V-複雑性を有効複雑性(EC)の定義に組み込み，コーヒーにクリームが拡散するモデルに適用することで，その有用性が示された。

  Link: https://arxiv.org/abs/2605.17801

• アダプティブエルミートスペクトル法によるVlasov-Poisson系の解法 [math.NA, cs.NA]目的：Vlasov-Poisson系の解法

  • プラズマ物理学等の分野で重要であり，高精度なシミュレーションが求められる。
  • 高次モーメントの計算コストが高く，計算効率が課題となっていた。
  • 高次展開係数の寄与度に応じて解像度を調整し，計算コストを削減する。
  • 提案手法は，質量，運動量，エネルギー等の物理量を保存しながらシミュレーションを実行できる。
  • 1次元1速度，2次元2速度の数値実験により，提案手法の有効性と効率が確認された。
  • 高速な投影演算子により，線形的な計算量で展開係数の更新が可能である。

  Link: https://arxiv.org/abs/2605.17820

• 多重グリッド法：基礎原理 [math.NA, cs.NA]目的：多重グリッド法の基礎

  • 偏微分方程式の離散化は，科学技術計算において不可欠である。
  • 大規模連立一次方程式の求解は計算コストが高く，効率的な解法が求められる。
  • 多重グリッド法による効率的な求解を目指す。
  • 本研究では，変分法に基づく多重グリッド法の基礎を解説する。
  • Vサイクルによる反復解法と，直接解法としてのフル多重グリッド法を比較検討する。
  • フル多重グリッド法は，離散化レベルの精度を，微細レベルでの数回の行列計算と同等のコストで達成可能である。

  Link: https://arxiv.org/abs/2605.17828

• 逆向き拡散のシュレーディンガー化とMcLachlan射影による縮約ダイナミクス [math.NA, cs.NA, quant-ph]目的：逆向き拡散の縮約ダイナミクスにおけるMcLachlan射影の構造化された正則化効果の評価

  • 逆向き拡散は不安定な進化方程式であり，数値計算においてノイズが急速に増大する。
  • 既存の数値解法では，高周波成分の増大を抑制するための効果的な正則化手法が不足している。
  • シュレーディンガー化とMcLachlan射影を組み合わせることで，誤差を定量化可能な正則化手法を開発する。
  • McLachlan射影を用いることで，縮約ダイナミクスのユニークな解とGramノルム保存が理論的に証明された。
  • 正則化の精度は，射影欠損とオーバーラップ行列の条件数によって決定されることが示された。
  • 数値実験により，シュレーディンガー化された縮約パイプラインが，古典的なローパスフィルタよりも優れた性能を示すことが確認された。

  Link: https://arxiv.org/abs/2605.17996

• 平面オフセット曲線とその双方向オフセット判定のための正則化手法 [math.NA, cs.NA]目的：平面軌道のオフセット曲線生成と双方向オフセット判定に関する研究

  • 数値制御工作機械の工具経路生成や自律走行システムの軌道計画において，オフセット曲線の利用が重要である。
  • 理論的なオフセット曲線には自己交差などの特異点が生じ，実用上の制約となる場合がある。
  • 罰付きヘルミートスプライン回帰による軌道の関数近似と正則化により，安定したオフセット曲線生成を目指す。
  • 罰付きヘルミートスプライン回帰を用いた軌道近似により，急激な変化を抑制し，滑らかなオフセット曲線を得ることができた。
  • 関数値と導関数を同時に近似するオフセット曲線設計により，元の曲線に沿ったオフセット曲線生成を可能にした。
  • 外部境界から中心線を再構成する適応的アプローチにより，双方向オフセット判定の精度向上に貢献した。

  Link: https://arxiv.org/abs/2605.18096

• ガウス混合モデルを用いた運動可能断層撮影 [math.NA, cs.NA]目的：運動中の物体の物理的特性の復元

  • 科学や産業における幅広い応用において，運動中の物体の特性把握は重要である。
  • 物体とセンサーの相対運動による十分な角度範囲の取得が難しい場合がある。
  • ガウス混合モデルを利用し，運動中の物体の断層撮影を可能とする手法を開発する。
  • 提案手法は，各ガウス分布を角速度，射影運動，形状でパラメータ化する時空間モデルを用いる。
  • ガウス混合モデルは，物体空間での正確な近似と，レイ変換における閉じた形式表現を持つため，効率的な予測と勾配計算が可能となる。
  • シミュレーション実験では，交差する軌道を持つ5つのガウス分布の正確な復元が確認された。

  Link: https://arxiv.org/abs/2605.18210

• 大規模線形離散的悪条件問題に対する確率的収束解析 [math.NA, cs.NA]目的：大規模線形離散的悪条件問題の確率的誤差境界

  • 逆問題の安定化は，画像処理や機械学習など広範な分野で不可欠である。
  • 悪条件問題では，ノイズが解に増幅され，正確な解を得ることが困難である。
  • 本研究は，ランダムノイズに対するロバストな解法を確率的に評価し，パラメータ選択則を導く。
  • 加重ティホノフ正則化に対する確率的誤差境界が，二つのノイズモデルについて導出された。
  • 導出された事前パラメータ選択則は，数値実験によってほぼ最適であることが確認された。
  • 適応戦略は，大規模計算に適しており，実用的な有効性が示された。

  Link: https://arxiv.org/abs/2605.18259

• ボルテラ署名の計算論的側面 [cs.DC, math.NA, cs.NA, stat.ML]目的：ボルテラ署名の効率的な計算手法の開発

  • 時系列解析において，過去の情報を効果的に利用する手法の重要性が高まっている。
  • 従来のパス署名では，汎用的なカーネルの導入による計算量の増加が課題となっていた。
  • カーネルを伴うボルテラ署名の計算コストを削減し，実用的な応用を可能にすること。
  • 陳型畳み込み関係を解析的・算術的要素に分解することで，効率的なアルゴリズムを導出した。
  • 時間ステップ数Jに対して，二次複雑度O(J^2)の近似スキーム，O(JlogJ)のFFT加速，O(JR^2)の厳密再帰アルゴリズムを提案した。
  • 行列値カーネルの因子数は，計算量の漸近的複雑度に影響を与えないことを示した。また，有限差分予測子修正スキームを導出した。

  Link: https://arxiv.org/abs/2605.18406

• 多峰ガウス混合分布に対する事前条件付き焼きなましランジェバン動力学の次元一様離散化解析 [stat.ML, cs.LG, cs.NA, math.NA, math.PR]目的：多峰ガウス混合分布に対する事前条件付き焼きなましランジェバン動力学における次元一様離散化手法の解析

  • 高次元・無限次元問題では，拡散型サンプラーの安定性が課題であり，高周波座標における誤差蓄積が不安定化を招く。
  • 離散化は誤差の主要な原因であり，適切なスペクトル崩壊を持つ事前条件付けが誤差蓄積の抑制に必要となる。
  • EM離散化の安定性制約と次元一様制御条件を明らかにし，初期分布と目標分布の距離を均一に保つ手法を提示する。
  • EM離散化では，事前条件付けと焼きなまし共分散スケールが安定性制約を満たす必要があり，初期分布は次元に依存せず目標分布に近づく。
  • 指数積分スキームを用いることで，初期分布と目標分布のカルバック・ライブラー情報量の上限が次元一様であることが証明された。
  • この上限は，焼きなまし時間と時間メッシュの細かさを調整することで，任意の次元で小さくすることができる。

  Link: https://arxiv.org/abs/2605.16473

• 離散圧縮性バロトロピックナビエ-ストークス方程式に対する禁則定理とその解決 [math.AP, cs.NA, math.NA]目的：離散圧縮性バロトロピックナビエ-ストークス方程式に対する禁則定理の証明と，それに対する解決策の提示

  • 大気や海洋のダイナミカルコアの基礎となるが，離散系に対する偏微分方程式論は未発達である。
  • 質量行列の選択によっては，エネルギー残差が解消されず，数値的不安定性を引き起こす可能性がある。
  • 密度重み付き質量行列を導入することで，エネルギー保存則を回復し，数値的安定性を実現する。
  • 密度に依存しない質量行列では，エネルギー残差が常に存在することが証明された。
  • 密度重み付き質量行列を用いることで，エネルギー保存則が厳密に成立し，数値的安定性が向上する。
  • 低マッハ数限界において，解の漸近的保存性が示され，離散系でのリアプノフ安定性が確立された。

  Link: https://arxiv.org/abs/2605.16554

• 警察の対応を考慮した住居侵入モデルにおける犯罪多発地点の動的変化 [math.DS, cs.NA, math.NA]目的：住居侵入に関する数理モデルの構築と解析

  • 犯罪学研究は，社会の安全維持に不可欠であり，犯罪予測と対策に貢献する。
  • 従来の犯罪モデルは，警察の対応遅延や情報伝達の遅れを十分に考慮していない。
  • 警察の対応遅延が犯罪多発地点の安定性に及ぼす影響を明らかにすること。
  • 警察の対応遅延は，安定な状態を不安定化させ，時間的な振動や犯罪多発地点の動的な変化を引き起こす可能性がある。
  • 数理モデルによるシミュレーションの結果，犯罪多発地点が移動，分裂，合流する複雑な空間的・時間的パターンが確認された。
  • 犯罪情報の迅速な入手が，警察の配置密度よりも犯罪レベルの安定化に重要な役割を果たすことが示唆された。

  Link: https://arxiv.org/abs/2605.17709

• 拡散モデルにおけるパス測度上の逐次モンテカルロによる単純な近似と微分不要な推論時間スケーリング [stat.ML, cs.CV, cs.LG, cs.NA, math.NA, math.PR]目的：拡散モデルの推論時間におけるスケーリング手法の開発

  • 拡散モデルは高品質なサンプル生成に貢献するが，計算コストが高い点が課題。
  • 既存の推論時間ガイダンス手法は勾配計算が必要で，バイアスや計算負荷が大きい。
  • 勾配計算を不要とし，計算効率と生成品質を両立するスケーリング手法を提案する。
  • 提案手法URGEは，ギルサノフ変換を用いたパスごとの重要度重み付けにより，微分不要な推論時間スケーリングを実現する。
  • パスごとのスケーリングと粒子ごとのSMCの等価性を理論的に証明し，バイアスのない終端分布を保証する。
  • 合成テストと拡散モデルのベンチマークにおいて，既存手法を上回り，より高品質な生成結果を得た。

  Link: https://arxiv.org/abs/2605.17850

• 相対論的プラズマのための明示的エネルギー保存型粒子法 [math.OC, cs.DM, physics.plasm-ph, cs.NA, math-ph, math.MP, math.NA]目的：相対論的プラズマシミュレーションにおけるエネルギー保存性の向上

  • プラズマ物理学は，核融合エネルギーや宇宙物理現象の理解に不可欠である。
  • 従来の粒子法では，計算時間の制約からエネルギー保存性が十分でない場合が多い。
  • 本研究は，エネルギー保存性を厳密に保証する新しい粒子法を開発し，シミュレーション精度を向上させる。
  • 新たに開発した明示的エネルギー保存型粒子法を相対論的Vlasov-Maxwell方程式に適用した。
  • この手法は，粒子ごとに局所的に解析的に解ける最適化問題を基盤とし，エネルギー保存を強制する。
  • 標準的な相対論的テスト問題において，エネルギー保存特性が検証され，良好な結果が得られた。

  Link: https://arxiv.org/abs/2605.18542

• 拡散モデルの代替としての自由粒子フィルタの近似不要学習：SURGE [stat.ML, cs.LG, cs.NA, math.NA, math.PR, q-fin.MF, stat.CO]目的：拡散モデルにおける推論時のガイダンス手法

  • 拡散生成モデルはタスク固有の目的関数に基づくサンプル品質向上のため，推論時のガイダンスに依存している。
  • 既存の手法は，スコアや勾配の繰り返し評価が必要となり，バイアスや計算コストが増加する問題がある。
  • ギルサノフの変数を介したパスごとの重要度リウェイトによる，勾配不要な推論時スケーリングアルゴリズムを提案する。
  • 提案手法SURGEは，勾配やヘッセ行列，偏微分方程式の評価を必要とせず，既存の推論時ガイダンス手法よりも優れている。
  • パスごとの重要度リウェイトと粒子ごとのSMCの等価性を確立し，無バイアスな終端分布を保証する。
  • 合成テストと拡散モデルのベンチマークにおいて，より高品質な生成結果を，よりシンプルな実装で実現している。

  Link: https://arxiv.org/abs/2605.18745

• 高コントラスト不均一符号変化問題に対するマルチスケールモデリング [cs.CL, math.NA, cs.NA]目的：符号変化問題に対する数値解法の開発

  • 負の屈折率を持つメタマテリアルの設計に応用され，新たな光学デバイス開発に不可欠である。
  • 従来の数値解法では，符号が変化する係数の取り扱いに課題があり，高精度な計算が困難である。
  • 符号変化問題に対応した補助空間を構築し，高コントラストな係数条件下での安定性と精度を向上させる。
  • 提案手法は，複雑な係数分布や高いコントラスト比の下でも有効であることが数値実験で示された。
  • T-強制性理論を適用し，inf-sup安定性と事前誤差評価を確立することで，理論的な基盤を構築した。
  • 制約エネルギー最小化一般化マルチスケール有限要素法（CEM-GMsFEM）を符号変化問題向けに特化させた。

  Link: https://arxiv.org/abs/2407.17130

• 補間制約付き有理ミニマックス近似における重心表現 [math.NA, cs.NA]目的：補間制約下での有理ミニマックス近似手法

  • 近似計算において，精度と効率が重要であり，特に有理関数近似は高精度な結果を提供する。
  • 従来の有理関数近似は，数値的不安定性や計算コストが高いという課題があった。
  • 重心表現と双対フレームワークを導入し，数値的安定性と計算効率を向上させる。
  • 提案手法{b-d-Lawson}は，有理関数のパラメータ化を簡素化し，補間条件を自然に満たす。
  • 双対フレームワークにより，双レベルのmin-max問題を効率的に解くことが可能になった。
  • 数値実験により，{b-d-Lawson}法の精度と安定性が確認された。

  Link: https://arxiv.org/abs/2502.10665

• 多変数関数の近似のためのハイブリッドチェビシェフ-タッカーテンソル形式 [math.NA, cs.NA]目的：多変数関数の近似のためのハイブリッドチェビシェフ-タッカーテンソル表現

  • 高次元データ解析において，効率的な関数近似は重要である。計算コストと精度が課題となる。
  • 従来のグリッドベース近似は，大規模データに対して計算コストが高くなるという問題がある。
  • チェビシェフ補間とタッカー分解を組み合わせ，高精度かつ効率的な近似を実現すること。
  • 提案手法は，大規模空間格子上の関数関連テンソルの高コストなランク構造近似を回避する。
  • チェビシェフ係数のテンソルに対するタッカー分解を利用することで，最適な近似精度を達成する。
  • 特に，多粒子系の静電ポテンシャル計算などへの応用が期待される。

  Link: https://arxiv.org/abs/2503.01696

• コントラスト学習におけるスペクトルアライメントによる線形分離性の創発 [eess.SY, cs.SY, math.NA, cs.NA]目的：コントラスト学習における線形分離性の創発メカニズム

  • データ表現学習は，機械学習の基盤技術であり，様々な応用分野で重要性が増している。
  • コントラスト学習は効果的だが，損失関数の構造だけではその成功を説明できない点が課題である。
  • データ拡張構造と最適化ダイナミクスが線形分離性をどのように創発するかを解明すること。
  • データ拡張の接続性と分散に関する特定の構造的仮定の下で，スペクトルアライメント閾値に達するとデータ特徴が必然的に分離される。
  • この分離メカニズムは，離散データセットと連続データセットの両方で確認され，データの増加に伴い分離が持続することが示された。
  • 実験的に，スペクトル量の急増がデータ分離の前に一貫して発生し，コントラスト学習の成功がダイナミクスによって誘導されることが示された。

  Link: https://arxiv.org/abs/2503.10812

• 有限エネルギーデータを持つ3次元準線形波動方程式に対するStrang分割の誤差解析 [math.NA, cs.NA, math.AP]目的：3次元準線形波動方程式の Strang分割法における誤差の評価

  • 波動方程式は物理現象の基礎であり，様々な分野で重要な役割を果たす。
  • 数値解法を用いる際，計算コストと精度のトレードオフが課題となる。
  • 有限エネルギー条件下の3次元波動方程式に対する最適な数値解法を確立する。
  • 立方非線形性の場合，L^2空間でほぼ2次収束，H^1空間でほぼ1次収束が示された。
  • 4次非線形性の場合は，同様の収束結果が得られたが，次数はそれぞれ1/2低下した。
  • 有限エネルギー条件下の3次元立方・4次波動方程式に対する最良の収束結果である。

  Link: https://arxiv.org/abs/2503.13126

• 偏微分方程式のニューラルネットワークモデルにおける再発損失に関する観察：対流拡散方程式 [math.NA, cs.NA]目的：偏微分方程式の解を近似するための機械学習手法の安定性に関する観察

  • 偏微分方程式は自然科学・工学の様々な分野で現れ，その解法は重要である。
  • 機械学習による偏微分方程式の解法は発展途上であり，安定性の評価が十分でない。
  • 本研究は，機械学習による解法における再発損失を分析し，安定性の向上を目指す。
  • 本研究では，多段階法とコロケーション法を組み合わせたニューラルネットワークを導入した。
  • パラメータ数を変化させた際の安定性に与える影響を観察し，従来の数値解法が失敗する場合でも安定した解が得られることを示した。
  • 機械学習を用いて線形演算子の近似を効率的に行う手法の可能性を示唆している。

  Link: https://arxiv.org/abs/2503.19036

• ノイズとタスクレベル多様体上の学習におけるTransformer：近似と汎化に関する考察 [cs.LG, cs.NA, math.NA, math.ST, stat.TH]目的：ノイズを含む多様体近傍のデータに対するTransformerの近似および汎化性能

  • 大規模言語モデルの基盤技術であり，その理論的理解が不可欠である。
  • Transformerの性能はデータの内在次元に依存するが，理論的な考察が不足している。
  • タスクレベル多様体におけるTransformerの近似・汎化誤差を理論的に解明する。
  • 本研究により，Transformerがノイズに擾乱された高次元データにおいても，低複雑な構造を学習できることが示された。
  • タスクレベル多様体の内在次元が，近似および汎化誤差に重要な影響を及ぼすことが証明された。
  • Transformerによる基本的な算術演算の表現構築という，新たな証明手法が確立された。

  Link: https://arxiv.org/abs/2505.03205

• preconditioningによるMPGP型手法の高速化 [math.NA, cs.NA, math.OC]目的：二次計画問題に対するMPGP型アルゴリズムの高速化

  • 最適化問題の効率的な解法は，工学や経済など幅広い分野で不可欠である。
  • MPGP型手法は計算コストが高く，大規模問題への適用が困難な場合がある。
  • 制約条件を変更せずに，自由変数の前処理によって計算効率を向上させる。
  • 近似的な前処理手法を導入することで，内側の前処理行列の再計算コストを削減できる。
  • 前処理された演算子の条件数の上限を導出し，その理論的な有効性を示した。
  • 数値実験により，提案手法が大幅な高速化を実現することが確認された。

  Link: https://arxiv.org/abs/2507.00617

• 学習された疎格子求積法の整合性：NeuralODEを用いた検証 [math.NA, cs.LG, cs.NA, math.PR]目的：学習された輸送写像とClenshaw-Curtis疎格子求積法の組み合わせによる期待値評価の整合性

  • 高次元積分は様々な科学技術計算の根幹であり，効率的な数値解法が求められている。
  • 従来の求積法は次元の呪いにより，高次元空間での精度向上が困難であるという課題がある。
  • NeuralODEと疎格子求積法を組み合わせることで，高次元積分における次元の呪いを軽減し，効率的な近似を可能とする。
  • 本研究では，学習された輸送写像と疎格子求積法の組み合わせが，特定の条件下で整合性を持つことを数学的に証明した。
  • 活性化関数の次数と密度滑らかさを調整することで，次元の呪いを緩和し，計算の最適化を可能にする。
  • 提案手法は，サンプルサイズと求積予算を増やすことで，真の値へ任意の精度で近似可能であることが示された。

  Link: https://arxiv.org/abs/2507.01533

• 確率有限体積法のためのモデル次数の削減手法 [math.NA, cs.NA]目的：確率有限体積法における計算コスト削減

  • 不確実性評価は，様々な分野で重要性を増しており，高精度な手法が求められている。
  • 確率有限体積法は高次元の確率パラメータ空間において，次元の呪いにより計算コストが増大する。
  • 本研究は，確率有限体積法における確率積分計算のコストを削減し，高次元問題への適用を可能とする。
  • 補間に基づくモデル次数削減手法を導入することで，確率積分の計算コストを効果的に削減できる。
  • QR分解を用いた離散経験的補間法（Q-DEIM）によるハイパーリダクションにより，更なる効率化を実現した。
  • 数値実験の結果，高次元の確率パラメータ空間において，計算コストとメモリ要件の両方を低減できることが示唆された。

  Link: https://arxiv.org/abs/2507.05091

• C2滑らかさを伴う近似コモゴロフ重ね合わせの明示的構成 [math.NA, cs.NA]目的：近似コモゴロフ重ね合わせの構成

  • 関数近似は，機械学習や信号処理など，広範な分野で重要である。
  • 従来のコモゴロフ重ね合わせは，関数が病的で扱いづらい場合がある。
  • C2滑らかさを持ち，より実用的な近似関数を構成すること。
  • C2内関数と外関数から構成される，近似コモゴロフ重ね合わせを明示的に構成した。
  • この構成は，任意のαヘルダー連続関数を，Nの-α乗の精度で近似できる。
  • 本研究は，Sprecherが追求してきた目標，すなわちコモゴロフ戦略の本質を維持しつつ，病的でない関数表現を実現する。

  Link: https://arxiv.org/abs/2508.04392

• Navier-Stokes/一般ポロ弾性界面問題に対するNitsche法 [math.NA, cs.NA]目的：Navier-Stokes/一般ポロ弾性流体連成問題の数値解法

  • 流体と構造の連成解析は，地盤工学やバイオメカニクス等，多岐にわたる分野で重要である。
  • 界面条件の設定が難しく，数値シミュレーションの安定性や精度が課題となっていた。
  • Nitsche法を用いることで，安定かつ高精度な連成解析を実現し，その有効性を示す。
  • 本研究で提案するNitsche法に基づく有限要素離散化スキームは，微分代数方程式の理論とバナッハ固定点定理を用いて，well-posedであることが示された。
  • 適切なペナルティパラメータを選択することで，メッシュサイズに依存しない安定性と収束性が保証された。
  • 数値実験の結果は，理論的な収束率と，連成力学の正確な捕捉能力を裏付けている。

  Link: https://arxiv.org/abs/2508.09388

• 適応的ランダムフーリエ特徴量のリサンプリングにおける収束性 [math.NA, cs.NA, stat.ML]目的：高次元データに対するランダムフーリエ特徴量の効率的な周波数サンプリング手法

  • 機械学習において，高次元データの処理は計算コストが高く，課題が多い。
  • ランダムフーリエ特徴量の性能は，周波数のサンプリング方法に大きく依存する。
  • データに応じて周波数を適応的にリサンプリングすることで，最適なサンプリングを実現する。
  • 提案手法は，ノード数とデータ量の増加に伴い，周波数のリサンプリングが漸近的に最適に収束することを理論的に証明した。
  • 回帰および分類問題に対する数値実験の結果，リサンプリングと適応的ランダムウォークステップの組み合わせが有効であることが確認された。
  • 共役勾配法による最小二乗問題の近似計算によって，分析結果が裏付けられた。

  Link: https://arxiv.org/abs/2509.03151

• オンライン二段階最適化における確率的後悔保証 [cs.LG, cs.NA, math.NA, math.OC, math.ST, stat.TH]目的：オンライン二段階最適化における確率的後悔の解析

  • 機械学習の分野で，時間とともに変化する目的関数を持つ問題に対応する必要がある。
  • 既存手法は決定論的な窓平滑化を利用しており，急激な変化に対応できない場合がある。
  • 窓平滑化を用いない確率的後悔保証を実現し，効率的なアルゴリズムを提案する。
  • 提案手法は，第一階およびゼロ階の確率的二段階最適化アルゴリズムにおいて，サブ線形な確率的後悔を達成する。
  • ハイパー勾配推定におけるオラクル依存性を低減し，内変数と外変数を同時に更新することで効率化を実現する。
  • ヘッセ行列，ヤコビアン，勾配のゼロ階推定を用いることで，計算コストを削減する。

  Link: https://arxiv.org/abs/2511.01126

• フィードバック積分器：一歩法における漸近的安定性とオイラー離散化におけるゲイン選択の不変性 [cs.DM, math.CO, math.NA, cs.NA, math.DS]目的：多様体上で発展し，第一積分を持つ動力系における数値解法の安定性とゲイン選択

  • 動力系の数値シミュレーションは科学技術計算の根幹であり，精度の高い数値解法が求められる。
  • 従来の数値解法では，多様体上での拘束条件や第一積分の保存が困難であり，誤差が蓄積する。
  • フィードバック積分器を用いることで，これらの問題を克服し，安定性と精度の高い数値解法を実現する。
  • 一歩法において，フィードバックリアノフ関数の亜準位近傍の正不変性を証明し，ステップサイズが小さい場合に安定性を保証した。
  • オイラー離散化においては，フィードバックゲインのテイラー展開に基づく誤差境界を解析し，適切なゲイン範囲を特定した。
  • オイラー離散化において，適応的なゲイン選択則を提案し，離散軌道の有界性を保証した。

  Link: https://arxiv.org/abs/2512.01528

• 多段階ミラー降下に基づくニューラルネットワークの疎訓練 [cs.CL, cs.LG, cs.NA, math.NA, math.OC]目的：ニューラルネットワークの疎なパラメータ空間の効率的な探索

  • 深層学習モデルの計算コスト削減は，実用化における重要な課題である。
  • モデルの疎性化は計算コスト削減に有効だが，学習の安定性や精度維持が難しい。
  • 疎性パターンを動的に更新することで，探索効率を高め，精度を維持すること。
  • 提案手法は，標準的なBregman反復と比較して，計算量(FLOPs)を大幅に削減できる。
  • 本手法は，テスト精度を維持しながら，SGD訓練と比較して計算量を約6%に削減可能である。
  • 疎性に対応したCPU実装を用いることで，学習時間を約50%短縮できる。

  Link: https://arxiv.org/abs/2602.03535

• Hawkeye：GPUレベルの非決定性を再現する [cs.CR, cs.AR, cs.LG, cs.NA, math.NA]目的：GPUレベルの算術演算の分析と再現

  • 機械学習の普及に伴い，計算の信頼性確保が重要課題となっている。
  • GPU計算の非決定性により，再現性が低く，検証が困難である。
  • GPU計算をCPUで完全に再現し，検証可能性を高めることを目指す。
  • Hawkeyeにより，機械学習モデルの行列積算演算をCPUで完全に再現可能となった。
  • Tensor Coreにおける丸め方向，サブノーマル数の扱い，累積順序が詳細に分析された。
  • Ampere，Hopper，LovelaceアーキテクチャとFP16，BFP16，FP8精度で検証され，常に完全な再現性が確認された。

  Link: https://arxiv.org/abs/2603.20421

• 界面問題に対するハード制約付き物理情報ニューラルネットワーク [cs.MA, math.NA, cs.NA, physics.comp-ph]目的：界面問題に対するハード制約付き物理情報ニューラルネットワークの構築

  • 偏微分方程式の解法において，柔軟なフレームワークを提供するPINNの重要性が高まっている。
  • 界面条件をソフト制約で近似すると，界面での精度低下や制約の不完全性が問題となる。
  • 界面物理を解表現に組み込み，厳密な界面条件を課すことで，精度向上を目指す。
  • ハード制約を導入することで，界面での忠実度が高まり，損失重みの調整が不要となった。
  • 窓関数アプローチは単純な構造化問題で非常に高い精度($O(10^{-9})$程度)を達成した。
  • バッファアプローチは，より多くのソース項や界面構成に対応し，２次元問題でよりロバストであることが示された。

  Link: https://arxiv.org/abs/2604.08453

• フーリエスペクトルを用いた3次元ナビエ-ストークス方程式におけるニア・シンギュラリティのエネルギーに基づく考察 [math.NA, cs.NA]目的：3次元非圧縮性ナビエ-ストークス方程式の数値解法におけるニア・シンギュラリティの解析

  • 流体現象の数値シミュレーションは，工学や科学の幅広い分野で不可欠である。
  • 数値解法において，解の特異性（シンギュラリティ）の検出は困難であり，精度の評価が課題である。
  • 数値解のニア・シンギュラリティを捉え，特異性の発生を予測する手法を確立すること。
  • フーリエスペクトル法と4次Runge-Kutta法を用いることで，スペクトル精度と解像度条件が解析的に確立された。
  • エネルギーに基づく条件付き正則性フレームワークを構築し，指数収束と代数収束が証明された。
  • 数値的爆発と正則性の喪失を結びつける事後判定基準を導出し，有限時間特異性検出のための診断ツールを開発した。

  Link: https://arxiv.org/abs/2604.23159

• 一般化アベル方程式の漸近プラトー：金融への応用 [math.NA, cs.NA, math.AP]目的：一般化アベル常微分方程式の漸近的挙動に関する理論と数値解析

  • 金融モデリングにおいて，信用リスクやオプション価格決定など，様々な現象を記述する上で重要な役割を果たす。
  • 既存の手法では，高次のアベル方程式の厳密解を得ることが難しく，数値計算の安定性や精度が課題となっていた。
  • 漸近プラトー定理を確立し，解の挙動を解析的に捉え，金融モデルへの応用可能性を示す。
  • 解が安定した移動平衡分岐に挟まれ，有限の正の極限値に収束することが示された。
  • 古典的なLiouvilleの置換法を一般化する次数削減原理が導出された。
  • 数値計算の結果は，理論的な予測と高い精度で一致した。

  Link: https://arxiv.org/abs/2605.02831

• Transformerは文脈内ガウスカーネル回帰のための事前条件付きリチャードソン反復を実装できる [cs.CL, cs.LG, cs.AI, cs.NA, math.NA, math.OC]目的：文脈内ガウスカーネル回帰における事前条件付きリチャードソン反復の実装

  • 機械学習における文脈内学習のメカニズム解明は，モデルの汎化性能向上に不可欠である。
  • 非線形文脈内学習において，Transformerが収束性のあるソルバーを実装できるか不明であった。
  • Transformerによる非線形文脈内ガウスカーネル回帰のメカニズムを特定し，理論と実験で検証する。
  • 標準的なsoftmaxアテンションTransformerが，関連するカーネル線形システム上で事前条件付きリチャードソン反復を実装することで，ガウスカーネル回帰予測子を近似できることが示された。
  • 特定の条件の下，$\epsilon$-精度の予測を達成するために，$O(\log(1/\epsilon))$ブロックと$O(\sqrt{N/\epsilon})$のMLP幅を持つTransformerを構築できる。
  • 実験的に，Transformerの層ごとの予測と古典的なKRRソルバーのステップごとの出力が一致し，事前条件付きリチャードソン反復と整合することを確認した。

  Link: https://arxiv.org/abs/2605.08475

• パラレルアルゴリズムにおける最適化二段階粗伝播子 [math.NA, cs.NA]目的：パラレルアルゴリズムの高速化のための枠組み

  • 偏微分方程式の解法において，時間発展計算の効率化が重要である。
  • 従来の粗伝播子は収束性が遅く，計算コストが高いという課題がある。
  • 二段階粗伝播子を最適化し，収束性を向上させることを目指す。
  • 提案手法は，線形収束因子の明示的な上限を与える厳密な誤差評価を提供する。
  • 線形放物型方程式の例において，最適化二段階粗伝播子(O2CP)を構築し，高速な収束性を実証した。
  • O2CPは，古典的なパラレル設定の粗伝播子よりも大幅に小さい収束因子(約0.0064)を達成し，計算コストも適度である。

  Link: https://arxiv.org/abs/2605.11979

• 償却エネルギーに基づくベイズ推論 [math.NA, cs.AI, cs.NA]目的：非線形逆問題におけるベイズ推論の効率化

  • パラメータと観測データの同時サンプリングから推論を行う分野であり，様々な科学技術に応用可能である。
  • 従来のマルコフ連鎖モンテカルロ法は計算コストが高く，多数の観測データに対して繰り返し推論を行うのが困難である。
  • 観測データに依存する写像を学習し，事後分布を近似することで，高速な推論を実現する。
  • 提案手法は，真の事後分布と学習された写像による推し出し分布間の平均エネルギー距離を最小化することで学習される。
  • 関数空間逆問題において，事後分布の構造（多峰性や主要なモード）を捉えながら，新しい観測データに対する高速な事後サンプリングを可能にする。
  • 多孔質媒体フローや地震反転といった偏微分方程式制約逆問題への適用例から，手法の有効性が示された。

  Link: https://arxiv.org/abs/2605.15407

• 離散フーリエ変換と逆離散フーリエ変換の反復実行：スパース化による信号ノイズ除去への応用 [eess.SP, cs.NA, math.NA, stat.ME]目的：離散フーリエ変換と逆離散フーリエ変換の反復アルゴリズム群

  • 信号処理において，周波数領域での解析は不可欠であり，様々な応用分野で利用されている。
  • ノイズ混入時の信号復元は困難であり，高精度なノイズ除去手法が求められている。
  • スパース化を利用することで，信号からノイズを効率的に除去し，より正確な信号復元を目指す。
  • 本研究では，離散フーリエ変換の不確定性原理に着想を得た反復アルゴリズムを提案した。
  • 提案手法は，実領域と周波数領域の両方でスパース化操作を適用し，安定したパターンへの収束によりノイズ除去を実現する。
  • シミュレーションにより，提案手法が既存手法と比較して良好なノイズ除去性能を示すことが確認された。

  Link: https://arxiv.org/abs/2211.09284

• 生成モデルにおける補間スケジュールのLipschitz制約に基づく設計 [stat.ML, cs.LG, cs.NA, math.NA]目的：生成モデルの補間スケジュールの設計

  • 生成モデルは，複雑なデータ分布からのサンプル生成において重要な役割を担う。
  • 既存の補間スケジュール設計は，統計的基準や計算コストの最適化に偏りがちである。
  • ドリフト場のLipschitz定を最小化することで，より安定した効率的な補間スケジュールを設計する。
  • 統計的等価性の公式化により，ドリフト場の数値的性質に着目したスケジュール設計が可能となった。
  • ガウス分布やガウス混合分布に対して，線形スケジュールと比較してLipschitz定を指数関数的に改善する最適なスケジュールを導出した。
  • 確率的Allen-Cahn方程式やNavier-Stokes方程式において，設計されたスケジュールが微細な統計量をより正確に再現することを確認した。

  Link: https://arxiv.org/abs/2509.01629

• 1
• 2