arXiv雑要約
プログラム - 2026/02/03 公開
SIM支援無線通信のための二段階符号化スライディングビームトレーニングとQoS制約下での合計レート最大化 [cs.IT, math.IT]目的：SIM支援無線通信システムの効率的なチャネル状態情報取得と位相シフト最適化
- 大規模アンテナ通信において，SIMは低コストでスケーラブルなソリューションとなり得るため，その重要性が増している。
- SIMにおいては，効率的なチャネル状態情報取得と位相シフト最適化が依然として重要な課題となっている。
- 本研究では，SIM支援通信システムの課題を解決するための低複雑度アルゴリズムの統一的なフレームワークを提案する。
- 提案手法は，正確なビームパターン実現，向上したビームトレーニング精度と角分解能を達成できることがシミュレーションにより示された。
- 二次元角領域のデカップリングを活用した二段階コードブック構築法により，計算量を削減し，効率的なビームフォーマ設計が可能となった。
- QoS制約下での合計レート最大化問題に対し，閉形式反復更新による低計算量アルゴリズムを開発し，性能向上を実現した。
多エージェントコード生成システムの因果性に基づく分析フレームワークCAM [cs.SE, cs.AI]目的：多エージェントコード生成システムにおける中間出力の貢献度定量化
- 多エージェントシステムは複雑であり，その性能向上には詳細な分析が不可欠である。
- 中間出力の重要度が不明確なため，システム全体の最適化が困難である。
- 中間出力の重要度を明らかにすることで，効率的なシステム設計を支援する。
- 本研究で提案するフレームワークCAMは，中間出力の特徴量に対する因果分析により，システム正答率への貢献度を定量化する。
- 分析の結果，特徴量間の相互作用が重要であることが示され，クロス特徴量の一貫性チェックの必要性が明らかになった。
- また，異なるLLMをバックエンドに持つハイブリッドアーキテクチャがPass@1を最大7.2%向上させることが確認された。
ドメイン特化型RAGシステムにおけるAI評価：AgriHubiケーススタディ [cs.CL, cs.CL, cs.AI, cs.IR, cs.SE]目的：ドメイン特化型RAGシステムにおけるAI評価の指針
- 知識集約型分野でのLLM活用は期待されるが，農業分野はその利用が限定的である。
- 既存のモデルは，根拠の弱さや英語中心の学習データ，評価の不足に課題がある。
- 少ない資源の言語におけるドメイン特化型RAGシステムの設計と評価を支援する。
- AgriHubiは，フィンランド語の農業意思決定支援のためのドメイン適応型RAGシステムである。
- ユーザースタディの結果，回答の完全性，言語の正確性，信頼性の向上が確認された。
- 大規模モデルの導入における応答品質と遅延時間のトレードオフが明らかになった。
単体型理論における $\infty$-圏の $\infty$-圏 [cs.LO, math.CT]目的：$\infty$-圏の $\infty$-圏の構成
- 高次元圏論は，圏論を拡張し，より複雑な数学的構造を扱うための重要な枠組みである。
- 単体型理論では，当初，高次元圏論の形式的な議論に重点が置かれ，具体的な例は少なかった。
- 単体型理論を用いて，$\infty$-圏論の主要な結果の一つである，ストレートニングとアンストレートニングを型理論的に再構成すること。
- 単体型理論を用いて，$\infty$-圏の $\infty$-圏を構成することに成功した。
- これにより，高次元圏論における重要な結果を，型理論的に完全に再現することができた。
- 構造同一性原理の導出型バージョンと構造準同型原理の新しい例が得られた。
エージェントベースのソフトウェア成果物評価 [cs.HC, cs.DC, physics.chem-ph, physics.comp-ph, cs.SE]目的：ソフトウェア成果物の自動評価手法
- ソフトウェア工学研究の再現性を高めるために，成果物評価は不可欠である。
- 成果物評価には手動での実行とデバッグが必要であり，人的コストが増大している。
- 自動化により，人的コストを削減し，評価の効率化を目指す。
- 提案手法ArtifactCopilotは，実行環境の構築，命令実行，エラー回復を自動化する。
- 48個の実世界の成果物を用いた評価で，人間の評価結果と85.42%の一致率を示した。
- Claude Codeよりも52.09%高い性能であり，平均コストは0.091ドルである。
予測を用いた安定マッチング：刈り込まれた優先度リストにおける頑健性と効率性 [cs.GT, cs.DS]目的：二側マッチング市場における安定マッチングの発見
- 大規模マッチング市場では，完全な優先度リストの作成が現実的ではないため，効率的なマッチング手法が求められている。
- 病院などが全ての応募者を評価できない場合，既存のマッチングアルゴリズムの性能が低下する可能性がある。
- 過去のデータに基づいた予測を利用し，優先度リストの長さを削減することで，効率的なマッチングを可能にすること。
- 予測に基づくアルゴリズムフレームワークを利用し，従来の遅延受諾(DA)アルゴリズムが優先度リストの刈り込みに対して頑健であることを示した。
- 提案するアルゴリズムの理論的・実験的評価により，予測の精度が比較的高い場合でも，インスタンスサイズと提案回数を大幅に削減できることが示された。
- これらの結果は，DAアルゴリズムの実用的な成功を説明し，市場設計と予測アルゴリズム理論を結びつける。
OmniCode：ソフトウェアエンジニアリングエージェントの評価ベンチマーク [cs.SE, cs.AI, cs.CL]目的：ソフトウェアエンジニアリングエージェントの能力評価
- ソフトウェア開発は，現代社会の基盤であり，その効率化は重要である。
- 既存のベンチマークは限定的なタスクに焦点を当て，実務的な多様性を欠いている。
- 実世界におけるソフトウェア開発タスクを網羅する評価環境の提供。
- OmniCodeは，Python，Java，C++の3言語，4つのカテゴリ（バグ修正，テスト生成，コードレビュー修正，スタイル修正）を含む1794のタスクで構成される。
- 既存のベンチマークと異なり，タスクは手動で検証され，データ漏洩を防ぐために合成または最新のデータで作成されている。
- SWE-Agent等のエージェントフレームワークはPythonのバグ修正には高い性能を示すものの，テスト生成やJava，C++等の言語では課題が残る。
multipanda_ros2：多腕システムのリアルタイムROS2フレームワークによるシミュレーションと現実のギャップ解消 [cs.RO, cs.AI, cs.SE, cs.SY, eess.SY]目的：多腕ロボットシステムのリアルタイム制御のためのROS2フレームワーク
- ロボット技術の発展に伴い，複数ロボットの連携制御が重要になってきている。
- シミュレーション環境と現実環境との乖離が，ロボットシステムの性能向上を阻害する要因となっている。
- シミュレーション環境と現実環境の整合性を高め，リアルタイム制御を可能とするフレームワークの開発。
- 本研究で開発されたmultipanda_ros2は，複数台のFranka Roboticsロボットを単一プロセスから制御可能である。
- 1kHzの制御周波数を維持し，安全基準を満たすリアルタイム制御を実現した。制御切り替え遅延は2ms以下である。
- MuJoCoシミュレーションとの連携と，現実世界の慣性パラメータ同定により，シミュレーションと現実のギャップを縮小した。
LLMの安全性テストのための表現認識型カバレッジ基準 RACA [cs.CL, cs.CE, cs.CL, cs.SE, cs.AI, cs.CL, cs.CR, cs.LG]目的：LLMの安全性テストにおけるカバレッジ基準の改善
- 近年のLLMの進歩はAI応用の飛躍的発展をもたらしたが，安全性確保が重要課題となっている。
- 既存の安全性テストは静的データセットに依存し，テストの質を評価する体系的な基準が不足している。
- RACAは，LLMの安全性テストに特化した新しいカバレッジ基準を提供し，質の高いテストを実現することを目指す。
- RACAは，表現工学を活用することで，LLM内の安全性に関わる概念に焦点を当て，次元削減とノイズ除去を行う。
- 実験の結果，RACAは高品質な攻撃プロンプトを特定し，従来のニューロンレベル基準よりも優れた性能を示すことが確認された。
- RACAは，テストセットの優先順位付けや攻撃プロンプトのサンプリングなど，現実世界のシナリオへの応用も実証されている。
自律制御前に：ロボット工学におけるソフトウェアテスト [cs.SE, cs.RO]目的：ロボット工学におけるソフトウェアテストの現状と課題
- ロボットは安全性が重要であり，複雑なソフトウェアシステムであるため，厳密なテストが不可欠である。
- ロボットソフトウェアは，ハードウェアとの連携，環境の不確実性への対応など，従来のソフトウェアテストよりも困難である。
- ロボットの動作空間の広さから，テスト設計時の故障予測が難しいという課題を解決することを目指す。
- 本研究は，ロボット工学におけるテスト論文とソフトウェアテスト理論との関連性を分析し，現状を明らかにしている。
- 247のロボットテスト論文を調査し，ソフトウェアテストとの比較を通して課題を提示している。
- ロボット工学とソフトウェア工学の双方に，ソフトウェアテストの課題に対する理解を深める基盤を提供する。
GitHub Actionsにおける不安定なビルドの理解と検出 [cs.SE]目的：不安定なビルドの特性把握と検出手法
- 継続的インテグレーションは，迅速なフィードバックにより開発効率向上に不可欠である。
- ビルド結果の信頼性低下が，開発者の信頼を損ない，リソースを浪費する。
- GitHub Actionsにおける不安定なビルドを検出し，信頼性向上を目指す。
- 1,960件のJavaオープンソースプロジェクトの分析から，3.2%のビルドが再実行されていることが判明した。
- 再実行されたビルドの67.73%が不安定な挙動を示し，51.28%のプロジェクト（1,055件）に影響を及ぼしている。
- 不安定な失敗のカテゴリを15種類特定し，テスト，ネットワーク，依存性解決の問題が主要であることが分かった。機械学習を用いた検出手法はF1スコアを最大20.3%改善した。
オープンソースプロジェクトにおけるAIエージェントのタスクレベル評価 [cs.SE]目的：オープンソースプロジェクトにおけるAIエージェントの性能評価
- ソフトウェア開発の効率化が求められており，AIによる支援が不可欠となっている。
- AIエージェントの性能評価は十分でなく，実用的な導入の妨げになっている。
- AIエージェントのタスクに応じた性能を定量的に評価し，改善に貢献する。
- Codexは多くのタスクカテゴリで高いプルリクエストの受理率を達成する。
- Copilotのプルリクエストは，人間と自動化されたレビューの両方で最も活発な議論を引き起こす。
- ClaudeとCursorは，高い品質のコミットメッセージをより多く生成する傾向がある。
階層型連合学習におけるSignSGD：高効率な通信手法 [cs.DC, cs.IT, cs.LG, math.IT]目的：大規模ワイヤレス・IoTシステムにおける高効率な通信手法の開発
- ワイヤレス・IoTデバイスの増加に伴い，分散型学習の重要性が高まっている。
- 通信帯域幅や遅延制限のため，勾配情報の圧縮が課題となっている。
- SignSGDの階層型構造への適用と，その収束性保証を目指す。
- 提案手法HierSignSGDは，極端な圧縮を用いながらも，フル精度SGDと同等以上の精度を達成した。
- エッジ層での多数決集約とクラウド層でのモデル集約の相互作用を分析し，収束性を評価した。
- データ分布の均一性・不均一性の両方において，通信コストの削減効果が確認された。
SWE-Universe：現実世界の検証可能な環境を数百万規模に拡張 [cs.CL, cs.SE, cs.AI]目的：現実世界のソフトウェアエンジニアリング検証環境の自動構築
- ソフトウェア開発の自動化は，生産性向上や品質改善に不可欠である。
- 自動構築の成功率は低く，検証の信頼性やコストが課題となっている。
- 高精度で検証可能なタスクを効率的に生成し，大規模な環境構築を実現する。
- SWE-Universeにより，現実世界の多言語ソフトウェアエンジニアリング環境を100万規模（807,693）に拡張することに成功した。
- 大規模なエージェントのミッドトレーニングおよび強化学習において，本環境の有用性が確認された。
- Qwen3-Max-Thinkingに適用した結果，SWE-Bench Verifiedで75.3%のスコアを達成した。
SafeGround：GUIグラウンディングモデルの信頼性を不確実性較正により判断 [cs.AI, cs.SE]目的：GUIグラウンディングモデルの信頼性評価
- GUI自動操作は効率化に不可欠だが，誤操作は重大な損害に繋がる可能性がある。
- 既存のGUIグラウンディングモデルの信頼性評価が不十分であり，誤った操作を防止できない。
- モデルの不確実性を定量化し，安全な操作を保証する閾値を提供する。
- SafeGroundは，モデル出力の空間分散を捉えることで不確実性を定量化する。
- 較正プロセスにより，誤検出率を統計的に制御する意思決定閾値を導出する。
- ScreenSpot-Proベンチマークにおいて，既存手法よりも正確な予測が可能となり，システムレベルの精度を最大5.38%向上させた。
タスク固有機械ネットワークにおけるジョブ年齢最小化のための先取り型スケジューリング [cs.IT, cs.NI, cs.SY, eess.SY, math.IT]目的：タスク固有機械ネットワークにおけるジョブ年齢の長期加重平均最小化
- 多様なタスク処理能力を持つ機械ネットワークの効率的な活用が重要視されている。
- サーバーのリソース制約から，全てのジョブを同時に処理できないという課題がある。
- ジョブの待ち時間を最小化し，タスク処理システムのリアルタイム性を向上させる。
- 提案するWIMWFポリシーは，一般的なジョブ完了時間分布において最良の性能を発揮する。
- 小規模システムではmax-weightポリシーがNGMポリシーを上回る一方，システム規模が大きくなるにつれてNGMポリシーが優位になる傾向が確認された。
- 幾何分布に従うジョブ完了時間の場合，WIポリシーが最小のジョブ年齢を実現する。
到達可能性判定と音響的非巡回自由選択ワークフローネットにおける網羅問題 [cs.FL, cs.DS]目的：音響的非巡回自由選択ワークフローネットにおける到達可能性判定と網羅問題の計算複雑性
- ペトリネット理論は，並行システムのモデル化・検証に不可欠であり，その基礎研究は重要である。
- 到達可能性判定や網羅問題は，計算複雑性が高く，効率的なアルゴリズムが求められている。
- 音響的非巡回自由選択ワークフローネットに特化し，より効率的な判定アルゴリズムを開発する。
- 音響的非巡回自由選択ワークフローネットにおける到達可能性判定と網羅問題の計算複雑性を二次多項式時間$O(P^2 + T^2)$に削減した。
- 到達可能性がない理由や，ある到達状態に至る経路を説明する概念（適格性，最大適格性，分岐遷移）を導入した。
- 並行性と後続支配性フロンティアの概念を用いて，これらの概念の計算方法を詳細に示した。
Drift-Bench: 入力エラー下におけるLLMエージェントの協調的失敗の診断 [cs.AI, cs.CL, cs.SE]目的：入力エラー下におけるLLMエージェントの協調的失敗の診断
- LLMが自律エージェントへと移行する中で，安全性と信頼性の確保が重要となっている。
- 従来の評価方法は，明確な指示を前提としているか，単一ターンでの明確化に限定されており，実行リスク下での多段階の曖昧性解消を評価できていない。
- 本研究は，実行リスクを伴う状況下での，エージェントの実用的なコミュニケーション能力を評価する指標を確立することを目指す。
- Drift-Benchは，状態指向型およびサービス指向型環境において，入力エラー下でのエージェントのプラグマティクスを評価する初の診断ベンチマークである。
- 実験の結果，入力エラーによって性能が大幅に低下し，明確化の有効性はユーザーのペルソナやエラーの種類によって異なることが示された。
- 本研究は，明確化研究とエージェントの安全性評価を結びつけ，安全でない実行につながる可能性のある失敗の体系的な診断を可能にする。
年齢を考慮した無線環境におけるエッジブラインド連合学習 [cs.IT, cs.LG, eess.SP, math.IT]目的：年齢を考慮したエッジブラインド連合学習手法
- 無線通信におけるデバイスの増加に伴い，分散型機械学習の効率化が重要である。
- 無線チャネルの変動により，連合学習のモデル更新における通信遅延と精度低下が課題である。
- チャネル状態情報なしで遅延を削減し，無線環境での連合学習の精度向上を目指す。
- パラメータサーバが複数のアンテナを用いて最大比率合成を行うことで，正確なモデル更新を検出可能である。
- AgeTop-kアルゴリズムにより，更新頻度の低いパラメータを優先的に選択し，単一のOFDMシンボルに収まるように圧縮する。
- 実験結果から，パラメータサーバのアンテナ数増加，およびkの値の調整が，精度と収束速度の向上に寄与することが示された。
安全な多人数線形分離型分散コンピューティング [cs.IT, cs.CR, math.IT]目的：多人数線形分離型分散コンピューティングにおけるデータ秘匿性の確保
- 分散コンピューティングは，計算資源を効率的に活用し，大規模な問題を解決するために重要である。
- 従来の分散コンピューティングでは，データ秘匿性が課題であり，悪意のある攻撃者による情報漏洩のリスクが存在する。
- 本研究は，ユーザー間の相互干渉を許容しつつ，情報理論に基づいた秘匿性を保証する分散コンピューティング手法を確立する。
- 本研究では，各ユーザーが自身の要求関数以上の情報を学習できないための必要十分条件を2つ導出した。
- 提案手法では，行列EにNull(D)の基底を付加し，共有乱数を注入することで，有限体の場合に完全な情報理論的秘匿性を保証する。
- 実数体の場合には，ガウス乱数の分散を増やすことで，相互情報量を任意に小さくできることを示した。
QSPE：量子ライブラリテストのための骨格量子プログラムの列挙 [quant-ph, cs.SE]目的：量子ライブラリのテストにおける骨格量子プログラムの列挙
- 量子計算の急速な発展に伴い，様々な量子ライブラリが登場しているため，その信頼性確保が重要である。
- 既存のテスト手法は，特定のドメイン知識を必要とし，汎用性やスケーラビリティに課題がある。
- QSPEは，自動化されたテスト手法によって，量子ライブラリの誤りを効率的に検出することを目的とする。
- QSPEは，既存手法SPEを拡張し，多様な量子プログラム変種を自動生成することで，量子コンパイル空間を網羅的に探索する。
- 測定に基づく検証の誤検出を改善するため，状態ベクトルに基づく検証を提案し，高い精度を実現した。
- 実験により，QSPEが22,770個のプログラム変種を生成し，708件の誤コンパイルを検出し，そのうち81件がQiskit開発チームによって承認された。
球状タンパク質-ペプチド複合体における周辺表面情報エントロピーの活用 [physics.bio-ph, cs.IT, math.IT]目的：タンパク質-ペプチド結合の有利性を予測すること
- 生物物理学において，タンパク質とペプチドの相互作用は生命現象の根幹をなす重要なプロセスである。
- 非局所的な効果がエネルギー地形に及ぼす影響が不明確であり，結合予測の精度が課題となっている。
- タンパク質-ペプチド結合の有利性を左右する統計的特徴を捉え，新たな結合予測指標を確立すること。
- 有利な結合パートナーは，非相互作用表面（NIS）におけるアポラー/電荷表面構成の優先的な低エントロピー状態（N-state）を示すことが明らかになった。
- WW，PDZ，MDM2ドメインを含む多様な系において，支配的なN-stateが様々なドッキングパラメータや初期条件で持続した。
- 36個の高分解能構造からなるWWドメインの実験的メタアンサンブルは，計算手法に依存せず，支配的なNISモードの存在を確認した。
事後認証付きベクトル場による決定論的ゼロ次ミラー降下法 [math.OC, cs.IT, math.IT, quant-ph]目的：ゼロ次ミラー降下法の決定論的フレームワーク
- 最適化問題において，勾配情報なしで効率的に解を探索する手法の重要性が高まっている。
- 従来のゼロ次最適化手法は，収束保証が緩く，高次元問題への適用が困難であるという課題がある。
- ベクトル場を用いてミラー更新を定義し，厳密な収束保証と効率的な評価を両立させることを目指す。
- ベクトル場を用いることで，Bregman幾何構造を維持しつつ，微分不要なオラクルに対応した決定論的フレームワークを構築した。
- 実現された軌跡において検証可能な不等式が成立する場合，最終反復値に関する明示的な保証が得られる。
- 有限差分法を用いた場合，次元dに対して2d+1回の関数評価でベクトル場を構築でき，汎化された星状凸性の条件が鍵となる。
アテンション近似のための準線形時間量子アルゴリズム [quant-ph, cs.DS, cs.LG]目的：アテンションモジュールの近似手法
- 現代のTransformerや大規模言語モデルの基盤技術であり，高性能化に不可欠である。
- アテンション行列の計算量はn^2であり，大規模データに対する計算コストが課題となっている。
- 量子データ構造を用いて，アテンション行列の行を準線形時間で近似し，計算効率を向上させる。
- 提案手法は，クエリ，キー，値行列に対する行クエリのみを用いてアテンション行列の近似を可能にする。
- 前処理時間は$\widetilde{O}\left( \epsilon^{-1} n^{0.5} \left( s_\lambda^{2.5} + s_\lambda^{1.5} d + \alpha^{0.5} d \right) \right)$であり，各行クエリの応答時間は$\widetilde{O}(s_\lambda^2 + s_\lambda d)$である。
- 本研究は，nに関して準線形時間でアテンション行列の行を近似する初の量子データ構造を提供する。
Bures-Hallアンサンブルのスペクトルモーメントとエンタングルメントエントロピーへの応用 [math-ph, cs.IT, math.IT, math.MP, quant-ph]目的：Bures-Hallランダム行列アンサンブルのスペクトルモーメント
- 量子情報理論において，エンタングルメントは重要な物理量であり，その性質解明は不可欠である。
- 既存研究では，スペクトルモーメントの計算に整数値のkを仮定することが一般的であった。
- 実数値のkに対するスペクトルモーメントの漸化式を導き出すことで，この制約を克服する。
- Bures-Hallアンサンブルの相関カーネルに対するChristoffel-Darboux公式を導出した。
- 導出されたスペクトルモーメントを用いて，平均フォン・ノイマンエントロピーと量子純度の公式を再導出した。
- この研究は，Santosh Kumar氏の功績を称えるものである。
量子学習におけるプライバシーと安定性の同値性：汎化性の保証とともに [math.OC, cs.SY, eess.SY, quant-ph, cs.IT, cs.LG, math.IT]目的：量子学習アルゴリズムの汎化性能の分析
- データ活用において，プライバシー保護と有効な学習の両立が重要課題となっている。
- 差分プライバシーを量子学習に適用する際の理論的な限界が明確でなかった。
- 差分プライバシーが汎化誤差に与える影響を定量的に評価すること。
- 差分プライバシーとアルゴリズムの安定性の間に密接な関係があることが示された。
- 差分プライバシーのパラメータが，学習アルゴリズムの出力と訓練データ間の相互情報量に制約を与えることが明らかになった。
- 差分プライバシーを満たす量子学習アルゴリズムの期待汎化誤差の上界が，プライバシーによって誘導される安定項の平方根で抑えられることが証明された。
知識に基づくワークフローへ: 機械的・熱力学的特性のための原子論シミュレーションにおけるセマンティックアプローチ [eess.IV, cs.MM, math.OC, cs.SY, eess.SY, q-bio.NC, cs.HC, cond-mat.mtrl-sci, cs.AI, cs.SE]目的：機械的・熱力学的特性評価のための原子論シミュレーションワークフローの再利用性と透明性の向上
- 材料設計において，機械的・熱力学的特性の正確な予測は不可欠である。
- 従来のシミュレーションは，メタデータ不足と再現性の低さという課題を抱えている。
- FAIR原則に基づいたセマンティックなワークフローを構築し，シミュレーションデータの再利用性を高める。
- 本研究では，アプリケーションオントロジーに沿ったメタデータ注釈を取り入れた原子論シミュレーションワークフローを開発した。
- これにより，自動的なプロベナンス（来歴）の記録とFAIR原則準拠のデータ出力が可能となった。
- 構築したワークフローは，異なる原子間ポテンシャルや材料間での再利用性が確認され，構造-特性関係の検証にも成功した。
メッセージパッシングアルゴリズムによる単変量因子化分布の近似 [cond-mat.stat-mech, cond-mat.dis-nn, cond-mat.soft, cs.NI, eess.SP, cs.IT, math.IT]目的：単変量因子化確率密度関数の近似手法
- 通信システムにおいて，GMMが広く利用されており，効率的な推定・検出が重要である。
- 因子数が増加するとGMMの積の成分数が指数的に増加し，計算が困難となる。
- GMMの積のような単変量因子化確率密度関数を近似するアルゴリズムを提案する。
- 信念伝播(BP)に基づくVariable Duplication and Gaussian Belief Propagation (VDBP)アルゴリズムを提案した。
- VDBPは，単変量因子化PDFと等価な周辺事後分布を持つ多変量測定モデルを構築する。
- 期待値伝播(EP)と既存の非積分化信念の処理手法を組み合わせた2つの手法を提案した。
曲面上の階層的局所復元符号 [math.AG, cs.IT, math.IT]目的：曲面から構成される階層的局所復元符号の構築
- 符号理論は，情報伝送やデータストレージにおける誤り訂正に不可欠である。
- 既存の局所復元符号は，効率や柔軟性に課題が残されている。
- 曲線によるフィブレーションを持つ曲面を用いて，新たな符号を設計し，効率と柔軟性を向上させる。
- Artin-Schreier型またはKummer型の曲線によるフィブレーションを持つ$\mathbb{A}^3$内の曲面から，階層的局所復元符号を構成した。
- フィブレーションの幾何学・算術的性質を活用し，符号のパラメータを決定した。
- 特定の曲面族における有理点の数に関する評価（および一つのケースでは明示的な個数）を得た。
グラフ行列に対する完全Δモジュラー木分解と整数計画法 [q-bio.PE, cs.SY, eess.SY, math.CO, cs.DM, cs.DS, math.OC]目的：整数計画問題の解法
- 組み合わせ最適化において，問題の規模が大きい場合に効率的な解法が求められる。
- 行列の構造を利用した分解手法は存在するが，適用可能な行列の種類が限定されている。
- 非{-1,0,1}要素を含む行列に対しても適用可能な分解パラメータを提案し，解法を確立する。
- 2つの非ゼロ要素を持つ行列に対して，完全Δモジュラー木幅（TDM-treewidth）というパラメータを導入した。
- 変数が有界な場合，TDM-treewidthが有界な行列に対する整数計画問題を解くことができる。
- TDM-treewidthが有界な行列に対する，Robertson-SeymourのGrid定理のアナロジーを根付き符号付きグラフの言語で示した。
滑らかなクエリに対するミニマックス最適差分プライバシー合成データ [math.ST, cs.IT, cs.LG, math.IT, stat.ML, stat.TH]目的：滑らかなクエリに対する差分プライバシー合成データの生成
- 個人情報保護とデータ分析の利便性を両立させる技術であり，統計データの共有・活用を促進する。
- 汎用的なプライバシー保護手法は，実用的な統計量の精度が低い場合がある。
- クエリの滑らかさを利用することで，より高精度な合成データ生成を目指す。
- 提案アルゴリズムは，次数$k$までの微分を持つ滑らかなクエリに対し，誤差率$n^{-\min \{1, \frac{k}{d}\}}$を達成する。
- この結果は，$k=d$において相転移が起こることを示し，既存手法よりも改善された誤差率を確立する。
- 次数$k$の滑らかなクエリに対する差分プライバシー合成データの有用性のミニマックス下限を初めて確立した。
FMCWを用いた直交遅延ドップラー分割多重化に基づく新規ISAC波形 [eess.SP, cs.IT, math.IT]目的：統合センシング・通信のための低ピーク平均電力比を実現する波形の提案
- 通信とセンシングを同時に行うISAC技術は，自動運転やスマートシティ等，幅広い分野での応用が期待されている。
- 従来のFMCW波形では，ISACシステムにおいて性能に制約がある場合がある。
- 直交遅延ドップラー分割多重化とFMCWを組み合わせることで，より効率的なISAC波形を実現する。
- 提案するODDM-FMCW波形は，ピーク平均電力比，スペクトル，曖昧関数において優れた性能を示す。
- 数値シミュレーションの結果，提案波形はセンシングのRMSEと通信のBERにおいて高い性能を達成する。
- DD-SRN-FMCWフレームとODDMデータフレームの重ね合わせにより，効率的なチャネル応答推定が可能となる。
解釈可能性の決定可能性 [math.LO, cs.LO]目的：制約充足問題の計算複雑性に関する決定可能性
- 有限に有界な同質構造の一次還元における制約充足問題の複雑性分類は重要である。
- pp-双解釈可能性の同値関係の決定可能性は，これまで完全には解明されていなかった。
- pp-双解釈可能性の同値関係が妥当性を持つことを示す。具体的には決定可能性と複雑性を明らかにする。
- テンプレートに条件を課すことで，多項式時間で双解釈可能性の判定が可能になることが示された。
- $\omega$-categoricalな構造において，双解釈可能性の同値関係は記述集合論的に最小の複雑さを持つことが証明された。
- 有限に有界なRamsey拡張を持つ構造のモデル完全核が計算可能であることが示され，以前の非構成的な証明の代替となる。
連続時間制御・フィルタリングにおける情報理論的限界解析：I-MMSE関係によるアプローチ [cs.IT, cs.SY, eess.SY, math.IT, math.OC, math.PR]目的：連続時間制御・フィルタリングシステムの限界
- 制御・フィルタリング理論は，工学分野において不可欠であり，最適なシステム設計を可能にする。
- 既存の情報理論的手法は間接的で複雑であり，連続時間システムの限界解析には不向きである。
- I-MMSE関係を用いることで，連続時間システムの限界を直接的に評価することを可能にする。
- 本研究では，連続時間制御・フィルタリングシステムを付加ガウスチャネルとしてモデル化し，全情報量を制御・フィルタリングのトレードオフ指標として定義した。
- 全情報量の制約を導出し，線形および非線形プラントモデルを持つ様々なシステムの限界を明らかにした。
- 線形システムにおいては，全情報量が最小エントロピーコストや最小二乗推定誤差といった性能限界を定量化することが示された。
DoS攻撃者を破産させる [cs.CR, cs.DC, cs.DS]目的：DoS攻撃者と正当なクライアントのコスト関係に関する研究
- インターネットサービスの安定運用には，DoS攻撃への対策が不可欠である。
- DoS攻撃者は，サーバーや正当なクライアントに甚大な損害を与える可能性がある。
- 攻撃者のコストを正当なユーザーよりも大きくすることで，攻撃を抑止することを目指す。
- 提案する価格設定アルゴリズムは，推定器の精度が高い場合，攻撃者のコスト増加がサーバー側のコスト増加を上回ることが示された。
- このアルゴリズムは，推定器の精度が一定の範囲内であれば，漸近的に最適な結果をもたらすことが理論的に証明された。
- 攻撃者のコストを効果的に増加させることで，DoS攻撃を経済的に抑制する可能性が示唆された。
PL二変数場に対するリースペースの高速かつ正確な計算アルゴリズム [cs.CG, cs.DS]目的：PL二変数場に対するリースペースの高速かつ正確な計算手法
- 計算トポロジーにおいて，多変数場の繊維トポロジーを表現する基本的なデータ構造であるリースペースは重要である。
- PL二変数場に対する正確なリースペースの計算は困難であり，既存手法は計算コストが高いか，正当性に問題がある。
- 本研究は，リースペースとホメオモルフィックな多次元リーグラフの計算に基づき，高速かつ正確な計算手法を提案する。
- 提案アルゴリズムは，多次元リーグラフの計算と，リースペースへのJacobi集合の射影であるJacobi構造の計算に基づいている。
- Jacobi集合の射影における交点数や，簡体の連結における簡体の数に関連する計算量の解析を行った。
- アルゴリズムの計算量は$\mathcal{O}(n^2 + n\, c_{int}\, \log n + nc_L^2)$であり，既存手法と比較して効率的である。
離散状態マルコフソースの遠隔推定におけるデータ重要度の活用 [cs.IT, cs.NI, cs.SY, eess.SY, math.IT]目的：離散状態マルコフソースの遠隔推定における伝送ポリシーの最適化
- 遠隔推定は，通信リソースが限られた環境において重要な技術である。
- 緊急度の異なる状態を正確に推定することは，システム運用において課題となる。
- 見逃しアラームと誤報アラームの長期的な影響を考慮した最適化を目指す。
- 見逃しアラーム期間 (AoMA) と誤報アラーム期間 (AoFA) という2つの新しい指標を導入し，推定誤差の種類に応じた影響を捉えた。
- 各年齢プロセスに対する異なる閾値を持つ単純なスイッチングポリシーが存在することを示し，その性能を閉形式で導出した。
- 有限状態近似マルコフ決定過程 (MDP) を提案し，元の MDP への収束が指数関数的に高速であることを証明した。
高密度$k$-部分グラフマイニングと対角荷重：最適化の地形と有限ステップでの厳密収束解析 [cs.CL, cs.SI, cs.DS]目的：高密度$k$-部分グラフの発見とその最適化に関する理論的解析
- 高密度$k$-部分グラフ問題は，理論的難易度が高い一方で，応用範囲が広い重要な組み合わせ最適化問題である。
- 最近提案された緩和法は実証的に良好な性能を示すものの，その成功の理論的根拠が明確でなかった。
- 緩和法の理論的性質を明らかにすることで，その成功の理由を解明し，より効率的なアルゴリズム開発に貢献する。
- 提案された緩和法は，元の組み合わせ最適化問題と緩和された問題において，グローバル最大値が一致することが証明された。
- 最適化の地形は，積分停留点（局所最大値）と非積分停留点（厳密な鞍点）の明確な二分性を示すことが示された。
- 鞍点回避型のFrank-Wolfeアルゴリズムは，有限ステップで積分局所最大値に厳密に収束することが証明された。
準同型暗号におけるASIC AIチップの活用 [cs.CR, cs.AR, cs.CL, cs.PL]目的：準同型暗号演算のエネルギー効率向上
- クラウドサービスのデータプライバシー保護が重要であり，準同型暗号は有効な手段である。
- 従来の準同型暗号は計算コストが高く，GPUによる高速化もエネルギー効率に課題が残る。
- AIアクセラレータを用いて，ASICレベルのエネルギー効率を実現する新たな手法を確立する。
- 提案手法CROSSは，準同型暗号ワークロードをTPUアーキテクチャに適合するように変換するコンパイラフレームワークである。
- CROSSは，高精度演算を低精度行列乗算に変換し，TPUのMXUを有効活用することで，エネルギー効率を向上させる。
- CROSS (TPU v6e)は，既存のライブラリと比較して，NTTおよび準同型暗号演算において高いスループット/ワットを実現した。
経験ソフトウェア工学における省略変数バイアスの軽減 [cs.SE]目的：経験ソフトウェア工学における省略変数バイアスの影響軽減方法
- ソフトウェア工学の研究では実験が難しく，観測研究が主流であるため，バイアスの影響を理解する必要がある。
- 観測研究では，重要な変数がモデルから除外されることがあり，結果の解釈を誤らせる可能性がある。
- 因果構造モデルを用いて，省略変数バイアスの存在，影響，そして軽減策を検討する。
- 省略変数バイアスの影響を2つのソフトウェア工学の事例で示し，分析手法を提示した。
- 研究デザイン段階で省略変数バイアスの調査に注力することで，研究の妥当性を高めることができる。
- 提示された分析ステップは，ソフトウェア工学のあらゆる経験的研究のデザインと実行に役立つ。
推移関係学習による無限状態モデル検査 [cs.LO]目的：無限状態システムの安全性証明
- ソフトウェアやハードウェアの信頼性確保は重要であり，バグの無いシステムの開発が求められる。
- 無限状態システムでは，状態空間が無限大となり，従来のモデル検査手法の適用が困難である。
- システムの直径を有限化することで，モデル検査を適用可能にし，安全性証明を効率化する。
- システムの直径を有限にするため，推移関係を学習する手法を提案した。
- 再帰解析と射影を組み合わせることで，従来の再帰解析では困難な，準体関係の発見に成功した。
- 実装したツールLoATの実験結果から，最先端の手法と同等の性能を示すことが分かった。
コードのデジタルツイン：AI支援による複雑なソフトウェア開発のための知識基盤 [cs.SE]目的：大規模言語モデルを活用したAIコーディング支援環境における知識基盤
- ソフトウェア開発において，AI技術の活用は生産性向上への期待が高まっている。
- 大規模システムでは，暗黙知を含む文脈情報が分散しており，AIが正確な判断を下すのが困難である。
- コードのデジタルツインは，分散した知識を統合し，AIの判断を支援することで，この課題の解決を目指す。
- コードのデジタルツインは，ソフトウェアの物理層と概念層の両方をモデル化し，システムと共に進化する知識基盤である。
- この基盤は，長期的な知識エンジニアリングとタスク時の文脈エンジニアリングを分離し，AIコーディング支援のバックエンドとして機能する。
- ハイブリッドな知識表現，多段階抽出パイプライン，および人間との連携を通じて，断片化された知識を行動可能な表現へと変換する。
プログラミング言語の混同：コードLLMが言語を識別できない場合 [cs.SE]目的：プログラミング言語の混同現象
- ソフトウェア開発におけるLLMの活用が拡大しており，その信頼性評価が重要である。
- LLMは指示された言語とは異なる言語のコードを生成することがあり，その原因が不明確である。
- LLMにおける言語混同のパターンを明らかにし，その対策を検討する。
- LLMは，意図しない言語でコードを生成する「プログラミング言語の混同」を起こしやすいことが判明した。
- 特にPythonへの傾向が強く，構文が似た言語間での混同が頻発することが示された。
- 明示的な言語キーワードの使用が有効な対策となり，モデルの量子化が混同を悪化させることがわかった。
SCAN-BEST：6GHz未満帯域支援による近傍界ビーム選択と形式的な信頼性保証 [cs.IT, eess.SP, math.IT]目的：近傍界における最適なmmWaveビームの選択
- mmWave MIMOシステムの普及に伴い，近傍界伝搬が重要性を増している。
- 従来のビームトレーニング法は近傍界では不適切であり，コードブックの巨大化が課題である。
- 6GHz未満帯域とmmWaveチャネル間の相関を利用し，ビーム選択のオーバーヘッドを削減する。
- 提案手法SCAN-BESTは，既存のビーム予測器を拡張し，信頼性保証付きの候補ビーム集合を生成する。
- SCAN-BESTは共形リスク制御（CRC）に基づき，限られたキャリブレーションデータでオフラインで調整される。
- キャリブレーション時と実環境間での統計的変動があっても，性能保証が有効であることが確認された。
条件付き書き換え規則の剰余による合流性 [cs.LO, cs.PL, cs.SC]目的：条件付き書き換えシステムにおける剰余による合流性の判定
- 書き換えシステムは，計算機科学の基礎であり，プログラムの意味解析や自動定理証明などに不可欠である。
- 書き換えシステムの合流性が保証されない場合，同じ項に対して複数の正規形が存在し，計算が一意にならない。
- 条件付き書き換えシステムにおける合流性の判定方法を確立し，より広範なシステムへの適用を目指す。
- Jouannaud-Kirchnerの枠組みを条件付きシステムに適用し，有限個の条件付き対を用いた合流性判定手法を提案した。
- Logic-based Conditional Critical PairsとParametric Conditional Variable Pairsを導入し，局所的なピークの有限表現を可能にした。
- 本研究は，等式条件付き項書き換えシステムを含む多くの書き換えシステムに適用可能であり，既存のアプローチを包含する。
コアルジェブラ的積構成に対する否定定理 [cs.LO]目的：マルコフ連鎖と有限オートマトンに対するモデル検査問題の理論的限界と解決策
- 形式検証はシステムの信頼性確保に不可欠であり，モデル検査はその主要な手法である。
- 既存の積構成法では，非決定性有限オートマトンに対する確率計算が困難な場合がある。
- コアルジェブラ的枠組みを用いて，モデル検査における積構成の限界と可能性を明らかにすること。
- 非決定性有限オートマトンを用いた確率計算を行うコアルジェブラ的積構成は原理的に不可能であることを示した。
- 多重集合有限オートマトンを用いた積構成は可能であり，期待受理数計算問題を多項式時間で解決できる。
- Watanabeらによるコアルジェブラ的積構成の枠組みを拡張し，新たな応用可能性を示した。
大規模独立集合に対するオンラインアルゴリズムの最適困難性 [cs.DS, cs.CC, cs.DM, math.CO, math.PR]目的：大規模独立集合問題におけるオンラインアルゴリズムの性能限界
- ランダムグラフは現実世界の複雑なネットワークをモデル化する上で重要であり，アルゴリズム設計の基礎となる。
- ランダムグラフにおける大規模独立集合問題は，長年にわたり未解決の難問であり，アルゴリズムの性能向上に限界がある。
- 本研究は，オンラインアルゴリズムの性能限界を厳密に評価し，既存アルゴリズムの最適性を示唆する。
- オンラインアルゴリズムのクラスは，確率的にほぼ確実に，最大独立集合サイズの$(1+\epsilon)\log_b n$に達しないことが示された。
- この下界は，Karpのアルゴリズムを含む広範なアルゴリズムに適用され，例外的なエッジに対するクエリ回数についても考察された。
- 本研究は，Overlapping Gap Propertyの改良された分析により，オンラインアルゴリズムにおけるアルゴリズム的困難性の証拠を提供する。
DiTOX：ONNXオプティマイザにおける障害検出と局所化 [cs.LG, cs.AI, cs.SE, cs.SY, eess.SY]目的：ONNXオプティマイザの正当性評価のための自動化されたフレームワーク
- AIモデルの効率的な推論には，モデルの最適化が不可欠である。
- 既存のONNXオプティマイザの正当性は体系的に評価されていない。
- ONNXオプティマイザの障害を検出し，原因となる最適化パスを特定する。
- DiTOXを用いてONNX Model Hubの130モデルを評価した結果，9.2%のモデルでオプティマイザがクラッシュまたは無効なモデルを生成した。
- 分類モデルの30%，物体検出・セグメンテーションモデルの16.6%で出力の不一致が確認された。
- DiTOXは，ONNXオプティマイザの47の最適化パスとインフラストラクチャに影響を与える15の問題（新規14件）を発見した。
注意索引モデルのベイズ最適学習 [cs.LG, cond-mat.dis-nn, cs.IT, math.IT, stat.ML]目的：深層注意層における学習の理論的解析
- Transformerは自然言語処理等の分野で広く利用され，高性能を発揮しているため。
- 既存の注意モデルは，計算の簡略化のため制約が大きすぎることが課題となっていた。
- より現実的なTransformerに近い注意機構の学習特性を理論的に解明すること。
- 注意索引モデル(AIM)は，トークンレベルの出力が多次元埋め込み上の二重線形相互作用から生まれる様子を捉えている。
- 統計力学とランダム行列理論を用いることで，ベイズ最適汎化誤差の閉形式予測を導き出した。
- AIMは，自己注意層における学習を理解するための，解析可能な基盤を提供する。
DISTINCT：記述に基づいた分岐整合性解析フレームワーク - 非退行テストケース生成 [cs.SE]目的：非退行的なテストケース生成のためのフレームワーク
- ソフトウェアの品質保証において，テストは不可欠であり，特に既存機能の回帰を防ぐことは重要である。
- 既存のテスト自動生成手法は，対象コードの欠陥の存在を考慮していない場合が多い。
- 開発者の意図を理解し，欠陥を検出可能なテストケースを生成すること。
- DISTINCTは，自然言語による記述を活用することで，LLMを欠陥を意識したテスト生成器へと進化させる。
- 実験の結果，DISTINCTは既存手法と比較して，コンパイル成功率，パス率，欠陥検出率において大幅な改善を示した。
- 特に欠陥検出率では95.22%という高い結果を達成し，記述駆動型推論がLLMの有効性を高めることを示した。