arXiv雑要約
プログラム - 2026/03/05 公開
EasyRpl：組織間ワークフローのモデリングと分析のためのWebベースツール [cs.SE]目的：組織間ワークフローのモデリングと分析
- 組織間の連携はビジネスにおいて重要であり，効率的なワークフロー管理が不可欠である。
- 従来のツールは，組織間での協調やリソース共有の促進に課題がある。
- 複雑なワークフローの効率化と，リソースボトルネックの特定を支援する。
- EasyRplは，ワークフロー変更の影響を可視化するシミュレータ，リソースボトルネックを特定する分析ツール，そして実行時間を予測する分析ツールを提供している。
- これらのツールは，プランナーに詳細な洞察を提供し，ワークフロー効率を最適化し，混乱を最小限に抑える。
- 本ツールスイートは，複雑で相互依存性の高いワークフローの管理を強化する。
ラムダI計算におけるオハナ木，線形近似，および多種変数：どの変数も置き去り，忘れ去られることはない！ [cs.LO, cs.PL]目的：ラムダI計算のこれまで知られていなかった理論
- ラムダ計算の自然な断片であるラムダI計算は，その理論的基礎の探求が重要である。
- 既存の定義モデルでは，非正規化可能な項がすべて等価とされ，理論が限定的である。
- オハナ木という評価木を用いて，より詳細な理論を構築し，変数情報を保持する。
- オハナ木は，ラムダI項のB\"ohm木を拡張し，意味のない部分木や無限に伸びる枝に隠された変数を記憶する。
- 線形近似を用いた理論と，EhrhardとRegnierのテイラー展開を適用した理論を開発した。
- オハナ木によって誘導される等価性は，抽象化と適用と整合性があることが示された。
固定信頼区間下での複数最適解における最適な腕の識別 [cs.NI, cs.LG, cs.IT, math.IT, stat.ML]目的：複数最適腕が存在する確率的多腕バンディット問題における最適な腕の識別
- 多腕バンディット問題は，意思決定における探索と利用のトレードオフをモデル化する重要な研究分野である。
- 既存研究では，最適腕の数が不明なケースに焦点を当てていたため，数が既知の場合は最適性が保証されていない。
- 最適腕の数が既知である場合に，より効率的な腕の識別を可能とする手法を開発すること。
- 本研究では，最適腕の数が既知であることを利用した新しい情報理論的下限を導出した。これは既存の下限よりも厳密にタイトである。
- Track-and-Stopアルゴリズムを改良し，同値の腕を考慮した停止規則を提案し，漸近的最適性を証明した。
- 本研究は，最適腕の数が既知の多腕バンディット問題において，Track-and-Stopアルゴリズムの最適性の最初の厳密な保証を提供する。
整数の冪乗に関する逆元 [cs.DS]目的：整数 $n$ の冪乗 $n^k$ を法とする $a$ の逆元 $x$ の計算手法
- 暗号理論や計算機科学において，逆元は重要な演算であり，様々なアルゴリズムの基礎となる。
- 従来の逆元計算アルゴリズムは，法が素数の冪乗に限定される場合や，計算効率が低い場合がある。
- 任意の整数 $n$ の冪乗を法とする逆元を効率的に計算し，既存手法の汎用性と性能を向上させる。
- 本研究では，$n=2^{64}$のようなコンピュータアーキテクチャに特化した計算に利用可能な，効率的かつ汎用的なアルゴリズムを提案。
- Dumas-Hurchalla法を一般化し，任意の整数 $n$ に対する $n^{2^s}$ を法とする逆元計算の効率的なアルゴリズムを導出。
- Ko\c{c} のアルゴリズムの正当性に関する別の証明を提示し，モジュラ逆数の計算に関する理解を深める。
LeanTutor：検証可能なAI数学証明チューターの構築に向けて [cs.AI, cs.HC, cs.LO]目的：AIに基づく，検証可能な数学証明の指導
- 数学教育において，学生の理解を深める効果的な指導方法が求められている。
- 従来の定理証明支援システムは正確だが，学生にとって学習が困難である。
- LLMと定理証明器の強みを組み合わせ，学生に寄り添った指導を実現する。
- LeanTutorは，自動形式化・証明チェック，次ステップ生成，自然言語フィードバックの3つのモジュールで構成される。
- PeanoBenchという，自然言語と形式言語で記述された371のペアーノ算術の証明を含むデータセットを新たに作成した。
- LLMの自然な対話性と定理証明器の厳密性を両立させ，数学学習の支援を目指す。
6GにおけるISACのための周波数範囲3：可能性と課題 [cs.IT, math.IT]目的：次世代無線ネットワーク実現のための周波数範囲3（FR3）のISAC（統合センシング通信）における可能性と課題
- 無線通信技術の進化において，周波数資源の有効活用は重要であり，特にFR3は次世代通信の鍵となる周波数帯である。
- FR3は，近傍界の特性や空間的な非定常フェージングといった特異性があり，従来のチャネルモデルでは対応が困難である。
- 本研究は，FR3における高分解能センシング，マルチターゲット追跡，高速データ伝送を実現するための課題を明確化する。
- FR3は，広い帯域幅とMIMO技術を活用することで，高精度なセンシングと高速なデータ伝送を両立できる可能性がある。
- 特に，極大規模MIMOと超大型アレイアンテナ（ELAA）の活用が重要であり，FR3の特性に合わせたチャネルモデルが必要となる。
- 本研究は，6GにおけるELAAベースISACのための課題と今後の研究方向性を示唆する。
メモリレスリレーチャネルにおける双静的統合センシング・通信の限界 [cs.IT, math.IT]目的：双静的統合センシング・通信性能のトレードオフ
- 通信とセンシングの統合は，リソース効率を高め，新たなアプリケーションを可能にするため重要である。
- リレーチャネル環境下では，通信とセンシングを同時に行う際の性能限界が明確になっていない。
- メモリレスリレーチャネルにおける通信・センシング性能のトレードオフの限界を解明する。
- 提案されたハイブリッド部分復号・圧縮転送方式は，通信を無視した場合に最適なセンシング性能を発揮する。
- 特定のリレーチャネルクラスにおいて，上限と下限が一致することが示され，理論的な限界が明らかになった。
- 数値例を通して，通信とセンシングのトレードオフと統合設計の利点が実証された。
フィードバックから障害へ：Androidパフォーマンス問題の自動再現 [cs.SE]目的：モバイルアプリケーションのパフォーマンス問題の自動再現
- モバイルアプリの利用体験において，パフォーマンスは極めて重要である。その品質がユーザー満足度に直結する。
- 開発環境では問題が表面化しにくく，診断が困難。多様なデバイス構成での問題検出が課題である。
- ユーザーレビューから問題を特定し，自動的に再現することで，診断プロセスを効率化することを目的とする。
- 提案手法RevPerfは，ユーザーレビューを活用し，パフォーマンス問題を72.73%の成功率で自動再現できた。
- セマンティック検索とプロンプトエンジニアリングによりレビューを統合し，問題の詳細情報を付加する点が特徴である。
- Androidログ，GUI変更，システムリソース利用の監視により，再現時のパフォーマンス問題を多角的に検出する。
コードスメルの相互作用に起因する依存関係分布の変化分析 [cs.RO, cs.CE, q-fin.PM, cs.SE]目的：コードスメルの相互作用における静的依存関係分布の変化
- ソフトウェアの保守性は重要であり，モジュール間の依存関係が複雑化すると，コストが増大する。
- 個々のコードスメルは研究されているが，それらの相互作用がコード品質に与える影響は未解明な点が多い。
- コードスメルの相互作用が静的依存関係分布にどのような変化をもたらすかを明らかにすること。
- コードスメルの相互作用は，36ケース中28ケースにおいて総依存関係数の有意な増加と関連していることが示された。
- すべてのコードスメルは，他のコードスメルとの相互作用時に特定の依存関係タイプにおいて一貫した変化方向（増加または減少）を示すことが確認された。
- 本研究の結果は，より正確なコードスメルの検出と優先順位付け，および効果的なリファクタリング戦略の開発に役立つと考えられる。
法的に重要なソフトウェアのためのLLMエージェント的アプローチ：税務申告ソフトウェアのケーススタディ [cs.SE, cs.AI]目的：法的に重要なソフトウェア開発のためのLLMエージェント的アプローチの検証
- 法解釈の曖昧性や誤りによるリスクを回避するため，法的根拠に基づいたソフトウェアの信頼性が重要である。
- 自然言語で記述された法律を正確に実行可能なロジックに変換することには，曖昧さや幻覚の問題が存在する。
- LLMを活用したテストケース生成とコード合成を通じて，法的根拠に基づいたソフトウェアの信頼性を向上させる。
- 本研究で開発したフレームワークは，GPT-4o-miniを使用した場合，複雑な税法タスクにおいてGPT-4oやClaude 3.5といった最先端モデルを上回る45%の最悪ケース合格率を達成した。
- メタモルフィックテストを拡張した高次メタモルフィック関係により，類似の個人間での構造的な変化に起因するシステム出力の比較を可能にした。
- LLMを活用したロールベースのフレームワークは，テスト生成とコード合成の自動化を支援し，信頼性の高い法的に重要なソフトウェア開発への道を開く。
カーネル行列線形代数の高速化：密度推定によるアプローチ [cs.DS, cs.LG, cs.NA, math.NA]目的：カーネル行列を用いた線形代数演算の高速化
- 機械学習やデータ解析において，カーネル法は重要な役割を担う。効率的なカーネル行列演算が不可欠である。
- 大規模データに対するカーネル行列の計算・処理は，計算コストが高く，ボトルネックとなりやすい。
- カーネル密度推定を用いることで，カーネル行列演算の計算コストを削減し，より高速な処理を実現すること。
- 本研究では，カーネル密度推定を利用した新しいアルゴリズムを提案し，既存アルゴリズムよりも高速な演算を可能にした。
- 提案手法は，行列ベクトル積，行列行列積，スペクトルノルム，および全エントリの合計といった演算において，既存手法よりも低い計算複雑度を達成した。
- 理論的な上限と下限を比較することで，提案手法の有効性と，カーネル密度推定に基づくアプローチの限界を示唆した。
推論の幾何学：表現空間における論理の流れ [cs.AI, cs.CL, cs.LG, cs.LO]目的：大規模言語モデルにおける推論過程の幾何学的モデル
- 言語モデルの推論能力は，AI研究の中核課題であり，そのメカニズム解明が求められている。
- 既存研究では，言語モデルの推論が表面的で，真の論理的理解に基づかないとの指摘がある。
- 表現空間における推論の流れを幾何学的に捉え，論理的構造の内部化を検証すること。
- 大規模言語モデルの推論は，表現空間における滑らかな流れとしてモデル化できることが示された。
- 論理的な命題は，これらの流れの速度を局所的に制御する役割を果たすことが明らかになった。
- 次トークン予測のみの学習でも，言語モデルは論理的な不変性を高次の幾何学として内部化する可能性が示唆された。
LLMからの証明戦略抽出による記号的証明器の強化 [cs.LO]目的：LLMの内部的な証明戦略の抽出と，それを用いた記号的証明器の能力向上
- ソフトウェア検証において，インタラクティブ定理証明は重要な手法である。しかし，証明の記述には多大な労力がかかる。
- LLMは定理証明に強い能力を示す一方，プロンプトコストやセキュリティリスクが存在する。コストとセキュリティが課題である。
- LLMの証明戦略を抽出し，記号的証明器の能力を向上させることで，両者の利点を組み合わせることを目指す。
- Strat2Rocqは，LLMから証明戦略を抽出し，Rocqの補題として形式化するオフライン段階と，抽出した補題をCoqHammerに提供するオンライン段階から構成される。
- オープンソースのRocqプロジェクトを用いた評価により，Strat2RocqがCoqHammerの成功率を13.41%向上させることが示された。
- 抽出された補題はLLM証明エージェントにも有効であり，その成功率を4.00%改善したという副次的発見もある。
SpotIt：形式検証を用いたText-to-SQL評価の検証 [cs.DB, cs.AI, cs.FL, cs.LO]目的：Text-to-SQL評価の信頼性向上
- Text-to-SQL技術の進歩を測る上で，客観的で信頼性の高い評価が不可欠である。
- 既存の評価手法はテストケースに依存しており，偶然同じ結果になるクエリの違いを見逃す可能性がある。
- 生成されたSQLクエリと正解クエリを区別するデータベースを探索し，評価の信頼性を高める。
- 提案手法SpotItは，形式的な有界同値性検証エンジンを用いて，生成されたクエリと正解クエリを区別するデータベースを探索する。
- BIRDデータセットにおける10個のText-to-SQLモデルの評価で，テストベース手法がクエリ間の差異を見落とす場合があることが示された。
- 検証結果の分析から，現在のText-to-SQL評価は複雑であり，より詳細な検討が必要であることが示唆された。
カテゴリ変数における位相的・代数的構造について [cs.IT, math.IT]目的：カテゴリ変数の位相的・代数的構造
- 情報科学において，変数の間の類似度を測ることは，データ解析や機械学習の基礎となる重要な課題である。
- カテゴリ変数の類似度を測る適切な距離尺度の確立が課題であり，多様な変数の比較を困難にしている。
- カテゴリ変数の類似度に基づいた新たな位相空間と代数構造を構築し，変数の関係性を明確にすること。
- エントロピーと対称不確実性に基づき，カテゴリ変数の距離を定義し，商空間を構築した。
- この商空間上に自然な可換モノイド構造が存在することを示し，距離から誘導される位相との整合性も確認した。
- 定義された距離とモノイド構造は，カテゴリ変数の比較・解析に新たな視点を提供する。
一様ドリフト下における吸収球形受信機に対する正確な3次元チャネルインパルス応答 [cs.IT, eess.SP, math.IT, math.PR]目的：吸収球形受信機に対する正確な3次元チャネルインパルス応答の導出
- 電波伝搬環境の正確な把握は，無線通信システムの性能評価と最適化に不可欠である。
- ドリフトが存在する場合，対称性が崩れ，正確なチャネルインパルス応答の解析解を得ることが困難であった。
- ドリフトの影響を考慮した，吸収球形受信機に対する正確なチャネルインパルス応答を導出することで，この問題を解決する。
- 本研究では，共同第一命中時間・場所統計とGirsanovに基づく測度変換を用いることで，ドリフト効果を明示的に分離した。
- これにより，任意の方向を持つ一様ドリフト下で完全に吸収する球形受信機に対する正確な級数表現が得られた。
- 導出されたチャネルインパルス応答は，モンテカルロシミュレーションに頼らずに，主要なチャネル指標を効率的に評価するための厳密な参照モデルとなる。
PANDAExpress：よりシンプルで高速なPANDAアルゴリズム [cs.DB, cs.IT, math.IT, math.PR]目的：連言クエリおよび非連結データログ規則に対するPANDAアルゴリズムの高速化
- データベースにおける効率的なクエリ処理は，データ活用において不可欠である。
- 既存のPANDAアルゴリズムは，理論上高速だが，実用上は計算コストが高いという課題があった。
- PANDAアルゴリズムの定数倍の計算量を削減し，実用的な高速化を実現することを目指す。
- 本研究では，データ分布の偏りを考慮した新しい分割スキームを導入することで，PANDAアルゴリズムの計算量を大幅に削減した。
- 新アルゴリズムPANDAExpressは，従来のPANDAアルゴリズムと同等の汎用性を維持しつつ，より高速に動作する。
- 提案手法は，特定のサブグラフ探索問題において，理論的な最適解に近い性能を発揮する。
プロンプトを超えて：カーソルルールに関する実証研究 [eess.SY, cs.SY, cs.HC, cs.SE, cs.AI, cs.HC]目的：開発者によるコンテキスト記述の類型化
- 大規模言語モデルの活用が広がる中で，その効果はプロンプトだけでなく，周囲の文脈に大きく左右される。
- ソフトウェア開発では，プロジェクト固有の制約を記述する手法は存在するものの，その内容は未だ研究されていない。
- 開発者が重要と考えるプロジェクトコンテキストを明らかにし，AI開発支援ツールへの示唆を得る。
- 401件のオープンソースリポジトリを分析し，コンベンション，ガイドライン，プロジェクト情報，LLM指示，例の５つの主要テーマからなる類型化を提示した。
- プロジェクトの種類やプログラミング言語によって，記述されるコンテキストに差異が見られた。
- 次世代のコンテキスト認識型AI開発支援ツール設計に役立つ知見を提供することが期待される。
Lp空間に対する決定論的コアセット [cs.DS, cs.LG]目的：Lp空間埋め込みを保証するε-コアセットを構築するための反復アルゴリズム
- 大規模データ処理において，計算コストを削減するためのデータ削減技術の重要性が高まっている
- 既存のコアセット構築アルゴリズムは確率的な保証しか提供せず，決定論的な保証が求められていた
- Lp空間における決定論的な部分空間埋め込みを保証する効率的なコアセット構築手法を開発する
- 本研究では，任意のp∈[1,∞)および任意のε>0に対して，決定論的なLp部分空間埋め込みを保証するε-コアセットを構築する反復アルゴリズムを提案する。
- 提案アルゴリズムは，O(poly(n,d,ε⁻¹))の時間でサイズがO(d^(max{1,p/2})/ε²)の決定論的なε-コアセットを生成する。
- この結果は，コアセットサイズの対数因子を除去するという長年の未解決問題に対する解決策を提供する。
マトロイド $k$-共通部分集合における劣モジュラ最大化：貪欲法に対する乗法的改善 [cs.RO, cs.DS, cs.DM]目的：劣モジュラ目的関数と$k$個のマトロイド制約の共通部分集合における最大化問題
- 組合せ最適化における重要な問題であり，資源配分や特徴選択など，様々な応用が存在する。
- 既存の貪欲法では$(k+1)$-近似保証しか得られず，近似率向上が課題であった。
- 貪欲法の近似率を改善し，より効率的な近似解を求めることを目指す。
- 本研究では，$\frac{2k\ln2}{1+\ln2}+O(\sqrt{k})<0.819k+O(\sqrt{k})$という近似率を達成した。
- これは，一般的な$k$に対して貪欲法の近似率を初めて乗法的に改善する結果である。
- また，目的関数が単調でない場合でも，ほぼ同等の近似率が得られることを示した。
プライベートターンスタイルストリームにおける加法誤差の障壁の回避 [cs.DS, cs.CR]目的：ターンスタイルストリームにおけるdistinctな要素数の差分プライバシーを保ちつつ継続的な公開
- データプライバシー保護は現代社会において不可欠であり，データ分析の安全性を確保する上で重要である。
- 従来の差分プライバシー手法では，ストリーム長に伴う加法誤差の増加が課題となっていた。
- 加法誤差と乗法誤差の両方を用いることで，この下限を回避し，より効率的なアルゴリズムを開発する。
- 本研究では，乗法誤差と多項式対数加法誤差を持つdistinct要素数の継続的な公開アルゴリズムを提案した。
- 同様の結果が，$F_2$モーメント推定においても得られ，多項式対数空間で実現された。
- サブ線形空間においては，プライバシー考慮の有無にかかわらず，ある程度の乗法誤差が必要であることが示唆された。
平均移動構造クエリの範囲を定める: より高速で小型なRLBWT置換 [cs.DS]目的：平均移動構造クエリの高速化と表現サイズの削減
- 圧縮テキストインデックスはゲノミクス等で重要であり，効率的なデータ表現が求められる。
- 従来の移動構造は，構築に時間がかかり，表現サイズが大きいという課題があった。
- 本研究は，区間長を制限する分割手法により，これらの課題を解決することを目指す。
- 区間長制限による分割は，平均移動構造クエリ時間を最適に保ちつつ，従来の構築時間よりも優れた性能を実現した。
- この手法により，表現サイズを削減し，最悪ケースのクエリ時間も改善された。
- RunPermライブラリを用いた実験により，LFにおいて40%以上の空間削減と高速化が確認された。
グラフ構造の反復的洗練のための連続フレームワークDRESS [cs.DS, cs.LG]目的：グラフ構造の類似性の反復的洗練による正準フィンガープリントの生成
- グラフ構造は，分子構造やソーシャルネットワークなど，多様なシステムの表現に不可欠である。
- グラフ同型性判定は計算コストが高く，大規模グラフの解析が困難である。
- DRESSは，効率的かつ高精度なグラフ構造の比較手法を提供し，グラフ解析を促進する。
- DRESSは，決定論的かつパラメータフリーなフレームワークであり，数値的に安定したフィンガープリントを生成する。
- DRESSは，2次元Weisfeiler-Lemanテストと同等以上の表現力を持つ一方で，計算コストを大幅に削減する。
- $\Delta$-DRESSは，Strongly Regular Graphベンチマークにおいてグラフを分離し，より高次の表現力を実現する。
テストケース優先度付け：文献のスノーボール法によるレビューとアプローチ組み合わせを用いたTCPFramework [cs.SE, cs.AI]目的：テストケース優先度付けに関する既存知識の体系化と，新たなテストケース優先度付けアプローチの提案および実証的評価
- ソフトウェア開発において，リグレッションテストの効率化は，品質向上と開発期間短縮に不可欠である。
- 既存のテストケース優先度付け手法は，評価指標や組み合わせが統一されておらず，比較検討が困難である。
- 既存手法の改善と，より効率的なテストケース優先度付け手法を確立し，リグレッションテストの時間を短縮すること。
- スノーボール法による文献レビューの結果，テストケース優先度付けに関連する324件の研究が特定された。
- 提案手法は，RTPTorrentデータセットにおいて，基本手法と比較して一貫して良好な性能を示し，既存のヒューリスティックアルゴリズムと同等の性能を達成した。
- 本手法は，リグレッションテストにかかる時間を最大2.7%削減できる可能性を示し，アプローチ組み合わせは，今後のテストケース優先度付け研究において重要な可能性を秘めている。
GENAI WORKBENCH：マルチモーダルエンジニアリングデータからのエンジニアリングシステムのAI支援分析と合成 [cs.SE, cs.AI, cs.SY, eess.SY]目的：エンジニアリングシステムのAI支援分析と合成のためのワークベンチの概念的枠組み
- 現代のエンジニアリングは複雑化しており，システムレベルでの設計と詳細設計の連携が重要である。
- 従来の設計プラットフォームでは，システムレベルの要件とコンポーネント設計が分離されている場合が多い。
- システム工学の原則を設計ワークフローに統合し，データ駆動型設計を促進すること。
- GenAI Workbenchは，MBSE環境を構築し，ドキュメント，形状データ，システムグラフを連携させる。
- 設計者はドキュメントを取り込むことで，システム要件の抽出と初期システムアーキテクチャの自動生成が可能となる。
- 本研究は，より統合的でデータ駆動型，かつ情報に基づいたエンジニアリング設計手法の促進を目指す。
エージェントによるコード推論 [cs.SE, cs.AI, cs.PL]目的：コードの意味論に関する推論能力
- ソフトウェア開発において，コードの品質と信頼性は重要であり，その検証は不可欠である。
- 従来のコード検証手法は，実行に依存する場合が多く，大規模コードベースへの適用が困難である。
- コード実行なしでの意味論的分析を可能にし，効率的なコード検証を実現すること。
- 半形式的な推論手法は，曖昧さを排除し，エージェントが根拠のない主張をすることを防ぐ。
- パッチの等価性検証において，提案手法は既存手法と比較して，精度が大幅に向上した。
- コード質問応答や欠陥局所化においても精度向上が確認され，実用的な応用への道が開かれた。
AI時代における人間認証モジュールリポジトリ [cs.ET, cs.AI, cs.SE]目的：AI支援開発における信頼性の高いソフトウェア構築のための新たなアーキテクチャモデル
- AI技術の発展に伴い，ソフトウェア開発の効率化が求められる一方，その信頼性が重要課題となっている。
- ソフトウェアサプライチェーンの脆弱性やモジュール開発におけるリスクにより，信頼性の確保が困難である。
- 人間によるレビューと自動分析を組み合わせたモジュール認証システムにより，安全なソフトウェア構築を目指す。
- 人間認証モジュールリポジトリ（HCMR）は，キュレーション，セキュリティレビュー， provenance情報の充実を特徴とする。
- HCMRは，人間とAIエージェント双方による安全で予測可能な組み立てを支援する基盤として機能する。
- HCMRのアーキテクチャ，認証ワークフロー，およびAI構築ソフトウェアシステムのガバナンスについて議論した。
大規模言語モデルを活用したMassive MIMOシステムにおけるCSIフィードバック [cs.IT, math.IT]目的：Massive MIMOシステムにおけるCSI圧縮・フィードバックのための大規模言語モデルに基づくフレームワーク
- 無線通信における容量拡大と品質向上に，Massive MIMO技術が不可欠である。
- FDD Massive MIMOシステムにおいて，効率的なCSIフィードバックがボトルネックとなっている。
- 大規模言語モデルの潜在能力を活用し，CSIフィードバックの効率化を目指す。
- CSI圧縮フィードバックタスクを，大規模言語モデルの機能と整合するマスク化トークン予測タスクとして再構成した。
- 自己情報量に基づいた情報理論的なマスク選択戦略を設計し，UEにおける自己情報量の高いCSI要素を選択的にフィードバックする。
- マスク化されたトークンが自己情報量の低い要素，可視トークンが自己情報量の高い要素に対応することで，LLM予測の精度を最大化する。
サンプル最適局所プライバシー仮説選択とインタラクティブ性の証明的利点 [stat.ML, cs.CR, cs.IT, cs.LG, math.IT]目的：局所プライバシー制約下における仮説選択
- データプライバシー保護は，現代社会において不可欠な課題であり，データ利用とプライバシーのバランスが求められている。
- 従来の仮説選択アルゴリズムは，サンプル数が増加すると計算コストが増大し，プライバシー保護との両立が困難であった。
- 本研究は，インタラクティブ性を導入することで，サンプル数を削減し，効率的な仮説選択を実現することを目的とする。
- 提案アルゴリズムは，既存アルゴリズムと比較して，より少ないサンプル数で同等の精度を達成する。
- 特に，ε<1の場合において，サンプル複雑性は理論的な下限に一致する。
- インタラクティブ性を用いることで，非インタラクティブな仮説選択の下限を打破することに成功した。
量子状態排除のエラー指数に関する重心境界 [quant-ph, cs.IT, math-ph, math.IT, math.MP]目的：量子状態排除におけるエラー確率とそのエラー指数の情報理論的最適性
- 量子状態の存在論的解釈に重要な役割を果たす運用上のタスクである。
- 量子状態排除のエラー指数に関する既存の上界が十分にタイトではなかった。
- 重心型チェルノフダイバージェンスを用いた，よりタイトなエラー指数の上界を確立する。
- 量子状態排除のエラー指数の上界として，多変量対数ユークリッドチェルノフダイバージェンスが有効であることが示された。
- この上界は，既存の最良の上界よりも改善されている。
- 量子チャネル排除にも分析を拡張し，効率的に計算可能な上界を得た。また，古典チャネル排除の厳密なエラー指数も解決した。
検定可能な仮説の完全な特徴づけ [quant-ph, cs.DC, cs.ET, quant-ph, cs.NI, math.ST, cs.IT, math.IT, math.PR, stat.TH]目的：仮説検定における検定可能性の条件
- 仮説検定は，統計的推論の根幹であり，科学的根拠に基づいた意思決定に不可欠である。
- ノンパラメトリック統計では，支配測度の存在が仮定されない場合が多く，既存の理論の適用が困難である。
- より一般的な状況下での検定可能性の条件を確立し，Le Camの未完のプログラムを完成させる。
- 凸包の閉包を用いることで，支配測度の存在を仮定しない場合の検定可能性の必要十分条件が明確になった。
- この結果は，測度論的および位相幾何学的な観点から詳細に検討され，コンパクト性や達成可能性に関する考察が深められた。
- 本研究は，仮説検定の理論的基盤を強化し，より広範な統計的応用を可能にする。
確率的ニューラル符号を識別するための実験計画を最適化する情報理論的枠組み [physics.ins-det, cs.SY, eess.SY, hep-ex, nucl-ex, q-bio.NC, cs.IT, math.IT]目的：確率的ニューラル符号の識別を最大化する実験計画の最適化
- 知覚的意思決定における脳の役割理解は重要である。ベイズ脳仮説は主要な理論の一つ。
- 感覚ニューロン集団における不確実性の符号化方法は不明。尤度関数と事後分布の仮説が存在。
- 実験計画の最適化を通じて，尤度符号化と事後符号化の識別を可能にすること。
- 情報ギャップは，尤度と事後デコーダーの性能差を正確に予測することを示した。
- 情報ギャップを最大化することで，尤度符号化と事後符号化の仮説を識別する最適な刺激分布が得られる。
- 本研究は，感覚的不確実性の神経表現と処理に関する理解を深めるための実験計画を可能にする。
- 1
- 2