arXiv雑要約
プログラム - 2026/03/19 公開
独立な三変量自転車符号 [quant-ph, cs.IT, math.IT]目的：三変量自転車符号の構成と性能評価
- 量子誤り訂正は，量子コンピュータ実現における重要な課題であり，誤り耐性量子計算の基盤となる。
- 既存の多変量自転車符号は，誤り訂正性能に限界があり，より高性能な符号の設計が求められている。
- 本研究は，三次元の環構造を利用した新しい自転車符号を設計し，誤り訂正性能の向上を目指す。
- 独立な三変量自転車符号を6種類構成し，特に[[140,6,14]]符号は，$kd^2/n = 8.40$ を達成した。
- [[140,6,14]]符号は，Vossらの多変量自転車符号よりも高い擬似閾値(8.0%)と$kd^2/n$値(8.40)を示した。
- [[140,6,14]]符号は，回路レベルの非偏向的ノイズ下で0.59%の擬似閾値，SI1000モデルで$p = 0.20\%$において$5.6 \times 10^{-5}$の観測レートを達成した。
リンドブラディアンダイナミクスにおける散逸の最適検出 [math.CO, cs.DM, quant-ph, cs.DS]目的：散逸の有無の検出
- 量子系のハミルトニアンダイナミクスは環境との相互作用による散逸の影響を受けるため，その検出が重要である。
- 実験的実現において，散逸の存在がダイナミクスの正確な理解を妨げることが課題である。
- 与えられた時間発展から，散逸の有無を効率的に判定する方法を確立することを目的とする。
- 提案手法は，散逸の大きさに反比例する時間で判定可能であり，情報理論的な最適性を有する。
- リンドブラッド生成子の強度が制限され，散逸部分が定数次局所性を持つ場合に，この保証が成り立つ。
- 本研究は，実験的に実現された量子ダイナミクスにおける散逸ノイズ検出の実用的な手法を提供する。
高階論理における黒田翻訳 [cs.LO]目的：高階論理における黒田翻訳の適用条件
- 論理学の基礎研究として重要であり，古典論理と直観主義論理の関係性を明確にする。
- 黒田翻訳を高階論理に拡張する際，関数同値性の存在が翻訳の成立を妨げる。
- 関数同値性下での黒田翻訳の成立条件を明確にし，古典論理における同値性の限界を示す。
- 黒田翻訳は，二重否定シフトなどの条件を満たすことで関数同値性下でも成立する。
- 高階論理においては，公式とその翻訳の古典論理における同値性は必ずしも成立しない。
- 関数同値性と命題同値性を仮定することで，古典論理における同値性が保証される。
衝突によるきめ細かい不確実性定量化 [cs.LG, cs.IT, math.IT, math.ST, stat.ML, stat.TH]目的：クラス衝突の頻度に基づく，新しい不確実性定量化指標の開発
- 機械学習モデルの信頼性評価は重要であり，特に安全性が求められる分野では不可欠である。
- 既存の不確実性定量化手法では，クラス間の識別が困難な状況を十分に捉えられていない。
- クラス間の衝突頻度を定量化し，モデルの不確実性をよりきめ細かく評価することを目指す。
- クラス衝突行列は，各クラスペア間の識別困難度を測る新しい指標として定義された。
- 提案手法は，ワンホットラベルデータを用いて衝突行列を推定するための革新的な技術を提供する。
- 実験結果から，提案手法が衝突行列およびクラス事後確率分布を正確に推定できることが示された。
オラクルプログラミング：LLMを活用したソフトウェア構築のためのモジュール基盤 [cs.PL, cs.AI]目的：LLMを活用したソフトウェア構築のためのモジュール基盤の確立
- 近年のLLMの発展は，自然言語による指示だけで高度なタスクを解決可能にした。
- LLMは正確な制御が難しく，信頼性の高いソフトウェアを大規模に構築するためのモジュール性の欠如が課題である。
- LLMと従来の計算を統合し，モジュール性と契約による信頼性を確保することで，この課題を解決する。
- オラクルプログラミングは，コアロジックと探索ロジックを明確に分離することで，LLMの進化が既存システムに影響を与えないようにする。
- 少数の事例を，プログラムの構成要素として捉え，進化させることで，LLMの学習効率を高める。
- 戦略，ポリシー，デモンストレーションという3つの要素を組み合わせ，モジュール性と一貫性を保ちながら，複雑な問題解決を可能にする。
繰り返し一次価格オークションにおける共同価値推定と入札 [cs.LG, cs.GT, cs.IT, math.IT, stat.ME, stat.ML]目的：繰り返し一次価格オークションにおける後悔最小化
- オンライン広告など，入札結果のみから価値を推定する必要性が高まっている
- 価値推定の精度が低く，最適な入札戦略を立てることが困難である
- 観測可能な特徴量に基づき，価値推定と入札戦略を同時に最適化する
- 本研究では，因果推論を取り入れ，最高他者入札額（HOB）のフィードバックタイプに応じたアルゴリズムを提案した
- 提案アルゴリズムは，完全情報フィードバックと二値フィードバックの両方において，ほぼ最適な後悔限界を達成する
- 本フレームワークは，治療効果が単純な依存性を持つ場合に，オーバーラップ条件を必要としないという特徴を持つ
ソフトウェア品質の向上：LLMベースの保証技術に関する標準に焦点を当てたレビュー [cs.SE, cs.AI, cs.CL]目的：LLMベースのSQA手法と既存のソフトウェア品質標準との交差点を調査すること
- 信頼性・安全性・効率性を担保するソフトウェア開発において，品質保証は不可欠である
- 既存の品質保証プロセスは，自動化が遅れており，人的リソースへの依存度が高い
- LLMを活用し，既存の品質保証プロセスを効率化し，標準への準拠を維持すること
- 本研究では，LLMベースのSQA手法が，要件検証，欠陥検出，テスト生成など，様々な品質保証タスクを支援できることを示した。
- LLMの適用は，ISO/IEC 12207等の既存のソフトウェア品質基準における特定の要件と指標に対処可能であることが示された。
- データプライバシー，モデルの偏り，説明可能性といった課題への配慮と，適応学習やプライバシー保護技術の今後の展望が議論された。
コード・ルーレット：プロンプトの変動がLLMによるコード生成に与える影響 [cs.SE, cs.LG]目的：LLMによるコード生成におけるプロンプト変動の感度評価
- LLMはコーディングの敷居を下げ開発を加速するが，生成されるコード品質はプロンプトに依存する。
- ユーザーの知識や経験によって生成されるコードの機能や品質が左右されるという課題がある。
- プロンプトの変動に対するLLMの感度を定量的に評価する手法を確立し，汎用的な評価パイプラインを提供する。
- 提案手法は特定のプログラミングタスクやLLMに依存せず，幅広い適用が可能であることが示された。
- 実験結果から，プロンプトのわずかな変動がコード生成に大きな影響を与えることが明らかになった。
- 本研究で開発したコードは，コミュニティに公開し，さらなる研究の促進に貢献する。
ストリート形態から空間正義へ：トリプルSHAPに基づいた都市運動格差の説明 [cs.CY, cs.IT, cs.LG, math.IT]目的：都市における運動格差の診断
- 都市ストリートは人々の健康を支える基盤である。その利用状況の公平性が重要視されている。
- 運動を促進するストリート環境が都市内で不均等に分布しているという課題がある。
- 空間正義の視点から，運動機会の格差を特定し，改善策を提示することを目指す。
- 深セン市を事例として，都市の空間特性が運動強度に最も影響を与えることが示された。
- 運動格差のメカニズムは地域によって大きく異なり，七つの類型に分類された。
- 運動需要が高いにも関わらず，運動を支える環境が整っていないストリート区間が改善の優先課題として特定された。
関数呼び出しLLMのためのプロトコル非依存型ツール管理ライブラリToolRegistry [cs.SE, cs.AI, cs.CL, cs.LG]目的：関数呼び出しLLMにおけるツール管理と実行の効率化
- LLMの機能拡張には外部ツールが不可欠であり，その活用はアプリケーションの可能性を大きく広げる。
- 既存のツール統合方法は，断片化，プロトコル制限，実装の複雑さにより，開発コストが増大している。
- ToolRegistryは，これらの課題を解決し，よりシンプルで効率的なツール統合を実現する。
- ToolRegistryは，ツール統合コードを60～80%削減し，開発効率を向上させる。
- 並行実行により，最大3.1倍の性能改善を実現する。
- OpenAIの関数呼び出し標準との互換性を確保し，幅広い応用を可能にする。
機能情報分解：関数的関係の分析への第一原理的アプローチ [cs.IT, math.IT]目的：多変量相互作用における出力決定に関わる入力の共同寄与の分解
- 複雑系の分析において，複数の入力がどのように相互作用し，出力に影響を与えるかを理解することは重要である。
- 既存の手法は観測された確率分布に依存するため，限られたデータによる統計的アーチファクトと真の関数的ロジックが混同される可能性がある。
- 本研究は，システムの完全な入出力マッピングに基づいて情報成分を定義することで，この問題を解決することを目的とする。
- FID（機能情報分解）は，入力と出力の関係を完全に特定することで，独立および相乗効果への一意の分解を可能にする。
- 部分的な観測のみの場合，FIDは整合性のある関数のサンプリングにより，分解の可能性のある範囲を明確に示す。
- 論理関数，ライフゲーム，癌薬物応答予測など，様々な分野への応用可能性が示された。
MIMOチャネルにおける協調通信とパラメータ推定 [cs.IT, math.IT]目的：多入力多出力(MIMO)チャネルにおける通信とセンシングのトレードオフ
- 無線通信技術は現代社会の根幹であり，その性能向上は不可欠である。
- 従来の通信とセンシングは分離して扱われることが多く，効率的な連携が課題であった。
- 通信とセンシングを同時に最適化することで，システム全体の効率を高める。
- 送信機とセンサの協調により，通信容量とパラメータ推定精度の間の基本的なトレードオフを明らかにした。
- 多入力多出力システムにおいて，通信とセンシングを同時に行うための最適な符号化方式を特定した。
- 具体的なシナリオにおいて，最適なスキームとトレードオフを示し，実用的な知見を提供した。
意味に基づいたカリキュラム駆動型，推論強化された脆弱性修正フレームワーク [cs.SE, cs.CR]目的：脆弱性修正の性能向上
- ソフトウェアの安全性確保は重要であり，脆弱性修正は不可欠なプロセスである。
- 既存の自動脆弱性修正手法は，実用的なシナリオでの汎化性能が低いという課題がある。
- 本研究は，より高度な理解に基づく修正を可能にし，汎化性能を高めることを目指す。
- 提案手法SeCuRepairは，既存手法と比較して，BigVulおよびPrimeVul_AVRデータセットでCodeBLEUスコアでそれぞれ34.52%，31.52%の性能向上を示した。
- SeCuRepairは，修正理由と方法を明示的に示す「推論後編集」パラダイムを採用することで，表面的なパターン学習への依存を低減している。
- 難易度に応じたカリキュラム学習と，意味に基づいた強化学習により，構文的・意味的な整合性の高い修正を実現している。
意味駆動型クエリ削減によるIRベースのバグ特定性能向上 [cs.SE]目的：バグ特定性能の向上
- ソフトウェアの信頼性向上には，バグの迅速かつ正確な特定が不可欠である。
- 従来のIRベースの手法は，ソースコードの文脈や意味を考慮せず，曖昧なバグレポートとのマッチングに課題がある。
- IRとLLMの長所を組み合わせ，コードの意味理解に基づいたクエリ削減により，バグ特定精度を向上させる。
- 提案手法IQLocは，既存の8つのベースライン手法と比較して，MAP，MRR，HIT@Kにおいて優れた性能を示した。
- ランダム分割および時間順分割によるテストにおいて，それぞれ最高で100.40%，78.08%，76.98%の改善が見られた。
- 特に，スタックトレースやコード要素を含むバグレポートにおいて，大幅なMAPの向上が確認された。
ProofWright：CUDAの自律的形式検証に向けて [cs.SE]目的：LLM生成CUDAカーネルの安全性保証
- GPUの高性能化が不可欠な現代において，CUDAプログラミングの効率化が重要である。
- LLMによる自動生成カーネルは，バグを含みやすく，形式的な安全性の保証が不足している。
- LLM生成カーネルの信頼性を高めるため，スケーラブルな形式検証手法を確立すること。
- ProofWrightは，LLMによるコード生成と形式検証を統合した自律的検証フレームワークである。
- KernelBench L1において，生成されたカーネルの74％に対してメモリ安全，スレッド安全，意味的正確性を検証した。
- 従来のテストでは検出されなかった潜在的なバグを発見し，要素ごとのカーネルの等価性を証明した。
ソフトウェア工学シミュレーションラボ：RE品質シミュレーションのためのエージェントAI [cs.SE]目的：RE品質シミュレーションのためのエージェントAIの活用
- 要件工学の品質向上は，ソフトウェア開発の成功に不可欠であり，その重要性は高い。
- 要件欠陥が下流工程に与える影響に関する実証的なデータが不足しており，品質評価が困難である。
- AIによる開発の進展に伴い，要件の品質要素が変化するため，新たなアプローチでの検証が必要である。
- エージェントAIシミュレーションの概念，ロードマップ，プロトタイプ，および実現可能性の研究を実施した。
- 単純な実装でも実行可能なシミュレーションが可能であり，RE研究への応用が期待される。
- 人間の行動の再現における限界を考慮しつつ，技術的な改善と応用範囲の拡大を目指す。
ソフトウェアエンジニアリングのためのAI生産性指標：APEX-SWE [cs.CL, cs.CL, cs.SE, cs.AI, cs.CL]目的：ソフトウェアエンジニアリングにおける最先端AIモデルの経済的価値の評価
- ソフトウェア開発の効率化は，経済成長とイノベーションの鍵となる。
- 既存のAI評価は限定的なタスクに偏っており，現実世界の複雑な課題に対応できない。
- 現実的なソフトウェアエンジニアリングタスクにおけるAIモデルの能力を総合的に評価する。
- APEX-SWEは，統合タスクとオブザーバビリティタスクという2つの新規タスクタイプを用いて評価を行う。
- Claude Opus 4.6とClaude Opus 4.5がPass@1スコア38.5%で最高性能を示した。
- 高い性能は，仮定と検証済みの事実を区別する能力と，行動前の系統的な検証によって説明できる。
interwhen：テスト時モニタを用いた検証可能な推論のための一般化フレームワーク [cs.LO, cs.AI]目的：テスト時モニタを用いた推論の検証枠組み
- 推論モデルの信頼性確保は，誤りを早期に発見し，より正確な結果を得るために重要である。
- 既存手法では，最終的な答えのみ検証するか，計算コストが高い探索戦略を用いるため，効率的な検証が困難である。
- 中間的な検証可能な特性に基づいてモデルの挙動を制御し，信頼性と効率性を向上させることを目指す。
- interwhenは，推論過程の中間解を定期的に回収し，検証することで，モデルの早期誤りを検出する。
- 検証の遅延を抑制するため，検証を非同期で行い，エラー検出時のみ推論を中断する設計を採用している。
- コード生成や推論タスクにおいて，標準的なCoT実行と比較して最大15%の精度向上を実現し，計算コストも1.5倍以内に抑えられた。
分布に依存しない棄権を用いた逐次予測 [cs.LG, cs.DS, stat.ML]目的：分布に依存しない状況下における，棄権を許容した逐次予測手法の開発
- 機械学習において，データ分布の仮定は学習性能に大きく影響する。分布に依存しない手法は，より現実的な応用が可能となる。
- 敵対的データ挿入に対するロバストな逐次学習は難しく，既存手法では分布の事前知識が必要とされる場合がある。
- 事前分布の知識を必要とせず，敵対的データ挿入に対してもロバストな逐次予測手法を確立すること。
- 提案手法AbstainBoostは，分布に依存しない状況下でVCクラスに対して亜線形誤差を保証する。
- 構造化された関数クラス（線形分類器など）に対しても同様の保証が得られる。
- 誤分類誤差と誤った棄権回数の間に興味深い多項式的なトレードオフが存在することが明らかになった。
README における形式と内容の品質管理 [eess.SY, cs.SY, cs.HC, cs.SE]目的：README の品質向上
- ソフトウェアプロジェクトの第一印象を左右するため，READMEの重要性は高い。
- READMEの良し悪しは，対象読者や状況によって異なり，統一された基準がない。
- 多様な文脈に対応した README 品質管理手法を開発し，著者主導性を維持する。
- LintMe は，軽量な DSL を用いて，プログラムによるチェックと LLM による内容評価を組み合わせることで，従来のリンターでは困難だったチェックを可能にする。
- ユーザー調査(N=11)の結果，本設計は使いやすく，柔軟性があり，この分野のニーズに合致することが示された。
- 本研究は，より複雑なドキュメントや文化的要素を含むテキストベースの文書に対するリンティングの可能性を広げる。
SWE-CI：継続的インテグレーションによるコードベース維持におけるエージェント能力の評価 [cs.SE, cs.AI, cs.CL]目的：コードベースの維持能力に関するエージェントの評価
- ソフトウェア開発は複雑化の一途を辿っており，長期的な品質維持が重要である。
- 既存の評価方法では，長期的な変更や反復を考慮したコードの保守性が測れない。
- 継続的インテグレーションのループを活用し，長期的な保守性を評価する新たなベンチマークの提供。
- SWE-CIは，現実世界のコードリポジトリにおける233日間の進化履歴と71回のコミットを含む100のタスクで構成される。
- エージェントは，分析とコーディングの反復を通じてタスクを体系的に解決する必要がある。
- SWE-CIは，長期的な進化においてエージェントがコード品質を維持できるかどうかの貴重な洞察を提供する。
「そんなに全部読まないよ」：エージェンティックコーディングアシスタントに対するソフトウェアエンジニアの認知的な関与度の理解 [cs.IR, cs.CL, cs.HC, cs.AI, cs.SE]目的：ソフトウェアエンジニアのエージェンティックコーディングアシスタントに対する認知的な関与と意味理解プロセスの調査
- AIシステムの過信は批判的思考を損ない，現状維持を助長するリスクがある。特に自律性の高いAIは注意が必要。
- ソフトウェア開発におけるアシスタントは，単なる自動実行ツールではなく，思考と理解を支援するものでなければならない。
- 認知的な関与の低下と，アシスタントの反省・検証機能の不足という問題を解決し，より深い思考を促す設計を提案する。
- ソフトウェアエンジニアは，タスクの進行とともに認知的な関与が低下する傾向にあることが明らかになった。
- 現状のコーディングアシスタントのデザインは，反省，検証，意味理解のための機能が限られている。
- より豊かな対話形式や認知を促す仕組みを取り入れ，AI支援プログラミングにおける関与度と思考の深さを維持する設計の可能性を示唆する。
潜在事後因子に関する理論的基礎：多角的証拠推論の厳密な保証 [cs.AI, cs.IT, cs.LG, math.IT, stat.ML]目的：確率的予測タスクにおける多種多様な証拠項目の統合
- 医療診断，金融リスク評価など，重要な分野で多角的証拠推論が不可欠である。
- 既存手法は，厳密な保証がないか，多角的証拠に対応できない。
- 信頼性の高い多角的証拠推論を実現する理論的基盤を確立する。
- 潜在事後因子(LPF)の理論的特性を完全に明らかにした。
- 校正誤差，モンテカルロ誤差，PAC-Bayes boundなど，7つの厳密な保証を証明した。
- 実験により，LPFが安全性重視の応用において信頼性のあるAIの基盤となりうることを示した。
工学設計とシステム工学におけるデータセットのナビゲーションマップに関するフレームワークとプロトタイプ [cs.SE, cs.AI, cs.CE, cs.DB, cs.DL]目的：工学設計とシステム工学におけるデータセットのナビゲーションマップ
- システムライフサイクル全体でのデータ活用は，イノベーションを促進する鍵となる。
- 既存のデータセットは分散しておりアクセスしにくく，研究の進捗を妨げている。
- データセットの分類と発見を容易にし，データ駆動型研究を加速することを目指す。
- 本研究では，ドメイン，ライフサイクル段階，データ型，形式でデータセットを分類する多次元分類体系を提案した。
- 知識グラフデータモデルを用いたインタラクティブな探索ツールのアーキテクチャとプロトタイプを開発した。
- 初期段階の設計やシステムアーキテクチャにおけるデータ不足と，保守や自律システムにおけるデータ豊富さの現状を明らかにした。
VLAベース運転システムのための安全ケースパターン：SimLingoからの洞察 [cs.RO, cs.SE]目的：VLAベース運転システムの安全確保手法
- 自動運転技術は社会実装が進んでおり，安全性への信頼が不可欠である。
- 自然言語入力の導入により，VLAベースシステムは予測不能な危険行動を起こしうる。
- VLAベースシステム固有の危険を特定し，安全性を実証する手法を確立すること。
- RAISEという新たな安全ケース設計アプローチを提案した。
- 本手法は，指示に基づいた運転システムに特化したパターンと，詳細な安全シナリオを提供する。
- SimLingoを用いた事例研究により，本手法の有効性を実証した。
回転アンテナを活用したモバイルエッジコンピューティング [cs.RO, cs.IT, math.IT]目的：モバイルエッジコンピューティングにおける最大計算遅延の最小化
- モバイルエッジコンピューティングは，低遅延サービス実現の鍵となり，その重要性が増している。
- 無線チャネル環境の変動により，低遅延サービスに必要な通信信頼性と計算効率が課題である。
- 回転アンテナの指向性を最適化することで，無線環境を改善し，低遅延化を目指す。
- 提案手法では，エッジサーバーの計算リソース配分，受信ビームフォーミング，回転アンテナの偏角を同時に最適化する。
- 効率的な最適化手法として，交互最適化（AO）フレームワークを開発し，KKT条件，半定値緩和（SDR），分数計画法（FP），逐次凸近似（SCA）を活用する。
- シミュレーション結果から，提案手法が従来の方式と比較して最大計算遅延を大幅に削減することが確認された。
プロトコル選択付き自由コーナーングのダイナミクスとコヒーレンス [math.CT, cs.LO]目的：プロトコル選択付き自由コーナーングのコヒーレンス
- プロセスインタラクションの圏論的モデルの構築において重要である。
- 自由コーナーングにおけるダイナミクスの記述が困難であった。
- プロトコル選択付き自由コーナーングのダイナミクスを形式的に記述し，コヒーレンスを証明すること。
- 項書き換えシステムを用いることで，プロトコル選択付き自由コーナーングの動的な側面をモデル化した。
- 構築した項書き換えシステムは，適切な意味で収束性と停止性を持つ。
- この手法を用いて，プロトコル選択付き自由コーナーングのコヒーレンス定理を証明した。
直観的条件論理の意味補完について [math.LO, cs.LO]目的：直観的条件論理に対する完全性の証明
- 条件論理は，不確実性や知識の表現に不可欠であり，幅広い分野で応用されている。
- 記述的条件フレームは，標準的なフレームを持たないため，意味論的な基礎付けが課題であった。
- 記述的条件フレームと条件フレームの間のギャップを埋めること。
- 標準的なモデル構成によって記述的条件フレームに対する完全性が証明された。
- 意味補完法を用いることで，追加の構造を持たない条件フレームへの完全性が転移することが示された。
- 意味補完法は，記述的条件フレームと条件フレーム間の接続を提供し，理論の基礎付けを強化する。
物質の相の認識困難性 [math.OC, cs.SY, eess.SY, quant-ph, cs.CC, quant-ph, cond-mat.str-el, cs.CC, cs.IT, math-ph, math.IT, math.MP]目的：未知の量子状態の物質相を認識することの計算困難性
- 量子物質の研究は，新物質の創製や物性解明に不可欠であり，基礎科学と応用科学の発展に貢献する。
- 物質の相を識別する計算コストが高く，大規模な量子系における相認識は未解決の問題である。
- 量子相認識アルゴリズムの計算時間増加率を明らかにし，実用上の限界を示すことを目指す。
- 物質の相認識に必要な量子計算時間が，状態の相関長ξに対して指数関数的に増加することを証明した。
- 相関長ξがシステムサイズnの対数より大きい場合，相認識の計算時間はnに関して超多項式時間となる。
- 対称性を持つ量子系への擬似乱数ユニタリーの拡張により，相認識の困難性を確立した。
変分量子回路における不毛なプラトーの克服：二段階最小二乗アプローチ [quant-ph, cs.IT, math.IT]目的：変分量子回路における不毛なプラトー現象の克服
- 量子計算の発展において，機械学習，化学，組合せ最適化など幅広い問題解決に不可欠である。
- 回路規模の拡大に伴い，勾配消失が急速に進行し，深層学習やランダム初期化回路の学習が困難になる。
- 量子エネルギー地形を滑らかにし，勾配の流れを安定化させることで，学習の困難性を解消する。
- 提案手法は，基礎となる量子最小二乗近似行列の条件数の依存性を理論的に低減する。
- 量子鍵配送プロトコル(BB84)の量子暗号解読に提案手法を適用し，最適なクローニング戦略を特定した。
- シミュレーション結果は，提案手法がランダム初期化と比較して優れた性能を発揮することを示した。
- 1
- 2