arXiv雑要約
プログラム - 2026/03/23 公開
LLM生成ゴーストコードによる記号実行における論理爆弾の無害化 [cs.DL, cs.DL, cs.PL, cs.SE]目的：記号実行における論理爆弾の無害化
- ソフトウェアの信頼性確保は重要であり，脆弱性の自動検出技術が求められている。
- 従来の記号実行は，ソルバーの能力限界や複雑な数値推論により，実用的なコードベースへの適用が困難である。
- LLMとソルバーの利点を組み合わせ，記号実行の適用範囲を拡大し，より多くのコードを解析可能にすること。
- Gordianは，LLMを用いてソルバーの苦手な部分を補うゴーストコードを生成するハイブリッドフレームワークである。
- 実世界のベンチマークにおいて，従来の記号実行やLLMのみを用いる手法と比較して，カバレッジを大幅に向上させた。
- LLMのトークン使用量を削減し，実用性と有効性を両立している。
mmWave車載ネットワークにおけるユーザー関連付けとビームフォーミングのためのビーム認識カーネル化コンテキストバンディット [cs.IT, cs.LG, math.IT]目的：mmWave車載ネットワークにおけるユーザー関連付けとビームフォーミングのための最適な行動決定
- 高速大容量通信を実現するmmWave帯域は，次世代自動車通信の鍵となる技術である。
- mmWave帯域のチャネルは時間とともに大きく変動するため，頻繁なチャネル推定が必要となる。
- 過去のデータと機械学習を用いて，チャネル推定のオーバーヘッドを削減し，効率的な通信を行う。
- 提案手法BKC-UCBは，過去のコンテキストと伝送レートを利用し，追加のチャネル測定なしに伝送レートを推定する。
- BKC-UCBはカーネル法を用いることで，コンテキストと伝送レートの非線形な関係を捉え，学習を可能とする。
- イベントトリガー型情報共有メカニズムにより，通信オーバーヘッドを抑えつつ学習効率を向上させる。
離散制約下における無線リソース割り当てのための汎用深層学習フレームワーク [cs.LG, cs.AI, cs.IT, math.IT]目的：離散制約下での無線リソース割り当て問題に対する深層学習フレームワーク
- 無線通信における効率的なリソース管理は，通信品質とネットワーク容量を向上させる上で不可欠である。
- 従来の深層学習は連続変数に適しているが，離散変数を含む問題では勾配消失などの課題があり，実用化が困難であった。
- 本研究は，離散変数を確率分布として扱うことで，深層学習における離散変数の問題を解決することを目指す。
- 提案手法では，サポートセットを用いて離散変数を表現し，その確率分布を学習することで，勾配消失問題を回避する。
- 離散制約は，学習過程で実現不可能な解をマスクアウトすることで，シームレスに組み込むことができる。
- 動的なコンテキスト埋め込みにより，同一パラメータ同一決定(SPSD)制約を満たす解を自然に生成する。
ゲーデル・コード・プルーバー：最先端のコード検証のための階層的証明探索 [cs.SE, cs.AI]目的：最先端のコード検証における階層的な証明探索
- ソフトウェアの信頼性確保が重要視される中で，コードの形式検証は不可欠な技術である。
- 形式検証は，機械的に検証可能な証明の構築を必要とするが，その自動化は困難である。
- 複雑な検証目標をより単純な部分目標に分解し，効果的な証明探索を行うことで検証の自動化を目指す。
- 提案手法は，分解スコアを用いて分解と証明の最適化を統合し，高い性能を発揮する。
- 427タスクのベンチマークにおいて，62.0%の証明成功率を達成し，既存の強化学習モデルを2.6倍上回った。
- 探索の反復回数とサンプリング予算の増加に伴い，成功率が単調に向上し，効率的な検証を実現した。
理解に関する数学的理論 [cs.LG, cs.IT, econ.TH, math.IT]目的：学習者の前提知識構造に着目した理解の数学的モデル
- 情報技術の発展により情報量は増加しているが，その価値は学習者の理解力に左右される。
- 情報伝達において，学習者の前提知識不足が理解のボトルネックとなる問題が存在する。
- 学習者の知識状態に依存する情報伝達の効率性に着目し，学習速度の限界を明らかにすること。
- 本研究では，学習者を概念間の前提構造を持つシステムとしてモデル化することで，学習速度の上限を構造的限界と認識的限界の二つとして導出した。
- 前提知識の深さが教示範囲よりも深い場合，追加の教示は効果がないという閾値効果が示唆された。
- 多様な学習者への一斉指導は，個別指導と比較して効率が劣る可能性が示された。
分散型ドローン群のためのワイヤレスブロードキャストゴシップ：成功確率，収縮，および最適なアロハ [cs.IT, math.IT]目的：干渉環境下における分散型ドローン群のブロードキャストゴシップ
- ドローン群による協調作業の実現には，効率的な情報伝達が不可欠である。
- 無線環境では干渉が問題となり，情報伝達の効率と信頼性を低下させる。
- ドローン群における情報伝達の成功確率と収縮率の最適化を目指す。
- 提案手法では，Rayleighフェージング下での閉形式SIR成功確率を導出した。
- コンセンサス率は理想的な混合項と無線による希釈項に分解されることが示された。
- 可用性と信頼性の指標を最適化する閉形式アクセス確率が得られた。
DePro：競技プログラミングコードのデバッグにおけるLLMの役割の理解 [cs.SE]目的：競技プログラミングにおけるLLMを用いたデバッグの有効性評価
- ソフトウェア開発においてデバッグは重要な工程であり，効率化が求められている。
- LLMのデバッグ能力は未知数であり，特に厳密な要件が求められる分野での有効性が不明である。
- 既存コードの修正によるデバッグ支援を通じて，LLMのデバッグ能力を実証すること。
- 提案手法DeProは，テストケース駆動型アプローチにより，効率的なエラー特定と修正を可能にする。
- Codeforcesの実際の提出コードを用いた実験で，DeProは一貫して正解コードを生成することを示した。
- DeProは，人間のプログラマーやゼロショットLLMデバッグと比較して，デバッグ試行回数を最大64%削減し，平均7.6分のデバッグ時間短縮を実現した。
双方向遅延システムにおける優先度付き状態更新 [cs.HC, cs.DC, cs.NI, quant-ph, cs.IT, math.IT]目的：シンクにおける情報鮮度（AoI）の最小化
- リアルタイム性が要求される現代の通信システムにおいて，情報鮮度は重要な評価指標である。
- 通信路の遅延や輻輳により，情報の鮮度が低下する問題が存在する。
- 遅延環境下における最適な状態更新タイミングを決定し，情報鮮度を向上させる。
- 提案システムは，既存のベースラインポリシーと比較して一貫して優れた性能を示すことが数値実験により示された。
- 最適なポリシーは閾値に基づく構造を有しており，効率的な状態更新を実現する。
- マルコフ決定過程（MDP）と相対価値反復（RVI）アルゴリズムを用いて，最適な定常決定方策が導出された。
グランディングと非グランディングがともに不利である場合 -- SATへの計画の部分的グランディングエンコーディング（拡張版） [cs.AI, cs.LO, cs.SC]目的：計画問題をSAT形式にエンコードする手法
- 古典的な計画問題は汎用性があるが，完全なグランディングは計算量が増大する。
- 既存のSATエンコーディングは計画の長さに対して二次関数的にスケールするため，長尺な計画には不向きである。
- アクションはリフトされたまま，述語を部分的にグランディングすることで，線形スケールなエンコーディングを開発する。
- 提案手法は，難しいドメインにおける長さ最適計画において，最先端の手法を凌駕する性能を示す。
- 完全なリフトと完全なグランディングの中間的なアプローチにより，スケーラビリティを改善した。
- 本研究で提案するエンコーディングは，計画の長さに比例して計算量が変化するため，長尺な計画にも適用可能である。
アルゴリズムのコンピュータによる設計：結合仕様から実装へ [cs.DC, cs.DB, cs.SE]目的：結合仕様から実装までの過程における潜在的な欠陥の検出と，理論的最適性と実用的な性能向上の両立
- データベース理論とシステムの融合は，クエリ処理システムの理論的保証の確立を目指す上で重要である。
- 理論的な抽象化とシステム仮定の乖離により，論理仕様と物理実装の間の翻訳過程で誤りが生じやすい。
- アルゴリズム固有のテストケース生成と複雑なアルゴリズムの統合における課題を解決し，翻訳過程の信頼性を高める。
- コンピュータによるテストフレームワークCODAは，TreeTracker Join (TTJ) の物理設計において，微妙な翻訳上の欠陥を特定することに成功した。
- 構造テストはTTJの実装を強化しただけでなく，TTJ自体の形式的な前提条件を改良するための境界条件を明らかにした。
- CODAは，結合木に依存するアルゴリズムのための，堅牢で構造を意識したテスト生成パイプラインへと進化を遂げた。
遅延クロネッカー積 [cs.DS, cs.CC]目的：動的クロネッカー積における遅延更新手法
- 機械学習等の分野で，大規模なテンソル計算の効率化が求められている。
- 従来のクロネッカー積演算は，計算コストが高いという課題があった。
- 動的な環境下でのクロネッカー積演算を効率的に行う手法を確立する。
- 本研究では，動的クロネッカー積問題に対し，償却時間$n^{\omega( \lceil k/2 \rceil, \lfloor k/2 \rfloor, a )-a}$，最悪時間$ n^{\omega( \lceil(k-s)/2 \rceil, \lfloor (k-s)/2 \rfloor,a )}$のアルゴリズムを提案した。
- 提案アルゴリズムは，既存手法と比較して，計算効率の改善が期待できる。
- テンソルMV予想が偽である場合を除き，提案手法を凌駕するアルゴリズムの存在は否定された。
ユークリッド距離行列補完のためのアルゴリズム：自明性との近さを活用 [cs.DB, cs.DS, cs.CG, cs.DM]目的：d次元ユークリッド距離行列補完問題における，与えられた部分行列が完全なユークリッド距離行列に拡張可能であるかの判定
- 計算幾何学の基礎問題であり，多様な応用分野が存在する
- 既存手法は近似アルゴリズムに偏っており，厳密解を求めるアルゴリズムが不足している
- 入力構造に着目し，自明性からの距離パラメータ化により，厳密解が得られる手法を開発する
- 本研究では，パラメータとして次元数dと行/列ごとの未指定エントリの最大数を採用した初の固定パラメータアルゴリズム(FPT)を提案した。
- また，dと指定されたエントリを網羅する完全な主小行列の最小数をパラメータとする初のFPTアルゴリズムを開発した。
- さらに，dと自然グラフの最小埋め込み数が固定定数であれば，多項式時間で解けるアルゴリズムを提示した。
自動運転車の性能指標とインターフェース要求に関するステークホルダーの調整 [cs.CC, math.CO, cs.SE, cs.SY, eess.SY]目的：自動運転車における性能指標とインターフェース要求に関するステークホルダー調整プロセス
- 自動運転技術は，交通の安全性向上や効率化に不可欠であり，社会実装が急務である。
- ステークホルダー間の連携不足は，システム設計の透明性を損ない，適切な性能指標の定義を阻害する。
- ステークホルダー間の効果的なコミュニケーションと知識共有を促進し，自律的なシステム実現を支援する。
- 本研究では，ステークホルダー調整のためのプロセスを提示し，自律運転車の実現に必要な要素を明確化した。
- 提案プロセスは，コミュニケーション，トレーサビリティ，知識伝達を重視し，明確なドキュメンテーションを特徴とする。
- 実プロジェクトでの適用経験から得られた教訓，課題，今後の展望を提示した。
行列乗算のための最適スカラー量子化：閉形式密度と相転移 [cs.MA, cs.CL, cs.IT, cs.AI, math.IT]目的：行列乗算における平均二乗誤差の最小化
- 深層学習等の計算効率化に不可欠であり，量子化技術はその重要な手段となる。
- 量子化レベル数を増やすほど誤差が小さくなるが，計算コストが増大する点が課題。
- 高分解能下での誤差の漸近展開を導出し，最適な量子化中心密度を明らかにすること。
- 相関ガウス乗数対において，最適な点密度は閉形式で表せることを示した。
- 相関係数ρの絶対値が1/√3を超える場合，密度は一峰性から二峰性へと相転移する。
- 行列乗算量子化や大規模言語モデルの活性化関数への適用可能性を確認した。
ショートカットメモ化による漸進的ライブプログラミング [cs.PL]目的：プログラム編集の影響を迅速に表示するための手法
- プログラム規模の拡大に伴い，リアルタイムな挙動確認の重要性が増している。
- 大規模かつ複雑なプログラムでは，再実行の計算コストが課題となっている。
- 過去の実行パターンを活用し，再実行時の計算量を削減することを目指す。
- Chordataは，過去の実行から計算パターン（ショートカット）を学習する。
- ショートカットメモ化の形式意味論と，その正当性に関する証明が提示された。
- 学生のプログラミング問題を対象とした評価で，最大13.03倍の高速化が確認された。
ニューラル不確定性原理：敵対的脆弱性とLLMの幻覚の統一的見解 [cs.LG, cs.IT, math.IT, physics.comp-ph]目的：敵対的脆弱性とLLMの幻覚の共通の幾何学的起源の解明
- 画像認識や自然言語処理といったAIの信頼性向上は，社会実装において不可欠である。
- 敵対的攻撃に対する脆弱性やLLMの幻覚は，それぞれ異なるアプローチで対処されてきた。
- これら2つの問題の本質的な繋がりを明らかにし，信頼性分析の新たな視点を提供する。
- 敵対的脆弱性とLLMの幻覚は，損失関数の勾配と入力の関係から生じる不確定性原理によって説明できることが示された。
- 入力勾配相関チャネルを測定するプローブを用いることで，画像の頑健性向上や幻覚リスクの検出が可能となった。
- 提案手法ConjMaskとLogitRegは，敵対的訓練なしで頑健性を向上させ，LLMの幻覚検出とプロンプト選択に役立つ。
組込みおよびIoTシステム開発のための熟練AIエージェント [cs.SE, cs.AI]目的：組込みおよびIoTシステム開発におけるAIエージェントの活用
- 組込みシステムとIoTは社会インフラを支える重要な技術であり，開発効率の向上が求められている。
- ソフトウェアロジックと物理ハードウェアの密接な連携により，AIエージェントの適用は困難であった。
- ハードウェア固有の制約下でのAIエージェントの性能評価と改善を目指す。
- スキルベースのAIエージェントフレームワークとIoT-SkillsBenchを開発し，組込み環境でのAIエージェント評価を可能にした。
- IoT-SkillsBenchは3つのプラットフォーム，23の周辺機器，42のタスクを網羅し，実ハードウェアでの検証を行った。
- 構造化された専門家の知識に基づく簡潔なスキルが，プラットフォーム全体でほぼ完璧な成功率を達成した。
洗練された誤り確率解析に基づく新しい極符号構成 [cs.IT, math.IT]目的：極符号のブロック誤り率解析
- 極符号は，高速・低複雑な誤り訂正符号として，5G通信などに応用が期待されている。
- 従来の極符号構成法は，誤り確率の正確な評価が難しく，最適な構成を見つけることが困難であった。
- 本研究では，誤り確率をより正確に解析し，性能向上に貢献する新しい極符号構成法を提案する。
- 提案するSC復号最適化された極符号は，AWGNチャネルにおいて，DSCF復号下で従来法と比較して最大0.2dBの性能向上を達成した。
- 本手法は，バイナリ対称チャネルにおいても優れた性能を示した。
- SCL復号最適化された極符号においては，あらゆるリストサイズで同等または向上した性能を示し，最大0.4dBの改善を達成した。
大規模生成モデルの限界収益とゲーデル・タルスキ・ローブ限界 [cs.LO, cs.LG]目的：生成モデルの拡張に伴う能力向上限界の理論的分析
- 生成モデルはAI技術の中核であり，その性能向上が様々な分野の進歩に不可欠である。
- モデルの規模拡大に伴い，能力向上の度合いが鈍化する現象が観察されているが，理論的な理解が不足している。
- モデル拡張に伴う能力向上限界を数学的に明らかにし，長期的成長の制約を考察する。
- 生成モデルの能力向上は，モデル容量の増加に伴い，解決可能なタスクの増加分が漸近的にゼロに収束するという構造的結果が得られた。
- 複雑度重み付き仮説クラスに基づく予測理論的洗練により，予測設定における限界改善の定量的な上限が示された。
- ゲーデルの不完全性定理，タルスキの定義不可能性定理，ローブの定理などを応用し，十分表現力のある推論システム内での未解決論理タスクの永続性を示した。
2グループ間における公平な学校区再編 [cs.GT, cs.DS]目的：公平な学校区再編計画の存在と効率的な探索
- 生徒の構成比を考慮した学校区再編は，教育機会の公平性に関わる重要な課題である。
- グループ間の公平性を保証する再編計画の作成は，計算量的に困難である場合が多い。
- 2グループ間の学校区再編において，緩い制約下での公平性の実現可能性を検証する。
- 本研究では，各学校での定員超過を1まで許容する「1-緩和された羨望フリー性」を導入した。
- 2グループの場合，必ず1-緩和された羨望フリーな再編計画が存在することを示した。
- 提案手法は多項式時間で実行可能であり，実用的な再編計画の作成に貢献する可能性がある。
ドロップアウトと共謀耐性を持つ階層型セキュアアグリゲーションの基本的な限界について [cs.IT, math.IT]目的：階層型ネットワークにおける情報理論的セキュアアグリゲーションの通信限界
- プライバシー保護技術の重要性が増しており，特に分散データに対する安全な集約は重要である。
- ユーザーや中継ノードの障害や，共謀による情報漏洩リスクが課題となっている。
- ドロップアウトや共謀に対する耐性を持つセキュアアグリゲーションの通信限界を明らかにすること。
- 通信コストを捉える四次元レート組を導入し，実行可能性の必要十分条件を確立した。
- 第1ラウンドの最適な通信レートを完全に特徴付け，第2ラウンドではレートの上界と下界を導出した。
- 生存ユーザーの総数が共謀閾値を超えた場合にのみ，セキュアアグリゲーションが可能であることが判明した。
多変量分布のコアセットを用いたスケーラブルな学習 [cs.LG, cs.DS, stat.CO, stat.ME, stat.ML]目的：多変量分布学習のスケーラビリティと効率性の向上
- 統計学や機械学習において，効率的な回帰分析と密度推定は重要である。
- 大規模データへの対応が既存手法の課題となっている。
- 大規模データにおけるスケーラブルな学習を可能とする。
- 提案手法により，重要度サンプリングを用いた大幅なデータ削減が実現された。
- 対数尤度が$(1\pm\varepsilon)$の誤差範囲内に収まることが確率的に保証され，統計モデルの精度が維持される。
- 複雑な分布や非線形関係において，全パラメータモデルよりも適応性が高いことが示された。
co-B\"uchi自動機列の簡潔性について [cs.LO, cs.FL]目的：co-B\"uchi自動機列の簡潔性に関する解析
- ω正則言語の表現形式として，計算効率が重要な課題である。
- 既存の決定性自動機では，表現の効率性に課題があった。
- co-B\"uchi自動機列の簡潔性を評価し，その限界を明らかにする。
- co-B\"uchi自動機列は，決定性パリティ自動機よりも指数関数的に簡潔になりうる。
- co-B\"uchi自動機列に対する論理演算（論理和，論理積，否定）は，指数関数的なサイズ増加を引き起こす場合がある。
- 決定性パリティ自動機で同様の演算を行う場合と比較して，co-B\"uchi自動機列の演算はより大きなオーバーヘッドを伴う。
範囲に基づく集合調和のための範囲要約可能な順序統計ストア [cs.DS]目的：範囲に基づく集合調和における局所的な計算コストの削減
- データ同期は，分散システムやデータベースにおいて不可欠であり，効率的な同期手法が求められている。
- 従来の集合調和手法では，ストレージバックエンドの性能がボトルネックとなり，計算コストが増大する。
- 範囲要約可能な順序統計ストア(RSOS)を導入し，効率的な再帰的洗練を実現することで計算コストを削減する。
- 範囲要約可能な順序統計ストア(RSOS)は，範囲集計と順序統計ナビゲーションを組み合わせることで，バランスの取れた分割を可能にする。
- B\textsuperscript{+}-treeを拡張したAELMDBは，従来のオープンソースベースラインと比較して，局所的な集合調和コストを大幅に削減することを示した。
- ウィンドウサブレンジアブレーション実験により，コア集計表現に基づくシステム最適化の有効性が確認された。
バウンド時間MTLのための動的に再構成可能なランタイムモニタ [cs.LO, cs.FL]目的：バウンド時間MTLの動的再構成可能なランタイムモニタの設計
- ランタイム検証は，システムの変化に追従できるため，幅広い分野で重要である。
- FPGA実装のランタイムモニタは，高性能プロセッサの速度に追いつけないという課題がある。
- 本研究は，システムの性能と同等の速度で動作するモニタを開発し，その問題を解決する。
- 標準セルを用いることで，モニタをシステムと同じダイ上に配置し，高速なモニタリングを可能にした。
- 基本的な演算ユニットとキュー更新ルールにより，離散時間バウンドMTLを忠実に実装できることを示した。
- シミュレーションにより，I/Oピンを通してモニタの再構成がポストデプロイメントで可能であることを実証した。16個の原子命題をサポートするモニタは0.55 mm^2の面積で，1.25 GHzで動作する。
GazePrinter：新規コードベースにおける熟練者の視線誘導による初心者支援 [cs.SE, cs.ET, cs.HC]目的：新規コードベースにおける初心者プログラマーのプログラム理解支援
- ソフトウェア開発において，プログラム理解は不可欠であり，開発者のスキル向上に大きく影響する。
- 初心者にとってプログラム理解は困難であり，学習のボトルネックとなる場合が多い。
- 熟練者の視線情報を活用し，初心者のプログラム理解を効率化し，認知負荷を軽減すること。
- GazePrinterの視線誘導視覚的合図により，初心者のコード探索経路が熟練者の経路に近づく傾向が確認された。
- GazePrinterの利用は，初心者プログラマーのタスク遂行時間と認知負荷を低減する可能性が示唆された。
- 視線情報の可視化が，プログラム理解において有効な支援手段となりうることを裏付けた。
MLIRを基盤としたHLSツール構築は良い考えか？ Dynamatic HLSコンパイラの構築経験 [cs.PL]目的：MLIRをHLSインフラストラクチャとして利用することの妥当性評価
- HLSはハードウェア設計の自動化に不可欠であり，効率的な実装が求められている
- LLVMプロジェクトにはHLSコミュニティが抱える課題が存在していた
- MLIRがHLSに適したコンパイラ基盤となるかどうかの検証
- Dynamaticの開発経験を通して，MLIRの利用における利点と課題を明らかにした
- MLIRは柔軟性と拡張性に優れる一方で，HLS特有の最適化には更なる検討が必要である
- 本研究は，HLSツール構築におけるMLIRの活用を検討する際の参考となる
構成調整のためのドメイン・空間性のパターン解明：ドメイン知識と適応度景観の融合 [cs.SE, cs.AI]目的：構成調整におけるドメイン知識と適応度景観の関係性の体系的把握
- 品質保証において，システムの性能向上のための構成調整は不可欠である。
- 構成可能なシステムのブラックボックス性のため，調整者の効果に関する理解が不足している。
- 適応度景観分析とドメイン駆動型分析を組み合わせることで，調整の成功/失敗要因を解明する。
- 構成調整の適応度景観はシステム固有であり，特定のドメイン要素が一貫して構造を形成するわけではないことが判明した。
- 主要な機能フローを制御するコアオプションは，リソースオプションよりも景観の粗さに強い影響を与える。
- ワークロードの効果は，種類と規模の両方が景観の変化に寄与するが，その影響はシステムに依存する。
リピータ支援による分散MIMOにおける無線位相同期 [cs.IT, eess.SP, math.IT]目的：分散MIMOシステムにおける無線位相同期の実現
- 分散MIMOは，通信容量の増大やカバレッジ拡大に不可欠な技術である。
- AP間の直接通信が困難な環境下では，既存の無線位相同期法は機能しない。
- AP間の直接通信が困難な環境でも位相同期を可能にし，分散MIMOの適用範囲を拡大する。
- 本研究では，リピータノードを活用した新しい無線校正方式を提案している。
- 提案手法は，閉形式で位相校正アルゴリズムのステップを導出し，APによるコヒーレント共同送信を可能にする。
- このフレームワークにより，既存の同期技術が不十分な環境下でも分散MIMOシステムを適用できる。
mmWave/THzシステム向けロバストなビームコードブック：確率的強化学習アプローチに向けて [cs.IT, cs.NI, math.IT]目的：mmWave/THzシステムにおけるロバストなビームコードブックの設計
- mmWave/THz通信は，大容量・高速通信を実現する技術として重要性が増している。
- 従来のビームコードブックは，NLoS環境やハードウェア制約下では性能が低下する課題がある。
- 環境フィードバックから直接ビームコードブックを学習し，実環境でのロバスト性を向上させる。
- 本研究では，強化学習を用いたマルチエージェントフレームワークを提案し，チャネル状態情報なしでの適応的なコードブック設計を可能にした。
- シミュレーション結果から，SACがDDPGやTD3と比較して，NLoS環境やハードウェア障害下で優れた性能と安定性を示すことが確認された。
- これにより，強化学習に基づくコードブック設計が，ロバストなmmWave/THz massive MIMOシステムの実現に貢献する可能性が示された。
容量達成型BBT極符号と，インターリーバ支援BP復号 [cs.IT, math.IT]目的：BBT極符号の容量達成性とその性能評価
- 通信効率向上のため，誤り訂正符号の性能向上が不可欠である。
- 既存の極符号は，ブロック長に制限があり，柔軟性に欠ける。
- 任意のブロック長で容量達成可能なBBT極符号を提案し，性能を評価する。
- 提案するBBT変換がチャネル偏りを引き起こし，BBT極符号がBMSチャネルの容量を達成することを示した。
- BBT極符号の有限長性能を評価するため，階層的な木構造を利用した効率的な重みスペクトルの推定法を開発した。
- インターリーバ支援BP復号により，復号の収束性が向上し，低遅延化を実現した。
不確実な非線形システムを解くための区間法の計算複雑性解析 [cs.DS, cs.SY, eess.SY]目的：不確実な非線形システムの検証済み解法の計算複雑性
- システム解析において不確実性は不可避であり，その影響を考慮した厳密な解法が求められている。
- 区間法は厳密な解を提供するが，高次元問題では計算コストが課題となっている。
- 区間法の計算コストを明確化し，効率的なソルバー設計の指針を示す。
- 区間二分法，分割+フィルタ法，制約伝播，区間ニュートン法，区間クラウジック法の計算量の上界を導出した。
- 初期探索体積と目標許容誤差に対する計算コストのスケーリングを定量化した。
- 区間行列の決定式計算は階乗的に増加するため，特殊な区間線形代数の必要性を示した。
ソフトウェア工学における実用的な研究課題の定式化：リーン・リサーチ・インセプションの活用 [cs.RO, cs.SE]目的：ソフトウェア工学における，実務に合致した研究課題の定式化支援
- 学術と産業界の連携には，明確な研究課題が不可欠であり，その重要性は増している。
- 学生の研究課題は，抽象的で実務との関連性が薄い場合が多く，問題解決に繋がりにくい。
- リーン・リサーチ・インセプションを用いて，学生が実務に根差した研究課題を策定できるよう支援する。
- 学生は，思考力（60％），明確性（61.7％），文脈化（60％），コミュニケーション（50％）において効果を感じた。
- 指導教員も，より明確で構造化された問題設定を観察し（57.1％），高い推奨率（85.7％）を示した。
- リーン・リサーチ・インセプションは，ソフトウェア工学教育における実務に合致した研究課題の定式化を支援する有望な手法と言える。
変換分離論理検証器における状態エンコーディング [cs.CL, cs.PL]目的：変換分離論理検証器の健全性証明のための形式的枠組み
- プログラム検証はソフトウェアの信頼性を高める上で不可欠であり，自動化された検証器が求められている。
- 従来の検証器の形式化は，入力プログラムと中間言語で同一の状態モデルを仮定しており，現実的ではない。
- 状態モデルが異なる場合でも，検証器の健全性を保証する形式的枠組みを提供すること。
- 本研究では，状態エンコーディングが異なる変換分離論理検証器の健全性証明のための新しい枠組みを提案した。
- その中核となるのは「後向き充足可能性」という条件であり，フロントエンド翻訳の健全性を保証する上で重要である。
- この枠組みはIsabelle/HOLで形式化され，３つの一般的な状態エンコーディングに対する健全性が証明された。
人間とAIによるソフトウェアデリバリーの調整：3つのソフトウェア近代化プログラムに関する遡及的縦断フィールドスタディ [eess.SY, cs.SY, cs.SE, cs.AI]目的：ソフトウェアデリバリーにおける人間とAIの連携による効率化
- ソフトウェア開発は，ビジネスの根幹を支える重要な活動であり，その効率化が求められている。
- AIの導入は進んでいるものの，チームレベルでのデリバリーに関する知見は不足している。
- AIをデリバリープロセスに組み込み，効率性と品質の向上を目指す。
- Chironプラットフォームを用いた3つのソフトウェア近代化プロジェクトにおいて，AIと人間の連携による効果を検証した。
- 基盤環境と比較して，プロジェクト期間は36.0から9.3週に短縮され，人的リソースも大幅に削減された。
- 特に，AIをワークフローに統合することで，スピード，カバレッジ，問題点の減少が同時に実現されたことが示された。
べき乗則と2の冪乗の選択 [cs.DS, math.PR]目的：2の冪乗の選択による配分アルゴリズムの分析
- 資源配分やスケジューリングなど，様々な最適化問題に応用可能な基礎研究である。
- 最小値選択のアルゴリズムはよく知られているが，最大値選択については未解明な点が多い。
- 最大値選択アルゴリズムが生成する分布の性質を明らかにすること。
- 最大値選択により，値の順位$i$と$i^{d-1}$の間のべき乗則のような関係が成立することが示された。
- この分布の期待値の公式が導出され，期待値の周りへの集中度合いが示された。
現実世界のコンパイラのためのエージェント活用基盤 [cs.SE, cs.AI]目的：コンパイラバグの修正を支援するエージェント活用基盤の開発
- 現代の計算機システムにおいて，コンパイラは不可欠であり，その信頼性は極めて重要である。
- コンパイラバグは複雑で，専門知識が必要であり，バグレポートも曖昧になりがちである。
- LLMとコンパイラエンジニアリングの連携を強化し，複雑なシステムのバグ修正を効率化すること。
- llvm-autofixは，LLMエージェントがコンパイラバグを理解し，修正するための初の専用基盤である。
- 大規模言語モデルは，一般的なソフトウェアバグに比べて，コンパイラバグへの対応性能が60%低下することが示された。
- 最小限のエージェントllvm-autofix-miniは，最先端技術を約22%上回る性能を発揮した。
GO-GenZip：目標指向型生成サンプリングとハイブリッド圧縮 [cs.LG, cs.IT, math.IT]目的：ネットワークテレメトリにおけるデータ量の削減と分析精度の維持
- ネットワーク運用におけるKPIデータの重要性が増しており，効率的なデータ処理が不可欠である。
- 従来のデータ処理方法は，データ量の増大によりストレージ，伝送，リアルタイム分析が困難になっている。
- 目標に基づいて重要な情報を選別し，データ量を削減することで，持続可能なネットワーク運用を目指す。
- 本研究では，目標指向型の生成AIを用いたサンプリングとハイブリッド圧縮フレームワークを提案した。
- 実ネットワークデータを用いた実験により，サンプリング・データ転送コストを50％以上削減できることを示した。
- ダウンストリームタスクにおける再構成精度と分析忠実度を維持しながら，データ削減を実現した。
量子誤り訂正のためのデコーダ解析 [cs.PL, quant-ph]目的：量子誤り訂正デコーダの評価手法
- 量子コンピュータ実現には，誤り耐性が必要不可欠であり，デコーダはその性能を左右する。
- 現在の評価手法はモンテカルロシミュレーションが主流だが，サンプル数が必要で効率が悪い。
- モンテカルロシミュレーションの代替となる，効率的なデコーダ評価手法を開発する。
- 本研究では，量子誤り訂正プログラムの形式的な意味論を導入し，デコーダの正確性とロバスト性を定量化する検証器を開発した。
- 提案手法は，シミュレーションと比較して，特に低誤り率領域において，優れた性能を発揮する。
- また，提案手法を用いることで，物理的な誤り率の変化に対するデコーダのロバスト性を定量的に評価することが可能となった。
HQC後量子暗号における一般化最小距離リード・ソロモンデコーダによる復号 [cs.CR, cs.IT, math.IT]目的：HQC復号における性能向上
- 後量子暗号は，量子コンピュータによる攻撃に耐性を持つ暗号技術として重要である。
- HQCの復号処理は計算コストが高く，効率化が課題となっている。
- リード・ソロモンデコーダの性能向上により，HQCの復号効率改善を目指す。
- 一般化最小距離(GMD)デコーダがHQCにおいてソフト情報を有効活用できることを示した。
- HQC-128のリード・ソロモン符号長を46から36に短縮可能であることを理論的に証明した。
- 提案するGMDデコーダは，ハード決定デコーダと比較して，レイテンシと面積をそれぞれ20%と15%削減した。
量子コードに対するSDP境界：有理証明 [quant-ph, cs.IT, math.IT]目的：量子コードの最大サイズの決定
- 量子情報処理の発展には，信頼性の高い量子コードの構築が不可欠である。
- 既存の量子コードの限界が，量子計算のスケーラビリティを阻害する要因となっている。
- 数値計算の不正確さによる証明の厳密性の欠如を解消し，厳密な限界を示すこと。
- SDPを用いた量子コードの限界を導出する手法を確立した。
- クラスタ化低ランクソルバーとヒューリスティックな丸めにより，18個の限界を改善した。
- SDPが量子コードの限界を求めるための実用性と拡張性を持つことを示した。
チューリング度の逆順埋め込みをアーサー・ニムエ・マーリン度へ [math.LO, cs.LO]目的：チューリング度とアーサー・ニムエ・マーリン度の間の順序埋め込み
- 計算可能性理論において，計算の複雑さを測る上でチューリング度は重要な役割を果たす。
- 従来のチューリング度では捉えきれない，より複雑な計算構造の記述が求められている。
- アーサー・ニムエ・マーリン度を用いて，チューリング度の新たな表現と構造解析を目指す。
- チューリング度の逆順埋め込みをアーサー・ニムエ・マーリン度に構成することに成功した。
- この埋め込み像である「co-チューリング度」と，通常のチューリング度の順序関係を明らかにした。
- アーサー・ニムエ・マーリン度における，co-チューリング度とチューリング度の相対的な位置関係を考察した。
NCR 対 パッシブ/アクティブ RIS：RIS を上回るために必要な NCR 増幅はどの程度か [eess.SP, cs.IT, math.IT]目的：達成可能な信号対雑音比 (SNR) に関する再構成可能なインテリジェントサーフェス (RIS) とネットワーク制御リピータ (NCR) の間の基本的なトレードオフ
- 無線通信において，より高効率で信頼性の高い伝送技術の実現が求められている。そのための手段としてRISとNCRが注目されている。
- RISの性能はRIS素子数に依存し，NCRはUE-リピータ間のチャネルに制限されるため，最適な導入方法が不明確である。
- RISとNCRのSNR特性を比較し，NCRがRISを上回るために必要な増幅レベルを定量的に評価する。
- RISのSNRはRIS素子数の増加と共に無限に向上する一方，NCRのSNRはUE-リピータ間のチャネルによって制限される。
- NCRは，UEに近接して配置し，十分な増幅が得られる場合，パッシブおよびアクティブRISよりも優れた性能を発揮する可能性がある。
- 現実的な経路損失モデルに基づいた数値結果により，NCRがRISを上回るために必要な増幅レベルが明確になる。
プロダクト状態量子k-SATのための探索駆動型節学習 [quant-ph, cs.CC, cs.LO]目的：プロダクト状態量子k-SATインスタンスの充足可能性判定
- 量子計算の発展において，量子SAT問題の効率的な解法は重要である。
- 既存手法では，大規模な量子SATインスタンスに対してスケーラビリティが課題となる。
- 節学習を用いて探索空間を効率的に削減し，スケーラビリティを向上させる。
- CDCLスタイルの反証フレームワークを提案し，各量子ビットのブロッホ球の有限分割を探索する。
- 制約に対する射影振幅の幾何学的近似を用いて，領域の実行可能性をチェックし，矛盾節を生成する。
- 矛盾節の累積により，プロダクト状態の充足不能性を判定するアルゴリズムを実装した。
Q-Root変換による情報幾何 [math.SG, cs.IT, math.DG, math.IT]目的：Q-Root変換を用いた情報幾何学の枠組み
- 確率密度関数の空間の幾何学は，統計学や機械学習の理論的基盤として重要である。
- 既存の情報幾何学は有限次元空間に限定される場合が多く，無限次元への拡張が課題であった。
- 無限次元空間における情報幾何学の構築と，その応用可能性を探求すること。
- Q-Root変換により，確率のシンプレックス上に微分構造を誘導し，新たな情報幾何学を定義した。
- この枠組みを用いて，無限次元線形最適化問題の勾配フローを解析し，解の存在と一意性を示した。
- 得られた結果は，ハミルトニアン系との関連性を示唆し，幾何学的な解釈を提供するものである。
分類器に基づく非パラメトリック逐次仮説検定 [math.ST, cs.IT, math.IT, stat.TH]目的：履歴データから帰無仮説と対立仮説を間接的に特定する逐次検定法の構築
- データ駆動型アプローチの重要性が高まっており，オフラインデータを用いた仮説検定が求められている
- オフラインデータの分布が限られている場合，検定力と信頼性の両立が課題となる
- 分類器を利用することで，分布を明示的に推定せずに逐次検定を可能とする
- 提案手法は，与えられたオフラインデータで訓練された多クラス分類器を用いることで，水準αの検定力1の逐次検定を実現する
- 分布間の分離可能性の条件の下で，提案手法の期待停止時間の理論的な上限を導出し，その限界を示す
- 帰無仮説の棄却に加えて，真の基底分布をほぼ確実に識別できることが示された
最小安定カットとツリー幅 [cs.CC, cs.DS]目的：グラフの最小安定カットを見つけること
- グラフ理論は，ネットワーク分析や最適化問題に応用され，様々な分野で不可欠である。
- 最小安定カット問題はNP困難であり，大規模グラフへの適用が難しい。
- ツリー幅や最大次数といったグラフの構造的パラメータを用いた効率的な解法を開発すること。
- 問題は，制限された木構造のグラフに対しても弱NP困難であることが示された。
- ツリー幅と最大次数をパラメータとしたFPTアルゴリズムが開発され，計算時間が$2^{O(\Delta tw)}(n+\log W)^{O(1)}$であることが示された。
- 非加重グラフの場合，より高速なアルゴリズムが実現可能であり，その計算量は$\Delta^{O(tw)}n^{O(1)}$である。
動的重み付きユークリッド距離のための複素ベクトル空間における次元削減 [cs.DS]目的：動的重み付きユークリッド距離の推定
- 高次元データ処理において，計算コスト削減と効率的なデータ分析が重要である。
- 重みが未知または動的に変化する場合，従来の次元削減手法の適用が困難である。
- 重みが不明な状況でも，ユークリッド距離を近似的に計算可能な次元削減手法を確立する。
- 本研究では，ベクトルをより小さい複素ベクトル空間に写像する線形関数を提案した。
- これにより，重みが明らかになった際に，Johnson-Lindenstrauss (JL) 様の推定値を得ることが可能となる。
- 提案手法は，Rademacher chaos 確率変数の分解と，それらの和に関する新規な集中不等式に基づいている。
線形符号の効率的なアクティブ深層復号：重要度サンプリングの利用 [cs.IT, math.IT]目的：線形符号の効率的な深層復号のための重要度サンプリング手法
- 深層学習モデルの性能は学習データに大きく依存する。特に誤り訂正においては，高品質なデータの生成が重要となる。
- 復号領域の決定境界付近のデータは，学習に有効だが，生成が困難である。過度にノイズが多いか，完全に正しいかのいずれかになりがちである。
- 提案手法は，重要度サンプリングを用いて効率的に復号に必要なデータを生成し，深層学習モデルの性能向上を目指す。
- 提案手法では，BCH(63,36)およびBCH(63,45)符号において，従来のWBP復号器と比較して，ウォーターフォール領域で最大0.4dB，エラーフロア領域で最大1.9dBの性能向上が確認された。
- 重要度サンプリングに基づくアクティブWeight Belief Propagation (WBP)復号器により，復号性能が大幅に改善された。
- 本手法は，他の深層学習ベースの復号器の学習データ生成にも容易に適用可能である。
イン・アンド・アウト：凸体サンプリングのためのアルゴリズム的拡散 [cs.DS, cs.LG, math.ST, stat.ML, stat.TH]目的：高次元凸体の均一サンプリング手法
- 機械学習や統計における確率分布からの効率的なサンプリングは重要である。
- 高次元凸体からの均一サンプリングは計算コストが高く，困難な問題である。
- 既存手法を改善し，より効率的かつ正確なサンプリングを実現すること。
- 提案手法は，既存の最先端手法よりも優れた実行時間複雑度を達成する。
- 出力の保証も強化されており，Rényiダイバージェンスなどの様々な距離尺度で優位性を示す。
- 拡散過程における収束率が，標的分布の関数的等周定数によって決定されることを証明した。
- 1
- 2