arXiv雑要約
プログラム - 2026/03/27 公開
HOLにおけるネットワークトポロジー行列の形式化について [cs.CE, econ.GN, q-fin.EC, stat.AP, cs.CL, cs.LO, math.AT]目的：ネットワークトポロジー行列の形式化
- 電気回路，通信ネットワーク，交通システムなど，様々な応用分野のモデル化と解析に不可欠な手法である。
- ネットワークトポロジー行列の数学的性質の厳密な検証が困難であり，誤りのリスクがある。
- HOLを用いてネットワークトポロジー行列の形式的な検証基盤を構築し，システムの信頼性向上を目指す。
- 隣接行列，次数行列，ラプラシアン行列，インシデンス行列をIsabelle/HOLで形式化し，古典的な性質を検証した。
- ラプラシアン行列のクロン削減を形式的に分析し，一般的な抵抗ネットワークにおける電力損失を検証した。
- ネットワークをモデル化する際の形式的な推論を支援する包括的な基盤を提示した。
キッチンループ：自己進化型コードベースのためのユーザー仕様駆動開発 [cs.CY, cs.SE, cs.AI]目的：自己進化型ソフトウェアを構築するためのフレームワーク
- ソフトウェア開発において，コードの生成は容易になったが，何を構築すべきか，そしてそれが機能するかを証明することが課題となっている。
- 従来のテスト手法では，大規模かつ継続的なソフトウェア進化に伴う潜在的な問題を捉えきれない場合がある。
- 本研究は，信頼性の高い自動進化を実現するシステムを構築し，長期的な運用における安全性を確保することを目的とする。
- キッチンループを2つの実運用システムで285回以上の反復検証した結果，1,094件以上のプルリクエストがマージされた。
- 回帰テストオラクルによる回帰は検出されず，自動化された品質ゲートによる継続的な品質測定が確認された。
- 複数回の反復による自己修正チェーン，自律的なインフラストラクチャ修復，単調な品質向上などの創発的特性が観察された。
モナドにおける石 duality [cs.LO, cs.PL, math.CT]目的：集合上のランク付きモナドの圏と，局所圏における内部圏および内部レトロ関手の圏との間の反変冪等随伴
- 計算のモデリングにおいて，モナドは重要な役割を果たす。その圏論的性質の理解は，プログラムの意味論や型システムの設計に不可欠である。
- モナドと局所圏の間の関係性は十分に解明されておらず，両者の間の構造的な対応付けが求められていた。
- モナドと局所圏の間の duality を明らかにすることで，計算の普遍的な遷移システムに関する新たな洞察を得る。
- モナドを局所圏へ，そして局所圏をモナドへと変換する随伴関係が確立された。この随伴は，計算と遷移システムの間の深いつながりを示す。
- この随伴の固定点は，ハイパーアフィン一次モナドと豊富な局所圏に限定される。これは，モナドと局所圏の構造が厳しく制限されていることを意味する。
- ブール代数をモナド，ストーン空間を局所圏と見なすことで，古典的なストーン duality がモナドにおけるストーン duality に特殊化されることが示された。
創発的厳密検証：自律型AIエコシステムが6つの領域でSMTベースの安全性独自発見 [cond-mat.dis-nn, cond-mat.stat-mech, cs.ET, math.DS, physics.data-an, cs.SE, cs.AI, cs.MA]目的：自律型AIエコシステムにおけるSMTベースの安全性発見
- AIの安全性確保は，社会実装において不可欠であり，その重要性は増している。
- 従来の安全性検証は，人為的な設計に依存しており，複雑化するAIシステムへの対応が困難である。
- 本研究は，AIシステムが自律的に安全性検証手法を発見し，適用できる可能性を示す。
- 自律型AIエコシステムが，異なる6つの領域において，Z3 SMTソルバーの使用を独立して提案した。
- 提案された手法は，181件のテストケースにおいて100%の分類精度を達成し，誤検出はなかった。
- 実用的なテストでは検出されないバグ（INT_MINオーバーフロー等）を発見し，安全性検証の有用性を示した。
ハイブリッド結合器と位相シフターを用いたアナログ計算 [eess.SP, cs.IT, math.IT, physics.app-ph]目的：マイクロ波信号を用いたアナログ計算の能力
- デジタル計算の限界を超える高速計算の可能性があり，リアルタイム処理への応用が期待される。
- 既存のアナログ計算回路は，複雑な設計や高コストが課題となっていた。
- ハイブリッド結合器と位相シフターのみで実現可能な計算範囲を特定し，効率的な回路設計を提案する。
- ハイブリッド結合器と位相シフターを用いることで，離散フーリエ変換，アダマール変換，ハール変換等の線形変換が実現可能であることが示された。
- これらの変換に対する回路設計法が確立され，2の累乗サイズの変換に対応できることが示された。
- 4x4 DFTのプロトタイプを製作し，理論的な予測と高い相関を示すアナログ領域でのDFT計算が実証された。
線形個数の還元可能構成とほぼ線形時間での4色塗りに関する四色定理 [math.OC, cs.SY, eess.SY, math.CO, cs.DM, cs.DS]目的：平面グラフに対するほぼ線形時間での4色塗りアルゴリズムの開発
- グラフ理論は，ネットワーク分析，スケジューリング，資源配分など，様々な応用分野で重要な役割を果たす。
- 四色定理の既存の証明は，計算効率の面で限界があり，より高速なアルゴリズムの開発が課題となっていた。
- 平面グラフにおいて，線形個数の還元可能構成または閉路を見つけることで，4色塗り計算の効率化を目指す。
- 本研究では，平面グラフの4色塗りアルゴリズムを，従来の2次時間からほぼ線形時間へと大幅に高速化することに成功した。
- 四色定理の既存の証明を一般化し，線形個数の還元可能構成または閉路の存在を示すことで，理論的な進展も達成した。
- 還元可能構成の堅牢性を高めることで，他の応用分野への展開も期待できる。
SIC不要受信機を用いたレート分割多重アクセスに関する実験的研究 [eess.SP, cs.IT, math.IT]目的：SIC不要受信機によるレート分割多重アクセスの性能評価
- 無線通信における多重化技術の効率化は，限られた周波数資源の有効活用に不可欠である。
- 従来のレート分割多重アクセスは，復号時の誤り伝搬により性能が制限されるという課題があった。
- 本研究は，誤り伝搬の影響を受けない，より信頼性の高い受信機を提案し評価することを目指す。
- 提案するSIC不要受信機は，従来のSICを用いる受信機と比較して，より広い動作範囲で高い信頼性を示すことが実験的に確認された。
- 共同復号による直接評価手法は，理論的な予測と一致する結果を示し，実用性の高さが示唆された。
- 本研究は，レート分割多重アクセスの性能向上に貢献するとともに，今後の無線通信システム設計に新たな知見をもたらす。
間隔付きk-merの高速反復 [q-bio.GN, cs.DS]目的：ヌクレオチド配列からの間隔付きk-mer抽出手法
- ゲノム解析において，k-merは配列の類似性検索や特徴抽出に不可欠な要素である。
- 従来のk-mer抽出は計算コストが高く，大規模データへの適用が課題となっていた。
- CPUレベルのビット操作により，k-mer抽出の高速化と効率化を目指す。
- 提案手法は，既存手法と比較して，実装が容易でありながら，最大で10倍の速度向上を実現した。
- k-mer処理における一般的な落とし穴を明らかにし，効率低下の原因を特定した。
- 本手法により，高性能バイオインフォマティクスアプリケーションにおいて，間隔付きk-merを実用的な速度で利用可能となった。
バッファのデコヒーレンスと生成の変動下における量子ビットのスループット最大化 [quant-ph, cs.IT, math.IT]目的：量子ビットのスループット最大化
- 量子通信網の発展には，高忠実度量子ビット伝送が不可欠である。 量子鍵配送などの応用を支える基盤技術である。
- バッファ容量の制限と量子ビットのデコヒーレンスが，量子ビット品質を低下させている。待ち時間が問題となる。
- 生成の確率的遅延を考慮し，スループットとデコヒーレンスのトレードオフを解決する。
- 有限バッファキューにおける入退室制御問題としてモデル化し，量子ビットの滞在時間が短いほど報酬が高い関数を定義した。
- バッファに空きが出た時点で新しい量子ビットを生成する「遅延なし」ポリシーが最適となる条件を導出した。
- 未知のシステムパラメータに対しては，ベイズ学習フレームワークを用いて，適応的に入退室ポリシーを最適化する手法を開発した。
同時疎密符号化による識別再構成 [cs.IT, cs.LG, eess.SP, math.IT]目的：疎符号化モデルから抽出される識別的特徴と，データから学習される新しい密な事前知識を活用した再構成能力の統合
- 識別的特徴抽出は分類において有効であり，近年深層学習によって逆問題における再構成性能が向上している。
- 従来の疎符号化モデルでは，高周波成分の表現に偏り，低周波成分の表現が不十分である場合がある。
- 密な事前知識と疎な表現を組み合わせることで，よりバランスの取れた特徴表現と再構成性能を実現すること。
- 提案モデルは，行列AとBが張る部分空間間の最小角度という幾何学的条件により，一意解の存在を保証する。
- シミュレーションデータを用いた検証により，提案モデルが疎符号化モデルよりも自然画像のノイズ除去性能が優れていることが示された。
- 疎符号化モデルにおけるバイアス項の学習は，暗黙的にA x + B u モデルを学習することに相当する。
相関情報最大化：重み対称性を持たない教師あり深層ニューラルネットワークへの生物学的に妥当なアプローチ [cs.NE, cs.IT, cs.LG, math.IT, q-bio.NC]目的：層活性化間の相関情報の最大化
- 深層学習は目覚ましい進歩を遂げているが，その生物学的妥当性には疑問が残る。
- 従来のバックプロパゲーションは，脳の学習メカニズムと異なる可能性が指摘されている。
- バックプロパゲーションの妥当性を損なう重み対称性の問題を解決すること。
- 層活性化間の相関情報最大化という新たな枠組みを提案し，生物学的妥当性の高いネットワークを構築した。
- 提案手法は，バックプロパゲーションに対する批判点である重み対称性の問題を自然に解消する。
- 前向きおよび後向き予測ネットワークを，重み対称性の問題を回避しつつ実現した。
AI駆動型ソフトウェアエンジニアリングの未来 [cs.SE, cs.AI, cs.LG, cs.PL]目的：AI駆動型ソフトウェアエンジニアリングにおける課題と将来展望
- ソフトウェア開発は社会基盤であり，その効率化は経済発展に不可欠である。
- AI導入が進む中で，人間の開発者との協調やAIの信頼性確保が課題となっている。
- AIと人間の共存による，より効率的なソフトウェア開発の実現を目指す。
- AI，特にLLMはソフトウェア開発の生産性向上に貢献し，その傾向は今後も続くと予想される。
- 研究コミュニティは，AIの統合がもたらす課題に積極的に取り組み，将来のビジョンを明確にする必要がある。
- 人間とAIの共生関係を深め，ソフトウェア開発の新たな可能性を探求することが重要である。
ニューラルネットワークフィードバック制御とカスケードフィルタリングを用いたチェーン指向型目的論理による動的マルチDSL制御 [cs.SE, cs.LG]目的：動的マルチDSL制御のための，離散規則ベースの論理と軽量ニューラルネットワークフィードバック制御を統合したニューロシンボリック探索アーキテクチャ
- 現代の産業AIはモジュール化されたドメインロジックの動的編成を必要とするが，信頼性の高いクロスドメインルール管理が不足している。
- 知識集約型産業システムでは，モノリシックな推論エンジンのメンテナンスボトルネックと状態空間爆発が問題となっている。
- この研究は，チェーン指向型目的論理(COOL)を提示することにより，上記の課題を解決することを目指す。
- チェーンオブロジック(CoL)により，関係タスクにおいて100%の精度を達成し，70%の改善，木構造演算を91%削減，実行を95%高速化した。
- ニューラルネットワークフィードバック制御(NNFC)は，敵対的ドリフトや忘却下で精度をさらに向上させ，計算コストを64%削減した。
- 理論的解析により，複雑度境界と Lyapunov 安定性が確立された。
差分プライバシーを用いた，ほぼ最適な誤差での部分文字列およびドキュメント数のカウント [eess.SY, cs.SY, math.OC, cs.DS, cs.CR]目的：部分文字列およびドキュメント数のカウント手法
- 大量のテキストデータを含むデータベースの分析において，文字列の出現頻度を把握することは重要である。
- データベースに機密情報が含まれる場合，個人のプライバシー保護が課題となる。
- 差分プライバシーに基づき，プライバシー保護と精度向上の両立を目指す。
- 提案手法は，あらゆるクエリパターンに対して差分プライバシーを持つカウントデータ構造を構築する。
- 部分文字列およびドキュメント数のカウントにおける誤差範囲は，理論的に最適に近いことが示された。
- このデータ構造は，頻出部分文字列やq-gramのプライベートマイニングといった関連問題にも応用可能である。
連合学習のための非同期多者間セッションタイプ [cs.LO]目的：連合学習プロトコルのモデル化と検証
- 分散環境における安全な通信が重要であり，その形式的な検証が求められる。
- 従来のセッションタイプでは，連合学習のような多者間非同期通信の記述が困難であった。
- 連合学習における安全性を保証しつつ，柔軟なプロセス置換を可能とするセッションタイプを構築する。
- 本研究では，非同期ボトムアップセッションタイピングに多者間操作のサポートを追加した。
- セッションサブタイピング関係を導入することで，安全なプロセス置換を可能にした。
- 安全性，デッドロックフリー性，活性性，セッション忠実性といった特性を形式的に証明した。
コードLLMは静的解析を行うか [cs.CL, cs.SE]目的：コードLLMにおける静的解析能力の検証
- ソフトウェア開発における品質向上と保守性の確保に不可欠な要素である。
- 既存のコードLLMが，静的解析能力を持つかどうかが不明であった。
- コードLLMの静的解析能力の現状を明らかにし，その限界を示す。
- コードLLMは，コールグラフ生成，AST生成，データフロー生成といった静的解析タスクにおいて，低い性能を示した。
- 静的解析タスクでの事前学習が，コード生成，要約，翻訳といったコードインテリジェンスタスクの性能向上につながらなかった。
- LLMは人間とは異なる思考プロセスを持つ可能性があり，静的解析能力の向上が課題である。
勾配に基づくプログラム修復：連続的なプログラム空間におけるバグ修正 [cs.RO, eess.SP, cs.PL, cs.LG, cs.SE]目的：プログラムのバグ修正
- ソフトウェアの信頼性確保は重要であり，バグの自動修正技術が求められている。
- 従来のプログラム修復手法は，離散的な探索空間に限定され，プログラムの振る舞いを直接考慮できない。
- 連続的なプログラム空間での最適化により，プログラムの振る舞いを考慮したバグ修正を実現する。
- 本研究では，プログラムを微分可能な数値表現に変換し，勾配に基づいた最適化を行うことでバグを修正するGBPRを提案した。
- 新しいベンチマーク RaspBugs (1,466個のバグ付きRASPプログラム)を用いてGBPRを評価した結果，効果的なバグ修正が可能であることが示された。
- プログラム修復を連続最適化問題として扱うという新たなアプローチの有効性を実証した。
特性公式の決定：分岐時間スペクトルにおける旅 [cs.LO]目的：特性公式決定問題の複雑性
- プロセス代数の研究において，行動意味論に基づいたプロセスの等価性検証は重要である。
- 特性公式の決定は計算量的に困難であり，効率的なアルゴリズムが求められている。
- 分岐時間スペクトルにおける各論理に対する特性公式の複雑性を分析する。
- 特性公式は充足可能性と素性問題と密接に関連しており，これらの問題の複雑性結果が得られた。
- 充足可能性・素性問題が多項式時間で解ける論理と，(co)NP-困難またはPSPACE-完全となる論理の境界が示された。
- モデル検査への帰着可能性と特性公式の性質が明確にされた。
決定的に，ほぼランダムなアルゴリズムをランダム順序到着モデルでシミュレーションする [cs.RO, cs.DS]目的：ランダム順序到着を利用した乱数抽出
- ランダム化アルゴリズムの非ランダム化は，アルゴリズム設計において重要な課題である。
- オンラインアルゴリズムと決定性アルゴリズムの性能比較が不明確である。
- ランダム順序到着モデルにおける，ランダム化アルゴリズムと決定性アルゴリズムの関係を解明する。
- 提案手法による乱数抽出プロセスは，最悪の場合でもバイアスが約0.585に抑えられた。
- このプロセスを，重み付き区間選択問題やナップサック問題などのほぼランダムなアルゴリズムのシミュレーションに応用した。
- ランダム化アルゴリズムが，決定性ランダム順序到着アルゴリズムを上回るケースが存在するかを検証する試みである。
FusionLog：汎用知識と固有知識の融合によるクロスシステムログベース異常検知 [cs.LG, cs.SE]目的：クロスシステムログベース異常検知における汎用知識と固有知識の融合
- ウェブシステムの安定性と信頼性確保は重要であり，ログベース異常検知はその鍵となる。
- 新規システムへの迅速な導入を阻害する，十分なラベル付きログの不足が課題である。
- ラベル付きターゲットログなしで，汎用知識と固有知識を融合し，クロスシステム汎化を実現する。
- FusionLogは，ラベルなしターゲットログを「汎用ログ」と「固有ログ」に動的に分割する学習不要なルーターを設計した。
- 汎用ログには，システムに依存しない表現メタ学習に基づく小規模モデルを適用し，異常パターンを直接学習した。
- 固有ログには，LLMと小規模モデルに基づく共同知識蒸留と融合により疑似ラベルを反復生成し，モデルをファインチューニングした。
退化グラフにおける大規模パターン数え上げ [cs.DS]目的：退化グラフにおける部分グラフ数え上げの計算複雑性
- グラフ構造のパターン出現回数を数える問題は，ネットワーク分析やデータマイニングに応用され重要である。
- 部分グラフ数え上げは計算が困難であり，特に大規模グラフや複雑なパターンでは現実的な時間で解くことが難しい。
- 退化グラフという制限されたグラフクラスにおいて，既存の上界を改善し，より効率的な数え上げアルゴリズムを開発する。
- 退化グラフ上で，特定の条件を満たすパターングラフ($H$)に対する部分グラフ数え上げの計算量を削減できることを示した。
- 提案手法は，パターングラフのサイズに対する多項式時間依存性を持つため，大規模パターンにも適用可能である。
- ($1,d$)-locatableグラフにおいては線形時間での数え上げが可能であり，その限界についても理論的な下界を示した。
等価飽和における楽観主義 [cs.PL]目的：等価飽和のための楽観的な抽象解釈アルゴリズム
- プログラム最適化は，計算資源の効率的な利用に不可欠であり，ソフトウェアの性能向上に貢献する。
- 既存のe-クラス解析は悲観的であり，特に循環プログラムの解析において効果が限定されるという課題がある。
- e-グラフ表現における問題を回避し，循環プログラムを含むプログラムに対してより効果的な最適化を可能にすること。
- 提案手法は，楽観的な解析と非破壊的書き換えを統合した統一的なアルゴリズムを実現している。
- プロトタイプ実装による評価により，既存の抽象解釈や悲観的なe-クラス解析と比較して精度向上が確認された。
- 性能面においても，既存技術と同等の水準を維持していることが示された。
Morphling：大規模における高速，融合型，柔軟なGNN学習 [cs.LG, cs.DC, cs.PL]目的：グラフニューラルネットワークの学習における高性能化
- グラフ構造データは，様々な分野で活用が広がっており，その重要性は増している。
- 既存のGNNフレームワークは，不規則なグラフ処理と規則的な行列演算の効率的な実行が課題である。
- Morphlingは，アーキテクチャに特化したコード合成により，GNN学習の高速化とメモリ効率化を目指す。
- Morphlingは，CPU，GPU，分散環境において，PyGおよびDGLと比較して，平均20倍の学習スループット向上を達成した。
- ピーク時には最大66倍の高速化を記録し，メモリ消費量を最大15倍削減することに成功した。
- これにより，汎用ハードウェア上での大規模GNN学習が可能となる。
AMBER：欠損モダリティに対する適応型マルチモーダルマスクTransformer [cs.IT, math.IT]目的：ビーム予測のための環境意味抽出によるマルチモーダルセンシングの性能向上
- 高速データ伝送と信頼性の高いアクセスには，高周波ミリ波MIMOの正確なビーム予測と整列が不可欠である。
- 従来のマルチモーダル融合手法は，センサーの遮断やGPSの誤作動により欠損データが生じやすく，実環境での性能が低下する。
- 本研究は，欠損モダリティに強く，ロバストなビーム予測を可能にするフレームワークを提案することで，この問題を解決する。
- 提案手法AMBERは，画像，LiDAR，レーダー，GPSデータを処理し，欠損モダリティに柔軟に対応する。
- 学習可能なモダリティトークンとマスクを用いることで，クロスモーダルノイズの伝播を防ぎ，ロバストな情報蒸留と特徴レベルの融合を実現した。
- 実環境データセットDeepSense6Gを用いた実験により，既存手法と比較してAMBERが大幅に優れた性能を示すことが確認された。
コセット整形：構成と上限 [cs.IT, math.IT]目的：符号化されたQAMおよびPAM信号における幾何学的整形手法
- 通信効率向上のため，スペクトル効率最大化が重要視される。
- 従来の整形手法では，符号化ビットへの適用が困難であった。
- 符号化ビットと情報ビット両方への適用を可能にする整形手法の提案。
- 提案手法であるコセット整形は，符号長と変調次数が増加するにつれて，容量へのギャップを任意に小さくできる。
- Gallager型の限界が導出され，短いおよび中長の二進符号化QAM信号との組み合わせにおける性能比較の結果が得られた。
- 非二進LDPC符号化QAM信号との組み合わせにおける性能も評価された。
IssueGuard：GitHub Issue報告におけるリアルタイムな秘密情報漏洩防止ツール [cs.CR, cs.SE]目的：GitHub Issue報告における秘密情報漏洩の検出と防止
- 開発プラットフォーム利用時の情報セキュリティ確保は重要であり，Issue報告における情報漏洩リスクは看過できない。
- Issue報告は非構造化テキストが多く，APIキー等の秘密情報が混入しやすく，プラットフォーム側の警告機能が不足している。
- Issue報告時のリアルタイムな秘密情報検出と警告により，秘密情報の誤った公開を防止することを目指す。
- IssueGuardは，Chrome拡張機能として実装され，Issue編集時にリアルタイムにテキストを分析する。
- 正規表現とCodeBERTモデルを組み合わせることで，誤検知を減らし，高い精度(F1スコア92.70%)を達成した。
- IssueGuardはWebインターフェースに統合され，ユーザーに視覚的な警告を表示することで，秘密情報の送信を抑制する。
組合せ的永続的スケジュール：低高さスケジュールの存在と計算 [cs.DS]目的：組合せ的永続的スケジュール問題におけるスケジュールの存在と計算
- 資源の効率的な利用と最適化は，様々な計画問題において重要である。
- 永続的スケジュール問題は，制約条件を満たしつつ，要素の出現頻度を保証する必要がある。
- 要素の最大高さを最小化することで，効率的なスケジュール実現を目指す。
- マトロイドの場合，最大高さが2以下で最適であることが証明された。
- 一様マトロイドや分割マトロイドでは高さ2，グラフマトロイドや層状マトロイドでは高さ4が達成可能である。
- 一般的な独立系では，最適な保証高さはΘ(log |E|)であり，効率的なアルゴリズムで実現可能である。
ランダム定常ストリームにおけるElastic Sketch：極限振る舞いとほぼ最適な設定 [cs.DS, cs.PF]目的：データストリームにおけるアイテム出現回数のカウント手法
- 大量データの高速処理が求められる現代において，メモリ使用量を抑えつつ高精度なカウントが重要である。
- 従来のカウント手法では，メモリと精度のトレードオフが課題であり，特に大規模ストリームでは精度低下が起こりやすい。
- ストリーム特性が未知の場合でも，最適なパラメータ設定を効率的に決定し，Elastic Sketchの性能を最大化すること。
- 定常ランダムストリームモデル下で，Elastic Sketchのカウンタの極限分布と期待されるカウント誤差を解析的に導出した。
- 重み付きブロックとCount-Min Sketchのメモリ分割比率（$m_1$）および退去閾値$\lambda$の最適なチューニングを可能にする効率的な計算手法を提示した。
- 最適な退去閾値の構造を明らかにし，探索空間を大幅に削減するとともに，到着分布への依存関係を示した。
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：敵対的脆弱性および大規模言語モデルの幻覚の共通の幾何学的起源の解明
- 視覚と自然言語処理はAIの重要な分野であり，その信頼性は現実世界への応用において不可欠である。
- 既存の手法では，敵対的脆弱性と幻覚は別々の問題として扱われ，それぞれの問題に対応した対策が必要とされてきた。
- 本研究は，敵対的脆弱性と幻覚を統一的に理解し，信頼性を高めるための新しい手法を開発することを目的とする。
- 敵対的脆弱性と幻覚は，入力と損失勾配の共役可観測量に由来する不確定性境界によって共通の起源を持つことが示された。
- 提案手法ConjMask（高寄与入力成分のマスキング）とLogitReg（ロジット側正則化）は，敵対的訓練なしでロバスト性を向上させる。
- 設計したシングルバックワードプローブは，LLMにおける幻覚リスクをデコーディングなしで検出し，プロンプト選択に役立つ。
有限関数概念クラスに対するラベル付き圧縮スキーム [cs.IT, cs.LG, math.IT]目的：有限関数概念クラスに対するラベル付き圧縮スキーム
- 機械学習において，効率的なデータ表現は学習性能に大きく影響する。
- VC次元の決定が困難な概念クラスが多く存在する。
- VC次元に基づいた圧縮スキームの構築を目指す。
- 有限関数概念クラスに対し，VC次元dに等しいサイズのラベル付き圧縮スキームを提示した。
- これにより，長年未解決だったサンプル圧縮予想が解決された。
回転を伴う二次元ナップサック問題に対する近似スキームと構造的障壁 [cs.DS, cs.CG]目的：回転を伴う二次元ナップサック問題の最適解を見出すための近似アルゴリズムの開発
- 多次元パッキング問題は，現実世界の様々な最適化問題に応用可能であり，その効率的な解法は重要である。
- 回転を伴う二次元ナップサック問題はNP困難であり，多項式時間で最適解を求めることは難しい。
- 本研究では，近似アルゴリズムを開発し，既存の近似比を改善することを目指す。
- カルディナリティケースにおいて，(1+ε)-近似解を多項式時間で計算できるPTASを提示した。
- 重み付きケースにおいては，既存の構造的障壁を打破し，(1.497+ε)-近似アルゴリズムを設計した。
- 回転なしの場合に対する最良の近似比を13/7+εに改善した。
- 任意の(1+ε)-近似アルゴリズムの計算量下限がn^(Ω(1/ε))であることを証明した。
Composer 2 技術報告 [cs.SE, cs.LG]目的：エージェント型ソフトウェアエンジニアリングのためのモデル
- ソフトウェア開発の自動化は，生産性向上とコスト削減に不可欠である。
- 既存モデルは，複雑な長期計画や正確な複数段階実行が困難である。
- 現実的なコーディング問題に対する推論能力と一貫性を向上させる。
- Composer 2は，従来のComposerモデルと比較してCursorBenchで大幅な精度向上(61.3)を達成した。
- 公開ベンチマークにおいて，Terminal-Benchで61.7，SWE-bench Multilingualで73.7のスコアを獲得し，最先端システムと同等の性能を示した。
- 本研究は，ドメイン特化型モデルを効果的に学習するためのプロセスを示す。
2局所量子ハミルトニアンにおける最適な積状態近似 [quant-ph, cs.DS]目的：量子Max Cut問題における最大エネルギーの近似可能性
- 量子計算の発展において，近似アルゴリズムの性能向上が不可欠である。
- 既存の近似アルゴリズムには，計算複雑性や精度に限界が存在する。
- 積状態を用いたQMC問題の近似性能の上限を厳密に決定すること。
- QMC問題に対し，古典的な1/2近似アルゴリズムが最適であることが示された。
- この結果は，積状態と一般的な量子状態のエネルギー差を示す簡単な例に基づいている。
- この不等式は量子Heisenbergモデルにも適用可能であり，より広範なハミルトニアンにも拡張できる。
量子固有値処理 [quant-ph, cs.DS, cs.NA, math.NA, physics.chem-ph]目的：非正規行列の固有値に対する多項式変換および推定
- 線形代数の問題解決に量子計算の応用が期待されている。特に非 Hermitian 問題への対応が重要である。
- 既存の QSVT フレームワークは固有値と特異値の違いから，非正規行列の固有値処理には適していない。
- 固有値に対する効率的な多項式変換フレームワーク QEVT およびアルゴリズム QEVE を開発し，その有用性を示す。
- QEVT は Hermitian 入力に対する QSVT と同程度のクエリ複雑度を達成する。
- QEVE は対角化可能な入力行列に対して Heisenberg 限界のスケーリングを実現する。
- 線形微分方程式ソルバーや基底状態準備アルゴリズムなどへの応用可能性が示された。
有限レートゲーティング下でのエキスパート混合：通信と汎化のトレードオフ [stat.ML, cs.IT, cs.LG, math.IT]目的：有限レートゲーティング下のエキスパート混合システムにおける通信と汎化のトレードオフ
- エキスパート混合は，大規模モデルの効率的な学習と推論を可能にする重要な技術である。
- ゲーティング機構における通信レートが，モデルの表現力と汎化性能に与える影響は未解明である。
- 情報理論的な枠組みを用いて，通信レート制約下のエキスパート混合システムの性能限界を明らかにする。
- ゲートを確率的チャネルとしてモデル化し，有限レートにおけるレート歪み特性を導出した。
- 導出されたレート歪み特性は，ゲーティングレート，表現力，汎化性能の間のトレードオフを定量化する。
- 合成モデルを用いた数値シミュレーションにより，理論的な予測の妥当性が確認された。
ネットワークモデルにおける最大エントロピーに基づく検定：ERGMと制約付き最適化 [math.ST, cs.IT, math.IT, math.PR, stat.ME, stat.ML, stat.TH]目的：統計的ネットワークに対する適合度と2標本検定手法
- ネットワーク科学は，社会科学から自然科学まで幅広い分野で重要性を増している。
- 既存のネットワークモデルの妥当性を評価する統計的検定法の開発が課題であった。
- 最大エントロピー原理に基づく新たな検定フレームワークを構築し，モデル評価を可能にする。
- 最大エントロピー原理に基づき，構造的制約下のネットワーク空間における制約付き最適化問題を定式化した。
- 制約付き最適化問題のラグランジュ乗数を通じて，新たな検定統計量を定義し，一貫性を証明した。
- このフレームワークは，ERGMを含む様々なネットワークモデルの評価に適用可能である。
Pにおける内在的逐次性：並列計算の因果的限界 [math.OC, cs.CC, cs.IT, math.IT]目的：深さNの因果的実行におけるトークンの経路特定問題
- 計算機科学において，並列計算の限界と可能性を理解することは重要である。
- 従来の並列計算モデルでは，因果関係が無視される場合があり，現実世界の制約との乖離が生じている。
- 因果的制約を持つ計算における並列化の限界を明らかにすること。
- 経路特定問題は，因果的制約下では少なくとも深さNの時間が必要であり，漸近的な並列高速化は不可能である。
- 古典的なNC回路族では，この問題を深さとして実装することはできない。
- この研究は，内在的な因果構造を持つ多項式時間問題のクラスを特定し，論理的並列性と因果的実行可能性のギャップを示す。
- 1
- 2