1378 पेपर
यह शोधपत्र संकुचित संवेदन (compressed sensing) पर आधारित एक गैर-अनुकूली (nonadaptive), सार्वभौमिक एल्गोरिदम प्रस्तुत करता है जो i.i.d. नमूनों से उच्च-आयामी अनिसोट्रोपिक (anisotropic) फलनों के लिए निकट-इष्टतम रिकवरी दर प्राप्त करता है, साथ ही यह सिद्ध करता है कि सार्वभौमिक रैखिक एल्गोरिदम के उप-इष्टतम, आयाम-निर्भर प्रदर्शन से बचने के लिए ऐसे गैर-रैखिक दृष्टिकोण आवश्यक हैं।
यह शोध पत्र एक ऐसी पावर एलोकेशन रणनीति का प्रस्ताव करता है जो बसिंग प्रमेय (Bussgang theorem) और प्रोजेक्टेड ग्रेडिएंट डिसेंट का उपयोग करके पावर एम्पलीफायर नॉन-लिनियरिटी को सीधे अनुकूलन ढांचे (optimization framework) में एकीकृत करती है, जिससे उन डिस्टॉर्शन-लिमिटेड रिजीम्स में महत्वपूर्ण क्षमता लाभ सक्षम होता है जहाँ पारंपरिक वॉटर-फिलिंग विफल हो जाती है।
यह शोधपत्र बाइनरी सेल्फ-डुअल कोड्स के किम (Kim) और चिनबर्ग-झांग (Chinburg-Zhang) के निर्माणों के बीच तुल्यता स्थापित करता है, बीजगणितीय और ज्यामितीय दृष्टिकोणों को एकीकृत करने के लिए $-1q \equiv 1 \pmod{4}q$-ary क्षेत्रों तक विस्तारित करता है, और विभिन्न इष्टतम एवं MDS सेल्फ-डुअल कोड्स को कुशलतापूर्वक निर्मित करने के लिए इन परिणामों का लीन 4 (Lean 4) औपचारिक रूप प्रदान करता है।
यह शोधपत्र नियर-फील्ड XL-MIMO सिस्टम के लिए एक वाइडबैंड कंप्रेस्ड-डोमेन क्रैमर-राओ बाउंड (Cramér–Rao bound) व्युत्पन्न करता है ताकि यह प्रदर्शित किया जा सके कि हाइब्रिड एनालॉग-डिजिटल आर्किटेक्चर मुख्य रूप से डेटा विविधता के माध्यम से महत्वपूर्ण अनुमान सटीकता सुधार प्राप्त करते हैं, जबकि आवृत्ति-निर्भर वेवफ्रंट वक्रता (wavefront curvature) से प्राप्त ज्यामितीय विविधता की भूमिका द्वितीयक होती है।
यह शोध पत्र ग्रीडी स्पार्स रिकवरी एल्गोरिदम के एक नवीन वर्ग का प्रस्ताव करता है जो और मापों का उपयोग करके सीधे समाधान स्थान (solution space) में कार्य करते हैं, और व्यापक संख्यात्मक सिमुलेशन के माध्यम से OMP, बेसिस पर्थुइट (Basis Pursuit), और CoSaMP जैसी शास्त्रीय विधियों की तुलना में काफी बेहतर रिकवरी सटीकता और सुदृढ़ता प्रदर्शित करते हैं।
यह शोध पत्र राव-ब्लैकवेलकृत हाइब्रिड एस्टिमेटर (RBHE) प्रस्तुत करता है, जो एक उच्च-सटीकता वाला ढांचा है जो दूर-क्षेत्र के हस्तक्षेप (far-field interference) को विश्लेषणात्मक रूप से हाशिला (marginalize) देकर पॉइसन नेटवर्क में कवरेज अनुमान को महत्वपूर्ण रूप से त्वरित करता है, जिससे मानक मोंटे कार्लो सिमुलेशन की तुलना में पर्याप्त विचरण न्यूनीकरण (variance reduction) और नमूना दक्षता प्राप्त होती है।
यह शोध पत्र 'स्टेपवाइज़ इन्फॉर्मेटिवनेस अज़म्प्शन' (Stepwise Informativeness Assumption) का प्रस्ताव करता है और अनुभवजन्य रूप से इसे मान्य करता है, जो यह स्पष्ट करता है कि मैक्सिमम-लाइक्लीहुड और रीइन्फोर्समेंट लर्निंग प्रशिक्षण के माध्यम से वैध रीजनिंग ट्रेसेस (reasoning traces) अपेक्षा के माध्यम से उत्तर-प्रासंगिक सूचना संचित करते हैं, जिससे बड़े भाषा मॉडलों में आंतरिक एंट्रॉपी डायनेमिक्स और तर्क की शुद्धता के बीच सहसंबंध स्थापित होता है।
यह शोध पत्र आधुनिक रीजनिंग मॉडल्स में एक "डिटेक्शन-एक्सट्रैक्शन गैप" (पहचान-निष्कर्षण अंतराल) की पहचान करता है जहाँ सही उत्तर को स्पष्ट रूप से उत्पन्न होने से बहुत पहले ही आंतरिक अवस्था (इंटरनल स्टेट) से पुनः प्राप्त किया जा सकता है, और एक ब्लैक-बॉक्स अडैप्टिव अर्ली एग्जिट विधि का प्रस्ताव करता है जो इस विषमता का लाभ उठाकर जनरेशन लागत को काफी कम करने के साथ-साथ सटीकता में सुधार करता है।
यह शोध पत्र सेल-फ्री मैसिव MIMO नेटवर्क में xURLLC अनुप्रयोगों के लिए नेटवर्क-व्यापी सूचना की नवीनता (information freshness) सुनिश्चित करने हेतु, सेंसिंग और संचार भूमिकाओं के बीच एक्सेस पॉइंट विभाजन के अनुकूलन को सक्षम बनाने के लिए, पीक एज ऑफ इंफॉर्मेशन (AoI) उल्लंघन प्रायिकता पर एक सुलभ ऊपरी सीमा प्राप्त करने के लिए स्टोकेस्टिक ज्योमेट्री और स्टोकेस्टिक नेटवर्क कैलकुलस को संयोजित करने वाला एक एकीकृत विश्लेषणात्मक ढांचा प्रस्तावित करता है।
यह शोधपत्र एक नवीन क्वांटम रिलेटिव-अल्फा-एन्ट्रॉपी प्रस्तुत करता है जो उमेगाकी की रिलेटिव एन्ट्रॉपी को पारंपरिक एफ-डाइवर्जेंस ढांचे से आगे बढ़ाते हुए, गैर-रेखीय उत्तलता (नॉनलीनर कॉन्वेक्सिटी), योज्यता (एडिटिविटी), और नुसबम-स्कोला वितरणों के माध्यम से शास्त्रीय रिलेटिव-अल्फा-एन्ट्रॉपी के साथ एक सटीक पत्राचार द्वारा अभिलक्षित क्वांटम विभेद्यता की एक मौलिक ज्यामितीय धारणा को प्रकट करता है।