🔢 mathematics

Optimized multilevel Monte Carlo methods in Banach spaces

यह शोध पत्र बानाच स्थानों (Banach spaces) में मल्टीलेवल मोंटे कार्लो विधियों का एक परिष्कृत सैद्धांतिक और संख्यात्मक विश्लेषण प्रस्तुत करता है जो आयाम-निर्भर रेडेमेकर प्रकार स्थिरांकों (dimension-dependent Rademacher type constants) को ध्यान में रखता है, जिससे नवीन जटिलता परिणाम और त्रुटि सीमाएं प्राप्त होती हैं जो अक्सर स्थान के रेडेमेकर प्रकार से स्वतंत्र होती हैं और केवल समाकलनीयता मापदंडों (integrability parameters) द्वारा निर्धारित होती हैं।

Kristin Kirchner, Fabio Nobile, Christoph Schwab, Tommaso Vanzan2026-05-26
🔢 mathematics

Finding Koopman Invariant Subspaces via Personalized PageRank

यह शोधपत्र पर्सनलाइज्ड पेजरैंक (Personalized PageRank) का उपयोग करके एक्सटेंडेड डायनेमिक मोड डिकंपोजिशन (Extended Dynamic Mode Decomposition) मैट्रिसेस में ज़ीरो-ब्लॉक संरचनाओं का पता लगाकर कूपमैन-इनवेरिएंट (Koopman-invariant) उप-स्थानों को पहचानने की एक विधि प्रस्तावित करता है, जो सैद्धांतिक परिमित-नमूना गारंटी (theoretical finite-sample guarantees) प्रदान करता है और विभिन्न गतिशील प्रणालियों में प्रभावशीलता प्रदर्शित करता है।

Hyukpyo Hong, Qin Li, Matthew J. Colbrook, Hanbaek Lyu2026-05-26
📊 statistics

Error estimates for tamed Euler and Randomized Euler schemes for SDEs with locally Lipschitz drift with applications to non-logconcave sampling and optimization

यह शोध पत्र स्थानीय रूप से लिप्सचिट्ज़ (locally Lipschitz), सुपर-लीनियरली बढ़ने वाले ड्रिफ्ट्स वाले स्टोकेस्टिक डिफरेंशियल इक्वेशंस पर टैम्ड यूलर (tamed Euler) और रैंडमाइज्ड यूलर स्कीम्स के लिए परिमित-समय, गैर-एसिम्प्टोटिक त्रुटि अनुमान स्थापित करता है, जो यह प्रदर्शित करता है कि केएल-एक्सेलेरेटेड टैम्ड अनएडजस्टेड लैंग्विन एल्गोरिदम (kTULA) और एक नई टैम्ड रैंडमाइज्ड मिडपॉइंट स्कीम (tRLMC), नॉन-लॉग-कॉन्केव वितरणों से सैंपलिंग करने और नॉन-कॉन्वेक्स ऑप्टिमाइजेशन समस्याओं को हल करने के लिए निकट-इष्टतम इटरेशन जटिलता प्राप्त करते हैं।

Iosif Lytras, Angelos Ntousis2026-05-26
📊 statistics

Debiasing Random Oblique Projections for Subsampled OLS and Fast CUR in High Dimensions

यह शोध पत्र एक एकीकृत गैर-अनंतकालीन (non-asymptotic) सिद्धांत विकसित करता है जो यह प्रकट करता है कि मानक यादृच्छिक नमूनाकरण योजनाएं गैर-रेखीय तिरछी प्रक्षेपों (nonlinear oblique projections) में व्यवस्थित सांख्यिकीय पूर्वाग्रह उत्पन्न करती हैं, और एक सिद्धांत-आधारित डिबायसिंग (debiasing) ढांचे का प्रस्ताव करता है जो उच्च आयामों में सबसैम्पल्ड लीस्ट स्क्वायर्स और तेज़ CUR अपघटन की सटीकता में सुधार करता है।

Chengmei Niu, Sachin Garg, Michał Dereziński, Zhenyu Liao2026-05-26
🔬 physics

A Guided Tour of Modern Domain Decomposition: From Schwarz Iterations to Robust Preconditioners and HPC Implementations

यह अध्याय आधुनिक डोमेन डिकंपोजिशन विधियों का एक व्यापक अवलोकन प्रदान करता है, जो श्वार्ज़ इटरेशन (Schwarz iterations) से लेकर चुनौतीपूर्ण समस्याओं के लिए सुदृढ़ प्रीकंडीशनर्स तक उनके विकास को रेखांकित करता है, और साथ ही सैद्धांतिक अंतर्दृष्टि, स्केलेबल कोर्स स्पेस सुधारों (coarse space corrections) और उच्च-प्रदर्शन कार्यान्वयन पर बल देता है।

Victorita Dolean, Pierre Jolivet, Frédéric Nataf, Pierre-Henri Tournier2026-05-26
🔢 mathematics

Random Neural Network Expressivity for Non-Linear Partial Differential Equations

यह शोध पत्र गैर-रेखीय आंशिक अंतर समीकरणों (non-linear partial differential equations) को हल करने के लिए रैंडम न्यूरल नेटवर्क्स (RaNNs) हेतु कठोर त्रुटि सीमाएं और आयाम-मुक्त सन्निकटन दरें स्थापित करता है, जो पोरस मीडियम (Porous Medium) और कंप्रेसिबल नेवियर-स्टोक्स (Compressible Navier-Stokes) समीकरणों जैसे जटिल प्रणालियों के लिए उनकी सैद्धांतिक और व्यावहारिक प्रभावकारिता को प्रदर्शित करता है।

Muhammed Ali Mehmood, Lukas Gonon2026-05-26
🤖 machine learning

Leveraging Gauge Freedom for Learning Non-Gradient Population Dynamics of Stochastic Systems

यह शोध पत्र नॉन-ग्रेडिएंट इन्फरेंस फ्लोज़ (NGIF) को प्रस्तुत करता है, जो एक एल्गोरिदम है जो निरंतरता समीकरण (continuity equation) के एक वीक फॉर्मूलेशन के माध्यम से गेज फ्रीडम (gauge freedom) का लाभ उठाकर सामान्य नॉन-ग्रेडिएंट जनसंख्या गतिकी का अनुमान लगाता है, जिससे वितरण संबंधी सटीकता में सुधार होता है और पारंपरिक ग्रेडिएंट-आधारित विधियों की सीमाओं से परे स्टोकेस्टिक प्रणालियों में नॉन-पोटेंशियल ट्रांसपोर्ट को कैप्चर किया जाता है।

Jules Berman, Tobias Blickhan, Benjamin Peherstorfer2026-05-26
🔢 mathematics

Atomistic-Continuum Coupling by Homogenization

यह शोध पत्र एक सुदृढ़ टू-स्केल एटोमिस्टिक-कंटीन्यूम फ्रेमवर्क प्रस्तुत करता है जो कम्प्यूटेशनल होमोजेनाइजेशन पर आधारित है, जो नॉनलीनियर फाइनाइट एलिमेंट्स को पीरियोडिक मॉलिक्यूलर-स्टैटिक्स सेल्स के साथ जोड़ता है ताकि पोटेंशियल-आधारित एटोमिस्टिक मॉडलिंग को माइक्रोमीटर-स्केल स्ट्रक्चरल विश्लेषण तक विस्तारित किया जा सके और दोष न्यूक्लिएशन (defect nucleation) एवं टेंशन-कंप्रेशन एसिमेट्री (tension-compression asymmetry) जैसी जटिल नॉनलीनियर घटनाओं को सटीक रूप से कैप्चर किया जा सके।

Aagashram Neelakandan, Karsten Albe, Bernhard Eidel2026-05-26
🤖 machine learning

Autoregression-Free Neural Operators for Time-Dependent PDEs

यह शोध पत्र ऑटोरिग्रेसिव-फ्री न्यूरल ऑपरेटर्स (AFNO) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो समय-निर्भर PDEs को एक लेटेंट स्पेस में मैप करता है और निरंतर-समय वेक्टर फील्ड्स को मॉडल करने के लिए फ्लो मैचिंग का उपयोग करता है, जिससे त्रुटि संचय को कम करते हुए स्थिर, दीर्घ-क्षिति भविष्यवाणी प्राप्त करने के लिए ऑटोरिग्रेसिव रोलआउट को समाप्त किया जा सके।

Jiaquan Zhang, Caiyan Qin, Haoyu Bian, Libin Cai, Yi Lu, Chaoning Zhang, Wei Dong, Yuanfang Guo, Yang Yang, Hen Tao Shen2026-05-26
🔢 mathematics

Consistent CutPINNs for Elliptic PDEs on Curved Level-Set Domains

यह शोधपत्र Consistent CutPINN प्रस्तुत करता है, जो एक नवीन ढांचा है जो कोलोकेशन बिंदुओं से एक विविक्त (discrete) H1/2H^{1/2} ट्रेस सरोगेट का निर्माण करके कर्व्ड लेवल-सेट डोमेन तक कंसिस्टेंट फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स का विस्तार करता है, जिससे कठोर त्रुटि सीमाएं स्थापित होती हैं और जटिल ज्यामिति पर एलिप्टिक PDEs के लिए मानक PINNs की तुलना में श्रेष्ठ सटीकता और सुदृढ़ता प्रदर्शित होती है।

Maneesh Kumar Singh2026-05-26