cs.SC 件の論文 | Gist.Science

本論文は、任意精度演算のオーバーヘッドを回避し、異なる素数法の下で並列計算を行うマルチモジュラー手法と多項式推論を組み合わせることで、大規模オペランドを持つ算術回路の語レベル検証を効率的に行うハイブリッド手法「TalisMan2.0」を提案し、その有効性を乗算器ベンチマークで実証したものである。

この論文は、送信者と受信者間の共通乱数なしでも局所差分プライバシーを保証し、共有乱数を利用することで従来の損失なし伝送や Wyner 共通情報に基づく手法を大幅に凌駕する通信レートを実現する、新しいランダム化分散関数計算（RDFC）フレームワークを提案し、その理論的限界と実用性を示しています。

この論文は、遺伝的プログラミングを用いてドリフト項と拡散項を最大尤度推定で同時に最適化することで、確率微分方程式の記号的発見を可能にし、従来の決定論的アプローチを超えてノイズを含む動的システムの解釈可能なモデル化を実現する手法を提案しています。

この論文は、複数の LLM ベースのコーディングエージェントが、証明タスクに対して動的に提案や報酬（バウンティ）を設定し、証明アシスタントと直接対話しながら分散的に協力して代数トポロジーの大規模な自動形式化を実現する、市場原理に基づく新しいアプローチを提案するものである。

この論文は、多項式計算における時間と空間の制約を考慮し、従来の高速アルゴリズムの空間効率を改善する手法と、疎多項式に対する準線形時間での補間アルゴリズムの提案など、空間制約下での効率的な多項式アルゴリズムの研究をまとめたものです。

この論文は、強化学習を用いて電力フロー方程式の解の数を最大化するネットワークパラメータを探索する手法を提案し、従来の代数的手法では扱えない複雑な非線形問題に対する強化学習の有効性を示しています。

この論文は、ファジー認知図（FCM）を模倣し、ランジュバン微分ダイナミクスを用いて過学習を防ぎながら因果パターンを学習し、出力ノードの逆解を通じて修正基準を導き出すニューラル実装 FHM の設計とその評価について述べている。

この論文は、単純な数式をランダムに並べ替えて生成した自己教師ありオラクル軌跡を用いてトランスフォーマーベースの方策ネットワークを訓練し、高エネルギー物理学における複雑な数式の記号的簡化において、従来の強化学習や回帰手法を大幅に上回る高い成功率を達成する新しい手法を提案するものである。

本論文は、元のモデルの安定性（特に減衰性）を保存する多項式常微分方程式系の二次化（quadratization）の存在を証明し、その計算アルゴリズムを開発して複数の事例研究で検証することを目的としています。

本論文は、Kolmogorov-Arnold ネットワークと構造化状態空間モデルを Neural ODE に統合した「SKANODE」を提案し、非線形動的システムから物理的に解釈可能な潜在状態を復元するとともに、支配方程式を記号的に発見する高精度かつ解釈性の高い学習枠組みを確立したものである。

この論文は、多変数有理関数体の部分体の生成系を入力として、部分スパーブ・グロブナー基底計算や特定次数の多項式の効率的な探索などのアルゴリズム的革新を用いて、より効率的かつ高品質な単純な生成系を導出する手法を提案し、構造パラメータ同定など多様な応用分野における有用性を示すものである。

本論文は、記号論理の幾何学的構造を潜在空間に蒸留する教師あり学習フレームワークを提案し、信号時相論理（STL）の記号カーネルの計算コストを大幅に削減しつつ、意味的類似性や頑健性を忠実に保持する可逆なニューラル表現を実現するものである。

この論文は、多様なタスクにおけるコードインタープリターの活用を可能にするため、段階的なカリキュラム学習と強化学習を導入し、GPT-4o を凌駕する性能と自己検証行動を実現した「R1-Code-Interpreter」を提案するものである。

本研究は、実験データから物理制約を機械学習に組み込むことで、多孔質材料の多峰性保水曲線を記述する閉形式の方程式を自動的に発見するシンボリック回帰フレームワークを提案し、その実装をオープンソースで公開したものである。