36 件の論文
本論文は、機械学習によるパラメータ最適化手法を導入して波動関数ラジアル分布関数（WT-RDF）の振幅精度を向上させた「WT-RDF+」フレームワークを開発し、Ge-Se および Ag-Ge-Se 系アモルファス材料の原子構造再構成において、従来の機械学習モデルを上回る性能を実現したことを報告しています。
この論文は、学習率を意図的に大きく設定することで勾配降下法が「探索と利用のバランス」を取る過渡的カオス領域に遷移し、初期条件への敏感な依存性（正の最大リアプノフ指数）を示しながらも、MNIST などの多様なタスクやアーキテクチャにおいてテスト精度への収束時間を最小化し、人工ニューラルネットワークの学習を加速できることを示しています。
この論文は、標本サイズとパラメータ分散を状態空間の座標とし、シャノン情報をエントロピーに相当させる熱力学的枠組みを構築することで、推論過程における最適経路や効率限界を記述し、推論物理学とアンサンブル物理学が統合された熱力学記述における逆方向の影のプロセスとして捉えられることを示しています。
この論文は、CMS 実験のトリガー効率向上に向けた粒子運動量推定タスクにおいて、グラフニューラルネットワーク（GNN）が TabNet などの従来モデルより Mean Absolute Error において優れており、ノード特徴量の次元が効率に重要であることを示しています。
この論文は、質量の非相関や潜在空間の正則化といった物理的制約を明示的に組み込んだベイズ潜在拡散モデルを提案し、LHC ジェットデータのシミュレーションにおいて、不確実性の推定と物理的一貫性を両立させることで、新物理探索に向けた信頼性の高い異常検知手法の構築に貢献することを示しています。
本論文では、未知の境界条件という課題を回避し、教師なし機械学習を用いて実験データから直接波モードを抽出する「抽出モード追跡（EMT）」法を提案し、その有効性を合成データとファラデー波の実験を通じて実証している。
本研究は、非相互作用電子密度を記述子として用い、ベイズ能動学習と組み合わせることで、高価な第一原理計算を必要とせず、既知の合金データから未知の多成分系 refractory 高エントロピー合金の物性をゼロショットで高精度に予測し、合金探索を劇的に加速する新しい計算フレームワークを提案するものである。
この論文は、固有の振動子を持たず線形安定な確率系において、非正規行列による擬スペクトル増幅が「擬コヒーレンス」と呼ばれる一時的な集団的秩序や見かけの同期を生み出す新たなメカニズムを明らかにしたものである。
この論文は、カオス時系列データから明示的かつ解釈可能な代数方程式を学習する「記号ニューラルフォレキャスター（SyNF）」と「記号木フォレキャスター（SyTF）」の 2 つの手法を提案し、これらがブラックボックスモデルと同等の予測精度を維持しつつ、背後にある力学の透明性を提供することを示しています。
この論文は、部分情報分解の枠組みを用いて多変量グレンジャー因果性を冗長・協調・固有の相互作用に分解する新たな手法「PDGC」を提案し、それを神経性失神患者の生理学的ネットワーク解析に応用することで、従来の手法では捉えられなかった自律神経機能障害の新たなメカニズムを解明したことを報告しています。
本論文は、カメラと LiDAR の特性を補完し、エントロピー削減に基づく適応的なセンサー選択戦略を採用することで、沿岸固定プラットフォームからの単一船舶追跡において、精度と継続性を両立するロバストなマルチモーダル粒子フィルタ追跡手法を提案し、キプロスでの実海域実験でその有効性を検証したものである。
この論文は、従来のヒストグラム化と最小二乗法に依存しない確率的アプローチを中性子散乱イベントデータ解析に適用することで、パラメータ精度の向上、データ効率の劇的な改善、および系統誤差の低減を実現しつつ、直感的な理解の難しさと計算時間の増加というトレードオフを明らかにしています。
この論文は、連続時間における時相ネットワークをモデル化するために、時間プロセスと静的なエッジ確率に分解される最大エントロピーアプローチを導入し、非一様ポアソン過程（NHPP）との関連性を明らかにすることで、効果的な生成モデルと閉形式の統計量を提供するものである。
この論文は、デコーダを使用せずにシンドロームから検出器誤りモデル（DEM）を推定するアルゴリズムを確立し、Google の Willow チップ（72 量子ビットおよび 105 量子ビット）への適用を通じて、モデルの精度向上、長距離相関の発見、および放射線事象などの未解明のアーティファクトの特定を実現したことを報告しています。
この論文は、ハイパーパラメータに条件付けた事前分布が最大エントロピー分布（canonical distribution）である場合、ハイパーパラメータを積分して得られるパラメータの周辺事前分布も、未知量の関数の周辺分布に関する異なる制約のもとで最大エントロピー性を満たすことを示し、階層モデルを割り当てる際に仮定されている情報の本質を明らかにするものである。
本論文は、詳細な化学反応速度パラメータの不確実性を低次元多様体上の量へ効率的に投影する二段階フレームワークを開発し、複雑な燃焼シミュレーションにおいて混合や滞留時間などの物理的要因に起因する化学的不確実性の空間分布を定量化する手法を提案しています。
この論文は、多変量時系列データを記号列に変換しベイズ推論を用いて統計的に有意なパターンを抽出してハイパーグラフとしてモデル化することで、神経系や社会システムにおける高次依存関係を検出する手法を提案しています。
この論文は、Qwen2.5 の大規模言語モデルをコネクタネットワークと組み合わせることで、標準的な初期化や同サイズの専用ネットワークを上回る性能で、宇宙論的大規模構造の 3D 地図生成や宇宙論パラメータの回帰といった SKA データ分析を可能にする「Lightcone LLM（L3M）」の手法を提案し、その有効性を示しています。
本論文は、深層ニューラルネットワークを用いた位置再構成手法により、2x2 配列の線形勾配型シリコンフォトマルチプライヤーアレイの位置分解能と直線性を大幅に向上させ、解像度を最大 12.1 倍まで高めることを示しています。
この論文は、高エネルギー物理学におけるアンフォールディング問題を正則化付き二次最適化問題として再定式化し、QUBO 形式へ変換することで量子アニーリングやハイブリッド量子古典ソルバーによる解法を可能にしたオープンソースパッケージ「QUnfold」を開発し、従来の手法と同等の精度を達成することを示したものである。