Avoiding Big Integers: Parallel Multimodular Algebraic Verification of Arithmetic Circuits
이 논문은 TalisMan2.0 도구를 통해 다양한 소수 모듈로 병렬 계산을 수행하는 하이브리드 대수적 기법을 제안함으로써, 큰 정수 연산을 피하면서도 산술 회로의 검증 효율성을 기존 방법보다 크게 향상시켰음을 보여줍니다.
💻 Category
cs.SC
14 편의 논문
Randomized Distributed Function Computation (RDFC): Ultra-Efficient Semantic Communication Applications to Privacy
이 논문은 송신자와 수신자 간에 공통 무작위성을 공유하지 않더라도 국소적 차등 프라이버시를 보장하면서도 손실 없는 전송보다 훨씬 효율적인 '랜덤화 분산 함수 계산 (RDFC)' 프레임워크를 제안하고, 이를 통해 프라이버시 보호가 필요한 분산 계산 시스템에서 에너지 효율적인 의미론적 통신 전략을 제시합니다.
Symbolic Discovery of Stochastic Differential Equations with Genetic Programming
이 논문은 유전적 프로그래밍을 기반으로 드리프트와 확산 함수를 최대우도추정으로 공동 최적화하여, 노이즈가 포함된 확률 미분방정식을 기호적으로 발견하고 해석 가능한 과학적 지식을 확장하는 새로운 방법을 제시합니다.
Agent Hunt: Bounty Based Collaborative Autoformalization With LLM Agents
이 논문은 대규모 LLM 에이전트들이 정적 계획 대신 보너스 기반 시장 메커니즘을 활용하여 상호작용적 정리 증명 (ITP) 환경에서 대수적 위상수학의 자동 형식화와 증명 탐색을 분산 협력적으로 수행하는 실험을 다룹니다.
Fast polynomial computations with space constraints
이 논문은 다항식 연산의 시간-공간 복잡도 최적화 및 희소 다항식의 효율적 인터폴레이션과 같은 계산적 난제 해결을 위한 새로운 알고리즘들을 제시합니다.
Reinforcement Learning for Power-Flow Network Analysis
이 논문은 복잡한 비선형 전력 흐름 방정식의 해 개수를 추정하는 확률적 보상 함수와 상태 공간을 설계하고 강화 학습 에이전트를 활용하여 기존 알고리즘으로는 풀기 어려운 다수의 평형점을 갖는 네트워크 인스턴스를 발견함으로써, 강화 학습이 전력망 설계 및 복잡한 대수·기하 문제 해결에 유의미한 잠재력을 지니고 있음을 보여줍니다.
Looking Through Glass Box
이 논문은 퍼지 인지 지도 (FCM) 를 신경망으로 구현하고 랑주뱅 미분 동역학을 활용하여 과적합을 방지하며 인과 관계 패턴을 학습하고 출력 노드 값을 역해석하여 수정 기준을 도출하는 FHM 모델의 설계와 여러 데이터셋에 대한 성능 평가를 다룹니다.
Learning to Unscramble: Simplifying Symbolic Expressions via Self-Supervised Oracle Trajectories
이 논문은 단순한 수식을 뒤섞어 생성한 오라클 궤적을 통해 자기지도 학습을 수행하는 트랜스포머 기반 정책 네트워크를 제안하여, 고에너지 물리학의 복잡한 대수적 표현 단순화 문제에서 기존 강화학습 및 회귀 기반 방법들을 압도하는 높은 성공률을 달성했음을 보여줍니다.
Dissipative quadratizations of polynomial ODE systems
이 논문은 원본 모델의 안정성 (소산성) 을 보존하는 2 차 변환 (quadratization) 의 존재성을 증명하고, 이를 계산하는 알고리즘을 개발하며 여러 사례 연구를 통해 그 유효성을 입증합니다.
Structured Kolmogorov-Arnold Neural ODEs for Interpretable Learning and Symbolic Discovery of Nonlinear Dynamics
이 논문은 구조화된 상태 공간 모델링과 Kolmogorov-Arnold 네트워크 (KAN) 를 통합한 SKANODE 프레임워크를 제안하여, 비선형 동역학 시스템의 관측 데이터로부터 물리적으로 해석 가능한 잠재 상태와 지배 방정식을 정확하게 복원하고 발견하는 방법을 제시합니다.
Simple generators of rational function fields
이 논문은 다변수 유리함수체의 부분체에 대한 생성자 집합을 단순화하는 알고리즘을 제안하고, 희소 보간을 통한 부분 그뢰브너 기저 계산 등 새로운 기법을 적용하여 기존 방법보다 효율성과 결과 품질을 향상시켰으며 구조적 매개변수 식별성 등 다양한 응용 사례를 통해 그 유용성을 입증했습니다.
Distilling Formal Logic into Neural Spaces: A Kernel Alignment Approach for Signal Temporal Logic
이 논문은 심볼릭 커널의 계산 비용을 줄이면서도 신호 시공간 논리 (STL) 의 의미론적 구조와 역변환 가능성을 보존하는 신경 표현을 학습하기 위해 커널 정렬 기반의 증류 프레임워크를 제안합니다.
R1-Code-Interpreter: LLMs Reason with Code via Supervised and Multi-stage Reinforcement Learning
이 논문은 다단계 강화 학습과 커리큘럼 학습을 통해 다양한 작업에서 코드 인터프리터를 효과적으로 활용하고 GPT-4o 를 능가하는 성능을 보이는 'R1-Code-Interpreter'를 제안합니다.
Physics-constrained symbolic regression for discovering closed-form equations of multimodal water retention curves from experimental data
이 논문은 물리 법칙을 제약 조건으로 활용한 기계학습 프레임워크를 통해 실험 데이터로부터 다중 모드 수분 보유 곡선의 폐형 수식을 자동으로 발견하는 방법을 제시하고, 이를 오픈소스로 공개하여 porous materials 의 복잡한 수분 거동을 해석 가능하고 일반화 가능한 방식으로 모델링할 수 있음을 보여줍니다.