分散計算、ゲーム理論、情報理論など。
説明置換多項式から構成する高ガース低密度パリティ検査符号
要約準循環型低密度パリティ検査符号（QC-LDPC）の構成を扱う論文です。巡回置換行列の可換性が、ガースと最小距離の上限を制約し、反復復号の性能に影響していることに着目しています。著者らは、より高次の置換多項式、特に非可換な二項式置換多項式を用いたプロトグラフ符号を構成し、従来の上限を超えることを示しています。シミュレーションでは、アフィン置換多項式に基づく構成と比べて復号性能が改善されたと報告されています。
説明ピンチングアンテナシステムにおける多元接続：サーベイ、劣化解析、評価
要約本論文は、ピンチングアンテナ（pinching-antenna）システムにおける多元接続技術をサーベイし、56件の研究を空間自由度に基づく統一的な分類体系に整理しています。同一導波路上のユーザーは時間、周波数、電力、ガイドモードでのみ分離でき、複数の導波路によって空間領域が加わります。さらに、ユーザー分離に影響する各種の劣化要因を整理し、同一のチャネルおよび劣化モデルの下で四つの領域のアクセス方式を統一的に評価しています。
説明並列サンプリングにおける決定的適応性を超えるランダム化
要約本論文は、各座標を一度だけ明らかにし、各バッチの座標を正確な条件付き周辺分布から独立に抽出する並列サンプラーを研究しています。三ラウンドの上限のもとで、ランダム化は既に観測された値に応じてバッチを適応させるすべての決定的方策より精度を高めうることを示します。明示的な全台二値族では、最適な決定的適応方策の前向きKLダイバージェンスは次元とともに線形に増加する一方、四つの固定スケジュールの一様混合は指数的に小さくなります。スケジュールの選択には独立な公平なビット二つで足ります。
説明VenusRL：優先度スケジューリングとスケーラブルな対話を備えた完全分離型エージェント強化学習システム
要約本論文は、大規模言語モデルのエージェントを訓練するための完全分離型強化学習システムVenusRLを提案している。多段階のツール対話で生じる二つのシステム的ボトルネック、すなわち最も遅い軌跡に制約される訓練スループットと、ツールサンドボックスのメモリ過剰割り当てに対処する。優先度を考慮したスケジューリングとメモリ認識型のページ共有により解決を図る。原文によれば、既存の基準手法に対し端到端の訓練を最大4.24倍高速化し、環境コストを最大89%削減したという。
説明任意のユーザー数と記号レートにおけるMR-NOMAの性能解析（多速率非直交多元接続の誤り率評価）
要約本論文は、Nakagami-m フェージング通信路における下りリンクの多速率NOMA（MR-NOMA）の誤り率（BER）性能を、任意のユーザー数と記号レートについて解析したものです。3ユーザーの場合から出発し、完全逐次干渉除去を仮定して一般化しています。記号パターンに依存するSINR解析により、記号速率の多様性が干渉除去につながり、従来の単一記号速率NOMAより誤り率が優れる理由を説明しています。さらに、ユーザーの電力配分について平均誤り率を最小化する問題を定式化し、数値的に解いています。
説明プロンプトの表現が、集合行為におけるLLMのデフォルト追従を左右する研究
要約本論文は、大規模言語モデルが、インターフェースに事前入力されたデフォルト値の影響を受けるかを、二つの一回限りの社会的ジレンマゲーム（共有資源の採取ゲームと閾値型公共財ゲーム）で検証しています。事前入力されたデフォルトは選択確率を引き寄せますが、その強さは文言、デフォルト値の種類、選択肢の粒度によって大きく変わります。著者らは、選択アーキテクチャを統制せずに評価すると、行動の差異の重要な要因を見落とす可能性があると述べています。
説明AFORE：注意機構とFFNを分離した構成でエキスパートを動的に再配置するMoE推論システム
要約本論文は、Mixture-of-Experts（MoE）モデルの推論サービングにおいて、注意機構とFFNを分離するAFD構成下では、エキスパートの負荷の偏りがFFN段の処理を遅らせる問題を扱っています。提案システムAFOREは、AFDによって次の微小バッチのエキスパート分布を事前に把握し、その移行を先行するバッチの計算と重ね合わせます。110Bパラメータ規模のMoEモデルによる四種の動的ワークロードの評価では、最強の比較手法と比べて出力スループットが10.1～17.6%向上し、P95のトークン間遅延が7.1～9.5%低減したと報告されています。
説明予測ギャップの解消：実機の挙動と予測の時間・電力・エネルギー・割り当てを一致させるための機械形状の補完
要約本論文は、異種・複数機関からなるデバイス群を対象とした通信不要の分割手法について、既存のデバイス形状定義に欠けていた五つの項目（メモリ容量、消費電力、実行ユニット能力、コンパイラ指令設定、メモリ予約オーバーヘッド）を補完しています。さらに、NVIDIA の fp16 における消費電力の変化を説明するため、コンパイル済みコードが特殊ハードウェアに振り分けられるかを示す論理値 reached(d) を導入しています。A100、H100、V100、MI100、Max 1550 の五種類のデバイスで検証しており、メモリ予約オーバーヘッドは約 0.004 から 0.030 の範囲、除外された Triton 自動チューナーの残差は負の 9.8% です。
説明PaNGEA：GPU上で並列にノードを生成・探索するアルゴリズム
要約本論文は、混合整数最適化（MIO）ソルバー向けに、高品質な実行可能解を見つけるGPU対応の原始的ヒューリスティックPaNGEAを提案する。線形緩和の求解と、GPUでのバッチ実行に適した局所探索を組み合わせ、制限付き部分問題を並列に生成・探索する。283のMIPcc26およびMIPLIBインスタンスでの評価では、単一ノードのGPU実装がCPU版に比べ平均ギャップ積分を8〜18%削減し、複数ノードの並列探索ではさらに12〜19%削減した。
説明Coda：コーディングエージェント向けに受付の柔軟性を活用するサービング手法
要約コーディングエージェントは、モデル推論とツール呼び出しを繰り返すため、再利用可能なKVキャッシュ状態を持つ長期セッションを形成します。本論文は、共有サービング環境における受付効率の不一致を指摘し、階層化エイジング状態受付と互換性認識型実行受付の2つの仕組みで受付の柔軟性を活用するシステム Coda を提案しています。単一ワーカーと複数ワーカーの実験では、既存のコーディングエージェント向けシステムや vLLM と比べ、出力トークンおよびSLO準拠のスループットが平均でそれぞれ20.3%、70.5%向上し、ピーク時の向上率は29.3%、140.2%でした。
説明分散DNAデータストレージにおけるカバレッジ深度問題：シーケンシングコストを削減できる条件
要約本論文は、ノイズのない一様サンプリングの下で、分散DNAストレージから全メッセージを復元する際に必要なカバレッジ深度を研究している。任意の線形符号と順序付き分割について、復元時間の分布と期待値の厳密な式を導出し、MDS符号が各固定分割で最適であることを証明している。また、単体符号が同じパラメータの符号の中で単一コンテナの最小化器として一意であることも示している。
注目点分散DNAストレージの被覆深度問題に厳密な公式を与え、MDS符号の最適性とBertuzzoらの予想の解決を示し、理論的貢献が大きい。
説明相対論的慣性系におけるPaxosLease
要約本論文は、分散型リース（占有権）プロトコルPaxosLeaseを相対論的な枠組みで扱う問題を論じています。著者は光円錐を用いて古典的な安全性の性質を言い直し、リースの期限切れが、別の保持者による後続の取得の因果的過去に入る必要があると述べています。さらに、包含規則と隔離規則に相対論的ドップラー因子を加えるよう古典的PaxosLeaseを修正しています。
説明ByteSplat：GPU内外の通信削減による効率的な分散3Dガウシアン・スプラッティング学習
要約3Dガウシアン・スプラッティング（3DGS）は写真のように精緻な3次元シーン再構成を可能にしますが、大規模シーンの学習には多くのメモリと計算が必要です。ByteSplatは、前向きおよび後向きラスタライズ時のオフチップメモリアクセスと、GPU間での部分的なガウシアン勾配の通信という二つの主要なボトルネックに対処する分散3DGS学習フレームワークです。カーネルの融合、ハードウェア対応の剪定、勾配の疎性の活用によりデータ移動を削減します。六つのデータセットでの評価では、ベースラインと比べてGPU内オフチップトラフィックと後向きGPU間通信量をそれぞれ63.4%、65.8%削減し、8GPUで最大6.1倍の学習高速化を達成しつつ再構成品質を維持しました。
説明非周期測距におけるOFDMの最適性に関する研究
要約本論文は、ユニタリ変調行列を通して送信されるランダム通信シンボルの期待非周期自己相関サイドローブを検討する。四次絶対モーメントが2未満で擬分散がゼロの適正なサブガウス星座（一般的な一様QAMやPSKを含む）を対象とする。各時間遅れについて、最小期待サイドローブレベル（ESL）と、それを達成するユニタリ変調を厳密に決定している。完全なOFDM変調が最小値を達成するのは、時間遅れがブロック長Nを割り切る場合に限られる。
注目点各ラグで期待サイドローブの厳密な最小値と達成する酉変調を与え、完全EISL予想を解決する厳密な証明である。
説明少体ボソン系の確率的変分法に対するAI支援GPU最適化
要約確率的変分法（SVM）は、原子核や原子物理などの分野で量子少体系を高精度に解くための強力な手法です。本論文では、4He原子の少体クラスター向けの並列SVMコードを開発し、NVIDIA GH200とAMD Instinct MI300Aの2種類のGPU向けに最適化しました。コード全体はAIコーディングエージェントが作成しています。SVMの枠組みで一般化固有値問題を解くため、Gu–Eisenstat補正を伴う永年方程式法を導入しています。4800個のSVM基底状態を持つ五体系では、最適化したコードが同じく最適化されたIntel Xeon Max CPUシステムより、GH200で16.2倍、MI300Aで14.7倍高速でした。
説明ServeTwin：分散型LLMアーキテクチャ探索のための、ベンチマーク検証済みシミュレータ
要約本論文は、実機クラスタを使わずに分散型LLM推論サービスの設計を評価するためのクローズドループ型シミュレータ ServeTwin を提案しています。仕様に基づく解析的タイミング予測と状態を持つサービスループを組み合わせ、未改変のサービングベンチマークを直接実行できます。実際の展開との比較では、定常状態のスループットと対話性のフロンティアを平均誤差3.6%で再現し、マルチターン性能は誤差9.9%で予測しています。
説明注釈駆動による CUDA プログラムの Tenstorrent Blackhole への移行
要約本論文は、静的形状のアフィン CUDA サブセットから、データ配置、コア間通信、タイル計算を導出する MLIR ベースのコンパイラを提案します。原文で固定されていない選択（計算とデータ移動の演算の配置、ストリーミングの粒度など）は、宣言的な注釈で指定します。ガウス消去法、五点スティンシル、対称ランク k 更新で評価した結果、コンパイラの既定実装と比べて、最良の構成では BF16 のガウス消去法で 4.2 倍、FP32 のガウス消去法と Jacobi 法で 2.1〜2.2 倍の高速化が得られました。周辺のポリシー、精度、ループスケジュールによって個々の選択の性能効果が逆転するため、ポリシーを独立に選ぶのではなく、コアごとの代替実装を比較すべきだと論じています。
説明Beaver：機械学習と遅延重視の仮想無線アクセスネットワーク（vRAN）負荷のための弾力的GPU共有システム
要約本論文は、遅延に厳しい制約があるvRAN処理と、スループット重視の機械学習処理を同一GPU上で共存させるBeaverシステムを提案している。各スロットの予定負荷に応じてストリーミングマルチプロセッサの割り当てを動的に分割し、vRANのメモリ負荷が高い段階でHBM帯域を譲るようにML用カーネルを書き換える。H200での評価では、vRANのp99.9遅延を1.5msの上りリンク期限内に保ちつつ、Llama-3.3-70Bの推論スループットの74%を維持したと報告されている。
説明Rademacher行列による両側積拡大符号の存在証明
要約本論文は、漸近的に最適な局所テスト可能符号（c³-LTC）の明示的構成に依存せずに、両側積拡大符号が存在することを証明しています。分量符号の個数と次元が固定され、符号化率がゼロと1から離れている場合、十分大きい素体上の独立なランダム線形符号が、確率1に収束して定数の両側積拡大性を持つことを示しています。その代償として、証明では標数がブロック長とともに増大する必要があり、Kalachev と Panteleev の先行研究（F₂の拡大体を使用）とは異なります。
注目点c^3-LTCの構成を使わず、実数上のRademacher行列とトレースべき法で両側積拡大符号の存在を示す新しい手法で、証明は厳密だが存在性の結果にとどまる。
説明符号付きグラフの燃焼：二色の火が符号付きグラフ上で競合し、一方の色の頂点をできるだけ多く燃やすことを目指すモデル。
要約本論文は、符号付きグラフ上で黄色と緑色の二つの火が頂点を点火し辺に沿って広がる、新しいグラフ燃焼モデルを提案します。辺の符号により、火が辺を伝わる際に色が変わるかどうかが決まります。各ステップでプレイヤーは色を選んで新たな頂点を点火します。得られる最適値（plurality number）を、グラフに対応する二値符号へのハミング距離で表し、特定の符号付きパスについて正確な値を求め、関連問題の計算困難性も示しています。
説明エクサスケール計算基盤での実験向けシミュレーション・データ処理パイプラインのリアルタイム最適化
要約本論文は、高エネルギー物理学や宇宙論などの大規模実験で増大するデータ量に対し、エクサスケール計算機上で資源を効率よく使う方法を扱っています。著者らは複数段階からなるタスクスケジューリング手法を提案し、短基線近傍検出器（SBND）のモンテカルロシミュレーションパイプラインを例に示しています。さらに、最適なスケジューリング戦略の特定や問題規模に応じた資源選択に使える、タスクスケジューリングのモデル化のための理論的・数値的ツールも提示しています。
説明リスト復号における条件付き正しさ：後順位の第二符号語が第一候補への信頼度を回復させる仕組み
要約本論文は、誤り訂正における雑音系列の尤度順位と復号の正しさの事後確率との関係を研究している。ランダム符号帳モデルの下で、リスト復号のソフト出力式が有限ブロック長における正しさの条件付き確率と一致することを示し、硬判定最尤復号における第一リスト項の漸近的信頼性を特徴づけている。その信頼性は第一、第二、最後の順位のみに依存することが示され、リスト長が二の場合は第二項の順位が十分に後であれば、第一項は単独では不十分に見える順位であっても漸近的に正しいとされる。
説明大規模低高度無線ネットワークにおけるトポロジー考慮型の感知・通信・充電一体化
要約本論文は、低高度無線ネットワーク（LAWN）で感知・通信・充電を同時に支える必要性に着目し、既存の多目的最適化手法が計算量の大きさと大規模化への対応の難しさを抱えると指摘しています。著者らは、地上機器と非地上機器をノード、その相互作用をエッジとして二部グラフで表す統一的なトポロジー考慮型（TA）フレームワークを提案し、統一的な資源調整規則に基づく低計算量のトポロジー再構成アルゴリズムを開発しています。シミュレーションでは、多機能の協調効率で既存手法を上回り、大規模な地上・空中ユーザー機器の環境でも頑健性と拡張性を保つことが示されています。
説明アラートの洪水から優先順位フォレストへ：事前知識ゼロのインシデント振り分けLOGOS
要約本論文は、加工されていない生のテキストログだけで障害の伝播経路を特定できるかを検討しています。著者らは、エンティティとイベントの共起関係および時間的な前後関係を利用して数百万行のログを小さな優先順位フォレストにまとめる、教師なしシステム LOGOS を提案しています。本番環境の企業障害25件とオープンソースの問題12件で評価され、事前知識は一切不要です。中央値の実行時間は4.5分で、バックグラウンドノイズの中央値の99.8%を除去し、平均再現率は0.76でした。
説明MoE-CORE：メモリ制約下のMoE推論向け、エキスパートのオフロードと常駐を協調させるシステム
要約本論文は、デバイスメモリが限られた環境で混合エキスパート（MoE）大規模モデルを推論するためのシステム MoE-CORE を提案している。プリフィル段階では完全なエキスパート層を交互のバッファに段階的に読み込み、デコード段階では層ごとのキャッシュ容量配分、ルーティング履歴を考慮した置換、層間プリフェッチを組み合わせて、ホストとデバイス間の転送を抑える。DeepSeek-V4-Flash-W4A8 および GLM-5.2-W4A8C8 において、比較対象の vLLM Prefetch より出力トークンあたりの時間（TPOT）が大幅に短いと報告されている。
説明Plotkin型構成で得られる符号の回復集合構造とサービス率
要約本論文は、分散ストレージシステムにおける二元符号の回復集合とサービス率領域を扱う。Plotkin型構成により得られる符号について、その回復集合が基礎となる符号の回復集合からどのように導かれるかを示し、回復ハイパーグラフを用いてサービス率の上下界を与えている。さらに、一次の二元Reed-Muller符号に適用し、任意のmに対するR(1,m)のサービス率がR(1,2)の生成行列から再帰的に求まることを示している。
