分散計算、ゲーム理論、情報理論など。
説明単項式写像に対する関数訂正符号のPlotkin型上界
要約本論文は、受信側に対して特定の関数値をメッセージより高い水準で保護する関数訂正符号（FCC）を扱う。有限体上の任意の関数について、ハミング距離の下でFCCの冗長度に関する一般化されたPlotkin型上界を導出し、これは古典的誤り訂正符号のPlotkin限界を特殊な場合として含む。さらに、線形関数、ハミング重み関数、ハミング重み閾値関数に対する明示的な上界を示す。また、有限体F_{q^k}上の単項式写像f(x)=x^nに対するFCCを研究し、明示的なPlotkin型冗長度上界を導出する。
説明V2X-ISAC システムにおける QoS 制約付きリソースパターン設計
要約本論文は、車車・路車間通信（V2X）向けの統合センシング・通信（ISAC）システムで、通信の信頼性とセンシング性能を同時に考慮してセンシング用リソースパターンを選択する手法を提案しています。センシング目標は、距離と速度を同時推定するためのフィッシャー情報行列に基づいて定式化されています。通信側ではサービス品質（QoS）制約として最小パケット受信率（PRR）を課しています。全探索の計算負荷を避けるため、1回の入れ替えによる改善を組み合わせた貪欲選択アルゴリズムを開発しています。シミュレーションでは、PRR 要件を満たしつつ従来のリソースパターンより高いセンシング性能を示し、全探索の最適解に近い性能が得られたと報告されています。
説明対立する送信者によるタイムリーな説得：競争は受信者に有利になるのか？
要約立場が対立する2人の送信者が、それぞれ個別の予算の下で、二値の連続時間マルコフ連鎖に関する状態更新を送ります。受信者は、報告に従った推定の長期的な加重効用が事前分布に基づく既定の推定以上の場合にのみ、その報告に従います。本論文はこの相互作用をシュタッケルベルクゲームとしてモデル化し、純粋戦略均衡を閉形式で特徴づけます。さらに、単一の送信者と競争する送信者とで受信者の効用がどう変わるかを分析し、数値結果で受信者最適報告のベンチマークと比較しています。
説明部分的な軌跡からの線形動力学の同定と復元
要約本論文は、状態座標の一部しか観測できない線形動力学の軌跡から、未知のシステム行列Aと低ランクの初期状態行列X0を同時に復元する問題を扱います。同定可能性の必要条件と観測数の下限を示し、特定の条件下で局所同定可能であることを示します。初期状態が基底を成す軌跡が完全に観測される場合には、大域的復元の必要十分なランク条件と明示的な再構成式を与えています。合成データと実データでの数値実験により、空間的な採取率と観測期間の違いによる復元性能を評価しています。
説明共有制約付き整数計画ゲームにおける均衡の計算
要約本論文は、共有制約を持つ有限整数ゲームで純粋ナッシュ均衡を計算するための割平面アルゴリズムを提案している。条件付き均衡不等式によって、逸脱の実行可能性が相手の戦略に依存することを表現し、分岐切除法に遅延制約として組み込んでいる。3,300件のインスタンスで評価され、大半で社会的に最適な均衡を求めることができ、均衡が存在しない場合も証明している。
説明SyclKittens：インテルGPU向けのタイル型プログラミングモデル（プログラマーとコーディングエージェント向け）
要約本論文は、インテルGPU向けにハードウェアを意識したタイル型プログラミングモデルSyclKittensを提案しています。既知の高効率な手法を演算に組み込み、同じ条件下でエージェントが生成するGEMMカーネルの性能を、生のSYCLでの57.5%から82.1%（インテルのoneDNNライブラリ比）へ向上させたと報告しています。このモデルで構築したカーネル群は、GEMMの幾何平均でoneDNNの約96%に達し、Llama-3.1-8B推論は単一GPUでtorch.compileより1.59倍速いとされています。
注目点既知の最適化手法を組み込んだハードウェア認識型タイルモデルを提案し、GEMMとLlama推論で対照実験を行っている。
説明OACM：大規模スパイキングニューラルネットワーク・シミュレーションのための楽観的非同期通信モデル
要約本論文は、大規模分散環境におけるスパイキングニューラルネットワーク（SNN）シミュレーションで生じる同期オーバーヘッド、過剰なロールバック、非効率な通信という課題に対処するOACMモデルを提案します。手法は、同期窓内での楽観的ハイブリッドSNNシミュレーション、UNRライブラリを用いた非同期片側通信、2D-HyperX仮想トポロジーにおける適応的メッセージ集約・経路制御からなります。高性能計算クラスタでのマーモセット脳の多領域モデル（最大174計算ノード）の評価では、元のCORTEXシミュレータに対して最大1.4倍、NESTに対して22.6倍超の高速化が示されています。
説明期待利得を持つ大規模集団の学習：Bregman発散とWillems・Lyapunovの融合
要約本論文は、動的メカニズムによって利得が生じる大規模集団における進化的ナッシュ均衡学習を検討する。反時計回り散逸性（CCW）の枠組みを用い、利得と整合的な良好な学習規則について収束を示す。さらにCCWの貯蔵関数から規則に依存しないLyapunov関数を構成し、収束のみで安定性が示されていなかった点を補う。現在の利得と平滑化された集団状態に対応する利得を比較する非線形の期待メカニズムについては、貯蔵関数をBregman発散として導出でき、大域的漸近安定性が示される。非線形の混雑増加料金を伴う混雑ゲームを例として結果を説明している。
説明BitIR：異種GPUアプリケーションの耐障害性分析のためのクロスアーキテクチャ故障注入
要約本論文は、LLVM IR段階で決定的な単一ビット故障を注入するBitIRフレームワークを提案する。バックエンドへの変換前に意味的に等価な摂動を与えるため、NVIDIA、Intel、AMDのGPU間で直接比較できる。3台のスーパーコンピュータで異種ベンチマークに対して大規模な注入実験を行い、結果をマスク、サイレントデータ破損（SDC）、障害に分類した。同一の故障でもベンダーごとに挙動が大きく異なり、耐障害性はバックエンドに依存しないことが示された。
説明ロボタクシー割当ゲームにおける決定的シュタッケルベルク戦略
要約この論文は、乗客の取り合いをする2つのプラットフォームを扱い、先行事業者が後発参入者に需要を奪われないよう車両を配車する問題を、ゼロ和ゲームとしてモデル化しています。最適な決定的戦略を求める厳密な整数線形計画と、多項式時間の近似アルゴリズムを示し、最適利得の計算や近似が困難であることも証明しています。さらに、直線上の場合の厳密な動的計画法と、実際の配車データによる評価も行われています。
説明SIC 復号に基づく RIS 支援の多方向通信システム
要約本研究は、QPSK を用いた再構成可能知的表面（RIS）支援の多方向通信システムを扱います。RIS の全二重機能を利用して、複数のユーザーが相互に情報をやり取りすることを目指しています。3 種類の SIC（逐次干渉除去）順序付け方法のビット誤り率を比較し、反射素子の振幅が位相に依存する場合への拡張も検討しています。シミュレーションの結果、RIS 素子数が少ない場合は平均二乗誤差の昇順による SIC が最良で、素子数が増えると最適化手法に基づく順序付けが最良となりました。
説明非同型のグラフは異なる頂点ラムゼー類を持つ
要約論文は、グラフHのk色頂点ラムゼー類、すなわち頂点をk色で任意に塗り分けたときに単色の（誘導）Hのコピーが必ず現れるようなグラフGの集合を扱う。著者は、任意のkについて、互いに同型でないグラフのラムゼー類は互いに異なることを証明している。
説明単一サンプル預言者不等式：組合せ配分から単一財への帰着
要約本論文はオンライン組合せ配分における単一サンプル預言者不等式を研究します。組合せ型の評価関数を、適切な支持価格を持つ場合に単一財の預言者不等式へ帰着させる一般的な手法を提案し、自由廃棄価値を用いて買い手側の組合せ制約と財側の供給制約を分離します。この枠組みにより、XOS 評価関数に対する単一サンプルおよび k サンプルの競争比の結果が得られ、分割可能資源や上限付き XOS 評価への拡張も示されています。
説明回復対（recovering pair）の改良された上界
要約本論文は、n 元集合の部分集合族からなる回復対 (A, B) について、|A||B| ≤ (2.23949)^n が成り立つことを示している。Mond、Souza、Versteegen の結果と、Fang と Huang による (9/4)^n の上界を組み合わせると (2.2499)^n が得られていたが、本論文はこれを改良している。証明では二つのエントロピー不等式を凸結合によって組み合わせている。
注目点二つのエントロピー不等式を凸結合し、リカバリング対の指数上界を(2.2499)^nから(2.23949)^nへ改善しており、実質的な前進がある。
説明OpenMP メタ・ロワリング：性能移植性のある並列コード生成への宣言的アプローチ
要約本論文は MLIR フレームワークに基づき、OpenMP 構文を対象ごとにどう下位化（lowering）するかを領域特化言語（DSL）で記述する、モジュール型の並列コード生成手法を提案している。この手法は「OpenMP メタ・ロワリング」と呼ばれる。PolyBench/C-OMP による評価では、主要なコンパイラツールチェーンと同等の性能を示し、コードサイズの増加は 0.7% 未満であった。対象実装の下位化コードは Clang より約 32%、GCC より約 76% 少なく、新しいランタイムへの対応も少ない記述で済むとされている。
説明Add-and-Remove変換下における行列ランク距離符号の符号距離
要約本論文は、行列ランク距離符号に対する「Add-and-Remove」構成の下で、部分符号距離がどのように変化するかを研究している。この構成では、余次元ℓsの部分符号を保持し、次元ℓaの空間を追加する。任意の行列符号について元の符号と新しい符号の部分符号距離の間の不等式を与え、Delsarte双対がℓsとℓaを入れ替えることを示す。行列Gabidulin符号については、部分符号距離の変化を明示的に示し、新しい符号の最小距離を追加空間と共通部分符号の間のランク距離で表す。MIRANDA署名方式にも関係する。
説明HPCにおける複数施設をまたぐLLM事前学習：弾力的集約、データリース、キュー認識型配置
要約本論文は、2大陸に分散し最大7,400km離れた3台のスーパーコンピュータ（Snellius、LUMI、Frontier）に分かれて割り当てられた計算資源を束ね、1つの言語モデルを事前学習するシステムを提案しています。二重ループ型の弾力的集約、ハートビートに基づくデータリース（学習データの重複や欠落を防ぐ）、キューの状況を見て投入先を決める仕組みを組み合わせています。Qwen3-0.6BをC4で学習した実験では、3拠点での保持データに対する困惑度は34.7で、集中型のベースラインは28.2でした。
注目点弾力的な跨拠点事前学習、データリース、キュー認識配置を組み合わせ、三台のスーパーコンピュータで実証したが、比較と規模は限定的。
説明RailWave：エキスパート並列通信のための適応的な空間・時間スケジューリング
要約本論文は、Mixture-of-Experts（MoE）モデルのエキスパート並列処理における不規則な All-to-All 通信のボトルネックを扱い、DeepEP 上に構築された通信層 RailWave を提案しています。ルーティング層の下位で、トラフィックの空間的・時間的な分散を行います。106B の GLM-4.5-Air モデルの学習由来の通信負荷において、Native と比べ H800 で最大 5.84 倍、H20 で最大 4.36 倍の高速化を報告しています。
