分散計算、ゲーム理論、情報理論など。
説明ランダム正則LDPC符号の剥離復号における重み制限付き冗長検査の限界
要約本論文は、二元消失通路上の剥離復号を、冗長な検査を個数制限なく追加できるが各検査の行重みには制約がある場合について研究する。ランダムな単純二元正則低密度パリティ検査（LDPC）符号に対し、所定の重み以下のすべての非零双対符号語からなる検査行列を考える。明示的な対数行重み範囲において、この冗長検査の完全な族は、元のLDPC行列による剥離復号と同じ漸近的な正規化残差閾値を持つことを示す。
注目点対数的な行重の範囲では、低重みの冗長検査をすべて加えても剥離しきい値が元のLDPC行列と漸近的に同じであることを示し、行重の漸近的限界を与えている。
説明流体アンテナ通信路の極値分布フィッティング手法による中断性能の高精度評価
要約本論文は、中断確率（OP）評価を目的とした流体アンテナシステム（FAS）の通信路フィッティング手法を提案する。単一アンテナFASの通信路を極値分布でモデル化し、左裾を一般化パレート分布、全体挙動を一般化極値分布で表す組合せ極値分布（CEVD）を目標分布とする。対数領域の誤差を用いる修正平均二乗誤差基準と、累積分布関数の対数上での一様な評価点配置により、裾の誤差を重視している。シミュレーションでは、超低中断確率領域でOP評価精度が大きく向上することが示された。
説明4 つの確率変数の Ingleton スコアに対する改良された上界
要約本論文は、4 つの有限離散確率変数について、Ingleton 式の負値を結合エントロピーで割った値が 19/124（約 0.15323）以下であることを証明しています。これは従来報告されていた 3/19 の上界を 11/2356 改善するものです。証明には 4 つの複製ステップと 6 つの補助変数を持つ複製プログラムを用い、厳密な有理数線形計画の証明書で検証しています。
説明安全なマルチアクセス符号化キャッシュ：リフティング手法
要約本論文は、安全な単一アクセス方式のキャッシュを再符号化し、そのマルチキャストメッセージをそのまま再利用することで、安全な巡回マルチアクセス符号化キャッシュ方式を構成する手法を提案している。各ユーザは連続するL個の共有キャッシュを読み取り、他のファイルについての情報を一切漏らさずに要求ファイルを復元する。決定的エンコーダと乱択エンコーダの二種類を示し、適切な有限体上で分割ごとの最小記憶量を達成する。さらに、達成可能なメモリ・レート族の近似保証と、L=K-1の場合のトレードオフの厳密な証明を与えている。
説明HiNa-MoE：行列エンジンを備えたCPU上での高性能・非侵襲的なMoE推論
要約本論文は、Intel AMXを搭載したCPU向けのMixture-of-Experts（MoE）推論オペレータライブラリHiNa-MoEを提案します。標準的な重みレイアウトを維持したままAMXを活用し、単純なページインターリーブ方式でNUMAを考慮したタスク分割を行い、フレームワークのアロケータを変更せずに済ませています。また、デコード段階の行列・ベクトル演算を小規模な行列・行列演算に変換しています。複数のMoEモデルで、FFNカーネルは最大3.37倍、エンドツーエンドの推論は最大2.09倍の高速化を報告しており、既存フレームワークにそのまま組み込めるとしています。
説明CommuteProp：通信がボトルネックとなる分割型LLMファインチューニングのための分離学習手法
要約本論文は、プライバシーを保護した大規模言語モデルの分割学習型ファインチューニングにおいて、クライアントがサーバー側の勾配を待つ間に遊休してしまい学習効率が低下する問題を扱います。非同期の分割学習アルゴリズムCommutePropを提案し、学習をブロック間の順伝播・逆伝播とブロック内の重み更新という二つの並行フェーズに分離します。これにより計算と通信を重ねて、一周期の時間を各段階の遅延の総和から主要な計算ボトルネックへと減らします。また非同期の誤差と収束性の解析を示し、陳腐化した勾配によるノイズを抑えるNS前処理手法も導出しています。実験では同期手法と同程度の精度を保ちつつスループットが大きく向上し、既存のプライバシー強化手法にも組み込めることが示されています。
説明半径制限接続下での提升法による安全なD2D符号化キャッシュ
要約本論文は、通信が近隣のユーザーに限られる機器間（D2D）ネットワークにおいて、安全な符号化キャッシュの方式を扱う。利用者は、要求していないファイルについて情報が漏れないまま、必要なファイルを復元できる必要がある。論文では構成方式を提示し、特定のパラメータ範囲で最小のピーク総負荷と近似比に関する保証を示している。
説明二度だけ変換する：連鎖テンソルモード積のための Ozaki スキーム II
要約本論文は、Ozaki スキーム II において連鎖テンソルモード積を剰余（residue）形式のまま持続的に実行する手法 OzII-RescaleBE を提案する。中間テンソルを浮動小数点に繰り返し変換せず、連鎖の開始時に一度変換し、終了時に一度再構成する。INT8 テンソルコアを用いた CuTe DSL による実装で検証している。連鎖深度 d=3 から 7 では法線相対誤差が概ね 10^-16 から 10^-15 の範囲にあるが、d=8 では約 10^-13 の水準に増加する。スループットとデバイスメモリ使用量は、GEMMul8 ライブラリによる二つの基準手法と比べて条件により優劣がある。
説明ファイルと需要のプライバシーを両立する次数最適な符号化キャッシング
要約本論文は、ファイル内容と利用者の需要の双方を保護する符号化キャッシングを研究します。各利用者は自分が要求したファイルのみを取得でき、残りのファイルや他の利用者の要求を推測できません。最悪ケースの配信レートが最適値の9/2倍以下となる方式を示し、キャッシュ容量ごとの下界と厳密な結果も与えています。
注目点ファイルと要求の二重プライバシー下で近似最適な符号化キャッシュ方式を与え、エントロピー議論で近似的に締まる下界を示しており、理論的な改善が大きい。
説明社会的最適性は無重みMax-k-Cutゲームの連携安定性を意味しない
要約本論文は、無重みグラフ上のMax-k-Cutゲームを扱う。各k≥3について、最適彩色が強均衡でない有限・単純・連結な無重みグラフを示し、全参加者が利益を得る連携的逸脱が存在することを示す。その逸脱後も別の最適彩色となり、連携外のプレイヤーは損失を被るが社会的厚生は変わらない。また連携による利得、割値の変化、内部の衝突を関係づける厳密な恒等式を与え、一般のナッシュ均衡からの強い逸脱に関する上界も示す。
説明フロントホール制約のあるセルフリーMIMOネットワーク向けのスケーラブルな歪み考慮型クラスタリング
要約本論文は、最大比合成（MRC）を用いる上り回線のフロントホール制約付きセルフリーMIMOネットワークにおける、歪みを考慮したクラスタリングを研究している。小規模フェージングに依存せず、大規模フェージング係数のみで定義される目標関数を最適化し、漸近解析により量子化歪みに着目した平均ネットワーク和レートの確定的等価表現を導出している。この目標関数の構造を利用して多項式時間で大域的最適解を得る手法を提案しており、数値結果では既存研究の改良版より高い性能を示し、全探索による小規模フェージングベースの大域的最適解と競合するとされている。
説明マイクロ波アナログ計算のLean形式化に向けて（マイクロ波信号で線形変換を行う計算方式の定式化）
要約マイクロ波信号はネットワークを伝搬する間に、アナログ領域で線形変換を直接行えます。本論文は、この計算をLean（定理証明支援系）で形式化する第一歩です。ハイブリッドカプラと移相器などの部品、およびその直列・並列接続と、それらで実現できるネットワーククラスを定式化しています。また、そのネットワークが実現できる変換の必要十分条件を証明し、任意の2のべき乗サイズの離散フーリエ変換（DFT）が実装可能であることを示しています。証明はすべてLeanカーネルで検証され、コードは公開されています。
説明エッジでのセンシング・計算・通信を統合する空中計算型連合学習の枠組み
要約本論文は、連合学習で必要な学習データがエッジ機器の多様なセンサーで取得される点に着目し、その取得の品質とコストが学習性能に影響することを扱います。空中計算（OTA）を用いる連合学習システムについて、センシングノイズ、消費エネルギー、遅延、OTA集約の歪みをモデル化し、非凸の収束上界を導出しています。これに基づき、エネルギー、遅延、学習品質を両立させる各ラウンドの最適化問題を定式化し、交互解法で解いています。数値実験により、センシング・計算・通信の決定を同時に最適化する利点が示されています。
説明流体アンテナによる安全チャネル駆動コンステレーション（FASCC）：物理層セキュリティの手法
要約本論文は、下り通信のための流体アンテナ安全チャネル駆動コンステレーション（FASCC）フレームワークを提案しています。情報は、流体アンテナのポート選択と位相調整によって生成されるチャネル領域のコンステレーション点で伝送されます。盗聴者のチャネル状態情報が利用可能かどうかに応じて、二つの補完的な方式が開発されています。数値結果によれば、盗聴者が正規受信者より基地局に大幅に近い場合でも、ビット誤り率と相互情報量の秘匿性能で有意な秘匿利得が得られます。
説明制約付き微分ゲームにおける近似フィードバックナッシュ均衡：上界保証を持つモデル予測制御による手法
要約本論文は、多エージェント制御で求めにくいフィードバックナッシュ均衡（FNE）を、有限ホライズンの開ループゲームを繰り返し解くモデル予測制御（MPC）で近似する手法を提案している。補助ゲームの定式化により予測ホライズンと終端コストを選び、制約付き開ループゲームを通じてハード制約も扱う。制約なしの場合には、MPCによる軌道とFNE軌道の状態偏差の解析的上界を導出し、既存手法との数値比較も示している。
