分散計算、ゲーム理論、情報理論など。
説明Z_{p^s}線形一般化Hadamard符号の完全分類
要約本論文は、Z_{p^s}加法符号をGray写像で像にして得られるZ_{p^s}線形一般化Hadamard（GH）符号を扱います。これらの符号は再帰的構成で得られ、従来は部分的にしか分類されていませんでした。著者らは任意の素数pについて分類を完成させ、核で定まる座標ブロック外を穿孔して得られる導出符号を主な道具としています。これによりZ_{2^s}線形Hadamard符号の分類も完成し、一つの予想も証明されています。
説明大規模分散オンチップメモリ加速器による高速で柔軟なスパイキングネットワークシミュレーション
要約本論文は、大規模に分散したオンチップSRAMを持つ市販のアクセラレータ上でスパイキングニューラルネットワークを動かすための、グループベースのマッピングおよび通信手法を提案している。スパイクのルーティングという課題に取り組む。Graphcore IPU上では、皮質微小回路が生物学的実時間の22.7倍の速度で動作し、ビルド時間は短く、コンパイル済みグラフは再利用できる。この手法はモデルやハードウェアに固有の仮定を置かない。
説明LOCAL モデルにおける真の亜対数ラウンド分散型極大独立集合アルゴリズムの不存在
要約本論文は、LOCAL モデルで o(log n/log log n) ラウンドの乱択アルゴリズムが、ある入力に対して劣定数確率でしか極大独立集合（MIS）を見つけられないことを証明している。これにより、Luby や Alon・Babai・Itai による40年来の O(log n) ラウンド CONGEST アルゴリズムがほぼ最適であることが示される。著者らは木状グラフの各頂点をクリークに、各辺を二部 Erdős–Rényi グラフに置き換えた困難な入力を構成し、新たなラウンド消去手法で任意の LOCAL アルゴリズムを解析している。
注目点新しいラウンド消去と非木状の困難インスタンスにより、MISの下界をΩ(√log n)からほぼ最適なΩ(log n/log log n)へ改善し、証明は強力。
説明入れ子巡回符号による決定的な分散線形分離可能計算
要約本論文は分散線形分離可能計算（DLSC）を扱い、マスターが N 台のワーカーを用いて、最大 S 台の遅延（ストラグラー）がある場合でも K 個のメッセージの K_c 個の決定的線形結合を復元する問題を研究している。入れ子巡回符号（nested cyclic codes）に基づくフレームワークを提案し、計算負荷 M=(K/N)(S+K_c) を達成する。K が十分大きい場合には対応する下界も示され、漸近的に最適であることが証明されている。基底符号に巡回局所回復可能符号（LRC）を用いると、多くの遅延シナリオでマスターは N-S 未満のワーカーへの接触で済む。
説明LEO衛星ネットワークにおける高速ビーム配置のためのアンテナビームパターンモデルの検討
要約本論文は、低軌道（LEO）衛星ネットワークのビーム配置問題に対するアンテナビームパターンモデルの影響を検討しています。ベッセルJ1、J1+J3の組み合わせ、ガウシアン、3GPP TR 37.842の4つのゲインモデルを比較し、それぞれの半値角からユーザ互換グラフを構築して、グラフ彩色に基づく手法で最小クリーク被覆問題として解いています。結果として、アンテナパターンモデルがビーム資源の使用とリンク品質の両方に影響することが示されています。
説明非加法的対称ランク距離符号：有限体上の対称行列空間で加法的符号より大きい符号を構成する研究
要約本論文は、有限体上の対称行列空間に含まれる非加法的ランク距離符号、特に対称2符号を研究している。奇数qについて、四次元空間上の非退化二次形式の等方ベクトルによってランク1の差が記述される構成を導入し、楕円二次曲面Q^-(5,q)の部分オーバイドとの対応を示す。Cossidente と Pavese の構成を用いて、Sym_3(q)中に濃度q^4+2q^3の非加法的対称2符号を得て、その行列による明示的記述も与える。さらに、ブロック構成によって奇数次元すべてに拡張し、同じパラメータの加法的対称2符号の最大濃度を上回る下界を、すべての奇数n≥3と素数冪q>2について示す。
注目点二次形式と楕円二次曲面の部分オーボイドの対応により非加法的対称符号を構成し、加法的符号を上回る無限族を初めて与える。証明は完全。
説明符号化回折パターンからの位相回復のためのガウス・ニュートン法
要約本論文は、加法的な強度ノイズを伴うランダムな符号化回折パターンからの位相回復に対する最小ノルムのガウス・ニュートン法を研究している。両方の設定で収束保証を示し、誤差が二次的に減少することを証明している。合成信号と自然画像に対する数値実験により、最先端のアルゴリズムと比べた効率性が示されている。
説明単一 GPU から分散学習を見る：分散学習向け RankLens（単一ランク・エミュレーション）
要約分散学習は、デバッグ・チューニング・分析に費用がかかり、多くの場合は対象規模のクラスタで繰り返し実行が必要になります。本論文は、単一 GPU 上で生き残りのランク 1 つを動かす RankLens を提案します。このランクは元の学習プログラムの実計算を行い、通信箇所では記録された通信結果と所要時間で実際のマルチランク通信を置き換えます。DeepSpeed と Megatron-LM の 8〜64 GPU 構成で評価され、学習テンソルの通信構造は 100% 一致し、エミュレーションの時間誤差は 5% 未満と報告されています。分析に必要なリソースは対象規模のクラスタから単一 GPU まで削減できるとされています。
説明候補地点を用いた距離空間における真実性のある2施設配置問題
要約本論文は、距離空間上に私的な位置を持つエージェントと、2つの施設に対する既知の承認選好を扱う施設配置問題を研究する。施設は与えられた候補地点にのみ設置でき、社会的コストまたは最大コストを近似的に最小化しつつ、エージェントに位置を正直に申告させることが目標である。直線距離空間の決定的メカニズムについて、社会的コストの近似比7が厳密であることを示し、ランダム化によって厳密な改善が得られることを示している。最大コストについては、最適な決定的保証である3が普遍的戦略耐性メカニズムでも依然として厳密であることを示している。一般の距離空間では、決定的な戦略耐性メカニズムの厳密な近似比を、社会的コストで2n-1、最大コストで5として得ている。また、ランダム化が両目的で大きな改善をもたらすことも示している。
説明遅延を考慮したアップリンクNOMA-MECとPASS：実行可能性優先の資源配分フレームワーク
要約本論文は、モバイルエッジコンピューティングで多数のユーザーが同時にオフロードする際、締切内にタスクを完了させる方法を扱います。ピンチングアンテナシステム（PASS）によって支えられる上り非直交多元接続システムを対象に、送信電力、CPU周波数、アンテナ構成を同時に最適化します。閉形式の最小電力実行可能性判定と三ブロック交互最適化アルゴリズムを提案し、数値結果では高負荷時にも締切の実行可能性が維持されることが示されています。
説明レイリー・ベナール対流の時空間並列直接数値シミュレーション：並列スペクトル遅延補正法による計算時間の短縮
要約本論文は、乱流流れのモデルであるレイリー・ベナール対流を直接数値シミュレーション（DNS）で扱う研究である。すべての関連する長さスケールを捉えるには非常に細かい格子が必要で、安定性の制約から時間刻み幅も小さくなりがちである。著者らは、高次の時間積分法として並列スペクトル遅延補正（SDC）を用い、JUSUF（CPU）とJUPITER（GPU）上で2種類のコードにより性能を検証した。並列SDCは時間軸方向の並列性と、より大きな最大安定時間刻み幅をもたらし、1自由落下時間分のシミュレーションに要する実時間を短縮できることが示された。
説明コーダル符号：符号の構成と効率的なガウス消去復号
要約本論文は、パリティ検査行列の原グラフ（primal graph）がコーダル（弦）グラフである線形符号「コーダル符号」を提案する。任意の消失パターンに対応する復号用部分行列も、コーダルな原グラフを保つことを証明している。そのため、完全消去順序に従うガウス消去（コーダル消去）の計算量は、ランダム符号をガウス消去で復号する場合より小さくなる。さらに、コーダル消去の計算量の上界も与えている。
説明マッチング数が2以下の需要グラフにおけるルーティング最適性
要約本論文は、無向ネットワークにおいて需要グラフのマッチング数が2以下（端点が互いに素な需要辺が3本存在しない）の場合、ネットワーク符号化と分数ルーティングの容量領域が一致することを証明しています。著者らはLiuらのメトリック充填による帰着法を用い、固定グラフΓ_{3,3}上の距離重み付き通信不等式に問題を帰着させ、条件付きエントロピー不等式、2つのグラフ収縮、決定論的相互作用に関する情報不等式によって証明を完成させています。
説明Reed–Muller 符号 RM(1,9) の被覆半径は 242 である
要約本論文は、暗号理論と符号理論で長年未解決だった問題を解決したものです。Reed–Muller 符号 RM(1,9) の被覆半径が 242 であることを示しています。非線形性 244 は、シャープな Walsh ℓ¹ 上界を達成する三次ブール関数を構成して除外し、非線形性 243 は、不等式を導いて除外しています。
注目点RM(1,9)の被覆半径という長年の未解決問題を、Walsh スペクトル上界と立方関数の分類によって244と243を排除して解決し、符号理論と暗号理論に大きな意義を持つ。
説明LLMサービングにおける予測ガイド型スケジューリングのための割当ベースのエイジング手法
要約本論文は、大規模言語モデル（LLM）のリクエスト・スケジューリングに用いる割当ベースのエイジング（QBA）を提案します。QBAは、予測された短いリクエストを優先的に受け付けつつ、待機が長引いた予測上の長いリクエストを、割当上限と負債強制の制約のもとで昇格させます。デコード優先バッチ処理やチャンク化プリフィルなどを考慮したイベント駆動型シミュレータで、FCFS、予測短優先、激しいエイジングと比較して評価しています。結果として、QBAは長いリクエストの末尾遅延を大幅に抑えつつ、予測ガイド型スケジューリングの平均遅延の改善の大部分を維持することが示されています。
説明学習型スコアベースのターボメッセージパッシングによる空間圧縮測定からのチャネル復元
要約本論文は、大規模MIMO基地局のハイブリッドビームフォーミングにおける上り回線チャネル復元を扱います。ターボメッセージパッシングのループを数層に深層展開し、学習可能なスコア事前分布を導入したL-STMPを提案しています。さらにPMI支援のビーム選択を低オーバーヘッドの方向事前情報として用い、シミュレーションで既存手法を上回る再構成性能を示しています。
説明重み付きポピュラーマッチングのマトロイド一般化：特徴付けとアルゴリズム
要約本論文は、片側選好モデルにおける重み付きポピュラーマッチングとポピュラー共通独立集合という二つの一般化を統合する問題を扱う。著者らは両者を同時に一般化する重み付きポピュラー共通独立集合問題を導入する。主な成果は、この問題に対する初の多項式時間アルゴリズムであり、解に依存しない特徴付けがその鍵となっている。
説明Rényi ダイバージェンスによる McDiarmid 不等式の分布依存的な改良
要約本論文は、Rényi ダイバージェンス（Rényi divergence）を用いて McDiarmid の不等式、およびそれを KL ダイバージェンスから導く分布依存の精緻化を改良できるかを検討している。Marton の輸送証明で KL ダイバージェンスを、次数 0<α<1 の Rényi ダイバージェンスに置き換えると、一般には輸送不等式が成り立たないことを示す。一方、独立な有界確率変数の和については、Rényi ダイバージェンスの加法性を利用して集中の上界を導出できる。ベルヌーイ和の場合、これらの上界は偏差の閾値の一定範囲で、KL ダイバージェンスによる分布依存の上界を厳密に上回る。また、全変動距離と Rényi ダイバージェンスを結ぶ Gilardoni の不等式の分布依存の精緻化を与え、一般的な集中上界に明示的な定数を与えている。
説明2台ロボットの可解性プロファイルに対する最小の厳密な選言基底
要約本論文は、平面内の2台の自律移動ロボットについて、可変的な方向喪失、キラリティ、剛体運動の条件下でのタスクの可解性を特徴づけている。すべての上集合が実現可能であることを示し、13個の具体的なタスクからなる最小の厳密な選言基底を構成している。また、六つのタスクで計算クラスの包含関係と非比較性を区別できること、すべてのプロファイルを表すには全13個の主要プロファイルが必要であることを示している。
説明半体符号を用いた最適フェラーズ図形ランク距離符号の穴あけ-包含構成法
要約フェラーズ図形ランク距離符号は、ランダムネットワーク符号化における定次元符号の多層構成の重要な要素です。本論文は、ランク距離 3 の図形 [3,3,3,5] に着目し、任意の素数冪 q について最適な [[3,3,3,5],6,3]_q フェラーズ図形ランク距離符号を構成しました。これにより、Etzion らが 2016 年に提起した未解決問題に答えています。構成では、まず [3×4,4,3]_q MRD 符号を作り、最後の列での穴あけ後のデルサルト双対符号が半体符号に由来する [3×3,3,3]_q MRD 符号を含むことを示します。さらに、二つの無限族のフェラーズ図形についても最適符号を構成しています。
注目点穿孔と包含の構成により、Etzionらの未解決問題に答え、複数の無限族を与えた点で新規性が高い。証明は示されているが影響は符号理論の一分野に限られる。
説明算力よりも容量：コンシューマ向けCPUで大規模臨床言語モデルを動かすメモリ中心の展開
要約本論文は、現場で大規模な臨床言語モデルを動かす際の主な障壁は演算性能ではなくGPUメモリであると指摘しています。著者らは、一般的な2台のPCで、27Bパラメータの4ビット量子化モデル（医療モデルの代替として公開モデルを使用）をCPUのみで動かし、合成FHIRプロンプトを処理しました。モデルはシステムRAMに全体が読み込まれ、両方のGPUはメモリ不足で動作しませんでした。連合学習で送信されるのは約22.6 MBの低ランクアダプタのみとされています。
説明ランキング（Ranking）の階数依存利得配分フレームワークにおける認証容量とギャップ
要約本論文は、オンライン二部マッチングにおける乱択原始双対フレームワーク（各単位のマッチング利得をオフラインの階数に応じて両端点の双対変数に配分する手法）を検討する。著者らは、このフレームワークの「認証容量」と、それとRankingの実際の競争性との差である「認証ギャップ」を定義する。次数が d 以下のグラフおよび d 正則グラフについて分析し、次数1の場合と無制限の場合では枠組みが厳密であり、次数2の場合には正のギャップが残ることを示す。
注目点Devanurらの原始双対枠組みで認証容量を定義し、低次数グラフ上で厳密な結果と上下界を示す理論的貢献がある。
説明サンプルの有無による組合せオークションの改良メカニズム
要約本論文は、m 個の財と n 人の XOS 買い手からなる組合せオークションで社会厚生を最大化するための新しいメカニズムを、預言者サンプル付きモデル、秘書モデル、オフラインモデルのそれぞれについて提案しています。サンプル付き預言者版では、各分布から O(log log m) 個のサンプルを用いる、普遍的に真実性を持つ多項式時間の (2+ε) 近似メカニズムを示しています。秘書モデルとオフラインモデルでは、従来の O((log log m)^2) 近似を改良し、普遍的に真実性を持つ O(log log m) 近似メカニズムを得ています。
注目点組合せオークションの予言者・秘書モデルにおける近似比とサンプル複雑度を改善し、二つの未解決問題を解決し、厳密な理論的保証を与えた。
説明CacheSmith：適応的KV再利用によりレイテンシSLO下でRAGを正確に提供する手法
要約本論文は、RAGのプリフィル段階でKVキャッシュを再利用し、生成品質を確保したうえでレイテンシSLO（サービスレベル目標）を満たす割合を高めるシステムCacheSmithを提案しています。選択的再計算をWarmUp、Probe、Patchの三段階に分解し、SLO対応スケジューラと予算対応プランナーで動的に設定します。四つのベンチマークで、既存の最先端手法四つと比べ、品質ゲート付きSLO達成率が最大27.5%向上したと報告されています。
説明知覚オーディオ符号化のための協調適応エントロピーモデリングとレート歪み最適ビット割り当て
要約本論文は、エントロピー符号化モデルとビット割り当てがブロック間で協調的に適応する知覚オーディオ符号化器を提案しています。モデルの補助情報は送信しません。復号済みブロックから符号器と復号器が同一のヒストグラムを蓄積し、同じモデル状態を更新します。ブロックごとの厳密なビット上限のもとで、エントロピー符号化を考慮したビット割り当ては、考慮しない場合に比べて知覚歪み（線形尺度の帯域ごとのノイズ対マスク比）を15〜24%削減し、協調適応はさらに3〜4%（オーボエでは最大15%）削減しました。1チャンネル80 kbpsのMUSHRA試験もこの順位を裏付けています。
説明「最低価格で購入する」顧客向けの単位需要価格設定
要約本論文は、顧客が効用が非負となる最も安い商品を選ぶ（min-buying）という行動のもとでの単位需要価格設定問題を扱う。対称な環境では統一価格が最適になることを示し、最悪の場合でも統一価格と最適な個別価格の差は対数オーダーにとどまり、その差が厳密であることを示している。非対称で正則な評価値の場合には、統一価格が最適な個別価格収益のおよそ69.86%を保証することを示す。これらの結果から、この保守的な需要モデルでは非統一価格の価値が大きく減少し、しばしば消失することが分かる。
説明オンラインプラットフォーム成長の確率的モデル：段階的な拡大における受け入れ・割り当て・報酬の決定方法
要約本論文は、双方向マッチング市場でマーケットメーカーとして機能するオンラインプラットフォームの成長過程を研究しています。提供者と顧客が互いを必要とする「鶏と卵のジレンマ」を、マルコフ過程としてモデル化しています。最適な受け入れ、割り当て、報酬の方策を特徴づけ、需要が限られた段階では勤続年数に基づく報酬が前払い補助の代替となりうると示しています。
説明生鮮品の動的在庫処分価格設定：在庫に応じて価格を調整するアルゴリズム
要約本論文は、在庫が限られた売り手が、評価額の異なる顧客に対して生鮮品の価格を順次設定する問題を扱います。現在の在庫と将来の需要予測に基づいて価格をリアルタイムに調整する、解釈しやすい動的価格設定アルゴリズムDROP（Dynamic Run-Out Pricing）を提案しています。顧客の評価額が有界または指数分布に従う場合、市場規模の拡大とともにDROPの期待収益が最適収益に収束することを示します。さらに、パレート分布のような裾の重い分布に対応する改良版TA-DROPを提案し、漸近的最適性を回復することを証明しています。
説明周期的に変化する衛星ネットワークにおける全点対間の最短通信時間経路の計算
要約本論文は、低軌道（LEO）衛星コンステレーションのように位置関係が時間とともに変わるネットワークで、全ての頂点の組の間の最短時間経路を求めるアルゴリズムを扱っています。提案手法の計算量は O(M²n³) です。計算構造は前方向と後方向の二つの行列積に似た段階からなり、GPU などの SIMD アーキテクチャでの並列化に適しており、急速に変化する LEO 衛星網でのネットワーク全体へのメッセージ経路制御を効率化することを目指しています。
説明二次元熱流に沿ったフィッシャー情報の凸性に関する、計算機支援による厳密な下界
要約本論文は、ℝ²上の確率正規化された熱流に沿ったフィッシャー情報が満たす微分不等式の最良定数cを研究している。c=1は二次元では成り立たず、既知の平方根凸性定理はc=1/2を与える。著者は厳密な有理数の平方和証明書により、c≥231691/250000（約0.926764）を示し、0.926764≤c*<0.94176665の上下界を与えるが、最良値は未解決のままである。
説明計算機科学者向け契約理論入門：成果に基づく支払いで努力を引き出すサーベイ
要約本サーベイは計算機科学の読者向けに、成果に基づく支払いによって努力を動機づける契約設計を紹介します。オンライン労働市場、インセンティブを考慮したアルゴリズム的分類、新興のAIエージェント・エコシステムなどの応用例を取り上げます。古典的なプリンシパル・エージェントモデルを提示し、最適契約は線形計画法で計算できるが不透明で脆弱になりうることを示します。そのうえで線形契約などの単純な契約形式を取り上げ、近似保証と頑健な（max-min）最適性を論じ、複数エージェントの組合せ契約、部分情報下の学習手法へと議論を広げます。
説明MCCL：測定に基づく集団通信ライブラリ。ネットワーク性能低下時に通信スケジュールを動的に再生成
要約大規模分散学習では集団通信が性能のボトルネックになりやすいが、既存のライブラリは固定のトポロジーと最大リンク容量を前提に事前にスケジュールを計算している。MCCLはGPU間のスループットを受動的に測定し、持続的な劣化を検出すると、ウォームスタートのシンセサイザで影響を受けた通信スケジュールを再生成し、学習を止めずに切り替える。原文によれば、ハードウェア試作機でのオーバーヘッドは2%未満、測定誤差は1.2%未満、切り替え時間は約12ミリ秒で、シミュレーションされたLlamaやDeepSeekの学習負荷では、灰色故障時に静的スケジュールより最大4.99倍学習時間を短縮した。
説明正則ファット線形集合の構成と非表現的なq-マトロイド
要約有限体上の線形集合のうち、重み2以上の「ファット点」をちょうどr個もち、残りの点が重み1である正則ファット線形集合を扱う論文です。定義部分空間のスカラー安定化群を用いて点の重みに関する整除条件を導き、PG(1,q^n)で階数2iの正則ファット線形集合のファット点は2個以下か、ちょうどq+1個であることを示しています。さらに、ファット点がF_q部分幾何を成さない高次元の例を構成し、射影直線の結果をq-マトロイドの表現可能性に応用して、無限族の非表現的な階数2のq-マトロイドを与えています。
注目点公開問題を二つ解決し、点の重みの整除制約と新たな高次元正則太線形集合の構成を与え、厳密に証明している。
説明FlashT2S：異種ニューロモーフィックLLMバックエンド向けGPU高速化テンソル-スパイク変換演算子
要約本論文は、ニューロモーフィック大規模言語モデルの学習と推論でクリティカルパス上にあるテンソルとスパイク間のデータ変換のボトルネックに着目し、GPUで高速化した変換演算子FlashT2Sを提案する。アーキテクチャ認識型かつデータ中心の最適化により変換遅延を削減する。実験では、個別演算子で平均約850.78倍、実ワークロードで約802.83倍の高速化を示し、torch.compileが生成したGPUカーネルより5〜11倍高速だと報告している。
説明短いBCH符号の多重重み付きシフト和反復復号に関する研究
要約本論文は双対符号語を用いるシフト和復号アルゴリズムを研究している。既存手法は主に最小重みの双対符号語に依存するが、その数は限られている。著者らは、計数の仕組みを指定された上限以内のハミング重みをもつ双対符号語へ拡張し、重みの大きい類の過剰計数の偏りを抑える正規化計数則を導入した。この枠組みに基づき、硬判定および軟情報支援の反復誤り低減復号器を提案している。数値結果では、特に短い符号で既存の最小重みベース手法より優れることが示されている。
説明MODAIC：分散型マルチモーダル学習のための協調的非同期方式
要約本論文は、帯域幅や計算能力が異なるエッジデバイス間で協調学習を行うための、待機不要な分散型システム MODAIC（Modality-Decoupled Asynchrony with Interleaved Coordination）を提案しています。各モダリティを独立して進行させつつ相互の特徴交換を維持し、負荷を考慮した更新取得と、メタデータに基づくピア選択により、通信の遅延や古い更新の問題を抑えます。AVE と KU-HAR での評価では平均精度と最悪エージェントの精度が向上し、クラウド環境では目標精度到達までの時間が最大30%短縮されたと報告されています。
説明アップグレード是正を伴うオンライン公平分配
要約本論文は分割不可能な財のオンライン公平分配を研究している。割り当てが取り消せない標準モデルでは、どのアルゴリズムも最大最小シェア（MMS）の正の割合を保証できない。論文は、再割り当ての際に影響を受ける各エージェントの状態が少なくとも悪化しないという、二種類のアップグレード方式を検討する。物品単位のアップグレードでは最適なMMS係数は約 1/ln n となり、束単位のアップグレードでは二人のエージェントに対して厳密なMMS、任意の人数でMMSの半分超を達成できることを示している。
注目点アップグレード制約付きのオンライン公平分割という新モデルを提案し、ほぼ最適な 1/H_n 係数と2人での厳密な MMS を示す。理論的証明は充実しており、分野内で影響力がある。
説明境界を超えて：広がり・反転・収集による最適なグリッド分散
要約本論文は、向きの揃った正方形グリッド上で、k≤n 個の移動エージェントを局所通信のみを使い、決定的に各ノードに高々一つずつ分散させる問題を扱います。従来手法は k=Θ(n) の場合には最適でしたが、k が小さい場合に Ω(√k) の時間下限へ到達できるかは未解決でした。著者らは SRC アルゴリズムを提案し、各エージェント O(log k) ビットの記憶で O(√k) 同期ラウンドの分散を実現し、時間と記憶の下限を両方満たすと述べています。
注目点局所通信のみでO(√k)ラウンドの決定的分散法を示し、時間・メモリの下界に一致させ未解決問題を解決しており、新規性が高い。
