自然言語処理分野を中心に直近、LLM（Large Language Model）の構成要素であるAttention機構構築は、勾配法を用いて実現する手法が主流となっている。ところが、筆者は全結合型NNや2次元Autoencoder構築にベイズ最適化手法を適用する手法を提案し、実例を用いてそのこと確認していた。　本論文では自然言語処理で主として用いられるTransformer型NN構成要素のAttention機構構築でもベイズ最適化手法を適用可能なことを例題設定して、そのことを従来手法と比較することで性能比較を試みた。

機械学習の回帰モデルにおいて外れ値による予測の不安定化は重要な課題である．本研究では，従来の損失関数に誤差の分散項を加え，誤差のばらつきを直接制御する「Robust Regularization（RR）」を提案する．本手法は，パラメータを介しバイアスとバリアンスのトレードオフを能動的に制御可能にする．通常の評価実験の結果，既存手法と比較して高い精度と著しく低いMSE分散を記録した．特にノイズ混入下でのストレステストにおいて，既存手法を凌駕する精度維持を確認し，実社会の不安定なデータ環境に対する高い頑健性を実証した．

信号処理としてフーリェ級数が２００年前から安定した数学として存在している．２年前に「相関係数を利用した級数展開と関数近似」の題で筆者が発表した．時間的に流れる信号に対し，モード級数展開を利用した周波数特性計算方法について発表する．

人間の技能習得を時系列データとして評価する際，課題難易度，個人差，偶然変動の分離が課題となる．大腸内視鏡的粘膜下層剥離術は高難度の内視鏡手技であり，術者の習熟度評価は教育および症例配分に重要である．従来用いられた累積症例数や切除速度という指標は上記の課題を解決できておらず，本研究は習熟度評価における新しい手法の確立を目標とした．2008年から2025年に当院で施行した3,098症例を対象に，機械学習による症例難易度補正とBayesian状態空間モデルを組み合わせ，技能プラトー到達を確率的に判定する枠組みを検討した。複数の機械学習手法，特徴量構成，時系列モデルを比較し，TabPFNとGaussian Random Walkの併用により正解率80.0%，F1スコア0.800を実現した．

ECサイトの評点や行動ログのように，カテゴリ数が比較的小さい一方で，観測数が大きく蓄積される時系列カテゴリカルデータにおいて，状態変化を伴う場合，単純な集計のみで分布構造の変化を把握することが難しい．本研究では，各レジームが多項分布に従うと仮定し，尤度比最大化に基づく変化点検出問題にPELT法を適用する．さらに，大規模データや多カテゴリデータに対する繰り返し解析を想定すると，変化点検出手法をそのまま適用するだけでは計算時間が問題となる場合があるため，候補点を一定間隔に制限する処理を導入する．複数の変化点検出手法と比較し，探索範囲の制限が推定結果と計算時間に与える影響を評価する．

本研究では，レビュー評点時系列を用いて商品ジャンル間の類似性分析を行う．各投稿について，その時点でのユーザの評点履歴から最高点側・最低点側の累積確率を算出し，自己情報量へ変換することで，ユーザごとの評価基準や投稿数の違いを反映した評価値を定義する．さらに，最高点側を正，最低点側を負として符号付けし，ジャンル単位で時系列累積することで嗜好推移系列を構成する．加えて，多群順位統計量による評点推移および平均評点推移との比較を行い，クラスタリングと可視化を通じて，ジャンル類似性の把握における各表現の特徴と距離定義の影響を検討する．

本研究は、航空会社の乗員勤務表作成において、従来考慮されてこなかった人的要因「権威勾配（乗員間の立場や経験の差）」に着目した新たなクルー割当手法を提案する。
パイロット間の年齢差を権威勾配の指標とし、運航難易度に応じた制約を導入する。具体的には、難易度の高い運航では年齢差が大きいペアを避けて安全性を確保する。一方で、通常運航においては年齢差の大きいペアを割り当てる制約を設け、その組み合わせを経験するパイロットの人数を最大化する。
実運航データを用いた数値実験により本手法の有効性を検証し、高難度運航での安全性と通常運航での経験確保を両立する乗員勤務表作成の方向性を示した。

本研究では，航空会社におけるクルー割当問題に対し，希望違反によって生じる個人総負担の分布公平性に着目した数理モデルを提案する．休暇希望違反，行先希望違反，夜勤由来負担を，コンジョイント分析から得た相対的重要度に基づき重み付き和として集計し，各クルーの個人総負担を定義する．さらに，個人総負担分布の上側尾部をCVaRで評価し，高負担クルー群への負担集中を抑制する．実フライトデータに基づく月次割当実験では，平均負担最小化モデル，最大負担最小化モデルと比較し，提案モデルが最大負担を抑えつつ，経験的CVaRおよび平均負担を改善できることを示す．

コンテナターミナルにおいて，コンテナ搬出時に上部コンテナの移動を伴うリハンドリング（荷繰り）問題は，荷役効率の低下やトラックの待機時間増加を招く深刻な課題である．本研究では，トラックの待機場を活用した新たなコンテナリハンドリング問題を提案する．車両の到着順に搬出を行う従来手法に対し，提案モデルでは待機車両をグループ化し，グループ内での柔軟な搬出順序を許容することでリハンドリング数の最小化を図る．さらに，優先度ルールに基づくヒューリスティックを開発し，数値実験を通じて既存モデルとの比較・分析を行い，提案手法の有効性を検証する．

冷凍物流倉庫では，商品配置がオーダーピッキング作業の効率に大きな影響を与える。しかし，どのような要因が適切なピッキング方式の選択に寄与するかは十分に明らかになっていない。本研究では，数理最適化を用いて各注文に対する最適なピッキング方式を決定し，その結果を教師データとして機械学習モデルを構築する。さらに，SHAPを用いて方式選択に影響する特徴量を分析する。分析結果から有効な要因を抽出し，冷凍物流倉庫における商品配置設計への活用可能性について検討する。

収穫量の変動をともなう農産物市場では，価格更新ルールの設計が価格安定性と取引効率に影響する．本研究では，生産者・消費者・市場からなるエージェントベースモデルを構築し，単純反応型，需給連動型，過去価格参照型の3種類の価格更新ルールを比較した．実験の結果，過去価格参照型はベースライン条件で価格変動係数を最も低く抑え，取引成立率や生産者利益を維持する傾向を示した．一方，低需要条件では売れ残り率が悪化する場合があり，価格安定化と取引効率の間にトレードオフが生じることを確認した．さらに，過去価格重みを変化させた追加実験により，低需要条件では平滑化強度を高めるほど価格変動係数は低下する一方，売れ残り率が上昇することを示した．これらの結果から，市場環境に応じた価格更新ルール設計の重要性を示す．

単一目的連続最適化問題を解くアルゴリズムとして突然変異戦略の異なる３種の個体群から構成されるIMODEが注目されている．IMODEでは探索状況に応じて突然変異戦略の切り替えおよびパラメータ適応を行っている．しかし探索序盤において多峰性の領域を十分に探索できずに起伏が緩やかな領域へ収束し，局所解に陥ってしまうという問題がある．そこで本研究では個体群が探索する解空間の非凸度の変化に着目し，探索初期段階に多峰性の領域を十分に探索せずに起伏が緩やかな領域へ収束する可能性を検知した際に個体群の個体数比およびパラメータの再初期化を行う手法を提案する．これにより探索初期における局所解への早期収束を回避し，探索性能の向上を図る．

グラフG，k個の異なる頂点u₁, u₂, ... , u_k ∈ Vおよび，Σ_i=1^k n_i=|V|なるk個の自然数n₁, n₂, ... , n_kが与えられたとき，1 ≦ i ≦ kなる各iに対して，u_i ∈ V_iかつ|V_i|=n_iであり，V_iがGの連結部分グラフを誘導するような，点集合Vの分割V₁, V₂, ... , V_kを求めたい．このような分割をGのk分割と呼ぶ．

本論文では，5連結p-k重ドーナツグラフの5分割を求める線形時間アルゴリズムを与える．本論文の結果は，5連結グラフで内面に三角化されていない面が複数個存在するものに対する5分割を求める最初のアルゴリズムである．

グラフGにおいて，任意の頂点対を結ぶ最短パスのうち，他の頂点対を結ぶ最短パスの部分パスでないものをGの極大測地線と呼ぶ．Gの点集合は，全てのGの極大測地線の端点の少なくとも一方を含んでいるとき，Gのバンドリング集合と呼ぶ．連結グラフGが1-要素のバンドリング集合を持つ必要十分条件は，Gがパスであることが知られている．また，Gが格子グラフ，もしくは，ある条件を満たす格子グラフの部分グラフであるならば，Gは2-要素のバンドリング集合を持つことが知られているが，その特徴付けは知られていない．
本研究では，Gが2層格子グラフであるとき，Gは2-要素のバンドリング集合を持つことを示す：ここで，2層格子グラフは格子グラフおよびその部分グラフとは別のグラフである．

This paper studies the rooted triplets consistency problem under a fixed leaf order, in which the aim is to determine whether there exists an ordered phylogenetic tree whose left-to-right leaf order matches a given ordering while satisfying the given required and forbidden triplet constraints. We propose a polynomial-time exact algorithm based on dynamic programming over intervals and prove that the full ordered version of this problem can be solved in polynomial time.

Nishiara and Hidai(2017)は、数独解を符号語として、空白セルから元の値を復元する復号誤り確率について調べた。酒井等(FIT2025)は、消失通信路における数独符号語と、数独に条件を追加したModular Magic Sudoku(以下MMSu と略す)の符号語の特徴を調べた。
これらの先行研究では、シンボルが消失する確率は一定であり、消失するセルの位置や順番はランダムである。本研究では、消失パターンを複数用意し、シンボルが消失するセルの位置や順番による影響を調べる。それぞれの消失パターンにおいて、復号誤り確率などを求め、数独やMMSuの特徴による違いを調べる。

秘密分散法は、秘密を複数の断片に分割して管理する技術である。多項式補間を使うShamirの方法が最も知られているが、直交配列を使う方法も提案されている。しかし、秘密分散法に適する直交配列を任意に構成することは難しい。FIT2025で、野澤・足立は、Ethier & Mullen (2012)の結果を基に、秘密分散法に適する直交配列を作成するための行列Mを探索するアルゴリズムを提案した。しかし、計算量が膨大であり、アルゴリズムの改良が求められている。そこで、本研究では、行列式の性質に注目し、このアルゴリズムを改良する。行列の階数の判定を行う際に、行列式の性質を利用して、探索範囲を削減した。

メルセンヌ素数（Ｍｐ）は（２のｐ乗－１）＝ 素数 である数で，52個 発見されている。
乗数ｐの値が，２，３，５，７，１３，１７，１９，３１，６１，８９，１０７，…

ピタゴラス数（Ｐｎ）は，直角三角形の 三辺の長さ（ａ＜ｂ＜ｃ）を 自然数 で 採り，
（ａ×ａ）＋（ｂ×ｂ）＝（ｃ×ｃ） が 成立する数 ａ，ｂ，ｃ の セット とする。

ヒッパルコス数（Ｈｎ）を，無数に在るピタゴラス数 ａ，ｂ，ｃ の セット の 中で，
ｂ が（偶数）で，（ｃ＝ｂ＋１） に 成っていて（ｃは奇数）で，更に，ａ が 奇数
である場合，（Ｈｎ）と呼ぶことを提案したいと存じます。 （Ｈｎ）⊂（Ｐｎ）
（Ｈｎ）の 例； （３，４，５），（５，１２，１３），… ⊂ は 部分集合の意。

感染症の早期把握（ナウキャスト）において、定点観測データはタイムラグやデータ量不足の課題がある。一方、リアルタイムなSNSデータも、ノイズや流行長期化に伴う「飽き」による投稿数減少という特有の課題を持つ。

本研究では、定点観測とX（旧Twitter）データを組み合わせた新たな予測モデルを提案する。物理的な「感染モデル」と情報伝播としての「投稿行動モデル」の双方を構築し、共通パラメータを用いて同時に推定を行う。これによりデータ不足を補完しつつ、「飽き」などの複雑な関係性を数理的に捉える。

実際の流行データを用いた実験の結果、従来手法よりも感染動向の変化に適切に追従でき、予測精度が向上することが確認された。

松山市では近年の救急需要の増加に伴い救急搬送にかかる時間の増加が問題となっており、待機場所を自由に変えられる機動救急隊を運用することで救急搬送にかかる時間の短縮を計っていた。
我々は昨年度まで消防局から提供された救急搬送データを元に、救急車の現場到着時間の短縮を目的としたデータ分析を行い、機動救急隊を配置する消防署を提案した。
しかし提案した配置によりどの程度現場到着時間が短縮されるかまでは予測できなかった。
今回、新たに救急搬送全件の提供を受けて救急搬送のシミュレーションを行い現場到着時間の短縮の予測を行ったので、その結果について報告する。

多様な人々のwell-beingの実現には、個々人の状態に応じた働きかけが必要である。包摂性指標は、その社会の実現に向け、個人がおかれた状況や行為を測定する指標である。このような働きかけを実践するにあたり、状況や行為の類型化は方針策定の基盤となる。本研究では、包摂性指標を用いて個々人を類型化する数理モデルを開発することとした。
同指標に基づくアンケート調査の有効回答2,150名を対象に、6つの下位得点を特徴量として混合ガウスモデルによるクラスタリングを実施した。その結果、6クラスタが同定された。本研究の知見は、各クラスタの特徴を考慮した具体的な介入手法の検討において有用であるといえる。

ネットワークトモグラフィは端点間の測定データからネットワーク全体の内部状態を推定する重要な逆問題である．しかし，突発的なトラフィック変動や測定プロセスに潜む非線形性により，ネットワーク状態が複雑となり，従来の推定モデルでは精度が著しく低下する課題がある．本研究では，状態変数が持つ物理的な有界制約を厳密に満たしながら，この複雑な逆問題を安定して解くための独自の最適化アルゴリズムを構築する．さらに，この反復アルゴリズムをニューラルネットワークの階層構造に組み込む深層展開を適用する．これにより数理モデルの解釈性とデータ駆動型の表現力を両立し，複雑なネットワーク状態を高精度に推定可能であることを示す．

金融ネットワークは，株価リターンをノード（頂点）とし，相関係数をリンク（辺）としたグラフである。米国株式については、Samal et. al. (2021)や赤松・中川（2023）などの先行研究がある。日本株式については、鈴木・足立（FIT2025）がコロナショックを含む期間についてTOPIX-17シリーズの株価リターンを調べ、17頂点の金融ネットワークを作成した。本研究では、TOPIXの上位銘柄について、金融ネットワークを作成する。アルゴリズムを改良し、取り扱う銘柄の個数を増やし、取り扱う取引日の期間を長くできるように工夫した。TOPIXの上位銘柄の金融ネットワークでの動向と、TOPIXの株価チャートの動向とを比較し、その特徴をつかむ。

価格設定は企業収益を左右する重要な意思決定である．消費者は過去価格から形成される参照価格を基準に割安・割高を判断するため，各期の価格は当期需要だけでなく将来需要にも影響する．既存研究では需要推定誤差や市場変動への対応に課題が残る．本研究では，需要の不確実性と参照価格効果を同時に考慮し，計画期間全体の利益を最大化する多期間価格最適化手法を提案する．需要を区分線形関数で柔軟に表現し，ロバスト最適化により不確実な状況下でも有効な価格決定を実現する．数値実験により，不確実性の考慮が利益向上に有効であること確認する．

個体群プロトコルは低性能デバイスからなる分散システムのための計算モデルである．本研究では，エージェントの集団を均等なサイズの$k$個のグループに分割する一様$k$分割問題を対象とした効率の良いプロトコルを提案する．先行研究では，期待収束時間$O(k n^2 \log n)$のプロトコルが提案されているが，本研究では，期待収束時間を$O(n^2 \log n)$に改善するプロトコルを提案する．ここで n は，エージェント数を表す．さらに，シミュレーション評価により，提案手法が$k$が大きい条件下で優位性を持つことを示す．

二分決定グラフは組合せ構造や論理関数をコンパクトに表現するデータ構造であり、その構築方法の一つにフロンティア法がある。この手法では各レベルで状態の同一性判定を行い重複を排除する。重複排除にはハッシュテーブルがよく用いられるが、状態集合が主記憶に収まらない場合には外部記憶へのランダムI/Oが多発し、実行時間が大幅に増加する。そこで本研究では、生成された状態遷移をソートし、同一状態をグループ化して統合する、外部記憶に適した重複排除方式を実装する。格子グラフ上のs-tパス列挙を対象に、ハッシュテーブル方式、内部ソート方式、外部ソート方式を実行時間、メモリ使用量、構築可能な問題規模の観点から比較する。

PPM法の変種であるPPMP（PPM with Prior knowledge）法では，静的な共有辞書をPPM法の初期辞書として用いることで，短いデータに対しても良好な圧縮率を達成することができる。一方で，共有辞書の読み込みに余分な時間がかかる。本研究では，従来方式と，gzipで圧縮された共有辞書をメモリ上に保持する方式，更新された辞書の部分を巻き戻す方式，初期辞書を固定的に用いる方式を比較する。これらについて，100個のテキストファイルに対する辞書読み込み時間，符号化時間，合計処理時間を測定する。実験により，辞書を固定的に用いる手法は従来方式と比べて約1.5～5倍高速になることがわかった。

「確率制約付き最適化問題」とは、確率変数を含む制約を⼀定の確率で満たされる制約として扱う最適化問題である。本問題は⾮凸性を持つため、効率的に厳密解を求めることが困難である。本研究では、この問題に対してペナルティ交互⽅向法（PADM）を⽤いた⾼性能な解法を提案する。提案⼿法では、コピー変数と結合制約の導入により問題を連続と離散の構造に切り分け、結合制約のL1ペナルティ項を目的関数に追加してコピー変数との乖離を抑制し、変数を交互に固定しながら反復求解する。数値実験により、厳密解法や既存⼿法と同等の解の精度を維持しつつ、⼤規模な問題においても計算時間を⼤幅に短縮できることを確認した。

PHi-C2はHi-Cデータからゲノム動態を推定する手法であるが、その最適化計算は収束速度に課題がある。従来用いられてきた勾配降下法は収束が遅く、Momentum GDによる高速化は学習率を大きくすると負の固有値が発生して収束に失敗する。本稿では、過剰な更新を抑制する勾配正規化と、コスト関数の推移に応じて慣性係数を動的に調整する機構を組合せた最適化手法をPHi-C2に適用する。複数の細胞種・染色体・学習率条件で評価した結果、提案手法は従来手法では収束困難な高学習率域でも安定に収束し、同一の学習率では、Pearson相関係数で評価した精度を維持しつつ、計算時間を最大で約6分の1に短縮できた。

大規模地震発生直後の捜索・救助活動において，救助人数を最大化する捜索経路最適化モデルを提案する．建物ごとの要救助者期待値と，到達時刻に依存する指数減衰型生存率関数を統合し，救助人数スコアを定義した．巡回セールスマン問題（TSP）の枠組みを拡張し，移動距離最小化ではなく救助人数最大化を目的関数とした．経路探索には全探索と多スタート2-opt法を用いた．仮想都市を用いたシミュレーションの結果，提案手法は最短経路TSPと比較して平均0.95人（約10%）の救助人数向上をもたらすことを確認した．

製造業特有の複雑な分析作業におけるスケジューリング問題について、数理最適化を用いた合理化が求められている。しかし、実際の計画立案は明文化された装置制約だけでなく、特定の作業順序や納期調整など熟練者が持つ暗黙知に依存しており、純粋な最適化モデルでは実運用に適合しない問題が存在する。本研究の目的は、この暗黙知を抽出し、実用的な最適化スケジュールを導出することである。具体的には、初期スケジュールに対する熟練者の修正・フィードバック（Human-in-the-Loop）を通じて、現場特有の制約を暗黙知として抽出し、数理モデルへ制約条件として統合・形式知化する対話的手法を提案し、その有効性を検証する。

本研究では、時間枠付き電気自動車配送問題（EVRP-TW）に対する最適化手法を提案する。特筆すべき点は、実運用に即した「部分充電」の特性をモデルに組み込んでいることである。提案手法は、アリコロニー最適化（ACO）と適応的大近傍探索（ALNS）を統合した手法である。具体的には、まずACOにより多様な解を構築し、その解に対してALNSが集中的な局所探索・改善を行う。さらに、そこで得られた優良解の情報をフェロモンとしてACOへ再フィードバックされる。これら2つのアルゴリズムが探索特性を補完し合うことにより、局所最適解への捕捉を防ぎつつ、より効率的な配送ルートの導出を実現する。

大学等の教育機関では、講義数が膨大であり履修要件等が複雑である。そのため、手作業での時間割編成には多大な時間と労力が必要となる。そこで本研究では、時間割編成が組み合わせ最適化問題であることに着目し、シミュレーテッドアニーリングの応用を試みた。各時限への講義割り当てをバイナリ変数で定義し、編成に考慮すべき複数の条件を定式化した。実際の大学の講義データに対してアニーリング技術を適用した結果、編成自体は1秒以内で終了し、全ての制約、および、要望も考慮した時間割が得られることが確認できた。最終的に、得られた複数の時間割から最適な時間割を選択することで、実用的な時間割の作成を可能とした。

大規模データセットで学習した分類と説明を同時に行う自己説明型モデルから説明能力ベクトルを抽出し，タスク算術 (Task Arithmetic)により下流タスクの分類専用モデルへ適用することで，追加学習なしに分類専用モデルから自己説明型モデルを構築できる．しかし，下流タスクの説明の正解データを用いないため，説明性能には改善の余地がある．そこで本研究では，構築した自己説明型モデルを初期値としてFew-shotファインチューニングを行う手法を検討した．11種類の画像分類タスクで実験を行い，本手法を用いることで，説明性能が改善することを確認した．

新規映像作品の需要予測は、制作の意思決定において極めて重要である一方で、出演者などの「高カーディナリティ特徴量」が重要であり、本質的に難易度が高い。本研究では、作品、キャスト、プロデューサーをノードとした異種グラフを構築し、グラフニューラルネットワーク（GNN）を用いた需要予測手法を提案する。本手法は、「過去作品の需要情報を『人』を介して新作の予測に活用する方法」を学習する。そのため、訓練中に一切登場していない出演者が予測作品に含まれている場合にも、再学習なしで予測可能である。公開データを用いた評価実験により、本手法の有効性を検証する。

飲料水・処理水の消毒過程で生じる消毒副生成物（DBP）濃度を事前に予測できれば，消毒条件や処理プロセスの調整に役立つ．しかし，DBPは物質種が多く，個別成分ごとの測定データは限られやすいため，小標本データから安定した回帰モデルを学習することが課題となる．本研究では，大規模言語モデル（LLM）から得られる水質工学の方向知識を，通常の濃度ラベルではなく，アンカー点における局所微分の符号を表す仮想微分教師データとして利用する非線形回帰モデルを提案する．実験では，消毒副生成物濃度予測データを用いて，従来モデルと提案モデルを比較し，LLM生成の仮想微分教師データが小標本回帰に与える効果を評価する．

前十字靱帯損傷のリスク評価に用いられるノッチ幅指数(NWI)に対し、深層学習と幾何学的解析を統合した膝関節X線画像からの自動計測手法が提案されている。しかし、こうした手法は標準的な立位正面像を対象に開発されており、撮影条件や症例特性が異なる画像に対する適用限界は十分に検証されていない。本研究では、先行研究で提案された既存の自動計測モデルを評価対象とし、ローゼンバーグ撮影法による膝屈曲位画像など標準条件から外れる画像を探索的な外部評価データとして用い、本手法が安定して適用できる条件と誤差が増大する条件を明らかにする。本発表では、非標準画像に対する計測性能と、失敗事例の分類および考察を報告する。

背後に決定論的なグラフ構造がある場合の規格化された時系列間の関係をクロスリカレンスプロットの斜めの線によって評価するため、閾値を定めるための距離関数を最適化で逆に求めていく方法を提案する。

分子通信は，スローダイナミクスの拡散現象を介した情報伝送であり，限られた時間内で実際にどれだけの情報を伝送できるかという有限時間通信性能の評価が重要となる．本研究では，3次元自由空間における点送信機・球状受信機からなる拡散型分子通信チャネルを対象に，分子到達確率を有限時間観測下のビット誤り率（BER），相互情報量，および情報レートへと翻訳する評価枠組みを構築する．数値評価により，情報レートを最大化する最適観測窓が送受信距離および送信分子数に応じて顕著にシフトすることを示し，物理条件に応じた観測窓設計の必要性を明らかにする．

特許審査における先行技術調査では検索インデックス整備が重要であるが、人手整備には限界があり、大規模言語モデルによる整備手法が検討されている。一方、既存手法はFターム整備済みテーマを前提とし、大規模文献群では処理負荷も大きい。本稿では、請求項群から生成した共通トピックを補助情報として用いてFターム依存を解消し、さらに年代分布を保持した層化サンプリングで入力文献数を削減する。複数テーマに属する特許文献を用いた実験を行い、トピック品質やコスト評価に基づき、検索用途での有用性を保ちながら、適用範囲の拡張と処理負荷の低減が可能であることを示す。

Raft分散合意アルゴリズムは障害耐性を持ちながらクラスタの動的な構成変更を可能にする。サーバの追加や削除の際には新旧2つの構成が同時に存在するJoint Consensus期間が生じ、両構成の過半数による合意が必要となるため挙動が複雑になる。本研究ではこの期間中にサーバ故障が発生した場合においても安全性と活性が保たれることを、LNTによるモデル構築とCADPのモデル検査により形式的に検証する。検証対象として同一インデックスへの異なるコマンドの二重コミットが生じないことを確かめ、メッセージ順序逆転のシナリオも考慮する。

有限要素法による弾塑性解析は膨大な計算コストを要するため、パラメトリックスタディの実施においてボトルネックとなっている。本研究では、この計算負荷を削減するため、機械学習を用いたデータ駆動型のサロゲートモデルを構築した。具体的には、多様な機械的性能や幾何形状から得られた残留応力場を学習データとして用い、条件入力から応力を予測するネットワークを学習させた。本モデルについて予測精度と計算効率の評価を行った結果、妥当な精度を保ちつつ、解析時間を大幅に短縮できる可能性が示唆された。本手法は、構造物設計等の効率化に貢献することが期待される。

再生可能エネルギーの出力変動下において、複数のマイクログリッドが連携するマルチマイクログリッドシステムのリアルタイム電力コスト最適化を扱う。各マイクログリッドが分散的に協調する非集中型ADMMを基盤とするが、従来手法は収束に多数の反復を要し、短周期の制御に適用しにくい。本研究では、過去の反復履歴を用いて更新方向を外挿するAnderson加速をADMMに導入し、反復回数を削減する枠組みを提案する。数値シミュレーションにより、提案手法の収束特性と最適性を検証する。

削除と挿入は、テキスト編集において頻繁に現れる基本的な操作である。
両方の操作に対して閉じている言語は、自由部分モノイドを成す。
その基底は strong コードと一致し、これはbifix codeコードの一種である。
strongコードのルートの有限性問題は未解決のままである。
本発表では、極大性、ルート、syntactic monoid など strong コードの用語を紹介する。
そして、この問題を1状態の決定性オートマトンを用いて考察する。

本発表では，高符号化率の畳み込み符号器を対象として，自由距離d_fと重み分布を評価指標とする適応的進化探索法を示す。提案する探索法は，良好な候補符号器を保存するプールを維持し，変異，ドナーを用いた交叉により新しい候補を生成する。最良畳み込み符号器の候補はFASTと呼ばれる既存のアルゴリズムを用いてスコアラーにより評価され，プールへ入った候補の品質に応じて，親符号器，探索動作，および親符号器と動作の組合せの重みを更新する。探索例として，拘束長m=9,10における符号化率R=(n-1)/n,n=6,7,...,10の畳み込み符号器を示し，既報の畳み込み符号器との比較を行う。

本研究では、量子誤り訂正符号のrotated surface codeを対象に、SSMであるMambaを基盤としたデコーダBiST-Mambaを提案する。高精度を誇るSelf-Attentionを用いた既存手法は、符号距離dに対してO(d⁴)の計算量を要するが、本手法はMambaへと置換しO(d²)を実現する。各データ量子ビットを中心とした埋め込み表現を使用し、水平・垂直4方向の双方向空間Mambaで同一ラウンド内の空間相関を、時間Mambaで複数ラウンドにわたる時間依存を独立にモデル化した。MWPMとの論理エラー率比較および推論速度計測により、精度・スケーラビリティ・計算効率を評価した。

分散システムにおいて耐故障性を高めるためには，障害発生時に復旧可能な状態を保存するチェックポイント取得が重要である．しかし，従来の定期的な取得方法では，重要でない状態まで保存する一方で，重要な状態変化の直後を取得できない可能性がある．本研究では，サーバに依存しないピュアP2P型分散システムを対象とし，イベントに重みを与えることで状態変化の重要度を判断し，各プロセスが重要度のあるイベント後に自発的にチェックポイントを取得する手法を提案する．これにより，保存価値の低いなチェックポイントの削減と，故障復旧に有効な状態保存の両立を目指す．

近年，自然言語からの記述に基づくコード生成が普及する一方，生成されたコードの正しさの保証は依然として課題である．本稿では，形式仕様のみを入力とし，コーディングエージェントが関数定義とその正しさの証明を自動生成する手法を，定理証明支援系Lean 4を用いて試みた事例を報告する．題材としてJSON-YAML間の変換器を取り上げ，人手による途中介入なしに証明付きプログラムを得られるかを検証した．実験の結果，仕様の記述から実装と証明の生成までを自動で行い，証明付きプログラムを得られることを確認した．本報告では，その仕様の記述から実装・証明の生成に至る過程を具体的に述べる．