Fugu-MT 論文翻訳(概要): Efficient $(3,3)$-isogenies on fast Kummer surfaces

論文の概要: Efficient $(3,3)$-isogenies on fast Kummer surfaces

arxiv url: http://arxiv.org/abs/2402.01223v2
Date: Wed, 4 Sep 2024 09:06:13 GMT
ステータス: 処理完了
システム内更新日: 2024-09-07 03:56:02.610090
Title: Efficient $(3,3)$-isogenies on fast Kummer surfaces
Title（参考訳）: 高速クマー曲面上の効率的な$(3,3)$-異性
Authors: Maria Corte-Real Santos, Craig Costello, Benjamin Smith,
Abstract要約: 高速クンマー曲面間の$(N,N)$-異種性の別の導出を与える。得られたアルゴリズムは以前の$(N,N)$-isogenyアルゴリズムよりも効率的であることを示す。
参考スコア（独自算出の注目度）: 2.048226951354646
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We give an alternative derivation of $(N,N)$-isogenies between fast Kummer surfaces which complements existing works based on the theory oftheta functions. We use this framework to produce explicit formulae for the case of $N = 3$, and show that the resulting algorithms are more efficient than all prior $(3, 3)$-isogeny algorithms.
Abstract（参考訳）: 高速なクンマー曲面の間の$(N,N)$-異種性の別の導出を与える。このフレームワークを用いて、$N = 3$の場合の明示的な公式を生成し、得られたアルゴリズムが以前のすべての$(3, 3)$-isogenyアルゴリズムよりも効率的であることを示す。

関連論文リスト

Perturb-and-Project: Differentially Private Similarities and Marginals [73.98880839337873]
差分プライバシーのための入力摂動フレームワークを再検討し、入力にノイズを付加する。まず、ペアワイズ・コサイン類似性をプライベートにリリースするための新しい効率的なアルゴリズムを設計する。我々は,$k$の辺縁クエリを$n$の機能に対して計算する新しいアルゴリズムを導出する。
論文参考訳（メタデータ） (2024-06-07T12:07:16Z)
Representing Additive Gaussian Processes by Sparse Matrices [18.618437338490487]
Mat'ern Gaussian Processes (GP) は、最も人気のあるスケーラブルな高次元問題の一つである。バックフィッティングアルゴリズムは、後進平均の計算時間の複雑さを$O(n3)$から$O(nlog n)$ timeに減らすことができる。後方分散と最大対数類似度を効率的に計算するためにこれらのアルゴリズムを一般化することは、未解決の問題である。
論文参考訳（メタデータ） (2023-04-29T18:53:42Z)
Mind the gap: Achieving a super-Grover quantum speedup by jumping to the end [114.3957763744719]
本稿では,数種類のバイナリ最適化問題に対して,厳密な実行保証を有する量子アルゴリズムを提案する。このアルゴリズムは、$n$非依存定数$c$に対して、時間で$O*(2(0.5-c)n)$の最適解を求める。また、$k$-spinモデルからのランダムなインスタンスの多数と、完全に満足あるいはわずかにフラストレーションされた$k$-CSP式に対して、文 (a) がそうであることを示す。
論文参考訳（メタデータ） (2022-12-03T02:45:23Z)
TURF: A Two-factor, Universal, Robust, Fast Distribution Learning Algorithm [64.13217062232874]
最も強力で成功したモダリティの1つは、全ての分布を$ell$距離に近似し、基本的に最も近い$t$-piece次数-$d_$の少なくとも1倍大きい。本稿では,この数値をほぼ最適に推定する手法を提案する。
論文参考訳（メタデータ） (2022-02-15T03:49:28Z)
Near-Optimal Lower Bounds For Convex Optimization For All Orders of Smoothness [26.71898403195793]
非常に滑らかな凸関数を最適化する複雑性について検討する。正の整数 $p$ に対して、凸関数 $f$ の最小値 $epsilon$-approximate を求める。我々は、この境界(ログファクタまで)にマッチする新しい下界を証明し、ランダム化アルゴリズムだけでなく、量子アルゴリズムにも適用する。
論文参考訳（メタデータ） (2021-12-02T10:51:43Z)
Computing the Newton-step faster than Hessian accumulation [8.147652597876862]
関数の計算グラフを考えると、この境界は$O(mtau3)$に縮めることができ、$tau, m$はグラフのツリー分解の幅と大きさである。提案アルゴリズムは,LQRに基づく非線形最適制御法を一般化し,ヘシアンが高密度である場合においても,反復複雑度において非自明なゲインを提供する。
論文参考訳（メタデータ） (2021-08-02T11:22:08Z)
Bayesian Optimistic Optimisation with Exponentially Decaying Regret [58.02542541410322]
現在の実用的なBOアルゴリズムは、$mathcalO(fraclogNsqrtN)$から$mathcalO(e-sqrtN)$まで、$N$は評価の数である。本稿では,boと木に基づく楽観的楽観化の概念を絡み合うことにより,無音環境における後悔を改善できる可能性について検討する。次数$mathcal O(N-sqrt)で指数的再帰を達成できる最初の実践的手法であるBOOアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-05-10T13:07:44Z)
Finding Global Minima via Kernel Approximations [90.42048080064849]
関数評価のみに基づく滑らかな関数のグローバル最小化を考える。本稿では,近似関数を共同でモデル化し,大域的最小値を求める手法を検討する。
論文参考訳（メタデータ） (2020-12-22T12:59:30Z)
Improved Sleeping Bandits with Stochastic Actions Sets and Adversarial Rewards [59.559028338399855]
我々は,行動セットと敵意の報酬を伴って睡眠中の盗賊の問題を考察する。本稿では,EXP3にインスパイアされた新しい計算効率のよいアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-04-14T00:41:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。