論文の概要: Machine learning for moduli space of genus two curves and an application to isogeny based cryptography
- arxiv url: http://arxiv.org/abs/2403.17250v3
- Date: Mon, 23 Dec 2024 15:46:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:50:31.937980
- Title: Machine learning for moduli space of genus two curves and an application to isogeny based cryptography
- Title(参考訳): 属2曲線のモジュライ空間の機械学習と等質暗号への応用
- Authors: Elira Shaska, Tony Shaska,
- Abstract要約: 機械学習を用いて、属の2つの曲線のモジュライ空間を研究する。
機械学習は属2曲線のモジュライ空間における算術的問題に対して高い信頼性を持つことを示す。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: We use machine learning to study the moduli space of genus two curves, specifically focusing on detecting whether a genus two curve has $(n, n)$-split Jacobian. Based on such techniques, we observe that there are very few rational moduli points with small weighted moduli height and $(n, n)$-split Jacobian for $n=2, 3, 5$. We computational prove that there are only 34 genus two curves (resp. 44 curves) with (2,2)-split Jacobians (resp. (3,3)-split Jacobians) and weighted moduli height $\leq 3$. We discuss different machine learning models for such applications and demonstrate the ability to detect splitting with high accuracy using only the Igusa invariants of the curve. This shows that artificial neural networks and machine learning techniques can be highly reliable for arithmetic questions in the moduli space of genus two curves and may have potential applications in isogeny-based cryptography.
- Abstract(参考訳): 機械学習を用いて属2曲線のモジュライ空間を解析し、特に属2曲線が$(n, n)$-スプリットヤコビアンを持つかどうかを検出することに焦点をあてる。
そのような手法に基づいて、小さな重み付きモジュライ高さと$(n, n)$-split Jacobian for $n=2, 3, 5$ の有理モジュライ点はほとんど存在しない。
我々は (2,2)-分割ヤコビアン (resp) を持つ34の種数 2 の曲線 (resp.44 の曲線) しか存在しないことを証明した。
3,3-スプリットジャコビアン)と重み付きモジュラー高さ$\leq 3$。
このような応用のための異なる機械学習モデルについて議論し、曲線のイグサ不変量のみを用いて高精度に分割を検出する能力を示す。
このことは、人工ニューラルネットワークと機械学習技術が、属2曲線のモジュライ空間における算術的問題に対して高い信頼性を持ち、等質暗号に潜在的に応用できることを示している。
関連論文リスト
- Machine Learning Toric Duality in Brane Tilings [0.0]
4d$mathcalN=1$量子場理論におけるセイベルグ双対性の研究に様々な機械学習手法を適用する。
複雑な赤外双対性のネットワークはそのような理論の空間を相互接続し、それを普遍性類に分割する。
我々は、conifold の $mathbbZ_mtimesmathbbZ_n$ orbifold で実現されたセイベルグ双対理論のクラスを特定するために、完全に連結されたニューラルネットワークを訓練する。
論文 参考訳(メタデータ) (2024-09-23T17:48:14Z) - Cramer Type Distances for Learning Gaussian Mixture Models by Gradient
Descent [0.0]
今日まで、ガウス混合モデルに適合または学習できる既知のアルゴリズムはほとんどない。
一般多変量GMM学習のためのスライスクラマー2距離関数を提案する。
これらの機能は、分散強化学習とディープQネットワークに特に有用である。
論文 参考訳(メタデータ) (2023-07-13T13:43:02Z) - Equivalence Between SE(3) Equivariant Networks via Steerable Kernels and
Group Convolution [90.67482899242093]
近年, 入力の回転と変換において等価な3次元データに対して, ニューラルネットワークを設計するための幅広い手法が提案されている。
両手法とその等価性を詳細に解析し,その2つの構成をマルチビュー畳み込みネットワークに関連付ける。
また、同値原理から新しいTFN非線形性を導出し、実用的なベンチマークデータセット上でテストする。
論文 参考訳(メタデータ) (2022-11-29T03:42:11Z) - Machine Learned Calabi-Yau Metrics and Curvature [0.0]
リッチ・フラット(カラビ・ヤウ)計量の発見は、弦理論や現象学に深い意味を持つ幾何学における長期的問題である。
この問題に対する新たな攻撃は、ニューラルネットワークを使用して、与えられたK"ahlerクラス内のカラビ・ヤウ計量への近似を工学する。
論文 参考訳(メタデータ) (2022-11-17T18:59:03Z) - FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。
Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文 参考訳(メタデータ) (2022-10-26T00:23:36Z) - An example of use of Variational Methods in Quantum Machine Learning [0.0]
本稿では,平面上の特定の幾何学的パターンの点を二項分類する量子ニューラルネットワークを提案する。
その意図は、ポイントを正しく認識し分類できる最小限のトレーニング可能なパラメータを持つ量子ディープニューラルネットワークを作ることであった。
論文 参考訳(メタデータ) (2022-08-07T03:52:42Z) - Heterotic String Model Building with Monad Bundles and Reinforcement
Learning [0.0]
モナド束を持つカラビ・ヤウ3次元多様体上の異方性SO GUTモデルについて検討した。
モナド束の探索には強化学習が有効であることを示す。
論文 参考訳(メタデータ) (2021-08-16T19:04:19Z) - NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One
Go [109.88509362837475]
入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。
NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。
異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
論文 参考訳(メタデータ) (2021-06-17T12:25:44Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳(メタデータ) (2020-10-23T14:49:02Z) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳(メタデータ) (2020-02-24T14:13:29Z) - Learning Gaussian Graphical Models via Multiplicative Weights [54.252053139374205]
乗算重み更新法に基づいて,Klivans と Meka のアルゴリズムを適用した。
アルゴリズムは、文献の他のものと質的に類似したサンプル複雑性境界を楽しみます。
ランタイムが低い$O(mp2)$で、$m$サンプルと$p$ノードの場合には、簡単にオンライン形式で実装できる。
論文 参考訳(メタデータ) (2020-02-20T10:50:58Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。