Fugu-MT 論文翻訳(概要): Lower Bounds for Advection-Diffusion Equations: An Exploration with AI-Generated Proofs

論文の概要: Lower Bounds for Advection-Diffusion Equations: An Exploration with AI-Generated Proofs

arxiv url: http://arxiv.org/abs/2605.20623v1
Date: Wed, 20 May 2026 02:15:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-21 19:19:56.438617
Title: Lower Bounds for Advection-Diffusion Equations: An Exploration with AI-Generated Proofs
Title（参考訳）: 対流拡散方程式の下位境界:AI生成証明による探索
Abstract要約: 対流拡散方程式の明示的な下界を3つの設定で確立する。証明は、専門家の介入なしに、完全にマルチエージェントの数学証明システム、QEDによって生成された。
参考スコア（独自算出の注目度）: 2.5789241248034807
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We establish explicit lower bounds for advection-diffusion equations in three settings: a polynomial $\dot H^{-1}$ bound for inviscid shears with $u\in L^\infty_t W^{1,1}_y$, a uniform positive lower bound on the mixing scale for diffusive shears, and an exponential $L^2$ bound for rapidly oscillating time-periodic flows. All constants are explicit in the data. The proofs were generated entirely by a multi-agent math proving system, QED, without expert human intervention, serving as a test of AI's capability to produce rigorous mathematics.
Abstract（参考訳）: 多項式 $\dot H^{-1}$bound for inviscid shears with $u\in L^\infty_t W^{1,1}_y$, a uniform positive lower bound on the mix scale for diffusive shears, and an exponential $L^2$ bound for rapid oscillating time- periodic flow。すべての定数はデータ内で明示的である。証明は、AIが厳密な数学を生産する能力をテストするために、専門家の介入なしに、多エージェントの数学証明システム QED によって完全に生成される。

関連論文リスト

AI-Assisted Discovery of Convex Relaxations via Dual Agents [56.60366723277675]
すべての許容関数に対して下界が成り立ち、より強い境界を与える凸緩和から従うことを示す。理論は各エージェントを検証し、反例を検索し、報告されたすべての境界はインターバルにおける明示的な二重実現可能な点によって認証される。
論文参考訳（メタデータ） (2026-06-30T06:10:25Z)
Operator-Algebraic Methods for Asymptotic-Preserving Quantum Simulation of Open Systems [0.0]
我々は,量子計算資源を用いたマルチスケール物理システムのシミュレーションを行うための,数学的に厳密なフレームワークを開発した。自然アナログ進化や解析多様体射影による高速な緩和を実現する層状量子プロトコルがダイヤモンドノルムに一様に収束することを証明する。この研究は、古典的マルチスケール数値解析と量子シミュレーションアルゴリズムの間に、原理化された数学的ブリッジを提供する。
論文参考訳（メタデータ） (2026-05-16T19:27:58Z)
Hardness of High-Dimensional Linear Classification [58.29089693778071]
我々は、最大半空間離散性問題に対する次元下界の新たな指数関数を確立する。どちらも計算幾何学と機械学習の基本的問題であり、その正確で近似的な形式である。
論文参考訳（メタデータ） (2026-03-19T15:53:41Z)
Quantitative Convergence of Wasserstein Gradient Flows of Kernel Mean Discrepancies [10.511277414974613]
ケルネル平均離散関数のワッサーシュタイン勾配流の定量的収束について検討した。我々の設定は、特に無限幅および連続時間制限における浅層ニューラルネットワークのトレーニング力学をカバーしている。
論文参考訳（メタデータ） (2026-03-02T15:32:54Z)
Expressive Power of Deep Networks on Manifolds: Simultaneous Approximation [2.815765641180636]
境界重みを持つ定数深度$mathrmReLUk-1$ネットワークは、ソボレフ空間内の任意の関数を近似することができることを示す。また、必要なパラメータ数が対数係数に一致することを示すことで、我々の構成がほぼ最適であることを示す。
論文参考訳（メタデータ） (2025-09-11T11:28:20Z)
Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文参考訳（メタデータ） (2024-04-29T15:04:07Z)
Rigorous derivation of the Efimov effect in a simple model [68.8204255655161]
我々は、2体ゼロレンジ相互作用と、与えられた半径$a>0$の3体ハードコア反発を持つ$mathbbR3$の3つの同一ボソンの系を考える。
論文参考訳（メタデータ） (2023-06-21T10:11:28Z)
Fast Rates for Maximum Entropy Exploration [52.946307632704645]
エージェントが未知の環境下で活動し、報酬が得られない場合、強化学習(RL)における探索の課題に対処する。本研究では,最大エントロピー探索問題を2つの異なるタイプで検討する。訪問エントロピーには、$widetildemathcalO(H3S2A/varepsilon2)$ sample complexity を持つゲーム理論アルゴリズムを提案する。軌道エントロピーに対しては,次数$widetildemathcalO(mathrmpoly(S,)の複雑さのサンプルを持つ単純なアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-03-14T16:51:14Z)
Universality in the tripartite information after global quenches: (generalised) quantum XY models [0.0]
我々は、R'enyi-$alpha$ tripartite information $I_3(alpha)$ 定常状態における3つの隣接部分系が、等質状態と二成分状態の両方からの非相互作用スピン鎖における大域的クエンチの後に現れると考える。我々は、$I_3(alpha)$が無限長の極限においてもゼロではないような設定を特定し、はしご上の自由フェルミオン場の記述を効果的に量子場理論で記述する。
論文参考訳（メタデータ） (2023-02-02T18:50:42Z)
Mean-Square Analysis with An Application to Optimal Dimension Dependence of Langevin Monte Carlo [60.785586069299356]
この研究は、2-ワッサーシュタイン距離におけるサンプリング誤差の非同相解析のための一般的な枠組みを提供する。我々の理論解析は数値実験によってさらに検証される。
論文参考訳（メタデータ） (2021-09-08T18:00:05Z)
Optimal Robust Linear Regression in Nearly Linear Time [97.11565882347772]
学習者が生成モデル$Y = langle X,w* rangle + epsilon$から$n$のサンプルにアクセスできるような高次元頑健な線形回帰問題について検討する。 i) $X$ is L4-L2 hypercontractive, $mathbbE [XXtop]$ has bounded condition number and $epsilon$ has bounded variance, (ii) $X$ is sub-Gaussian with identity second moment and $epsilon$ is
論文参考訳（メタデータ） (2020-07-16T06:44:44Z)
Robustly Learning any Clusterable Mixture of Gaussians [55.41573600814391]
本研究では,高次元ガウス混合系の対向ロバスト条件下での効率的な学習性について検討する。理論的に最適に近い誤り証明である$tildeO(epsilon)$の情報を、$epsilon$-corrupted $k$-mixtureで学習するアルゴリズムを提供する。我々の主な技術的貢献は、ガウス混合系からの新しい頑健な識別可能性証明クラスターであり、これは正方形の定度証明システムによって捉えることができる。
論文参考訳（メタデータ） (2020-05-13T16:44:12Z)

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。