AIが解く世界の難問 · 数学 · arXiv · 2026-10-20
低ランク輸送シグネチャによる構造保存型の低次元化モデリング
原題: Structure-Preserving Reduced-Order Modeling via Low-Rank Transport Signatures
密度値の解をもつパラメータ化偏微分方程式は、輸送が支配的な状況では従来の線形低次元モデルによる近似が難しい。そこで最適輸送に基づく低次元化手法を提案し、基準密度を各密度へ運ぶKantorovichポテンシャルから輸送シグネチャを構成して、ニューラルネットワークでパラメータから係数への写像を学習する。再構成は基準密度の前進写像で得られるため質量と正値性の保存が組み込まれ、密度値の連続の方程式やBurgers方程式への適用では、輸送シグネチャが元の密度スナップショットより大幅に低いランク構造を持つことが示された。