[論文レビュー] Self-referential Functions

Michael F. Barnsley, Markus Hegland+1 more|arXiv (Cornell University)|Oct 5, 2016

Mathematical Dynamics and Fractals参考文献 8被引用数 5

ひとこと要約

本稿では、自己参照関数、特にフラクタル関数や多項式を生成する反復関数系（IFS）の構築に用いる基本的構成要素である「フラクテル（fractels）」を導入する。アフィンフラクテルを活用することで、ホーナーの法則の限界を克服し、再帰的行列乗算と向上した数値的安定性を備えた、効率的で自己修正可能な多項式およびベクトル値関数の評価アルゴリズムが開発される。

ABSTRACT

We introduce the concept of fractels for functions and discuss their analytic and algebraic properties. We also consider the representation of polynomials and analytic functions using fractels, and the consequences of these representations in numerical analysis.

研究の動機と目的

• 反復関数系（IFS）を用いた自己参照関数の構築におけるフラクテルの基本的構成要素としての概念を形式化すること。
• 多項式および解析関数をフラクテルで表現する枠組みを確立し、新たな数値的手法の実現を可能とすること。
• ホーナーの法則などの従来手法を凌駕する、数値的安定性および精度制御に優れた効率的で自己修正可能な関数評価アルゴリズムを開発すること。
• フラクテルに基づく構成を拡張して、関数の微分、シフト、基底関数を含めた、ベクトル値関数へのIFSフレームワークの一般化を行うこと。
• フラクテルに基づくIFS構成が、関数に内在する局所的対称性および自己参照的構造を自然に表現できることを示し、強固な近似スキームの構築を可能とすること。

提案手法

• フラクテルを、関数のグラフである吸引集合を生成する、局所的かつ収縮的写像として定義する。
• 関数空間へのIFS作用を定義するために、リード＝バジャクタレヴィッチ作用素を用い、固定点関数への収束を保証する。
• 多項式近似のためのアフィンフラクテルを構築する。その際、係数を行列変換に埋め込み、関数値に対して再帰的合成を用いて作用させる。
• 行列反復を $ J(d_k) $ を用いて実行し、dyadic有理数点での多項式評価を可能とし、行列乗算回数の増加に伴い精度を制御できる。
• 関数の対称性を符号化する $ G(x) $ を用いて、$ (x, y) $ を $ ((x+\tau)/2, My + (1-M)G(x)) $ に写像するフラクテルを定義することで、ベクトル値関数への一般化を図る。
• テイラー近似および平均値定理の推定を用いて $ G(x) $ の計算可能な形を導出し、複雑な関数の数値的近似を可能とする。

実験結果

リサーチクエスチョン

• RQ1 フラクテルは、IFSを用いた自己参照関数の構築における最小構成要素としてどのように定義可能か？
• RQ2 フラクテルが有する代数的および解析的性質は、安定的かつ効率的な関数近似を可能にする要因となるか？
• RQ3 フラクテルに基づくIFS構成は、ホーナーの法則などの古典的手法を上回る、多項式の数値的評価において優位性を示せるか？
• RQ4 フラクテルフレームワークは、微分やシフトされた関数値を含むベクトル値関数へとどのように拡張可能か？
• RQ5 フラクテルに基づくIFSは、滑らかな関数に内在する局所的対称性や自己参照的構造をどの程度自然に表現できるか？

主な発見

• フラクテルは、吸引集合が関数のグラフであるようなIFSを構築する自然で代数的な枠組みを提供し、多項式および解析関数を固定点として表現可能である。
• dyadic有理数 $ x = d_1.d_2d_3d_4\ldots $ における多項式 $ p(x) $ の評価は、行列乗算により行える：$ p(x) = \begin{pmatrix}1&0&0&0\end{pmatrix}J(d_k)\cdots J(d_1)\begin{pmatrix}a_0&a_1&a_2&a_3\end{pmatrix}^\top $。精度は追加の行列乗算1回につき1桁向上する。
• 多項式 $ p(x) = 1 + 3x + 2x^2 + x^3 $ に対して、$ p(1.2) = \frac{1151}{125} $ および $ p(1.23) = \frac{9576667}{1000000} $ が正しく計算され、反復的精錬により高い精度が達成されることを示している。
• IFSに基づく評価法は自己修正的である：初期の近似誤差は反復を重ねるうちに減少するが、ホーナーの法則とは異なり、丸め誤差は拡大される。
• フラクテルのベクトル値関数への拡張により、微分やシフト、基底関数（例：ウェーブレット）を含む関数の局所的IFSの構築が可能となり、高次近似が実現される。
• 本手法により動的精度制御が可能である：精度を向上させるには追加の1回の行列乗算でよく、ホーナーの法則とは異なり、高精度再計算を必要としない。