arXiv cs.LGは10月1日(現地時間)、アークシャイ・バルサブラーマニ氏の論文を公開し、同氏がグラフ上のコスト拡張シュレーディンガーブリッジ（Schrödinger bridge）問題に対する厳密な解法を提案したと発表した。この手法は、従来の学習ベースの制御ではなく、ファインマン・カッツ傾斜（Feynman-Kac tilt）を導入することで、状態コストを考慮した質量移動問題を正確に解く。時間離散化や学習の必要性を排除し、計算効率の大幅な向上を実現する。
アークシャイ・バルサブラーマニ氏は今回の研究で、グラフ上で二つの分布間を質量移動させる際に、経由する状態にコストを課す一般化されたシュレーディンガーブリッジ問題に取り組んだ。これまでの研究では、連続時間マルコフ連鎖のレートを学習し、時間差ペナルティを適用することでコストを補うアプローチが取られていた。
バルサブラーマニ氏は、状態コストをファインマン・カッツ傾斜（Feynman-Kac tilt）として参照プロセスに組み込むことにより、コスト拡張ブリッジが傾斜した参照に対する「プレーンな」ブリッジとして機能し、ペナルティが不要になることを実証した。このブリッジは、二つのエンドポイント再スケーリングを交互に適用することで厳密に計算される。各再スケーリングは、スパース行列の指数関数的適用によって行われ、時間的な離散化や学習が一切必要ない。この交互適用は、エンドポイント結合のみによって決定されるレートで収束するという。
具体的な応用例として、時間平均占有率に対する二次渋滞コストの場合、厳密なブリッジを中心とした減衰最良応答が、強凸関数の勾配降下法と等価であることが示された。その残差は誤差の限界を定める。タンパク質折り畳みモデルでは、自由エネルギーコストが折り畳み経路の期待される障壁を低下させることが確認された。また、学習ベースの手法が適用されていた道路網においても、厳密なブリッジのロールアウトがサンプリング誤差内でターゲットと一致し、数百万の交差点を持つネットワーク上でもメモリ使用量が線形に増加することが確認されている。
参考: arXiv cs.LG — 2026年10月2日 02:59 (JST)
原文ハイライト"a Feynman-Kac tilt replaces learned control"