Brian Yarbrough (ブライアン・ヤーブラフ) 氏らは11月16日(現地時間)、深層ReLUネットワークを含む非線形動的システムの漸近安定性を証明する新たなフレームワーク「Hyperlyve (ハイパーライブ)」を導入したと発表した。同フレームワークは、連続区分的アフィン (CPA) ニューラルLyapunov関数を反例誘導型帰納的合成 (CEGIS) ループ内で学習・形式的に保証し、安定性証明のプロセスを大幅に加速させる。

Hyperlyveの主要な技術革新は、深層ニューラルネットワークに広く用いられるReLU (整流化線形ユニット) 活性化関数によって形成される超平面配置を効率的に列挙する並列アルゴリズムにある。このアルゴリズムは、各多面体領域内でLyapunov条件が保持されることを形式的に証明することで、システムの安定性に関する厳密な保証を提供する。従来の安定性解析手法では困難であった、大規模なReLUネットワークにおける複雑な非線形性に対処するための画期的なアプローチだ。

研究チームは、関心のあるコンパクトな領域内において、区分的線形近似ではなく、正確な滑らかな動態の漸近安定性を検証するための、健全かつ完全な地域テストを導出した。これにより、検証結果の信頼性が向上し、実践的な応用への道が開かれる。さらに、CPAニューラルLyapunov検証問題の計算複雑度がco-NP完全であることを形式的に特徴付け、既存の研究における重要な理論的ギャップを埋める成果を上げた。

実証結果では、HyperlyveがReLUネットワークの列挙において、既存の競合ツールと比較して150倍以上の高速化を達成したことが示されている。この劇的な性能向上は、これまで最新の検証ツールでは処理が困難であった、より大規模かつ複雑なシステムの漸近安定性を証明することを可能にする。自律システムやAI制御システムなど、安全性が極めて重要な分野での応用が期待される。

本研究は、Brian Yarbrough氏、Jesse Wayment氏、Jingbo Wang氏、Philip E. Paré氏、Shreyas Sundaram氏によって執筆され、arXiv eess.SYにて発表された。


参考: arXiv eess.SY (アーカイブ) — 2026年11月17日 03:58 (JST)

原文ハイライト

"Parallelized Enumeration and Exact Lyapunov Stability Certification for Deep ReLU Networks"

この記事をシェア
X はてブ LinkedIn