論文の概要: Unsupervised Discovery of Formulas for Mathematical Constants
- arxiv url: http://arxiv.org/abs/2412.16818v1
- Date: Sun, 22 Dec 2024 01:43:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:52:38.507721
- Title: Unsupervised Discovery of Formulas for Mathematical Constants
- Title(参考訳): 数学的定数の公式の教師なし発見
- Authors: Michael Shalyt, Uri Seligmann, Itay Beit Halachmi, Ofir David, Rotem Elimelech, Ido Kaminer,
- Abstract要約: 本稿では,これらの公式の分類,特徴化,パターン同定のための体系的手法を提案する。
我々の方法論の鍵となるのは、公式の数値ではなく、公式の収束力学に基づくメトリクスの導入である。
我々は1,768,900のそのような公式の集合上で我々の方法論を検証し、数学定数の既知の多くの公式を同定し、以前は知られていなかった$pi$, $ln(2)$, Gaus', Lemniscateの定数を発見した。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Ongoing efforts that span over decades show a rise of AI methods for accelerating scientific discovery, yet accelerating discovery in mathematics remains a persistent challenge for AI. Specifically, AI methods were not effective in creation of formulas for mathematical constants because each such formula must be correct for infinite digits of precision, with "near-true" formulas providing no insight toward the correct ones. Consequently, formula discovery lacks a clear distance metric needed to guide automated discovery in this realm. In this work, we propose a systematic methodology for categorization, characterization, and pattern identification of such formulas. The key to our methodology is introducing metrics based on the convergence dynamics of the formulas, rather than on the numerical value of the formula. These metrics enable the first automated clustering of mathematical formulas. We demonstrate this methodology on Polynomial Continued Fraction formulas, which are ubiquitous in their intrinsic connections to mathematical constants, and generalize many mathematical functions and structures. We test our methodology on a set of 1,768,900 such formulas, identifying many known formulas for mathematical constants, and discover previously unknown formulas for $\pi$, $\ln(2)$, Gauss', and Lemniscate's constants. The uncovered patterns enable a direct generalization of individual formulas to infinite families, unveiling rich mathematical structures. This success paves the way towards a generative model that creates formulas fulfilling specified mathematical properties, accelerating the rate of discovery of useful formulas.
- Abstract(参考訳): 何十年も続く努力は、科学的な発見を加速するAI手法の台頭を示しているが、数学の発見を加速することは、AIにとって永続的な課題である。
具体的には、AI法は数学定数の式を作成するのに効果的ではなかった、なぜならそれぞれの式は無限桁の精度で正しいものでなければならないからである。
その結果、公式発見は、この領域における自動発見を導くのに必要な明確な距離の基準を欠いている。
本研究では,これらの公式の分類,特徴化,パターン同定のための体系的手法を提案する。
我々の方法論の鍵は、公式の数値ではなく、公式の収束力学に基づくメトリクスを導入することである。
これらのメトリクスは、数学式を初めて自動でクラスタリングすることを可能にする。
本手法は, 数学的定数に固有な関係をユビキタスに持つ多項連続分数式上で実証し, 多くの数学的関数や構造を一般化する。
我々は、この手法を1,768,900のそのような公式の集合上でテストし、数学的定数の多くの既知の公式を同定し、以前は知られていなかった$\pi$, $\ln(2)$, Gaus', Lemniscateの定数の式を発見した。
発見されていないパターンは、個々の公式を無限族へ直接一般化し、リッチな数学的構造を明らかにする。
この成功は、特定の数学的性質を満たす公式を生成する生成モデルへの道を開き、有用な公式の発見の速度を加速させる。
関連論文リスト
- LeanAgent: Lifelong Learning for Formal Theorem Proving [85.39415834798385]
フォーマルな定理証明のための新しい生涯学習フレームワークであるLeanAgentを紹介する。
LeanAgentは継続的に一般化し、拡張可能な数学的知識を改善します。
以前、23のリーンリポジトリで人間が公式に証明していなかった155の定理の証明に成功した。
論文 参考訳(メタデータ) (2024-10-08T17:11:24Z) - Algorithm-assisted discovery of an intrinsic order among mathematical
constants [3.7689882895317037]
基礎数学的定数に対する連続的な分数式を前例のない数で発見するコンピュータアルゴリズムを開発した。
多数の公式は、保守行列場と呼ばれる新しい数学的構造を明らかにする。
そのような行列場は数千の既存の公式を統一し、無限に多くの新しい公式を生成し、異なる数学的定数間の予期せぬ関係をもたらす。
論文 参考訳(メタデータ) (2023-08-22T23:27:47Z) - Towards true discovery of the differential equations [57.089645396998506]
微分方程式探索は、解釈可能なモデルを開発するために使用される機械学習サブフィールドである。
本稿では,専門家の入力を伴わない独立方程式発見のための前提条件とツールについて検討する。
論文 参考訳(メタデータ) (2023-08-09T12:03:12Z) - Automated Search for Conjectures on Mathematical Constants using
Analysis of Integer Sequences [0.0]
基本的な数学的定数を含む公式は、科学と数学の様々な分野に大きな影響を与えた。
ラマヌジャン機械計画のような数学定数の公式の発見を自動化しようとする最近の試みは、徹底的な探索に依存していた。
ここでは、整数列の解析を通して、数学的定数の予想を探索する根本的に異なる方法を提案する。
論文 参考訳(メタデータ) (2022-12-13T18:01:21Z) - Arbitrarily Large Labelled Random Satisfiability Formulas for Machine
Learning Training [5.414308305392762]
決定問題を解くことなく、任意の大きさのランダムな式を正しくラベル付けする方法を示す。
我々は1万変数の式で満足度を予測するタスクのために、既存の最先端モデルを訓練する。
同じデータセットで99%をランダムに推測するのに勝るものは見当たらない。
論文 参考訳(メタデータ) (2022-11-21T17:52:13Z) - Analytical calculation formulas for capacities of classical and
classical-quantum channels [61.12008553173672]
我々は,古典チャネルのチャネル容量を反復なく解析的に計算する公式を導出する。
拡張解析アルゴリズムもイテレーションがなく、正確な最適値が出力される。
論文 参考訳(メタデータ) (2022-01-07T13:39:09Z) - NaturalProofs: Mathematical Theorem Proving in Natural Language [132.99913141409968]
数学的ステートメントの多領域コーパスであるNaturalProofsとその証明を開発した。
NaturalProofsは広範なカバレッジ、深いカバレッジ、低リソースの数学的ソースを統一する。
数式参照検索と生成タスクに関する強力なニューラルネットワーク手法をベンチマークする。
論文 参考訳(メタデータ) (2021-03-24T03:14:48Z) - Bayesian Quadrature on Riemannian Data Manifolds [79.71142807798284]
データに固有の非線形幾何学構造をモデル化する原則的な方法が提供される。
しかし、これらの演算は通常計算的に要求される。
特に、正規法則上の積分を数値計算するためにベイズ二次(bq)に焦点を当てる。
先行知識と活発な探索手法を両立させることで,BQは必要な評価回数を大幅に削減できることを示す。
論文 参考訳(メタデータ) (2021-02-12T17:38:04Z) - Generative Language Modeling for Automated Theorem Proving [94.01137612934842]
この研究は、自動定理プロバーの人間に対する大きな制限が言語モデルから生成することで対処できる可能性によって動機づけられている。
本稿ではメタマス形式化言語のための自動証明と証明アシスタント GPT-f を提案し,その性能を解析する。
論文 参考訳(メタデータ) (2020-09-07T19:50:10Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。