按年被提到
20192019 · 1 次2026
数学、逻辑与理论›趣味数学与奇思妙想·arXiv:1907.00205 · cs.LG

The Ramanujan Machine: Automatically Generated Conjectures on Fundamental Constants

拉马努金机器:自动生成关于基本常数的猜想
Gal Raayoni, Shahar Gottlieb, George Pisha, Yoav Harris, Yahel Manor, Uri Mendlovic, Doron Haviv, Yaron Hadad, Ido Kaminer · 2019

用算法数值匹配,自动发现 π、e 等常数的连分数新猜想

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2019-07-19 · 最近 2021-02-15
3不同的人
3活跃月份
3讨论串
75被引(OpenAlex)

论文提出一种系统方法,利用推导基本常数数学公式的算法来揭示常数的内在结构。算法找到了数十个已知和此前未知的 π、e、卡塔兰常数以及黎曼 zeta 函数值的连分数表示,并给出两个目前尚未证明的猜想。作者介绍了两种有效的算法:中间相遇(MITM)和针对连分数递归结构定制的梯度下降(GD);两者都基于数值匹配,因此只提出公式而不提供证明,也不需要底层数学结构的先验知识。

HN 为什么提它

评论者在谈到该项目时说明论文可以在 arXiv 上免费阅读,并概括其算法通过数值匹配为常数生成猜想。

方法难度 3 / 5约 50 分钟经得起时间
读之前最好知道
1连分数(continued fractions)
2基本数学常数 π、e 与 zeta 函数
3中间相遇算法
4梯度下降
5数值匹配与猜想验证

学习路径

读这篇之前,按顺序读书架上的 3 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出

这篇不是神经网络方法,候选论文只提供机器辅助数学发现的背景:定理证明、符号数学和符号回归。

  1. 1
    HOList: An Environment for Machine Learning of Higher-Order Theorem ProvingHOList:高阶定理证明的机器学习环境 · 2019

    机器学习用于形式化数学证明,是机器辅助数学的一个方向。

    读抓环境与基准的设定,对比本文的猜想生成。

  2. 2
    Deep Learning for Symbolic Mathematics用于符号数学的深度学习 · 2019

    神经模型直接做符号积分,展示符号数学任务的难度。

    读抓如何把表达式变成序列,以及与传统系统的比较。

  3. 3
    AI Feynman: a Physics-Inspired Method for Symbolic RegressionAI Feynman:受物理启发的符号回归方法 · 2019

    从数据中恢复公式的符号回归,与自动发现常数公式的目标相近。

    读抓用物理启发的简化技巧恢复公式的流程。

  4. 4
    The Ramanujan Machine: Automatically Generated Conjectures on Fundamental Constants拉马努金机器:自动生成关于基本常数的猜想 · 2019 · 就是这篇

    用算法数值匹配,自动发现 π、e 等常数的连分数新猜想。

    读抓连分数的数值匹配搜索算法及已得到的猜想。

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用fxj · 2021-02

“Their paper is also free to read on arXiv:”

附上论文的 arXiv 免费链接,它用算法自动生成基本常数的猜想
Generating conjectures on fundamental constants with the Ramanujan Machine原评论 ↗
被提交为 story · 2 次