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
用算法数值匹配,自动发现 π、e 等常数的连分数新猜想
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。
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。
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。
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。
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。
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。
“Their paper is also free to read on arXiv:”