引导直觉解决数学猜想难题,DeepMind登上《Nature》封面
数学算法俱乐部
共 2767字,需浏览 6分钟
· 2021-12-14
日期 : 2021年12月12日
正文共 :2061字
顶尖数学家表示:「这是利用机器学习做出的第一个重大数学发现。」
随着计算机领域的飞速发展,利用计算机寻找数学模式变得越来越重要,因为计算机生成的数据量爆炸式激增。一些非常复杂的数学对象(例如具有数千个维度的对象),可能因为太深奥而无法直接推理。出于这些限制,DeepMind的研究者希望采用人工智能以全新的方式增强数学家的洞察力。
数学家的直觉在数学发现中扮演着极其重要的角色,只有结合严格的形式主义和良好的直觉才能解决复杂的数学问题。下图的框架描述了一种通用方法,数学家可以通过该方法使用机器学习工具来启发他们对复杂数学对象的直觉。这是一种自然且富有成效的方式,将统计学和机器学习很好地融入了数学研究。
从概念上讲,这个框架提供了一个直觉试验台,可以快速验证两个量之间的关系直觉是否值得研究,如果是,试验台会指导它们之间如何相关。DeepMind已经使用上述框架帮助数学家在两种情况下获得有影响力的数学结果。
DeepMind作为一家全球领先的人工智能公司,他们探索了机器学习 (ML) 在识别数学结构和模式方面的潜力。现在他们帮助数学家解决了一些数学难题,成为AI首次探索纯数学的前沿研究,相关论文今天已在《自然》杂志上发表。
具体来说,DeepMind与顶级数学家合作,将AI应用于纯数学中的两个领域:拓扑和表示论。其中DeepMind与牛津大学的 Marc Lackenby 教授和András Juhász 教授一起,通过研究纽结 (Knot)的结构发现了不同数学领域之间的意外联系;与悉尼大学的 Geordie Williamson 教授一起,DeepMind发现了一个关于排列猜想的新公式,该猜想几十年来一直未解决。
拓扑难题
低维拓扑是数学中一个活跃且有影响力的领域,DeepMind发现了纽结代数和几何不变量之间的关系,建立了数学中一个全新的定理。这些不变量有许多不同的推导方式,但DeepMind主要关注两大类:双曲不变量和代数不变量。这两种类型的不变量来自不同的数学学科,因此在它们之间建立联系是非常有趣的。
下图显示了纽结不变量的一些例子。
DeepMind假设在一个纽结的双曲不变量和代数不变量之间存在一种未被发现的关系。监督学习模型能够检测大量几何不变量和signature σ(K) 之间存在的模式,并用归因技术(attribution technique)确定最相关的特征。下图(a) 显示了cusp几何的三个不变量,图 3b 中部分地显示了其中的关系。
表示论难题
Geordie Williamson
组合不变性猜想指出某些有向图和多项式之间应该存在关系。DeepMind使用机器学习方法确认了这种关系确实存在,并确定其可能与称为破碎的二面角区间(broken dihedral interval)和外反射(extremal reflection)的结构有关。有了这些知识,Williamson教授就能够发现一个令人惊讶的算法来解决组合不变性猜想。
组合不变性猜想作为一个关于 KL 多项式的开放猜想,已经存在了约40年,但只有部分进展。在理解对象之间关系方面取得进展的一个障碍是 Bruhat 区间。下图给出了小 Bruhat 区间及其 KL 多项式的例子。
DeepMind的研究把组合不变性猜想作为初始假设,利用机器学习的方法发现了一个能够预测 KL 多项式Bruhat区间的监督学习模型,并且具有相当高的准确率。通过测试将 Bruhat 区间输入网络的方式,研究者发现某些图表和特征的选择特别有助于准确预测。特别地,借助更准确的估计函数,研究者还发现有一种受先前工作启发的子图足以计算 KL 多项式。
该研究已经在超过 300 万个示例中对新算法进行了计算验证,下图是表示论归因的例子。
研究者进一步探究了机器学习是否可以阐明不同数学对象之间的关系。下图显示了两个「Bruhat 区间」及其相关的「Kazhdan-Lusztig 多项式」其中,Bruhat 区间是一个图表,它代表了通过一次只交换两个对象来反转对象集合的顺序的所有不同方式。KL 多项式能够告诉数学家一些关于该图在高维空间中存在的不同方式的信息。当 Bruhat 区间有 100 或 1000 个顶点时,有趣的结构才开始出现。
参考文献:https://deepmind.com/blog/article/exploring-the-beauty-of-pure-mathematics-in-novel-ways
— THE END —
评论
字节面试:如何解决MQ消息积压问题?
面试题大全:www.javacn.siteMQ(Message Queue)消息积压问题指的是在消息队列中累积了大量未处理的消息,导致消息队列中的消息积压严重,超出系统处理能力,影响系统性能和稳定性的现象。1.消息积压是哪个环节的问题?MQ 执行有三大阶段:消息生产阶段。消息存储阶段。消息消费阶段。
Java中文社群
0
DeepMind具身智能“足球运动员”登Science Robotics 封面
大数据文摘受权转载自机器人大讲堂近日,Google DeepMind发表了一项突破性的研究成果,该公司利用深度强化学习方法,成功训练出了一个能够在简化版1v1足球比赛中灵活运动、高效进攻防守的 “足球运动员”机器人。这一研究不仅让双足机器人在动作技能上有了大幅提升,更为开发通用智能体迈出了
大数据文摘
0
Nature Communications | 紫杉醇途径解析方面取得重大突破
北京时间2024年3月15日,中国科学院分子植物科学卓越创新中心/中国科学院合成生物学重点实验室周志华研究员、赵国屏院士团队及中国科学院上海有机化学研究所马大为院士团队合作在国际知名学术期刊《自然-通讯》Nature Communications 发表了题为“Biosynthesis of the
生信宝典
0
分库分表后,数据库数据一致性问题如何解决?
来源:juejin.cn/post/6933003178661462023前言数据迁移分布式事务总结前言通过对数据的垂直拆分或水平拆分后,我们解决了数据库容量、性能等问题,但是将会面临数据迁移和数据一致性的问题。在数据迁移方面,需要考虑如何快速迁移、平滑迁移、不停机的迁移等。待数据迁移完毕后,还需要
java金融
0
面试官:MQ 消息丢失、重复、积压问题,如何解决?
点击关注上方“Stephen”,设为“置顶或星标”,第一时间送达干货面试官在面试候选人时,如果发现候选人的简历中写了在项目中使用了MQ 技术(如 Kafka、RabbitMQ、RocketMQ),基本都会抛出一个问题:在使用 MQ 的时候,怎么确保消息 100% 不丢失?这个问题在实际工作中很常见,
Stephen
0
贾佳亚团队新模型对标ChatGPT+DALL-E 3王炸组合!读懂梗图刷爆榜单,代码复现数学函数
来源:新智元【导读】贾佳亚团队提出VLM模型Mini-Gemini,堪比GPT-4+DALL-E 3王炸组合,一上线就刷爆了多模态任务榜单!读得懂梗图,做得了学术,用代码就能复现数学函数图。刷爆多模态任务榜单,超强视觉语言模型Mini-Gemini来了!效果堪称是开源社区版的GPT-4+DALL-E
AI算法与图像处理
10
深度学习需要多强的数学基础?
点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达作者:EddyLiuhttps://www.zhihu.com/question/266478287/answer/587489884有了基础的《概率/统计》、《线性代数》、《微积分》知识,就可以上手深度学习的算法和实践了。但经过
小白学视觉
10
2023图灵奖得主揭晓!史上首位计算机和数学最高奖“双料王”诞生
夕小瑶科技说 原创
作者 | Zicy重磅消息!北京时间4月10日下午5点整,ACM宣布把2023年图灵奖颁给Avi Wigderson,以表彰Wigderson对计算理论和随机性做出的奠基性贡献。ACM图灵奖通常被称为“计算机领域的诺贝尔奖”,奖金为100万美元,通常
AI算法与图像处理
10