Transformer打破三十年数学猜想,Meta研究者用AI给出反例,算法杀手攻克数学难题
一种名为PatternBoost的新方法在数学问题中寻找有趣的结构,这种方法结合了局部搜索和全局搜索。其核心思想是交替进行这两个阶段:首先使用传统算法生成许多理想的构造,然后利用Transformer神经网络对这些构造进行训练,再将训练好的模型用作下一个阶段的种子,并重复此过程。
这种方法在多个数学领域进行了测试,尤其在解决一些长期未解的问题上表现出色。例如,它不仅找到了某些问题的最佳已知解决方案,还反驳了一个悬而未决30年的猜想。一个具体的例子是在无4-圈问题上的应用,即在给定顶点数的情况下,构造尽可能多的边而不包含4个顶点组成的闭合路径。PatternBoost通过多轮迭代在这个问题上取得了比传统方法更好的结果。
另一个应用案例是关于图中没有三角形的最大边数问题。研究者发现,许多表现最优的图形都是二分图,这符合Turán三角定理或Mantel定理。然而,当问题变得更加复杂时,如涉及五边形等更复杂的结构时,研究者很难仅凭直觉找到规律。PatternBoost提供了一种通用的方法来逼近这些结构。具体步骤包括确定局部搜索方法和评分函数,创建起始数据库,训练Transformer,从Transformer获取新结构,运行本地搜索,以及重复这一过程。
此外,PatternBoost还在d-维超立方体直径为d的生成子图问题上取得突破。该问题最早由Niali Graham和Frank Harary提出,即在不增加其直径的情况下,可以从d-维超立方体中删除的最大边数是多少?研究者通过PatternBoost找到了一个反例,推翻了之前的猜想,这是30年来首次在这个问题上取得进展。
一些简单的数学问题近期挑战了一群先进的AI大模型,引发了业界关注
2024-07-17 13:26:31一道小学题难倒海内外8个大模型江苏省涟水中等专业学校的姜萍,一位数学才华横溢的少女,因其成功闯入2024年阿里巴巴全球数学竞赛决赛而迅速走红。网络上,不少人为她的成就点赞,好奇于她背后的故事及未来的规划
2024-06-14 13:51:39姜萍的数学天赋是怎么被发现的高考语文科目的考试已经落幕,通过对多地考生的采访反馈,普遍认为今年的试卷难度较为适中。考生们离开考场时的神情轻松愉快,笑容满面,显示出他们对考试表现的信心,几乎没有沮丧的迹象
2024-06-07 21:35:30考完数学老实了