陶哲轩上新项目:Lean中证明素数定理,研究蓝图都建好了

借助 Lean,陶哲轩又开始了新的项目。

「由 Alex Kontorovich 和我领导的一个新的 Lean 形式化项目刚刚正式宣布,该项目旨在形式化素数定理(prime number theorem,PNT)的证明,以及伴随而来的复分析和解析数论的支持机制,并计划给出进一步的结果如 Chebotarev 密度定理。」著名数学家陶哲轩在个人博客中写道。

素数定理是数学中的一个重要定理,描述了素数在自然数中的分布规律,该定理在数论中是一个比较重要的研究方向。

形式化证明本质上是一种计算机程序,但与 C++ 或 Python 中的传统程序不同,证明的正确性可以用证明助手(比如 Lean 语言)来验证。举例来说,陶哲轩在论文《A MACLAURIN TYPE INEOUALITY》中给出的证明只有不到一页,但形式化证明使用了 200 行 Lean 语言。

而陶哲轩的合作者 Alex Kontorovich 也是一位非常著名的数学家,现为罗格斯大学数学系特聘教授,主要研究方向是数论。

目前,这两位数学家合作的 Lean 形式化项目「PrimeNumberTheoremAnd」已经上传到 GitHub 上。

项目地址:github.com/AlexKontoro...

因为该项目刚建立不久,陶哲轩以及 Alex Kontorovich 还为此构建了一幅蓝图:

蓝图地址:alexkontorovich.github.io/PrimeNumber...

可以看出该蓝图包含 5 个部分:

第一部分介绍了项目的首要目标是在 Lean 中证明素数定理。他们表示该问题仍然是 Wiedijk 列出的需要形式化的 100 个定理中突出的问题之一。值得注意的是,PNT 之前已被形式化过,由 Avigad 等人在 Isabelle 中完成。而该项目的目标是将这项工作扩展到级数中的素数(Dirichlet 定理)、Chebotarev 密度定理等等。

目前,完成上述目标可以考虑下面三种方法:

最快的是 Michael Stoll 提出的「欧拉积」项目,该项目对 PNT 的证明只缺少 Wiener-Ikehara Tauberian 定理(对应第二部分)。

第二种是开发一些复分析,包括 residue calculus on rectangles 、 argument principle 和 Mellin 变换,从而得出一个仅包含渐近公式的素数定理(PNT)的证明(对应第三部分)。

第三种方法,也是三种方法中最通用的一种,包括阿达马因子分解定理、Hoffstein-Lockhart 等过程(对应第四部分)。

最后一部分是基本推论。

其实回顾陶哲轩以往的研究,他都多次都提到过 Lean。简单来讲,Lean 是一种可帮助数学家验证定理的编程语言,用户可以在其中编写和验证证明。相比初代 Lean,现在最新的 Lean 4 版本进行了多项优化,包括更快的编译器、改进的错误处理和更好的与外部工具集成的能力等。现在,陶哲轩他们又将该工具用于素数定理的形式化证明,可见 Lean 已成为数学研究中的得力助手。

相关推荐
江_小_白1 小时前
自动驾驶之激光雷达
人工智能·机器学习·自动驾驶
yusaisai大鱼2 小时前
TensorFlow如何调用GPU?
人工智能·tensorflow
珠海新立电子科技有限公司5 小时前
FPC柔性线路板与智能生活的融合
人工智能·生活·制造
IT古董5 小时前
【机器学习】机器学习中用到的高等数学知识-8. 图论 (Graph Theory)
人工智能·机器学习·图论
曼城周杰伦5 小时前
自然语言处理:第六十三章 阿里Qwen2 & 2.5系列
人工智能·阿里云·语言模型·自然语言处理·chatgpt·nlp·gpt-3
余炜yw6 小时前
【LSTM实战】跨越千年,赋诗成文:用LSTM重现唐诗的韵律与情感
人工智能·rnn·深度学习
莫叫石榴姐6 小时前
数据科学与SQL:组距分组分析 | 区间分布问题
大数据·人工智能·sql·深度学习·算法·机器学习·数据挖掘
如若1236 小时前
利用 `OpenCV` 和 `Matplotlib` 库进行图像读取、颜色空间转换、掩膜创建、颜色替换
人工智能·opencv·matplotlib
YRr YRr7 小时前
深度学习:神经网络中的损失函数的使用
人工智能·深度学习·神经网络
ChaseDreamRunner7 小时前
迁移学习理论与应用
人工智能·机器学习·迁移学习