एक अपूर्ण सिद्धता तुम्हाला सर्वात उपयुक्त गोष्ट काय सांगू शकते ती म्हणजे ती नेमकी कुठे तुटते, आणि ही सिद्धता सुमारे डझनभर विशिष्ट ठिकाणी तुटते.
कार्यकारी सारांश
- या कामात दोन भाग आहेत. पहिला भाग व्यस्त-बेरीज समस्येसाठी युक्तिवाद विकसित करतो. दुसरा भाग प्रत्येक निश्चित श्रेढी लांबीसाठी अर्ध-बहुपदी मर्यादा शोधतो, आणि ते उद्दिष्ट साध्य झालेले नाही.
- ब्लूम आणि सिसास्क यांचा तीन-पदीय व्यस्त-बेरीज निकाल ही याची आधाररेषा आहे. केवळ गुणात्मक घनता घट (qualitative density decay) युक्तिवादाला आवश्यक असलेली बेरीजक्षमता (summability) पुरवत नाही.
- अनेक मार्ग वापरून पाहिले गेले: संरचित परिवेश संच (structured ambient sets), एकाच वेळी वारंवारता संरेखन (simultaneous frequency alignment), विरळ मोजणी लेम्मा, क्रूट-सिसास्क (Croot-Sisask) स्मूदिंग, लिफ्टिंग आणि पुनरावृत्ती, कॉर्नर्स, आणि p = log M प्रमाणावर एन्ट्रॉपी. प्रत्येकाला एका स्पष्ट अडथळ्याचा सामना करावा लागला.
- निर्बंध लेम्मा किंवा विरळ मोजणी तत्त्वाशिवाय अंतिम आकडेमोड अपूर्ण सोडण्यात आली.
- संस्थापक आणि तांत्रिक प्रमुखांसाठी, धडा कार्यपद्धतीबद्दल आहे: नाव दिलेल्या अपयशांचा लेखाजोखा हा आत्मविश्वासाने मांडलेल्या कच्च्या आराखड्यापेक्षा अधिक विश्वासार्ह निष्कर्ष असतो.
दोन कामे, आणि त्यापैकी फक्त एकाचाच दावा केला गेला होता #
ही सामग्री दोन कामांमध्ये विभागली गेली आहे, आणि त्यांचा दर्जा वेगळा ठेवणे महत्त्वाचे आहे. पहिले काम व्यस्त-बेरीज समस्येसाठी युक्तिवाद विकसित करते. दुसरे काम प्रत्येक निश्चित श्रेढी लांबीसाठी अर्ध-बहुपदी मर्यादा शोधते. इथे क्रियापदे महत्त्वाची आहेत. पहिल्या कामाचे वर्णन युक्तिवाद विकसित करणे असे केले आहे. दुसरे काम केवळ मर्यादा शोधते. नोंदीमध्ये कुठेही असे म्हटलेले नाही की दुसरे उद्दिष्ट गाठले गेले, आणि मी संपूर्ण लेखात त्याकडे एक लक्ष्य म्हणूनच पाहीन.
सहाय्यक शून्यातून सुरुवात करत नाही. तो ब्लूम आणि सिसास्क यांचा तीन-पदीय व्यस्त-बेरीज निकाल आधाररेषा म्हणून वापरतो. त्यानंतरचे सर्व काही या आधाररेषेच्या पुढे जाण्याचा प्रयत्न आहे, एकतर लांब श्रेढींच्या दिशेने किंवा अधिक मजबूत संख्यात्मक विधानाच्या दिशेने. चिन्हांकन (notation) सुरुवातीलाच निश्चित केले जाते. प्रत्येक k साठी, r_k(N) हा कोणत्याही गैर-क्षुल्लक (nontrivial) k-पदीय श्रेढीशिवाय {1, ..., N} च्या उपसंचाचा सर्वात मोठा आकार आहे. घनता α = |A|/N असलेला संच A हा अभ्यासाचा विषय आहे, आणि सामान्यीकृत फलन (normalised function) f = 1_A/α आहे.
ते सामान्यीकरण पुढील बहुतेक गोष्टींना चालना देते. μ = 1_A/α अशी व्याख्या करा, जेणेकरून E[μ] = 1 असेल, आणि M = α^-1 निश्चित करा. तेव्हा लॉगरिदमिक विरळता (logarithmic sparsity) p = log(1/α) असते, जी log M सारखीच आहे. संच जितका अधिक विरळ असेल, तितके M आणि p मोठे होतात. खालील प्रत्येक अडथळा, एका किंवा दुसऱ्या स्वरूपात, ही विरळता वाढत असताना काय होते याबद्दलचे विधान आहे.
घनता घट म्हणजे बेरीजक्षमता नव्हे #
पहिला अडथळा कोणत्याही फूरियर विश्लेषणापूर्वी, युक्तिवादाच्या रचनेच्या पातळीवर दिसून येतो. नोंदीमध्ये स्पष्टपणे म्हटले आहे की केवळ गुणात्मक घनता घट ही बेरीजक्षमता पुरवत नाही. आपण विविध प्रमाणांमधून पुढे जाताना घनता आकुंचन पावते हे माहित असणे पुरेसे नाही. व्यस्त-बेरीज समस्येमध्ये बेरीज करता येण्याइतपत आकुंचन संख्यात्मकरीत्या मोजले जाणे आवश्यक असते.
यातून सुटण्याचा एक आकर्षक मार्ग म्हणजे पुनरावृत्ती सूत्र (recurrence). टिपांमध्ये म्हटले आहे की टोकाच्या श्रेढी-मुक्त घनतेसाठी पुरेसे मजबूत पुनरावृत्ती सूत्र घातांकीय प्रमाणांवर (exponential scales) बेरीजक्षमता देऊ शकते. ते वाक्य सावधगिरीने मांडले आहे, आणि ते तसेच सावध राहिले पाहिजे. एक काल्पनिक मजबूत पुनरावृत्ती सूत्र काय करू शकते याचे ते वर्णन करते. ते अशा सूत्राची नोंद करत नाही.
दुसरा खर्च पहिल्यापेक्षा वेगळा आहे. सहाय्यक अनेक कमकुवत सहसंबंधांच्या (weak correlations) संचयाला एक अतिरिक्त खर्च म्हणून ओळखतो. प्रत्येक वैयक्तिक सहसंबंध निरुपद्रवी असू शकतो, परंतु त्यांची बेरीज निरुपद्रवी नसते. ही कल्पना पुन्हा पुन्हा येते: एक पाऊल जे एकदा स्वस्त असते, ते जेव्हा पुन्हा पुन्हा करावे लागते तेव्हा महाग होते.
रचना टिकवून ठेवणे, आणि तीन पदे सामान्यीकृत का होत नाहीत #
एक प्रस्तावित उपाय म्हणजे रचना टिकवून ठेवणे. सहाय्यक सलग वाढींमधून (successive increments) संरचित परिवेश संच टिकवून ठेवण्याचा प्रस्ताव मांडतो. मूळ स्रोतात सावधगिरीने मांडलेली कल्पना अशी आहे की एका टप्प्यावरून दुसऱ्या टप्प्यावर जाताना तुम्हाला एका टप्प्यावर सापडलेला संरचित संच तुम्ही फेकून देऊ नये.
तीन-पदीय प्रकरणात एक वैशिष्ट्य आहे जे लांब श्रेढींमध्ये नसते. तीन-पदीय श्रेढींसाठी उपयुक्त असलेली धनता यंत्रणा (positivity mechanism) थेट लांब मूळ मोजणीपर्यंत (rooted counts) विस्तारित होत नाही. तीनपेक्षा मोठ्या k साठी अडथळा विशिष्ट असलेल्या अनेक ठिकाणांपैकी हे पहिले ठिकाण आहे. नंतरची एक टीप सर्वसाधारण शब्दांत हाच मुद्दा मांडते: लांब श्रेढी पुढील उच्च-क्रमाचे अडथळे निर्माण करतात.
नोंदीमध्ये निश्चित एकरूपता मानके (uniformity norms) विरळ सामान्यीकृत फलनांवर नियंत्रण ठेवू शकतात का, यावरील टेन्सर-प्रोडक्ट (tensor-product) आराखडा समाविष्ट आहे. सहाय्यक हा आराखडा पूर्ण करत नाही. प्रश्न कोणत्याही बाजूने सुटला आहे असे सुचवण्यापेक्षा मी ती वस्तुस्थिती नोंदवणे पसंत करीन.
वारंवारता अनेक वेळा संरेखित करण्याऐवजी एकाच वेळी संरेखित करणे #
वारंवारता फलनांचे क्रमिक संरेखन (sequential alignment) ही अशी जागा आहे जिथे संचयाची समस्या सर्वात जास्त बोचते. जर प्रत्येक संरेखनाला थोडा खर्च येत असेल, तर त्यांच्या लांब साखळीला खूप जास्त खर्च येतो. क्रमिक संरेखनाद्वारे होणारे नुकसान साठवण्याऐवजी, सहाय्यक अनेक वारंवारता फलने एकाच वेळी संरेखित करण्याचा प्रस्ताव ठेवतो. समासातील टीप हे स्पष्टपणे सांगते: "सर्व वारंवारता एकाच वेळी संरेखित केल्यास कोणतेही पुनरावृत्ती नुकसान होत नाही." ज्या प्रस्तावाचा ती सारांश देते त्याप्रमाणेच हे वाक्यही अटीसह आहे, कारण जर एकाच वेळी केलेले संरेखन यशस्वी झाले तर त्यातून काय मिळेल याचे ते वर्णन करते.
त्यानंतर ती टीप अजून काय गहाळ आहे ते सांगते. S_h हे मोठ्या सहसंबंधांच्या, किमान exp(-poly), वारंवारतेवरून परत मिळवता येण्याजोगे असले पाहिजे. ती एक गरज राहिलेली आहे, निकाल नाही. जे सहसंबंध संघटित केले जात आहेत ते f(x)f(x + h) या जोडी गुणाकारांचे आहेत, जिथे f = 1_A/α आणि α = |A|/N आहे.
हे गृहीत धरूनही, सहाय्यकाला अजूनही सापेक्ष सहसंबंध टिकवून ठेवणे आणि मोजणीचा युक्तिवाद पूर्ण करणे आवश्यक आहे. त्यामुळे एकाच वेळी संरेखन करण्याच्या कल्पनेत एक आकर्षक गुणधर्म आहे - कोणतेही पुनरावृत्ती नुकसान नाही - आणि अशा गोष्टींची यादी आहे ज्यांची कोणीही पडताळणी केलेली नाही. संबंधित दृष्टिकोनाला संबंधित मर्यादा आहे. दुर्मिळ सुसंगत शिखरे (rare coherent peaks) छाटणे स्वतंत्र वारंवारता समूहांसाठी काम करते, परंतु अवलंबून असलेल्या समूहांपर्यंत (dependent clusters) तो युक्तिवाद विस्तारित करणे अद्याप अनुत्तरित आहे.
दुर्मिळ रिकामे तुकडे आणि अनुकूल भरणा करण्याची किंमत #
जेव्हा युक्तिवाद फूरियर-बाजूच्या हिशेबातून प्रत्यक्षात श्रेढी मोजण्याकडे वळतो, तेव्हा एक संरचनात्मक समस्या उद्भवते. सहाय्यक एक अडथळा ओळखतो: संरचित तुकड्यांवरील वरच्या घनता मर्यादा दुर्मिळ रिकाम्या तुकड्यांना मुभा देतात. एखाद्या तुकड्यात A चा किती भाग आहे यावरील वरची मर्यादा, त्या तुकड्यात A चा काही भाग आहे की नाही याबद्दल काहीही सांगत नाही. एक तुकडा जो दुर्मिळ आणि रिकामा आहे तो अशा तुकड्यांच्या कुटुंबात बसू शकतो जे सर्व त्या मर्यादेचे पालन करतात.
यावर एक प्रतिसाद म्हणजे अनुकूल भरणा (adaptive filling), आणि त्याचे स्वतःचे बिल असते. अनुकूल भरणा पुढील व्यवहार्यता अटी सादर करतो ज्या सहाय्यकाने सिद्ध केलेल्या नाहीत. दुर्मिळ खराब तुकडे वगळण्यासाठी मेजोरंट (majorant) हा एक नैसर्गिक मार्ग आहे. सहाय्यकाचा उद्धृत मजकूर सांगतो की सर्व दुर्मिळ अणूंवर मेजोरंट असणे बहुधा अवास्तव आहे. ही टिप्पणी सावध आहे, परंतु ती सर्वात थेट उपायापासून दूर निर्देश करते.
हाच तो पॅटर्न आहे जो उर्वरित नोंदीचे स्पष्टीकरण देतो. एका स्वस्त युक्तिवादाला कुठेतरी खालच्या मर्यादेची (lower bound) आवश्यकता असते, उपलब्ध साधने वरच्या मर्यादा देतात, आणि त्यांच्यामधील दरी दुर्मिळ, विरळ, रिकाम्या गोष्टींनी व्यापलेली असते.
विरळ मोजणी यंत्रणा उसनी घेणे, आणि उसना घेतलेला भाग पुरेसा नसल्याचे आढळणे #
सहाय्यकाने पार पडण्याच्या मार्गासाठी विद्यमान विरळ-मोजणी साहित्याकडे पाहिले. दोन स्रोतांनी या प्रयत्नाला आकार दिला.
कॉनलन-फॉक्स-झाओ (Conlon-Fox-Zhao) सघनीकरणाबाबत (densification), सहाय्यकाला असे आढळून आले की ते दुहेरी-बाजूच्या रेषीय-रूप अंदाजावर (two-sided linear-forms estimates) अवलंबून होते. हे महत्त्वाचे आहे कारण येथील रचनेत वरच्या-मर्यादेची रचना आहे, दुहेरी-बाजूची नाही. जेव्हा फक्त एकच बाजू माहित असते तेव्हा दुहेरी-बाजूच्या नियंत्रणावर बांधलेली पद्धत उपलब्ध नसते.
फिल्मस, हातामी, होसैनी आणि केलमन (Filmus, Hatami, Hosseini, and Kelman) यांच्या विरळ आलेख मोजणी लेम्माने असममित ग्रिड मोमेंट्स (asymmetric grid moments) आणि धन-अर्धनिश्चित असंतुलनासाठी (positive-semidefinite unbalancing) मॉडेल पुरवले. त्यामुळे त्याने थेट वापरता येणाऱ्या प्रमेयाऐवजी एका साच्याचे काम केले. असे असूनही, तीच अडचण परत आली. केवळ वरच्या मर्यादांना वारंवार विरळ छिद्रांचा सामना करावा लागला. आणखी एका गुंतागुंतीमुळे ग्रिड मोमेंट्स वाचणे कठीण होते: मोठे केंद्रित ग्रिड मोमेंट्स वरच्या दिशेने एकवटण्याऐवजी गहाळ वस्तुमान (missing mass) दर्शवू शकतात. मोठा मोमेंट हा एकवटण्याचा पुरावा असल्यासारखा दिसतो, परंतु तो तिथे नसलेल्या वस्तुमानाद्वारे देखील तितक्याच प्रमाणात तयार होऊ शकतो. ती संदिग्धता म्हणजे मोमेंटच्या बाजूने पाहिलेली विरळ-छिद्र समस्या आहे.
त्यानंतर सहाय्यकाने M मधील लहान घातांक नुकसानाचा (small power losses) विचार केला. त्याला कोणतेही योग्य मोजणी प्रमेय मिळाले नाही. हा एक स्वच्छ नकारात्मक निकाल आहे, आणि तो कार्यक्षेत्र मर्यादित करतो: युक्तिवादाला M चा लहान घातांक गमावण्याची परवानगी देऊनही, कोणतेही योग्य मोजणी प्रमेय सापडले नाही.
स्मूदिंग लागू करणे खूप महाग होते #
मोजणीपूर्वी संच नियमित (regularise) करण्यासाठी क्रूट-सिसास्क स्मूदिंग हा एक प्रमाणित मार्ग आहे. सहाय्यकाने याचा विचार केला आणि त्याला असे आढळून आले की प्रस्तावित वापरासाठी आवश्यक असलेली अचूकता खूप महाग होती. पद्धत चुकीची नव्हती. तिची किंमत युक्तिवाद देऊ शकणाऱ्या किमतीपेक्षा जास्त होती.
हेच अर्थशास्त्र इतर मार्गांना नियंत्रित करते. फायबर युक्तिवादांसाठी (fibre arguments), फायबर मर्यादा आपोआप गुणल्या गेल्या नाहीत, आणि स्थिर-नॉर्म गोलांनी (constant-norm spheres) निश्चित अंक वर्णमालांवर (fixed digit alphabets) अपेक्षित असलेल्या मजबूत घटीत अडथळा आणला. गुणाकार रचना असे सुचवते की तुकड्यांवरील मर्यादा एकत्र येऊन संपूर्ण संचावर एक मर्यादा तयार झाली पाहिजे, आणि इथे तसे झाले नाही. लिफ्टिंग आणि पुनरावृत्तीच्या प्रयत्नात अजूनही संख्यात्मकदृष्ट्या खूप जास्त नुकसान झाले.
त्यानंतर बेन-सॅसन-रॉन-झेवी (Ben-Sasson-Ron-Zewi) यांच्या अंदाजे-द्वैत दृष्टिकोनाचा विचार केला गेला. सहाय्यकाला असे आढळले की विचाराधीन पुनरावृत्ती संख्यात्मकदृष्ट्या खूप जास्त गमावते. हा लिफ्टिंगच्या प्रयत्नासारखाच निकाल आहे, जो एका वेगळ्या दिशेने पोहोचला आहे, जे असे सुचवते की अडचण कोणत्याही एका रचनेत नसून स्वतः पुनरावृत्तीमध्येच आहे. मी हे सिद्ध झालेले निदान म्हणून नाही, तर त्या पॅटर्नबद्दलचे एक निरीक्षण म्हणून मांडतो.
आशावादाची एक ओळ, आणि तिला सुरुंग लावणारे अंकगणित #
नोंदीमध्ये प्रगती झाल्यासारखा वाटणारा एक क्षण आहे. सहाय्यकाचा उद्धृत मजकूर उद्गारवाचक चिन्हासह असा दावा करतो की गुणाकारांच्या कोटीतील चढ-उतार (products degree fluctuations) बहुपदी अचूकतेने (polynomial precision) हाताळले जातात! हा एक सावध दावा आहे, जो सहाय्यकाने जसा लिहिला तसाच उद्धृत केला आहे.
सहाय्यकाच्या नंतर यातील समस्या लक्षात आली. चिन्हांकित विस्तारांमध्ये (signed expansions) 2^p च्या क्रमाचे निरपेक्ष वस्तुमान (absolute mass) असू शकते, जे बहुपदी अचूकतेला पूर्णपणे निष्प्रभ करते. लक्षात घ्या की p = log M आहे. M मधील बहुपदी अचूकता हे एक माफक लक्ष्य आहे, तर 2^p च्या क्रमाचे वस्तुमान असलेला चिन्हांकित विस्तार घातांकीयदृष्ट्या खूप मोठा असतो. अचूकता खरी आहे, परंतु ती ज्या रद्दबातलीवर (cancellation) अवलंबून असते ती इतके वस्तुमान शोषून घेऊ शकत नाही.
मला ही लेखाजोख्यातील सर्वात बोधप्रद नोंद वाटते, कारण ती स्वयं-तपासणी काम करत असल्याचे दर्शवते. उद्गारवाचक चिन्हासह केलेला दावा पुन्हा उघडला गेला, आणि तो ज्या अंकगणितावर अवलंबून होता ते अपुरे पडल्याचे आढळले. कामाची प्रामाणिक नोंद अशीच दिसते. उत्साह आणि दुरुस्ती या दोन्ही गोष्टी एकाच दस्तऐवजात एकत्र बसतात.
कॉर्नर्स आणि बॉक्सेस लांब श्रेढींमध्ये जोडले जात नाहीत #
एक वेगळी रणनीती म्हणजे एका मजबूत ज्ञात निकालाचा पायरी म्हणून वापर करणे. अर्ध-बहुपदी कॉर्नर्स मर्यादा (quasipolynomial corners bound) हे संबंधित साधन आहे, परंतु त्यातून मिळालेल्या कॉर्नर्सनी आपोआप लांब श्रेढी तयार केल्या नाहीत. कॉर्नर हा द्विमितीय पॅटर्न आहे आणि लांब श्रेढी हा एकमितीय पॅटर्न आहे, आणि त्यांच्यामधील प्रवास आपोआप होत नाही.
चार-पदीय बॉक्स मोजणी (four-term box count) एक संबंधित अडचण सादर करते. चार-पदीय बॉक्स मोजणीच्या धनतेने तिच्या अपवादात्मक कर्णावर (exceptional diagonal) नियंत्रण ठेवले नाही. धन मोजणीवर अजूनही अपभ्रष्ट रचनांचे (degenerate configurations) वर्चस्व असू शकते, आणि कर्ण ही अशी जागा आहे जिथे त्या राहतात.
टिपा पुढे जाण्याचा एक संभावित मार्ग सुचवतात, जो काळजीपूर्वक अटींसह मांडला आहे. पूर्ण बॉक्स नॉर्म्स (complete box norms) केवळ वरच्या मोजण्या खालच्या श्रेढी मोजण्यांना भाग पाडू शकतात का, याचे संभाव्य तंत्र देतात. हा प्रश्न - एकतर्फी माहिती खालच्या मर्यादेला भाग पाडू शकते का - हाच तो प्रश्न आहे ज्याभोवती संपूर्ण प्रकल्प फिरत राहतो. तरीही याचा विस्तार कुठपर्यंत होतो याला मर्यादा आहे. ऋण घनीय योगदान (negative cubic contributions) श्रेढी प्रणालींमध्ये थेट विस्तार करण्यास अडथळा आणतात.
p = log M प्रमाणावर एन्ट्रॉपीकडे वळणे #
थेट मोजणीचे मार्ग बंद झाल्यामुळे, उच्च मोमेंट्सच्या केली-मेका (Kelley-Meka) वापराचा आधार घेत, तपास p = log M या प्रमाणावरील एन्ट्रॉपीकडे वळला. प्रमाणाची निवड लहरी नाही: p = log M ही सुरुवातीलाच व्याख्या केलेली नेमकी लॉगरिदमिक विरळता आहे.
सहाय्यकाचा उद्धृत मजकूर अऋणता (nonnegativity) आणि वारंवारता वियोज्यता (frequency dissociativity - Chang) द्वारे L2 ऐवजी एन्ट्रॉपी वापरण्याचा प्रस्ताव देतो. हा एक प्रस्ताव आहे, निकाल नाही. यामागील तर्क असा आहे की μ = 1_A/α हे अऋण आहे, आणि चांगची वियोज्यता वारंवारतेच्या बाजूला रचना देते, त्यामुळे एन्ट्रॉपी ते काम करू शकते जे L2 राशी करू शकत नाही.
हे काम करण्यासाठी सहाय्यकाला एका विशिष्ट विश्लेषणात्मक इनपुटची आवश्यकता होती. सहाय्यकाने योग्य स्थानिक वरच्या मर्यादांखाली, मर्यादित (bounded) g आणि निश्चित q > 2 साठी फूरियर निर्बंध अंदाज ||g_hat||_q = O(1) शोधला. हे एक लक्ष्य होते. ते सिद्ध झाले नव्हते.
पुढच्याच पावलावर अडथळा समोर आला. उच्च मोमेंट्समधून रचना काढताना खूप जास्त वस्तुमान गमावले गेले. उच्च मोमेंट्स ही अशी जागा आहे जिथे केली-मेका-शैलीतील युक्तिवादांना त्यांची ताकद मिळते, आणि इथे ती अशीही जागा ठरली जिथे युक्तिवादाने जे राखून ठेवणे गरजेचे होते ते गमावले.
सर्वात जवळ पोहोचलेली आकडेमोड #
अंतिम आकडेमोडीकडे स्वतंत्रपणे पाहणे गरजेचे आहे, कारण त्यात यश आणि अपयश दोन्ही आहेत. ती तिच्या कॉन्व्होल्यूशन गृहीतकांखाली पूर्ण अंतिम-बिंदू मर्यादेपर्यंत पोहोचते. हा एक खरा निकाल आहे, जो तसा मांडला गेला आहे, आणि त्याला "तिच्या कॉन्व्होल्यूशन गृहीतकांखाली" ही अट जोडलेली आहे. जेव्हा ती गृहीतके लागू होतात तेव्हा ही मर्यादा टिकते.
परंतु प्रस्तावित मोजणी युक्तिवादाला आवश्यक असलेला घातांक-तीनचा उंबरठा ओलांडण्यात ती अपयशी ठरते. सहाय्यकाच्या उताऱ्यात कॉन्व्होल्यूशन आणि कॅप (cap) मधून मिळालेल्या कमकुवत l3 मर्यादेची नोंद आहे, आणि अंतर्वेशनासाठी (interpolation) काटेकोरपणे अधिक चांगला घातांक (3 च्या खाली) आवश्यक असल्याचे म्हटले आहे. सोप्या भाषेत सांगायचे तर, आकडेमोड एका रेषेच्या नेमक्या चुकीच्या बाजूला उतरते. घातांक तीनवरील मर्यादा पुरेशी नाही, आणि अंतर्वेशनाला काटेकोरपणे काहीतरी अधिक चांगले हवे असते.
अशा जवळच्या हुकलेल्या संधीला "जवळजवळ पोहोचलोच" असे वाचण्याचा मोह होतो. मी त्याला विरोध करीन. आकडेमोड उंबरठ्यापासून किती दूर आहे हे नोंदीत म्हटलेले नाही, आणि एकाच घातांकाचे अंतर हे देखील संपूर्ण समस्या असू शकते. नोंद काय सांगते ते म्हणजे सहाय्यकाने निर्बंध लेम्मा किंवा विरळ मोजणी तत्त्व सिद्ध न करता आकडेमोड अपूर्ण सोडली. ते दोन गहाळ तुकडे म्हणजे या प्रकल्पाचे उघडे कर्ज आहे.
या लेखाजोख्याचे मूल्य काय आहे #
हा एक फसलेला प्रयत्न म्हणून मोडीत काढणे सोपे ठरेल. मला वाटते की संख्याशास्त्राच्या पलीकडेही लागू होणाऱ्या एका कारणास्तव, असा विचार करणे पुराव्याचा चुकीचा अर्थ लावणारे ठरेल.
हा दस्तऐवज विशिष्ट आहे. तो प्रत्येक वळणावर अडथळ्याचे नाव देतो: दुर्मिळ रिकामे तुकडे, ग्रिड मोमेंट्समधील गहाळ वस्तुमान, कॉनलन-फॉक्स-झाओ मधील दुहेरी-बाजूचे अंदाज, p मधील घातांकीय चिन्हांकित वस्तुमान, चार-पदीय बॉक्स मोजणीचा अपवादात्मक कर्ण, ऋण घनीय योगदान. तो सिद्ध झालेली मर्यादा आणि अपेक्षित यंत्रणा यांच्यात फरक करतो. तो बेरीजक्षमतेसाठीच्या पुनरावृत्ती सूत्राला काम करू शकणारी गोष्ट म्हणून चिन्हांकित करतो, आणि दुसऱ्या कामाला शोधली जात असलेली गोष्ट म्हणून मांडतो. सहाय्यकाने काय पूर्ण केले नाही हे तो स्पष्ट सांगतो.
AI-सहाय्यित संशोधनाचे मूल्यमापन करणाऱ्या संस्थापक किंवा तांत्रिक प्रमुखासाठी, हीच ती गोष्ट आहे जी शोधली पाहिजे. जी प्रणाली आत्मविश्वासपूर्ण, पूर्ण दिसणारा युक्तिवाद परत करते तिचे परीक्षण (audit) करणे कठीण असते. जी प्रणाली नाव दिलेल्या अपयशांची यादी परत करते, ज्यामध्ये एका जवळच्या-यशाला उंबरठ्यापेक्षा कमी पडल्याचे स्पष्टपणे चिन्हांकित केले आहे, तिचे ओळ अन् ओळ परीक्षण केले जाऊ शकते. कोणीही घातांक-तीनची समस्या, किंवा अवलंबून-असलेल्या-समूहाची समस्या हाती घेऊ शकतो, आणि सुरुवातीची स्थिती काय आहे हे जाणून घेऊ शकतो.
एक पॅटर्न असाही आहे जो थेट सांगण्यासारखा आहे. अनेक अपयशे ही संचयाची अपयशे आहेत: कमकुवत सहसंबंध जे एकत्र साठतात, क्रमिक संरेखन जे वाढत जातात, पुनरावृत्ती जी खूप जास्त गमावते, फायबर मर्यादा ज्या गुणाकार करण्यात अपयशी ठरतात. एक प्रस्तावित उपाय थेट यावरच लक्ष्य केंद्रित करतो - वारंवारता एकाच वेळी संरेखित करणे जेणेकरून कोणतेही पुनरावृत्ती नुकसान होणार नाही. हे अटीसह आहे, आणि त्याची पूर्वअट, मोठ्या सहसंबंधांच्या वारंवारतेवरून S_h परत मिळवणे, ही असिद्ध आहे. तरीही, नोंदीतील हा असा प्रस्ताव आहे जो सर्वात वारंवार येणाऱ्या तक्रारीला सर्वात थेट प्रतिसाद देतो.
त्यामुळे नोंदीने उपस्थित केलेला खुला प्रश्न अरुंद आणि तपासण्याजोगा आहे. आधीच अंतिम-बिंदू मर्यादा देणाऱ्या कॉन्व्होल्यूशन गृहीतकांखाली घातांक तीनपेक्षा काटेकोरपणे अधिक चांगली मर्यादा मिळवता येईल का? जर असेल, तर अंतर्वेशनाला काम करण्यासाठी काहीतरी मिळेल. जर नसेल, तर फूरियर निर्बंध मार्ग आणि विरळ मोजणी तत्त्व, ज्यापैकी कोणतेही सिद्ध झालेले नाही, या पुढे पाहण्याच्या जागा आहेत.
वारंवार विचारले जाणारे प्रश्न #
AI सहाय्यकाने तपासलेल्या दोन गणितीय समस्या कोणत्या होत्या?
सहाय्यकाने श्रेढी-मुक्त संचांशी संबंधित दोन जोडलेल्या कामांवर काम केले: व्यस्त-बेरीज समस्येसाठी युक्तिवाद विकसित करणे, आणि प्रत्येक निश्चित श्रेढी लांबी k साठी अर्ध-बहुपदी मर्यादा शोधणे. जरी याने ब्लूम आणि सिसास्क यांचा तीन-पदीय व्यस्त-बेरीज निकाल आधाररेषा म्हणून वापरला, तरी कोणत्याही श्रेढी लांबीसाठी अर्ध-बहुपदी मर्यादा साध्य झाली नाही.
वरच्या घनता मर्यादा आवश्यक मोजणी लेम्मा तयार करण्यात का अपयशी ठरल्या?
संरचित तुकड्यांवरील वरच्या घनता मर्यादा दुर्मिळ रिकाम्या तुकड्यांना मुभा देतात, याचा अर्थ एखाद्या तुकड्याच्या आत संच A चा किती भाग आहे यावरील वरची मर्यादा त्या तुकड्यात A चे कोणतेही घटक आहेत याची हमी देत नाही. अनेक प्रयत्नांमध्ये, केवळ वरच्या मर्यादांना वारंवार विरळ छिद्रांचा सामना करावा लागला, आणि मोठे केंद्रित ग्रिड मोमेंट्स वरच्या दिशेने एकवटण्याऐवजी गहाळ वस्तुमान दर्शवू शकत होते.
अंतिम आकडेमोड कुठे रखडली?
अंतिम आकडेमोड तिच्या मांडलेल्या कॉन्व्होल्यूशन गृहीतकांखाली पूर्ण अंतिम-बिंदू मर्यादेपर्यंत पोहोचली, परंतु तिने फक्त एक कमकुवत l3 मर्यादा तयार केली जी अंतर्वेशनासाठी आवश्यक असलेल्या काटेकोरपणे तीनपेक्षा कमी घातांकाचा उंबरठा ओलांडण्यात अपयशी ठरली. सहाय्यकाने फूरियर निर्बंध लेम्मा किंवा विरळ मोजणी तत्त्व सिद्ध न करता आकडेमोड अपूर्ण सोडली.
संदर्भ #
- Thomas F. Bloom and Olof Sisask, (2020). Breaking the logarithmic barrier in Roth's theorem on arithmetic progressions ⧉. arXiv.
- Zander Kelley and Raghu Meka, (2023). Strong Bounds for 3-Progressions ⧉. arXiv.
- David Conlon, Jacob Fox, and Yufei Zhao, (2014). A relative Szemerédi theorem ⧉. Geometric and Functional Analysis.
- Ernie Croot and Olof Sisask, (2010). A probabilistic technique for finding almost-periods of convolutions ⧉. Geometric and Functional Analysis.
शेवटचे पुनरावलोकन .
हा लेख क्रॉस-पोस्ट करा
Medium साठी स्वरूपित कॉपी करा
# श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/](https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/) एका AI सहाय्यकाने श्रेढी-मुक्त संचांबद्दलच्या दोन समस्यांवर काम केले: व्यस्त-बेरीज समस्येसाठी एक युक्तिवाद, आणि प्रत्येक निश्चित श्रेढी लांबीसाठी एक अर्ध-बहुपदी मर्यादा. यात ब्लूम आणि सिसास्क यांचा आधार घेतला. Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/
Mastodon साठी स्वरूपित कॉपी करा
श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau एका AI सहाय्यकाने श्रेढी-मुक्त संचांबद्दलच्या दोन समस्यांवर काम केले: व्यस्त-बेरीज समस्येसाठी एक युक्तिवाद, आणि प्रत्येक निश्चित श्रेढी लांबीसाठी एक अर्ध-बहुपदी मर्यादा. यात ब्लूम आणि सिसास्क यांचा आधार घेतला. https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/
LinkedIn साठी स्वरूपित कॉपी करा
श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau एका AI सहाय्यकाने श्रेढी-मुक्त संचांबद्दलच्या दोन समस्यांवर काम केले: व्यस्त-बेरीज समस्येसाठी एक युक्तिवाद, आणि प्रत्येक निश्चित श्रेढी लांबीसाठी एक अर्ध-बहुपदी मर्यादा. येथे मुख्य धोरणात्मक मुद्दे आहेत: - दोन कामे, आणि त्यापैकी फक्त एकाचाच दावा केला गेला होता. ही सामग्री दोन कामांमध्ये विभागली गेली आहे, आणि त्यांचा दर्जा वेगळा ठेवणे महत्त्वाचे आहे. - घनता घट म्हणजे बेरीजक्षमता नव्हे. पहिला अडथळा कोणत्याही फूरियर विश्लेषणापूर्वी, युक्तिवादाच्या रचनेच्या पातळीवर दिसून येतो. - रचना टिकवून ठेवणे, आणि तीन पदे सामान्यीकृत का होत नाहीत. एक प्रस्तावित उपाय म्हणजे रचना टिकवून ठेवणे. - वारंवारता अनेक वेळा संरेखित करण्याऐवजी एकाच वेळी संरेखित करणे. वारंवारता फलनांचे क्रमिक संरेखन (sequential alignment) ही अशी जागा आहे जिथे संचयाची समस्या सर्वात जास्त बोचते. या लेखात मांडलेल्या आव्हानांसाठी तुमच्या संस्थेचा दृष्टिकोन काय आहे? → https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/ #Ai #हल्ला #श्रेढीमुक्त #संच #लेखाजोखा Sebastien Rousseau | CC-BY-4.0
हा लेख उद्धृत करा
श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau
एका AI सहाय्यकाने श्रेढी-मुक्त संचांबद्दलच्या दोन समस्यांवर काम केले: व्यस्त-बेरीज समस्येसाठी एक युक्तिवाद, आणि प्रत्येक निश्चित श्रेढी लांबीसाठी एक अर्ध-बहुपदी मर्यादा. यात ब्लूम आणि सिसास्क यांचा आधार घेतला.
BibTeX
@online{rousseau2026श,
author = {Rousseau, Sebastien},
title = {{श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/ ER -
Vancouver
Rousseau S. श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 24. Available from: https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/
Chicago
Rousseau, Sebastien. "श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau." sebastienrousseau.com. October 24, 2026. https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/.
APA
Rousseau, S. (2026, October 24). श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/
हा लेख पुनःप्रकाशित करा
श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau
एका AI सहाय्यकाने श्रेढी-मुक्त संचांबद्दलच्या दोन समस्यांवर काम केले: व्यस्त-बेरीज समस्येसाठी एक युक्तिवाद, आणि प्रत्येक निश्चित श्रेढी लांबीसाठी एक अर्ध-बहुपदी मर्यादा. यात ब्लूम आणि सिसास्क यांचा आधार घेतला.
हा लेख यानुसार परवानाकृत आहे Creative Commons Attribution 4.0 International. पुनःप्रकाशनासाठी कॅनॉनिकल URL ला श्रेय देणे आवश्यक आहे.
श्रेढी-मुक्त संचांवर एका AI चा हल्ला: जे रखडले त्याचा एक लेखाजोखा — Sebastien Rousseau एका AI सहाय्यकाने श्रेढी-मुक्त संचांबद्दलच्या दोन समस्यांवर काम केले: व्यस्त-बेरीज समस्येसाठी एक युक्तिवाद, आणि प्रत्येक निश्चित श्रेढी लांबीसाठी एक अर्ध-बहुपदी मर्यादा. यात ब्लूम आणि सिसास्क यांचा आधार घेतला. Originally published at https://sebastienrousseau.com/mr/2026-10-24-shredhi-mukt-snchanvar-eka-ai-halla/ by Sebastien Rousseau. Licensed under CC-BY-4.0.