అసంపూర్తిగా ఉన్న నిరూపణ మీకు చెప్పగల అత్యంత ఉపయోగకరమైన విషయం ఏమిటంటే అది సరిగ్గా ఎక్కడ విఫలమవుతుందో చూపించడం, మరియు ఈ నిరూపణ దాదాపు డజను నిర్దిష్ట ప్రదేశాలలో విఫలమవుతుంది.
కార్యనిర్వాహక సారాంశం
- ఈ పనిలో రెండు భాగాలు ఉన్నాయి. మొదటిది వ్యుత్పన్న-మొత్తం సమస్య కోసం ఒక వాదనను అభివృద్ధి చేస్తుంది. రెండవది ప్రతి స్థిర ప్రోగ్రెషన్ పొడవుకు ఒక క్వాసీపాలినామియల్ పరిమితిని అన్వేషిస్తుంది, మరియు ఆ లక్ష్యం చేరుకోలేదు.
- దీని ప్రాతిపదిక Bloom మరియు Sisask యొక్క మూడు-పదాల వ్యుత్పన్న-మొత్తం ఫలితం. గుణాత్మక సాంద్రత క్షీణత (qualitative density decay) మాత్రమే వాదనకు అవసరమైన సంకలన సామర్థ్యాన్ని (summability) అందించదు.
- అనేక విధానాలు ప్రయత్నించబడ్డాయి: నిర్మాణాత్మక పరిసర సమితులు (structured ambient sets), ఏకకాల పౌనఃపున్య అమరిక (simultaneous frequency alignment), విరళ లెక్కింపు లెమ్మాలు, Croot-Sisask స్మూతింగ్, లిఫ్టింగ్ మరియు పునరావృతం, మూలలు, మరియు p = log M స్కేల్ వద్ద ఎంట్రోపీ. ప్రతి ఒక్కటీ ఒక నిర్దిష్ట అడ్డంకిని ఎదుర్కొంది.
- నియంత్రణ లెమ్మా లేదా విరళ లెక్కింపు సూత్రం లేకుండానే తుది గణన అసంపూర్తిగా మిగిలిపోయింది.
- వ్యవస్థాపకులు మరియు సాంకేతిక నాయకులకు, ఇందులోని పాఠం పద్ధతికి సంబంధించినది: ఆత్మవిశ్వాసంతో కూడిన చిత్తుప్రతి కంటే, పేరు పెట్టబడిన వైఫల్యాల చిట్టా మరింత నమ్మదగిన ఫలితం.
రెండు కార్యాలు, మరియు వాటిలో ఒకటి మాత్రమే దావా చేయబడింది #
ఈ విషయం రెండు కార్యాలుగా విభజించబడింది, మరియు వాటి స్థితిని వేరుగా ఉంచడం విలువైనది. మొదటిది వ్యుత్పన్న-మొత్తం సమస్య కోసం ఒక వాదనను అభివృద్ధి చేస్తుంది. రెండవది ప్రతి స్థిర ప్రోగ్రెషన్ పొడవుకు ఒక క్వాసీపాలినామియల్ పరిమితిని అన్వేషిస్తుంది. ఇక్కడ క్రియా పదాలు ముఖ్యమైనవి. మొదటి కార్యం ఒక వాదనను అభివృద్ధి చేస్తున్నట్లుగా వర్ణించబడింది. రెండవది కేవలం ఒక పరిమితిని అన్వేషిస్తుంది. రెండవ లక్ష్యం చేరుకున్నట్లు రికార్డులో ఎక్కడా లేదు, అందుకే నేను దానిని ఆద్యంతం ఒక లక్ష్యంగానే పరిగణిస్తాను.
అసిస్టెంట్ శూన్యం నుండి ప్రారంభించదు. ఇది Bloom మరియు Sisask యొక్క మూడు-పదాల వ్యుత్పన్న-మొత్తం ఫలితాన్ని ప్రాతిపదికగా ఉపయోగిస్తుంది. ఆ తర్వాత జరిగేదంతా ఆ ప్రాతిపదికను దాటి, పొడవైన ప్రోగ్రెషన్‌ల వైపు లేదా బలమైన పరిమాణాత్మక ప్రకటన వైపు ముందుకు నెట్టే ప్రయత్నమే. సంకేతమానం (notation) ముందే నిర్ణయించబడింది. ప్రతి k కోసం, r_k(N) అనేది ఎటువంటి అల్పేతర (nontrivial) k-పదాల ప్రోగ్రెషన్ లేని {1, ..., N} యొక్క ఉపసమితి యొక్క అతిపెద్ద పరిమాణం. సాంద్రత α = |A|/N కలిగిన సమితి A అనేది అధ్యయనంలో ఉన్న వస్తువు, మరియు సాధారణీకరించిన ప్రమేయం (normalised function) f = 1_A/α.
ఆ సాధారణీకరణే తరువాతి విషయాలలో ఎక్కువ భాగాన్ని నడిపిస్తుంది. μ = 1_A/α అని నిర్వచించండి, తద్వారా E[μ] = 1 అవుతుంది, మరియు M = α^-1 అని సెట్ చేయండి. అప్పుడు సంవర్గమాన విరళత (logarithmic sparsity) p = log(1/α) అవుతుంది, ఇది log M కు సమానం. సమితి ఎంత విరళంగా (sparse) ఉంటే, M మరియు p అంత పెద్దవిగా మారతాయి. దిగువన ఉన్న ప్రతి అడ్డంకి, ఏదో ఒక రూపంలో, ఆ విరళత పెరిగేకొద్దీ ఏమి జరుగుతుందో చెప్పే ప్రకటన.
సాంద్రత క్షీణత అనేది సంకలన సామర్థ్యానికి సమానం కాదు #
మొదటి అడ్డంకి ఏదైనా ఫోరియర్ విశ్లేషణకు ముందే, వాదన యొక్క నిర్మాణ స్థాయిలో కనిపిస్తుంది. గుణాత్మక సాంద్రత క్షీణత మాత్రమే ఈ సంకలన సామర్థ్యాన్ని అందించదని రికార్డు స్పష్టంగా చెబుతోంది. మీరు స్కేల్స్ గుండా కదులుతున్నప్పుడు సాంద్రతలు తగ్గిపోతాయని తెలుసుకోవడం సరిపోదు. వ్యుత్పన్న-మొత్తం సమస్యకు ఆ తగ్గుదల కూడగలిగేంత బాగా పరిమాణాత్మకంగా ఉండాలి.
ఉత్సాహాన్నిచ్చే ఒక తప్పించుకునే మార్గం పునరావృత సంబంధం (recurrence). గరిష్ట ప్రోగ్రెషన్-రహిత సాంద్రతల కోసం తగినంత బలమైన పునరావృత సంబంధం ఘాతాంక స్కేల్స్ అంతటా సంకలన సామర్థ్యాన్ని ఇవ్వగలదని గమనికలు చెబుతున్నాయి. ఆ వాక్యం షరతులతో కూడుకున్నది, మరియు అది అలాగే ఉండాలి. ఒక ఊహాజనిత బలమైన పునరావృత సంబంధం ఏమి చేయగలదో ఇది వివరిస్తుంది. అది ఒక దానిని కనుగొన్నట్లు నివేదించదు.
రెండవ మూల్యం మొదటి దాని నుండి వేరుగా ఉంటుంది. అనేక బలహీనమైన సహసంబంధాల (weak correlations) సంచయాన్ని అసిస్టెంట్ మరొక మూల్యంగా గుర్తిస్తుంది. ప్రతి వ్యక్తిగత సహసంబంధం హానిచేయనిదిగా ఉండవచ్చు కానీ వాటి మొత్తం అలా ఉండదు. ఈ అంశం మళ్ళీ మళ్ళీ వస్తుంది: ఒకసారి చేయడానికి చౌకగా ఉండే అడుగు, పదేపదే చేయాల్సి వచ్చినప్పుడు ఖరీదైనదిగా మారుతుంది.
నిర్మాణాన్ని నిలుపుకోవడం, మరియు మూడు పదాలు ఎందుకు సాధారణీకరించబడవు #
ప్రతిపాదించబడిన ఒక పరిష్కారం ఏమిటంటే ఆ నిర్మాణాన్ని అలాగే ఉంచుకోవడం. వరుస పెరుగుదలల ద్వారా నిర్మాణాత్మక పరిసర సమితులను నిలుపుకోవాలని అసిస్టెంట్ ప్రతిపాదిస్తుంది. మూలంలో జాగ్రత్తగా చెప్పబడిన ఆ ఆలోచన ఏమిటంటే, ఒక దశలో మీరు కనుగొన్న నిర్మాణాత్మక సమితిని తదుపరి దశకు వెళ్లేటప్పుడు పారవేయకూడదు.
పొడవైన ప్రోగ్రెషన్‌లలో లేని ఒక లక్షణం మూడు-పదాల కేసుకు ఉంది. మూడు-పదాల ప్రోగ్రెషన్‌లకు ఉపయోగపడే ధనాత్మకత యంత్రాంగం (positivity mechanism) పొడవైన రూటెడ్ లెక్కింపులకు (rooted counts) నేరుగా విస్తరించదు. k మూడు కంటే ఎక్కువగా ఉన్నప్పుడు ప్రత్యేకంగా ఎదురయ్యే అడ్డంకులలో ఇది మొదటిది. తరువాతి గమనిక ఇదే విషయాన్ని సాధారణ పదాలలో చెబుతుంది: పొడవైన ప్రోగ్రెషన్‌లు మరిన్ని ఉన్నత-స్థాయి అడ్డంకులను పరిచయం చేస్తాయి.
స్థిర ఏకరూపత ప్రమాణాలు (fixed uniformity norms) విరళ సాధారణీకరించిన ప్రమేయాలను నియంత్రించగలవా అనే దానిపై టెన్సర్-లబ్ద (tensor-product) చిత్తుప్రతిని రికార్డు కలిగి ఉంది. అసిస్టెంట్ ఆ చిత్తుప్రతిని పూర్తి చేయలేదు. ఆ ప్రశ్న ఏదో ఒక విధంగా పరిష్కరించబడిందని సూచించడం కంటే ఆ విషయాన్ని నివేదించడానికే నేను ఇష్టపడతాను.
పౌనఃపున్యాలను అనేకసార్లు కాకుండా ఒకేసారి అమర్చడం #
పౌనఃపున్య ప్రమేయాల వరుస అమరిక (sequential alignment) అనేది సంచయ సమస్య అత్యంత తీవ్రంగా దెబ్బతీసే ప్రదేశం. ప్రతి అమరికకు కొంచెం ఖర్చయితే, వాటి యొక్క పొడవైన గొలుసుకు చాలా ఎక్కువ ఖర్చవుతుంది. వరుస అమరిక ద్వారా నష్టాలను కూడబెట్టుకోవడానికి బదులుగా, అనేక పౌనఃపున్య ప్రమేయాలను ఏకకాలంలో అమర్చాలని అసిస్టెంట్ ప్రతిపాదిస్తుంది. మార్జిన్ నోట్ దానిని సూటిగా చెబుతుంది: "అన్ని పౌనఃపున్యాలను ఒకేసారి అమర్చితే పునరావృత నష్టాలు ఉండవు." అది సంగ్రహించే ప్రతిపాదన లాగే, ఆ వాక్యం కూడా షరతులతో కూడుకున్నది, ఎందుకంటే ఏకకాల అమరిక పనిచేస్తే అది ఏమి ఇస్తుందో మాత్రమే అది వివరిస్తుంది.
ఇంకా ఏమి లోపించిందో ఆ గమనిక చెబుతుంది. కనీసం exp(-poly) స్థాయి పెద్ద సహసంబంధాలు ఉన్న పౌనఃపున్యాల నుండి S_h తిరిగి పొందగలిగేలా ఉండాలి. అది ఒక ఆవశ్యకతగానే మిగిలిపోయింది, ఫలితంగా కాదు. ఇక్కడ వ్యవస్థీకరించబడుతున్న సహసంబంధాలు f = 1_A/α మరియు α = |A|/N తో కూడిన జత లబ్దాలైన f(x)f(x + h) యొక్క సహసంబంధాలు.
దానిని అంగీకరించినప్పటికీ, అసిస్టెంట్ ఇంకా సాపేక్ష సహసంబంధాన్ని కాపాడుకోవాలి మరియు లెక్కింపు వాదనను పూర్తి చేయాలి. కాబట్టి ఏకకాల-అమరిక ఆలోచనకు పునరావృత నష్టాలు లేకపోవడం అనే ఆకర్షణీయమైన లక్షణం ఉంది, కానీ ఎవరూ ధృవీకరించని విషయాల జాబితా కూడా ఉంది. సంబంధిత విధానానికి సంబంధిత పరిమితి ఉంది. అరుదైన పొందికైన శిఖరాలను (rare coherent peaks) కత్తిరించడం స్వతంత్ర పౌనఃపున్య సమూహాలకు పనిచేస్తుంది, కానీ ఆధారపడిన సమూహాలకు ఆ వాదనను విస్తరించడం ఇంకా పరిష్కారం కాలేదు.
అరుదైన ఖాళీ భాగాలు మరియు అనుకూల పూరణ ఖర్చు #
వాదన ఫోరియర్-వైపు లెక్కల నుండి నిజంగా ప్రోగ్రెషన్‌లను లెక్కించడానికి మారినప్పుడు, ఒక నిర్మాణాత్మక సమస్య కనిపిస్తుంది. అసిస్టెంట్ ఒక అడ్డంకిని గుర్తిస్తుంది: నిర్మాణాత్మక భాగాలపై ఎగువ సాంద్రత పరిమితులు అరుదైన ఖాళీ భాగాలను అనుమతిస్తాయి. ఒక భాగంలో A ఎంతవరకు ఉంటుందనే దానిపై ఎగువ పరిమితి, అక్కడ అసలు A ఏమైనా ఉందా అనే దాని గురించి ఏమీ చెప్పదు. అరుదైన మరియు ఖాళీగా ఉన్న ఒక భాగం, ఆ పరిమితిని సంతృప్తిపరిచే భాగాల కుటుంబంలో కూర్చోగలదు.
దీనికి ఒక ప్రతిస్పందన అనుకూల పూరణ (adaptive filling), మరియు అది దాని స్వంత బిల్లుతో వస్తుంది. అనుకూల పూరణ అనేది అసిస్టెంట్ నిరూపించని మరిన్ని సాధ్యాసాధ్య పరిస్థితులను పరిచయం చేస్తుంది. అరుదైన చెడ్డ భాగాలను తోసిపుచ్చడానికి మేజరెంట్ (majorant) ఒక సహజమైన మార్గం. అన్ని అరుదైన పరమాణువులపై మేజరెంట్ అనేది బహుశా అవాస్తవమని అసిస్టెంట్ యొక్క ఉటంకించిన పాఠ్యం చెబుతోంది. ఈ వ్యాఖ్య షరతులతో కూడుకున్నది, కానీ ఇది అత్యంత ప్రత్యక్ష పరిష్కారం నుండి దూరంగా చూపుతుంది.
రికార్డులోని మిగిలిన భాగాన్ని వివరించే నమూనా ఇదే. ఒక చౌకైన వాదనకు ఎక్కడో ఒకచోట దిగువ పరిమితి అవసరం, అందుబాటులో ఉన్న సాధనాలు ఎగువ పరిమితులను ఇస్తాయి, మరియు వాటి మధ్య ఉన్న ఖాళీని అరుదైన, విరళమైన, ఖాళీ విషయాలు ఆక్రమిస్తాయి.
విరళ లెక్కింపు యంత్రాంగాన్ని అరువు తెచ్చుకోవడం, మరియు అరువు తెచ్చుకున్న భాగం సరిపోలేదని కనుగొనడం #
దాటడానికి ఒక మార్గం కోసం అసిస్టెంట్ ఇప్పటికే ఉన్న విరళ-లెక్కింపు సాహిత్యం వైపు చూసింది. రెండు వనరులు ఈ ప్రయత్నాన్ని తీర్చిదిద్దాయి.
Conlon-Fox-Zhao సాంద్రీకరణపై (densification), అది ద్వి-పక్ష రేఖీయ-రూపాల అంచనాలపై (two-sided linear-forms estimates) ఆధారపడిందని అసిస్టెంట్ కనుగొంది. ఇది ముఖ్యమైనది ఎందుకంటే ఇక్కడి అమరికకు ఎగువ-పరిమితి నిర్మాణం ఉంది కానీ ద్వి-పక్ష నిర్మాణం లేదు. ఒక వైపు మాత్రమే తెలిసినప్పుడు ద్వి-పక్ష నియంత్రణపై నిర్మించిన పద్ధతి అందుబాటులో ఉండదు.
Filmus, Hatami, Hosseini, మరియు Kelman ల యొక్క విరళ గ్రాఫ్ లెక్కింపు లెమ్మా అసౌష్టవ గ్రిడ్ మొమెంట్‌లు (asymmetric grid moments) మరియు ధనాత్మక-అర్ధనిర్దిష్ట అసమతుల్యత (positive-semidefinite unbalancing) కోసం నమూనాను అందించింది. కాబట్టి ఇది ఒక టెంప్లేట్‌గా పనిచేసింది కానీ నేరుగా వాడుకోగల సిద్ధాంతంగా కాదు. అయినప్పటికీ, అదే ఇబ్బంది తిరిగి వచ్చింది. ఎగువ పరిమితులు మాత్రమే పదేపదే విరళ రంధ్రాలను ఎదుర్కొన్నాయి. మరొక చిక్కు గ్రిడ్ మొమెంట్‌లను చదవడం కష్టతరం చేస్తుంది: పెద్ద కేంద్రీకృత గ్రిడ్ మొమెంట్‌లు ఎగువ సాంద్రీకరణకు బదులుగా తప్పిపోయిన ద్రవ్యరాశిని (missing mass) ప్రతిబింబించవచ్చు. ఒక పెద్ద మొమెంట్ సాంద్రీకరణకు సాక్ష్యంగా కనిపిస్తుంది, కానీ అది అక్కడ లేని ద్రవ్యరాశి ద్వారా కూడా సమానంగా ఉత్పత్తి చేయబడవచ్చు. ఆ సందిగ్ధత అనేది మొమెంట్ వైపు నుండి చూసినప్పుడు కనిపించే విరళ-రంధ్ర సమస్య.
తరువాత అసిస్టెంట్ M లో చిన్న ఘాత నష్టాలను (small power losses) పరిశీలించింది. దీనికి తగిన లెక్కింపు సిద్ధాంతం ఏదీ లభించలేదు. అది ఒక స్పష్టమైన ప్రతికూల ఫలితం, మరియు ఇది పరిధిని తగ్గిస్తుంది: వాదన M యొక్క చిన్న ఘాతాన్ని కోల్పోవడానికి అనుమతించినప్పటికీ, తగిన లెక్కింపు సిద్ధాంతం ఏదీ కనుగొనబడలేదు.
స్మూతింగ్ అమలు చేయడానికి చాలా ఖరీదైనదిగా మారింది #
Croot-Sisask స్మూతింగ్ అనేది లెక్కించడానికి ముందు ఒక సమితిని క్రమబద్ధీకరించడానికి ప్రామాణిక మార్గం. అసిస్టెంట్ దానిని పరిశీలించింది మరియు ప్రతిపాదిత అనువర్తనంలో అవసరమైన ఖచ్చితత్వం చాలా ఖరీదైనదిగా కనుగొంది. ఆ పద్ధతి తప్పు కాదు. దాని ధర వాదన చెల్లించగలిగే దానికంటే ఎక్కువగా ఉంది.
ఇతర మార్గాలను కూడా ఇదే ఆర్థిక సూత్రం శాసిస్తుంది. ఫైబర్ వాదనల (fibre arguments) విషయానికొస్తే, ఫైబర్ పరిమితులు స్వయంచాలకంగా గుణించబడలేదు, మరియు స్థిర-ప్రమాణ గోళాలు (constant-norm spheres) స్థిర అంకెల వర్ణమాలలపై ఆశించిన బలమైన క్షీణతను అడ్డుకున్నాయి. భాగాలపైన పరిమితులు కలిసి మొత్తం మీద పరిమితిగా మారాలని ఒక లబ్ద నిర్మాణం (product structure) సూచిస్తుంది, కానీ ఇక్కడ అవి అలా మారలేదు. ప్రయత్నించిన లిఫ్టింగ్ మరియు పునరావృతం ఇంకా పరిమాణాత్మకంగా చాలా ఎక్కువగా కోల్పోయాయి.
Ben-Sasson-Ron-Zewi ఉజ్జాయింపు-ద్వంద్వత్వ విధానం తరువాత పరిశీలించబడింది. ఉద్దేశించిన పునరావృతం పరిమాణాత్మకంగా చాలా ఎక్కువగా కోల్పోతుందని అసిస్టెంట్ కనుగొంది. ఇది వేరొక దిశ నుండి చేరుకున్నప్పటికీ, లిఫ్టింగ్ ప్రయత్నం యొక్క అదే తీర్పు; ఇది సమస్య ఏదో ఒక నిర్మాణంలో కాకుండా పునరావృతంలోనే (iteration) ఉందని సూచిస్తుంది. నేను దీనిని నిరూపించబడిన నిర్ధారణగా కాకుండా, నమూనా గురించిన ఒక పరిశీలనగా ఉంచుతాను.
ఆశావాదం యొక్క ఒక పంక్తి, మరియు దానిని దెబ్బతీసిన అంకగణితం #
రికార్డులో పైకి కనిపించే పురోగతి యొక్క ఒక క్షణం ఉంది. లబ్దాల పరిమాణ హెచ్చుతగ్గులు బహుపది ఖచ్చితత్వంతో (polynomial precision) నిర్వహించబడతాయని అసిస్టెంట్ యొక్క ఉటంకించిన పాఠ్యం ఆశ్చర్యార్థక గుర్తుతో సహా నొక్కి చెబుతుంది. ఇది అసిస్టెంట్ రాసినట్లుగానే ఉటంకించబడిన, షరతులతో కూడిన ప్రకటన.
అసిస్టెంట్ ఆ తర్వాత అందులోని సమస్యను గమనించింది. సంజ్ఞా విస్తరణలు (signed expansions) 2^p క్రమం యొక్క పరమ ద్రవ్యరాశిని (absolute mass) కలిగి ఉండవచ్చు, ఇది బహుపది ఖచ్చితత్వాన్ని ముంచెత్తుతుంది. p = log M అని గుర్తుంచుకోండి. M లో బహుపది ఖచ్చితత్వం అనేది ఒక సాధారణ లక్ష్యం, అయితే 2^p క్రమం యొక్క ద్రవ్యరాశి కలిగిన సంజ్ఞా విస్తరణ ఘాతాంకంగా చాలా పెద్దది. ఖచ్చితత్వం నిజమైనదే, కానీ అది ఆధారపడే రద్దు (cancellation) అంత ద్రవ్యరాశిని పీల్చుకోలేదు.
నేను దీనిని చిట్టాలో అత్యంత విద్యాబోధకమైన నమోదుగా భావిస్తాను, ఎందుకంటే ఇది స్వీయ-తనిఖీ పనిచేస్తుందని చూపిస్తుంది. ఆశ్చర్యార్థక గుర్తుతో చేసిన ఒక దావా తిరిగి తెరవబడింది, మరియు అది ఆధారపడిన అంకగణితం అసంపూర్తిగా ఉన్నట్లు కనుగొనబడింది. నిజాయితీ గల పని రికార్డు ఇలాగే ఉంటుంది. ఉత్సాహం మరియు దిద్దుబాటు రెండూ ఒకే పత్రంలో కూర్చుంటాయి.
మూలలు మరియు పెట్టెలు పొడవైన ప్రోగ్రెషన్‌లుగా కూర్చబడవు #
మరొక వ్యూహం ఏమిటంటే బలమైన తెలిసిన ఫలితాన్ని పునాది రాయిగా ఉపయోగించడం. క్వాసీపాలినామియల్ మూలల పరిమితి (quasipolynomial corners bound) సంబంధిత సాధనం, కానీ ఫలితంగా వచ్చిన మూలలు స్వయంచాలకంగా పొడవైన ప్రోగ్రెషన్‌లను నిర్మించలేదు. మూల అనేది ద్విమితీయ నమూనా మరియు పొడవైన ప్రోగ్రెషన్ అనేది ఏకమితీయ నమూనా, మరియు వాటి మధ్య మార్గం స్వయంచాలకం కాదు.
నాలుగు-పదాల పెట్టె లెక్కింపు (four-term box count) సంబంధిత ఇబ్బందిని చూపుతుంది. నాలుగు-పదాల పెట్టె లెక్కింపు యొక్క ధనాత్మకత దాని అసాధారణ కర్ణాన్ని (exceptional diagonal) నియంత్రించలేదు. ఒక ధనాత్మక లెక్కింపు అధోకరణ ఆకృతీకరణల (degenerate configurations) ద్వారా ఆధిపత్యం చెలాయించబడవచ్చు, మరియు కర్ణం అనేది అవి నివసించే ప్రదేశం.
గమనికలు జాగ్రత్తగా షరతులతో కూడిన ఒక సాధ్యమైన ముందడుగును అందిస్తాయి. ఎగువ లెక్కింపులు మాత్రమే దిగువ ప్రోగ్రెషన్ లెక్కింపులను బలవంతం చేయగలవా అనే దానికి పూర్తి పెట్టె ప్రమాణాలు (complete box norms) ఒక సాధ్యమైన యంత్రాంగాన్ని అందిస్తాయి. ఏక-పక్ష సమాచారం దిగువ పరిమితిని బలవంతం చేయగలదా అనే ఆ ప్రశ్నే, ఈ ప్రాజెక్ట్ అంతా చుట్టూ తిరుగుతున్న ప్రశ్న. అయినప్పటికీ ఇది ఎంతవరకు విస్తరిస్తుందనే దానికి ఒక పరిమితి ఉంది. రుణాత్మక ఘనపు సహకారాలు (negative cubic contributions) ప్రోగ్రెషన్ వ్యవస్థలకు నేరుగా విస్తరించడాన్ని అడ్డుకుంటాయి.
p = log M స్కేల్ వద్ద ఎంట్రోపీకి మారడం #
ప్రత్యక్ష లెక్కింపు మార్గాలు మూసుకుపోవడంతో, అధిక మొమెంట్‌ల యొక్క Kelley-Meka వినియోగాన్ని ఆధారంగా చేసుకుని, పరిశోధన p = log M స్కేల్ వద్ద ఎంట్రోపీ వైపు మళ్లింది. స్కేల్ ఎంపిక యాదృచ్ఛికం కాదు: p = log M అనేది ప్రారంభంలో నిర్వచించబడిన సంవర్గమాన విరళతే.
రుణేతరత (nonnegativity) మరియు పౌనఃపున్య విఘటనశీలత (frequency dissociativity - Chang) ద్వారా L2 కు బదులుగా ఎంట్రోపీని ఉపయోగించాలని అసిస్టెంట్ యొక్క ఉటంకించిన పాఠ్యం ప్రతిపాదిస్తుంది. అది ఒక ప్రతిపాదన, ఫలితం కాదు. దీని వెనుక ఉన్న తర్కం ఏమిటంటే μ = 1_A/α అనేది రుణేతరమైనది, మరియు Chang యొక్క విఘటనశీలత పౌనఃపున్యం వైపు నిర్మాణాన్ని ఇస్తుంది, కాబట్టి L2 పరిమాణం చేయలేని పనిని ఎంట్రోపీ చేయగలదు.
ఇది పని చేయడానికి అసిస్టెంట్‌కు ఒక నిర్దిష్ట విశ్లేషణాత్మక ఇన్‌పుట్ అవసరమైంది. తగిన స్థానిక ఎగువ పరిమితుల క్రింద, పరిమిత g మరియు స్థిర q > 2 కోసం ||g_hat||_q = O(1) అనే ఫోరియర్ నియంత్రణ అంచనాను (Fourier restriction estimate) అసిస్టెంట్ అన్వేషించింది. ఇది ఒక లక్ష్యంగా ఉండింది. ఇది స్థాపించబడలేదు.
తదుపరి దశలో అడ్డంకి కనిపించింది. అధిక మొమెంట్‌ల నుండి నిర్మాణాన్ని వెలికితీయడం వల్ల చాలా ఎక్కువ ద్రవ్యరాశి కోల్పోయింది. అధిక మొమెంట్‌లు అనేవి Kelley-Meka-శైలి వాదనలు తమ బలాన్ని పొందే చోటు, మరియు ఇక్కడ అవే వాదన తనకు అవసరమైన వాటిని కోల్పోయిన చోటుగా కూడా మారాయి.
అత్యంత దగ్గరగా వచ్చిన గణన #
తుది గణన ప్రత్యేక పరిశీలనకు అర్హమైనది, ఎందుకంటే ఇందులో విజయం మరియు వైఫల్యం రెండూ ఉన్నాయి. ఇది దాని కన్వల్యూషన్ పరికల్పనల క్రింద పూర్తి అంత్య-బిందువు పరిమితిని చేరుకుంటుంది. అది ఒక నిజమైన ఫలితం, అలాగే చెప్పబడింది, మరియు అది "దాని కన్వల్యూషన్ పరికల్పనల క్రింద" అనే అర్హతను కలిగి ఉంటుంది. ఆ పరికల్పనలు చెల్లుబాటు అయినప్పుడు ఈ పరిమితి చెల్లుబాటు అవుతుంది.
కానీ ఇది ప్రతిపాదిత లెక్కింపు వాదనకు అవసరమైన ఘాతాంకం-మూడు అవధిని దాటడంలో విఫలమవుతుంది. కన్వల్యూషన్ మరియు క్యాప్ నుండి బలహీనమైన l3 పరిమితి వస్తుందని, మరియు ఇంటర్‌పోలేషన్ (interpolation) కోసం ఖచ్చితంగా మెరుగైన ఘాతాంకం (3 కంటే తక్కువ) అవసరమని అసిస్టెంట్ యొక్క సంగ్రహం పేర్కొంది. సాధారణ పదాలలో చెప్పాలంటే, గణన సరిగ్గా గీతకు తప్పు వైపున దిగుతుంది. ఘాతాంకం మూడు వద్ద పరిమితి సరిపోదు, మరియు ఇంటర్‌పోలేషన్‌కు ఖచ్చితంగా మెరుగైనది అవసరం.
ఇలాంటి తృటిలో తప్పిపోయిన దాన్ని "దాదాపు అక్కడికి చేరుకున్నాం" అని చదవాలనిపిస్తుంది. నేను దానిని వ్యతిరేకిస్తాను. గణన అవధి నుండి ఎంత దూరంలో ఉందో రికార్డు చెప్పదు, మరియు కేవలం ఒకే ఒక్క ఘాతాంకం ఉన్న ఖాళీ కూడా మొత్తం సమస్య కావచ్చు. రికార్డు చెప్పేది ఏమిటంటే, నియంత్రణ లెమ్మా లేదా విరళ లెక్కింపు సూత్రం రెండింటిలో దేనినీ రాబట్టకుండానే అసిస్టెంట్ గణనను అసంపూర్తిగా వదిలివేసింది. ఆ రెండు తప్పిపోయిన భాగాలే ఈ ప్రాజెక్ట్ యొక్క తీర్చని బాకీ.
ఈ చిట్టా విలువ ఎంత #
దీనిని ఒక విఫల ప్రయత్నంగా కొట్టిపారేయడం సులభం. సంఖ్యా సిద్ధాంతానికి వెలుపల కూడా వర్తించే ఒక కారణం వల్ల, అలా చేయడం సాక్ష్యాలను తప్పుగా చదవడమే అవుతుందని నేను భావిస్తున్నాను.
ఈ పత్రం నిర్దిష్టంగా ఉంది. ఇది ప్రతి కూడలిలోనూ అడ్డంకికి పేరు పెడుతుంది: అరుదైన ఖాళీ భాగాలు, గ్రిడ్ మొమెంట్‌లలో తప్పిపోయిన ద్రవ్యరాశి, Conlon-Fox-Zhao లో ద్వి-పక్ష అంచనాలు, p లో ఘాతాంక పరిమాణంలో ఉన్న సంజ్ఞా ద్రవ్యరాశి, నాలుగు-పదాల పెట్టె లెక్కింపు యొక్క అసాధారణ కర్ణం, రుణాత్మక ఘనపు సహకారాలు. ఇది నిరూపించబడిన పరిమితిని ఆశించిన యంత్రాంగం నుండి వేరు చేస్తుంది. ఇది సంకలన సామర్థ్యం కోసం పునరావృత సంబంధాన్ని పని చేయగల దానిగా, మరియు రెండవ కార్యాన్ని అన్వేషించబడుతున్న దానిగా గుర్తిస్తుంది. అసిస్టెంట్ ఏమి పూర్తి చేయలేదో ఇది చెబుతుంది.
AI-సహాయక పరిశోధనను మూల్యాంకనం చేసే వ్యవస్థాపకుడు లేదా సాంకేతిక నాయకుడికి, వెతకాల్సిన విషయం ఇదే. ఆత్మవిశ్వాసంతో, పూర్తిగా కనిపించే వాదనను తిరిగి ఇచ్చే వ్యవస్థను ఆడిట్ చేయడం కష్టం. పేరు పెట్టబడిన వైఫల్యాల జాబితాను, మరియు ఒక అవధికి తక్కువగా పడిపోయినట్లు స్పష్టంగా గుర్తించబడిన ఆ ఒక్క దాదాపు-విజయాన్ని తిరిగి ఇచ్చే వ్యవస్థను పంక్తికి పంక్తి ఆడిట్ చేయవచ్చు. ఎవరైనా ఘాతాంకం-మూడు సమస్యను, లేదా ఆధారపడిన-సమూహ సమస్యను ఎంచుకుని, ప్రారంభ స్థానం ఏమిటో తెలుసుకోవచ్చు.
నేరుగా చెప్పుకోవాల్సిన ఒక నమూనా కూడా ఇక్కడ ఉంది. వైఫల్యాలలో చాలా వరకు సంచయ వైఫల్యాలే: కూడబెట్టే బలహీనమైన సహసంబంధాలు, పెరిగిపోయే వరుస అమరికలు, చాలా ఎక్కువగా కోల్పోయే పునరావృతం, గుణించడంలో విఫలమయ్యే ఫైబర్ పరిమితులు. ప్రతిపాదించబడిన ఒక పరిష్కారం దీనిని నేరుగా లక్ష్యంగా చేసుకుంటుంది: ఎటువంటి పునరావృత నష్టం జరగకుండా పౌనఃపున్యాలను ఏకకాలంలో అమర్చడం. ఇది షరతులతో కూడుకున్నది, మరియు దీని ముందస్తు అవసరం అయిన పెద్ద సహసంబంధాలు కలిగిన పౌనఃపున్యాల నుండి S_h ను తిరిగి పొందడం అనేది నిరూపించబడలేదు. అయినప్పటికీ, అత్యంత తరచుగా వచ్చే ఫిర్యాదుకు అత్యంత నేరుగా ప్రతిస్పందించే రికార్డులోని ప్రతిపాదన ఇదే.
కాబట్టి రికార్డు లేవనెత్తే తెరిచి ఉన్న ప్రశ్న ఇరుకైనది మరియు తనిఖీ చేయదగినది. ఇప్పటికే అంత్య-బిందువు పరిమితిని ఇచ్చే కన్వల్యూషన్ పరికల్పనల క్రింద ఘాతాంకం మూడు కంటే ఖచ్చితంగా మెరుగైన పరిమితిని పొందవచ్చా? అలా అయితే, ఇంటర్‌పోలేషన్‌కు పని చేయడానికి ఏదో ఒకటి దొరుకుతుంది. లేకపోతే, ఇప్పటివరకు రాబట్టని ఫోరియర్ నియంత్రణ మార్గం మరియు విరళ లెక్కింపు సూత్రం అనేవి తదుపరి చూడవలసిన ప్రదేశాలు.
తరచుగా అడిగే ప్రశ్నలు #
AI అసిస్టెంట్ పరిశోధించిన రెండు గణిత సమస్యలు ఏమిటి?
అసిస్టెంట్ ప్రోగ్రెషన్-రహిత సమితులకు సంబంధించిన రెండు సంబంధిత కార్యాలపై పనిచేసింది: వ్యుత్పన్న-మొత్తం సమస్య కోసం ఒక వాదనను అభివృద్ధి చేయడం, మరియు ప్రతి స్థిర ప్రోగ్రెషన్ పొడవు k కోసం ఒక క్వాసీపాలినామియల్ పరిమితిని అన్వేషించడం. ఇది Bloom మరియు Sisask యొక్క మూడు-పదాల వ్యుత్పన్న-మొత్తం ఫలితాన్ని ప్రాతిపదికగా ఉపయోగించినప్పటికీ, యాదృచ్ఛిక ప్రోగ్రెషన్ పొడవుల కోసం క్వాసీపాలినామియల్ పరిమితి సాధించబడలేదు.
ఎగువ సాంద్రత పరిమితులు అవసరమైన లెక్కింపు లెమ్మాను ఉత్పత్తి చేయడంలో ఎందుకు విఫలమయ్యాయి?
నిర్మాణాత్మక భాగాలపై ఎగువ సాంద్రత పరిమితులు అరుదైన ఖాళీ భాగాలను అనుమతిస్తాయి, అంటే ఒక భాగంలో సమితి A ఎంతవరకు ఉంటుందో చెప్పే ఎగువ పరిమితి, అక్కడ A యొక్క మూలకాలు ఏవైనా ఉన్నాయని హామీ ఇవ్వదు. బహుళ ప్రయత్నాలలో, ఎగువ పరిమితులు మాత్రమే పదేపదే విరళ రంధ్రాలను ఎదుర్కొన్నాయి, మరియు పెద్ద కేంద్రీకృత గ్రిడ్ మొమెంట్‌లు ఎగువ సాంద్రీకరణకు బదులుగా తప్పిపోయిన ద్రవ్యరాశిని ప్రతిబింబించవచ్చు.
తుది గణన ఎక్కడ నిలిచిపోయింది?
తుది గణన దాని పేర్కొన్న కన్వల్యూషన్ పరికల్పనల క్రింద పూర్తి అంత్య-బిందువు పరిమితిని చేరుకుంది, కానీ ఇంటర్‌పోలేషన్ కోసం అవసరమైన మూడు కంటే ఖచ్చితంగా తక్కువ ఉండే ఘాతాంక అవధిని దాటడంలో విఫలమైన బలహీనమైన l3 పరిమితిని మాత్రమే ఉత్పత్తి చేసింది. ఫోరియర్ నియంత్రణ లెమ్మా లేదా విరళ లెక్కింపు సూత్రం రెండింటిలో దేనినీ రాబట్టకుండానే అసిస్టెంట్ గణనను అసంపూర్తిగా వదిలివేసింది.
References #
- 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.
చివరిగా సమీక్షించబడింది .
ఈ వ్యాసాన్ని క్రాస్-పోస్ట్ చేయండి
Medium కోసం ఫార్మాట్ చేసి కాపీ చేయండి
# ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/](https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/) ఒక AI అసిస్టెంట్ ప్రోగ్రెషన్-రహిత సమితులకు సంబంధించిన రెండు సమస్యలపై పనిచేసింది: వ్యుత్పన్న-మొత్తం సమస్య కోసం ఒక వాదన, మరియు ప్రతి స్థిర ప్రోగ్రెషన్ పొడవుకు ఒక క్వాసీపాలినామియల్ పరిమితి. ఇది Bloom మరియు... Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/
Mastodon కోసం ఫార్మాట్ చేసి కాపీ చేయండి
ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau ఒక AI అసిస్టెంట్ ప్రోగ్రెషన్-రహిత సమితులకు సంబంధించిన రెండు సమస్యలపై పనిచేసింది: వ్యుత్పన్న-మొత్తం సమస్య కోసం ఒక వాదన, మరియు ప్రతి స్థిర ప్రోగ్రెషన్ పొడవుకు ఒక క్వాసీపాలినామియల్ పరిమితి. ఇది Bloom మరియు... https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/
LinkedIn కోసం ఫార్మాట్ చేసి కాపీ చేయండి
ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau ఒక AI అసిస్టెంట్ ప్రోగ్రెషన్-రహిత సమితులకు సంబంధించిన రెండు సమస్యలపై పనిచేసింది: వ్యుత్పన్న-మొత్తం సమస్య కోసం ఒక వాదన, మరియు ప్రతి స్థిర ప్రోగ్రెషన్ పొడవుకు ఒక క్వాసీపాలినామియల్ పరిమితి. ముఖ్యమైన వ్యూహాత్మక అంశాలు ఇవి: - రెండు కార్యాలు, మరియు వాటిలో ఒకటి మాత్రమే దావా చేయబడింది. ఈ విషయం రెండు కార్యాలుగా విభజించబడింది, మరియు వాటి స్థితిని వేరుగా ఉంచడం విలువైనది. - సాంద్రత క్షీణత అనేది సంకలన సామర్థ్యానికి సమానం కాదు. మొదటి అడ్డంకి ఏదైనా ఫోరియర్ విశ్లేషణకు ముందే, వాదన యొక్క నిర్మాణ స్థాయిలో కనిపిస్తుంది. - నిర్మాణాన్ని నిలుపుకోవడం, మరియు మూడు పదాలు ఎందుకు సాధారణీకరించబడవు. ప్రతిపాదించబడిన ఒక పరిష్కారం ఏమిటంటే ఆ నిర్మాణాన్ని అలాగే ఉంచుకోవడం. - పౌనఃపున్యాలను అనేకసార్లు కాకుండా ఒకేసారి అమర్చడం. పౌనఃపున్య ప్రమేయాల వరుస అమరిక (sequential alignment) అనేది సంచయ సమస్య అత్యంత తీవ్రంగా దెబ్బతీసే ప్రదేశం. ఈ వ్యాసంలో వివరించిన సవాళ్లకు మీ సంస్థ దృక్పథం ఏమిటి? → https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/ #Ai #దాడి #ప్రోగ్రెషన్రహిత #సమితులు #చిట్టా Sebastien Rousseau | CC-BY-4.0
ఈ వ్యాసాన్ని ఉదహరించండి
ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau
ఒక AI అసిస్టెంట్ ప్రోగ్రెషన్-రహిత సమితులకు సంబంధించిన రెండు సమస్యలపై పనిచేసింది: వ్యుత్పన్న-మొత్తం సమస్య కోసం ఒక వాదన, మరియు ప్రతి స్థిర ప్రోగ్రెషన్ పొడవుకు ఒక క్వాసీపాలినామియల్ పరిమితి. ఇది Bloom మరియు...
BibTeX
@online{rousseau2026ప,
author = {Rousseau, Sebastien},
title = {{ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/ ER -
Vancouver
Rousseau S. ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 24. Available from: https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/
Chicago
Rousseau, Sebastien. "ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau." sebastienrousseau.com. October 24, 2026. https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/.
APA
Rousseau, S. (2026, October 24). ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/
ఈ వ్యాసాన్ని పునఃప్రచురించండి
ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau
ఒక AI అసిస్టెంట్ ప్రోగ్రెషన్-రహిత సమితులకు సంబంధించిన రెండు సమస్యలపై పనిచేసింది: వ్యుత్పన్న-మొత్తం సమస్య కోసం ఒక వాదన, మరియు ప్రతి స్థిర ప్రోగ్రెషన్ పొడవుకు ఒక క్వాసీపాలినామియల్ పరిమితి. ఇది Bloom మరియు...
ఈ వ్యాసం కింది లైసెన్స్ కింద ఉంది Creative Commons Attribution 4.0 International. పునఃప్రచురణకు కానానికల్ URLకు ఆపాదన అవసరం.
ప్రోగ్రెషన్-రహిత సమితులపై AI దాడి: నిలిచిపోయిన ప్రయత్నాల చిట్టా — Sebastien Rousseau ఒక AI అసిస్టెంట్ ప్రోగ్రెషన్-రహిత సమితులకు సంబంధించిన రెండు సమస్యలపై పనిచేసింది: వ్యుత్పన్న-మొత్తం సమస్య కోసం ఒక వాదన, మరియు ప్రతి స్థిర ప్రోగ్రెషన్ పొడవుకు ఒక క్వాసీపాలినామియల్ పరిమితి. ఇది Bloom మరియు... Originally published at https://sebastienrousseau.com/te/2026-10-24-progreshan-rahita-samitulapai-ai-dadi-nilichipoyina/ by Sebastien Rousseau. Licensed under CC-BY-4.0.