Towards a symbolic summation theory for unspecified sequences
本文讨论了涉及类属序列的不定双和是否可以简化为不定单和的问题。根据双重和的结构,拟议的求和机制可以毫无例外地提供这种简化。如果它失败了,它可能会建议一个更高级的简化,另外引入一个单一的嵌套和,其中的被加数必须满足一个特定的约束。更准确地说,一个明确给出的参数化伸缩方程必须成立。限制到所产生的未指定序列专用于超几何、多基本或混合超几何积上定义的嵌套不定和类的情况下,可以证明该约束不仅是充分的,而且是必要的。
2018-09-18 cs.SC math.CO
Modern Summation Methods for Loop Integrals in Quantum Field Theory: The Packages Sigma, EvaluateMultiSums and SumProduction
费曼积分的一大类,例如,具有至多一个质量并包含局部算子插入的两点参数积分可以转化为超几何表达式上的多重和。在这篇综述文章中,我们提出了一个差域方法的符号求和,使之能够简化这种明确的嵌套和不确定的嵌套和。特别是,简化-如果可能的话-在调和和,广义调和和,分圆调和和或二项式和。特别强调的是开发的软件包Sigma,EvaluateMultiSums和SumProduction,这些软件包可以帮助完成任务,完全自动地对巨大的输入表达式进行简化。
2013-10-01 cs.SC hep-th math-ph
Simplifying Multiple Sums in Difference Fields
在这篇综述文章中,我们提出了符号求和的差域算法。特别强调的是把新的方面,在如何总结的问题被改写的差领域,如何解决的问题,以及如何在给定的差领域的派生结果可以被重新解释为解决方案的输入问题。通过发现和证明新的调和数恒等式来扩展(Paule和Schneider,2003),使用Mathematica软件包\SigmaP \来说明算法。此外,新开发的包\texttt{EvaluateMultiSums}介绍了结合所提出的工具。这样,量子色动力学中费曼图计算的大规模求和问题就可以完全自动地解决。
2013-04-15 cs.SC math-ph math.CO
Algorithms to solve coupled systems of differential equations in terms of power series
利用分部积分关系,费曼积分可以用耦合的微分方程组表示。下面我们假设未知的费曼积分可以用幂级数表示,并且给出了足够多的积分初值。然后存在算法,建设性地决定,如果他们的幂级数表示的系数可以在超几何积的嵌套和类内给出。在这篇文章中,我们将制定出解决这个问题的计算步骤。首先,我们将提出一个成功的策略,最近已被应用到挑战性的问题来自大规模的3圈费曼积分。在这里,我们的主要工具是解决超几何积上的嵌套和类内的标量线性递归。其次,我们将提出一个新的变化,这种策略依赖于更多的参与求和技术,但成功地减少了问题,以解决标量递归较低的递归阶。本文将指出这种新策略的不同挑战,并演示如何使用我们现有的求和技术有效地处理这些挑战。
2016-08-18 cs.SC hep-ph math-ph
Summation Theory II: Characterizations of $\boldsymbol{RΠΣ^*}$-extensions and algorithmic aspects
最近,$RΠΣ^*$ -扩展已被引入,扩展卡尔的$ΠΣ^*$ -领域大幅:一个可以表示的表达式不仅在超越和产品,但一个可以工作也与产品的原根的单位。由于可以解决参数化的伸缩问题,在这样的环,覆盖作为特殊情况下的总和范例的伸缩和创造性的伸缩,得到一个相当灵活的工具箱符号求和。本文是这一工作的继续。受Singer的Galois差分方程理论的启发,我们给出了$RΠΣ^*$ -扩张的几个可供选择的刻画:邻接的和与积可得到$RΠΣ^*$ -扩张当且仅当所得到的差环是单差环当且仅当该差环可嵌入序列环当且仅当该差环可由$ΠΣ^*$ -扩张的交错给出。从应用的角度来看,这导致了一个全自动的机器来表示不确定的嵌套和产品在这样的$RΠΣ^*$ -环。此外,我们还研究了参数化伸缩范式如何用于证明不定套和的代数独立性。此外,人们得到了一个替代的减少策略,以解决基本$RΠΣ^*$的参数化伸缩问题-扩展利用交错属性。
2016-07-13 cs.SC
A case study for $ζ(4)$
使用符号求和工具的设置差环,我们证明了一个两参数的身份,涉及有理逼近$ζ(4)$。
2020-09-23 cs.SC math.CO math.NT
Bivariate Extensions of Abramov's Algorithm for Rational Summation
阿布拉莫夫算法使我们能够决定一个单变量有理函数是否可以写成另一个有理函数的差,这是有理求和的基本算法。在2014年,Chen和Singer将Abramov的算法推广到两个($q$ -)离散变量的有理函数的情况。在本文中,我们解决了其余三个混合的情况下,完成我们最近的项目对二元扩展的阿布拉莫夫算法的有理求和。
2017-06-28 cs.SC
Representation of hypergeometric products of higher nesting depths in difference rings
提出了一种非平凡的符号机器,它可以在适当设计的差环中对嵌套超几何积的有限集进行算法改写。作为结果,人们得到一个替代的表示在一个单一的产品定义在一个根的单位和嵌套的超几何产品是代数相互独立的。特别地,可以解决零识别问题:嵌套超几何积的输入表达式的值为零,当且仅当输出表达式是零表达式。结合可用的符号求和算法的设置差环,得到一个通用的机器,可以表示(和简化)嵌套产品上定义的嵌套和。
2020-11-17 cs.SC
A Data-Free Symbolic Regression Approach for Solving Equations
Intelligent Maintenance and Operations Systems Laboratory, EPFL(EPFL智能维护与运营系统实验室)
提出符号方程求解器(SES),将方程求解转化为可微符号模型的优化问题,无需配对数据,直接从方程和边界条件构建目标函数,恢复显式符号解。
2026-06-05 cs.NE cs.SC
SANM: A Symbolic Asymptotic Numerical Solver with Applications in Mesh Deformation
求解非线性系统是一个重要的问题。数值延拓方法有效地解决了某些非线性系统。渐近数值方法(ANM)是一种强大的连续方法,通常比牛顿方法收敛得更快。ANM通过遵循用高阶幂级数近似的参数化解曲线来探索函数的景观。虽然ANM已经成功地解决了一些图形和工程问题,在我们的工作之前,应用ANM的新问题需要显着的努力,因为标准的ANM假设二次函数,而手动推导非二次系统的幂级数扩展是一个繁琐和具有挑战性的任务。本文提出了一种新的求解器,SANM,应用ANM解决符号表示的非线性系统。SANM以完全自动化的方式解决此类系统。SANM还扩展了ANM以支持许多非二次运算符,包括复杂的运算符,如奇异值分解。此外,SANM推广ANM支持隐同伦形式。此外,SANM通过优化的系统设计和实现,实现了高计算性能。我们部署SANM解决正反弹性力平衡问题和控制网格变形问题与少数本构模型。我们的研究结果表明,SANM收敛速度比牛顿解算器,需要很少的编程工作的新问题,并提供可比或更好的性能比手工编码,专门的ANM求解器。虽然我们演示网格变形问题,SANM是通用的,并可能适用于许多任务。
2021-05-18 cs.GR cs.NA cs.SC
Scaling Neuro-symbolic Problem Solving: Solver-Free Learning of Constraints and Objectives
LAAS-CNRS(法国国家科学研究中心系统分析与架构实验室);Université de Toulouse(图卢兹大学);CNRS(法国国家科学研究中心);INSA(国立应用科学学院);Télécom-Paris(巴黎高等电信学院);TBI(图卢兹生物技术研究所);INRAE(法国国家农业、食品与环境研究院);ANITI(图卢兹人工智能与自然智能跨学科研究所)
本文提出了一种可微神经符号架构和损失函数,用于高效学习解决NP难推理问题,通过概率损失同时学习约束和目标,实现可扩展训练和高精度推断。
2025-12-18 cs.AI cs.LO cs.SC
Fast Algorithms for Refined Parameterized Telescoping in Difference Fields
参数化伸缩(包括伸缩和创造性伸缩)及其改进版本在符号求和研究领域中起着核心作用。Karr在1981年引入了$ΠΣ$ -域,这是差分域的一般类,它使人们能够将这个问题考虑为无限嵌套和和乘积覆盖的特殊情况,例如,($q$ --)超几何情形及其混合形式。这篇调查文章提出了可用的算法的框架中的$ΠΣ$ -扩展,并阐述了新的结果有关的效率。
2013-12-30 cs.SC
A Neuro-Symbolic Method for Solving Differential and Functional Equations
University of Waterloo(滑铁卢大学)
当神经网络用于求解微分方程时,它们通常以黑盒函数的形式产生解,这些解在数学上不能直接解释。我们介绍了一种生成符号表达式来求解微分方程的方法,同时利用深度学习训练方法。与现有的方法不同,我们的系统不需要学习符号数学的语言模型,使其可扩展,紧凑,易于适应各种任务和配置。作为该方法的一部分,我们提出了一种新的神经结构,用于学习数学表达式,以优化可定制的目标。该系统的目的是总是返回一个有效的符号公式,生成一个有用的近似时,一个精确的解析解微分方程是不是或不能找到。我们通过例子演示了我们的方法可以应用于一些微分方程,往往获得符号近似是有用的或有见地的。此外,我们展示了如何可以毫不费力地推广到其他数学任务,包括积分和函数方程的符号解决方案的系统。
2020-11-04 cs.AI cs.LG cs.SC
Symbolic Solutions of Simultaneous First-order PDEs in One Unknown
提出并实现了一个求解一元超定偏微分方程组的算法。我们的方法依赖于Bour-Mayer方法通过Jacobi-Mayer括号来确定相容性条件。我们通过模仿人们用笔和纸所做的事情来递归地解决兼容系统:求解一个方程,将该解代入其余方程,并重复该过程,直到系统的方程耗尽。我们采用的方法来评估底层系统的一致性不同于传统的差分格罗布纳基的使用,但似乎更有效和直接的实施。我们不知道一个计算机代数系统,采用我们在这项工作中提倡的过程。
2017-02-14 cs.SC
The Indefinite Summation Problem for the Laurent Ring
Kerala School of Mathematics(喀拉拉数学学院)
本文求解了格上移位算子劳伦特环的不定求和问题,其解涉及可估大小的矩阵乘法,等价于计算特定群上同调,且结果可推广到函数环的对应问题。
2026-10-21 cs.SC math.OC
Symbolic Sets for Proving Bounds on Rado Numbers
University of Windsor(温莎大学)
本文使用SAT求解器计算了特定线性方程的未知Rado数,并受求解结果启发证明了新的一般界限,同时开发了基于SymPy和Z3的符号集合工具来自动验证证明的正确性。
2025-10-26 cs.DM cs.LO cs.SC
From Errors to Proofs: Minimal-Core-Guided Repair for Neuro-Symbolic Constraint Solving
该研究提出最小核心引导的修复方法,将语言模型生成的不可满足程序的错误消息替换为最小不可满足核心,在77个问题的基准上使弱模型编造不可行问题解的比例从79%降至7%,核心价值是提供证书并拒绝编造解。
2026-08-18 cs.AI cs.CL cs.LG
A Flawed Dataset for Symbolic Equation Verification
New York University(纽约大学)
Arabshahi,Singh和Anandkumar(2018)提出了一种创建符号数学方程数据集的方法,用于符号方程验证和方程完成任务。不幸的是,使用他们提出的方法构建的数据集将遭受两个严重的缺陷。首先,该过程可以生成的真方程类将非常有限。第二,因为真和假方程是以完全不同的方式生成的,所以很可能存在人为特征,从而可以轻松区分。此外,在他们考虑的方程类中,有一个非常简单的概率过程,可以解决具有极高可靠性的方程验证问题。因此,这个问题作为人工智能系统测试平台的有效性值得怀疑。
2021-05-28 cs.AI cs.SC
Beyond Worst-Case Analysis for Symbolic Computation: Root Isolation Algorithms
本文首次将超越最坏情况分析引入符号计算,针对单变量多项式实根隔离问题建立整数系数多项式的平滑分析框架,证明了笛卡尔算法的(准)线性期望与平滑复杂度界限,从而解释了其实际高效性,并进一步分析了 Sturm 求解器、ANewDsc 及稀疏多项式符号算法。
2025-06-04 cs.CC cs.SC math.AG