[论文解读] Machine-Learning Arithmetic Curves

Yang‐Hui He, Kyu‐Hwan Lee+1 more|arXiv (Cornell University)|Dec 7, 2020

Cryptography and Residue Arithmetic参考文献 10被引用 4

一句话总结

本论文表明，机器学习模型——尤其是朴素贝叶斯、逻辑回归和随机森林——仅使用其L-函数的欧拉因子，即可高精度预测椭圆曲线和阿贝尔簇（genus 2）的关键不变量。该研究在分类秩和扭子群阶时准确率超过0.97，在预测整点时准确率高达0.998，表明尽管底层算术不变量极为复杂，数论数据仍具有高度结构化特征，且非常适合机器学习应用。

ABSTRACT

We show that standard machine-learning algorithms may be trained to predict certain invariants of low genus arithmetic curves. Using datasets of size around one hundred thousand, we demonstrate the utility of machine-learning in classification problems pertaining to the BSD invariants of an elliptic curve (including its rank and torsion subgroup), and the analogous invariants of a genus 2 curve. Our results show that a trained machine can efficiently classify curves according to these invariants with high accuracies (>0.97). For problems such as distinguishing between torsion orders, and the recognition of integral points, the accuracies can reach 0.998.

研究动机与目标

• 探究机器学习是否能够仅从L-函数数据中预测算术曲线（如秩、扭子群阶和 Tate–Shafarevich 群）的基本不变量。
• 确定L-函数的欧拉系数是否可作为低亏格曲线中分类算术不变量的有效特征。
• 评估标准机器学习分类器（逻辑回归、朴素贝叶斯和随机森林）在具有清晰数学结构的数论分类任务中的性能表现。
• 探索机器学习在预测难以计算的不变量（如Tate–Shafarevich群）时的极限，该不变量目前尚无已知计算方法。
• 比较机器学习在椭圆曲线（亏格1）与阿贝尔簇（亏格2）上的预测能力，尤其关注有理点和高秩分类的表现。

提出的方法

• 训练数据来自LMFDB数据库，使用与定义在ℚ上的椭圆曲线和阿贝尔簇相关的L-函数的欧拉因子。
• 每条曲线的输入表示为数百个欧拉系数的向量，这些系数源自在良质数处的局部L-因子。
• 针对诸如秩（0,1,2）、扭子群阶（1或2）以及整点存在性等不变量，构建了二元分类与多分类任务。
• 在约10⁵条样本的平衡数据集上，训练并评估了标准机器学习分类器（朴素贝叶斯、逻辑回归和随机森林）。
• 通过精确率、置信度和F1分数衡量性能，并采用交叉验证以确保结果稳健。
• 将该方法与先前使用Weierstrass系数的研究进行对比，结果表明基于欧拉因子的方法在泛化能力和外推性方面表现更优。

实验结果

研究问题

• RQ1 仅使用L-函数的欧拉系数，机器学习模型能否准确预测椭圆曲线和阿贝尔簇的秩？
• RQ2 机器学习在多大程度上能以高精度对椭圆曲线的扭子群进行分类并检测整点？
• RQ3 尽管尚无已知计算方法，机器学习能否区分Tate–Shafarevich群为平凡与非平凡的曲线？
• RQ4 在有理点的多分类任务中，机器学习模型在亏格1与亏格2曲线上的表现有何差异？
• RQ5 为何如朴素贝叶斯等简单模型在某些不变量上能达到接近完美的准确率，这是否暗示数学数据本身比现实世界数据更具内在结构？

主要发现

• 朴素贝叶斯分类器在区分具有与不具有整点的椭圆曲线时达到99.8%的准确率，表明欧拉系数中存在强烈信号。
• 逻辑回归与朴素贝叶斯模型在分类椭圆曲线的秩时准确率超过0.97，即使在三分类任务（秩为0、1或2）中亦然。
• 对于阿贝尔簇，使用朴素贝叶斯分类器在约1.5×10⁴条曲线的平衡数据集上，对扭子群阶（1与2）的预测精度达到92.6%。
• 阿贝尔簇上理性点的数量预测更具挑战性，多分类任务的准确率不足34%，表明该不变量在欧拉因子中信号有限。
• 预测Tate–Shafarevich群的平凡性是最具挑战性的任务，逻辑回归模型仅达到78%的精确率与56.2%的置信度，表明当前数据表示中信号较弱。
• 使用欧拉因子作为输入特征，使模型能够泛化至训练导子范围之外，相较于先前使用Weierstrass系数的方法，展现出更强的鲁棒性与外推能力。