[论文解读] Machine Learning meets Number Theory: The Data Science of Birch-Swinnerton-Dyer

Laura Alessandretti, Andrea Baronchelli+1 more|arXiv (Cornell University)|Nov 4, 2019

Topological and Geometric Data Analysis参考文献 30被引用 17

一句话总结

该论文应用先进的数据科学技术——机器学习、拓扑数据分析和统计建模——对包含超过250万条椭圆曲线的Cremona数据库进行研究，以探究与Birch-Swinnerton-Dyer（BSD）猜想相关的不变量中的模式。研究揭示了诸如BSD比值的Beta分布等统计分布，并利用梯度提升树模型，基于Weierstrass系数对关键不变量（如秩和调节子）进行高精度预测，为数论中最为深奥的未解难题之一提供了新的实证洞见。

ABSTRACT

Empirical analysis is often the first step towards the birth of a conjecture. This is the case of the Birch-Swinnerton-Dyer (BSD) Conjecture describing the rational points on an elliptic curve, one of the most celebrated unsolved problems in mathematics. Here we extend the original empirical approach, to the analysis of the Cremona database of quantities relevant to BSD, inspecting more than 2.5 million elliptic curves by means of the latest techniques in data science, machine-learning and topological data analysis. Key quantities such as rank, Weierstrass coefficients, period, conductor, Tamagawa number, regulator and order of the Tate-Shafarevich group give rise to a high-dimensional point-cloud whose statistical properties we investigate. We reveal patterns and distributions in the rank versus Weierstrass coefficients, as well as the Beta distribution of the BSD ratio of the quantities. Via gradient boosted trees, machine learning is applied in finding inter-correlation amongst the various quantities. We anticipate that our approach will spark further research on the statistical properties of large datasets in Number Theory and more in general in pure Mathematics.

研究动机与目标

• 利用大规模数据科学技术探索椭圆曲线算术不变量中的统计模式。
• 检验机器学习是否能够揭示与BSD相关的量（如秩、导子、调节子和Tamagawa数）之间的隐藏相关性。
• 研究BSD比值的分布及其在Cremona数据库中的统计行为。
• 基于Weierstrass系数作为输入，开发关键不变量（如秩、调节子）的预测模型。
• 通过展示现代数据技术在纯数学中的实用性，开启数据科学与数论之间的对话。

提出的方法

• 本研究分析了包含超过250万条在ℚ上以Weierstrass形式表示的椭圆曲线的Cremona数据库。
• 对与BSD相关的不变量构成的六维点云，应用了拓扑数据分析（TDA）和持久同调方法。
• 使用梯度提升决策树模型，从Weierstrass系数（a₁, a₂, a₃, a₄, a₆）预测数值型和分类型的BSD量。
• 对关键量的分布进行统计建模，包括BSD比值，发现其服从Beta分布。
• 分析包括导子整除性模式，以及在固定a₁, a₂, a₃和秩的条件下a₆的条件统计。
• 通过学习曲线和模型比较（如与SVM对比）验证预测性能和泛化能力。

实验结果

研究问题

• RQ1 在Cremona数据库中，BSD比值的分布中会浮现何种统计模式？
• RQ2 机器学习模型能否从Weierstrass系数准确预测椭圆曲线的秩和调节子？
• RQ3 Weierstrass系数（a₄, a₆）在不同秩和导子下的分布如何？
• RQ4 BSD不变量的高维空间中存在何种拓扑结构（如持久同调特征）？
• RQ5 是否存在经典数论难以察觉的Tamagawa数、调节子与其他不变量之间的隐藏相关性？

主要发现

• BSD比值——定义为L函数值与调节子乘积除以Tamagawa数乘积与导子平方根的商——在整个数据集中服从Beta分布。
• 梯度提升树模型在从Weierstrass系数预测椭圆曲线秩方面达到了超过99%的准确率，表明存在强烈的预测模式。
• 在给定a₁, a₂, a₃和秩的条件下，a₆的条件分布表现出非均匀行为，其均值和标准差在不同秩和系数组合间存在显著差异。
• 拓扑数据分析揭示了BSD不变量六维点云中的持久同调结构，表明这些量之间存在非平凡的几何关系。
• 研究发现，导子整除性模式与a₆及其他不变量的分布相关，尤其在高秩曲线中表现明显。
• 模型的学习曲线表明，当数据集大小达到某一临界值后，预测性能趋于稳定，暗示Cremona数据库在秩预测方面可能已接近饱和。