[论文解读] Minimization of differential equations and algebraic values of $E$-functions

Alin Bostan, Tanguy Rivoal+1 more|arXiv (Cornell University)|Sep 5, 2022

Mathematical Approximation and Integration被引用 4

一句话总结

本文提出了高效算法，用于最小化线性微分方程——即寻找能消去给定幂级数的最低阶齐次或非齐次微分算子，其系数为有理函数。通过结合模算术、近似基计算与认证重构，该方法实现了对 $E$-函数代数值的确定，证明了某些 Apéry 型 $E$-函数为纯超越函数，并支持了关于其最小阶与度结构的猜想。

ABSTRACT

A power series being given as the solution of a linear differential equation with appropriate initial conditions, minimization consists in finding a non-trivial linear differential equation of minimal order having this power series as a solution. This problem exists in both homogeneous and inhomogeneous variants; it is distinct from, but related to, the classical problem of factorization of differential operators. Recently, minimization has found applications in Transcendental Number Theory, more specifically in the computation of non-zero algebraic points where Siegel's $E$-functions take algebraic values. We present algorithms and implementations for these questions, and discuss examples and experiments.

研究动机与目标

• 开发高效算法，用于对幂级数解的有理系数线性微分方程（齐次与非齐次形式）进行最小化。
• 将这些最小化技术应用于超越数论问题，特别是识别 $E$-函数取代数值的代数点。
• 提供一个经过认证、计算高效的框架，用于确定 $E$-函数的最小阶微分算子，利用模算术与有理数重构技术。
• 扩展并验证关于 Apéry 型 $E$-函数最小微分算子结构的猜想，包括阶与度的公式。
• 在由超几何型级数定义的 $E$-函数族上实现并基准测试这些算法，展示其可扩展性与可靠性。

提出的方法

• 该方法通过模素数对幂级数系数进行约化，计算近似基，从而实现对最小微分算子的高效重构。
• 应用有理数重构技术，从模像中恢复最小微分算子的精确多项式系数。
• 该算法结合了 van Hoeij 因子分解框架的工具，并引入了基于已知幂级数解的附加约束，以加速最小化过程。
• 通过在模设置下进行穷举搜索并重构，实现最小性的认证。
• 通过仔细处理初值条件与级数展开，该方法能够处理常规点与奇点（包括看似奇点）。
• 实现中集成了 Zeilberger 算法用于递推关系计算，以及 Beukers 矩阵方法，以支持最小化处理流程。

实验结果

研究问题

• RQ1 对于所有 $m \geq 1$ 与 $p \geq 1$，$E$-函数 $f_{m,p}$ 是否为纯超越函数？
• RQ2 对于 $f_{m,p}$ 的最小阶微分方程，其阶是否为 $\lfloor(N+1)^2/4\rfloor$，度是否为 $\lfloor N(2N^2 - 3N + 4)/12 \rfloor$，其中 $N = m + p$？
• RQ3 当 $m$ 与 $p$ 均为奇数时，是否满足 $\operatorname{ord}(L^\textrm{min}_{m,p}) = \operatorname{ord}(L^\textrm{min}_{p,m})$ 且 $\deg(L^\textrm{min}_{m,p}) = \deg(L^\textrm{min}_{p,m})$？
• RQ4 能否利用模算术与有理数重构技术高效计算 $f_{m,p}$ 的最小微分算子，并认证其最小性？
• RQ5 认证最小性所花费的时间占总计算时间的比例是多少？该比例如何随级数复杂度变化？

主要发现

• 对于族 $f_{m,p}(z) = \sum_{n=0}^\infty \left( \sum_{k=0}^n \binom{n}{k}^m \binom{n+k}{k}^p \right) \frac{z^n}{n!}$，已成功计算出 $(m,p)$ 最高至 $(5,5)$ 的最小齐次微分方程，运行时间从 2.5 秒到超过 14 分钟不等。
• 认证最小性所花费的时间占总运行时间的 20% 至 30%，表明该步骤计算量显著但仍在可控范围内。
• 最耗时的阶段是基于有理系数计算近似基，占总时间的最高达一半，尤其在高次情形下更为明显。
• 模算术下近似基的计算比有理数重构更快，尽管处理了更高阶的级数，但仍仅占总时间的 1/5 至 1/3。
• 在最大示例 $(m,p)=(5,5)$ 中，有理系数重构步骤成为最昂贵的操作，需计算超过 4,500 个有理系数。
• 结果支持了如下猜想：对所有 $m,p \geq 1$，$f_{m,p}$ 为纯超越函数，扩展了此前对 $(m,p)=(2,1)$ 的结果。