@HowToAI_:研究人员证明,每一个初等函数(sin、exp、log、sqrt)都源自一个单一的二元运算符。我……
摘要
一篇论文证明,所有初等函数(如sin、exp、log、sqrt)都可以由一个二元运算符eml(x,y)=exp(x)-ln(y)生成,类似于NAND门统一数字逻辑的方式。这可以通过为连续数学提供一个单一的可训练节点来简化AI架构。
查看缓存全文
缓存时间: 2026/05/22 19:58
研究人员证明了每一个基本初等函数——sin、exp、log、sqrt——都源于一个单一的二元运算符。
这就像找到了微积分领域的“上帝粒子”。
在计算机科学中,每一个复杂程序都可以拆解为一个单一逻辑运算符:与非门。它是整个数字世界的基本构件。
但对于连续数学、物理、工程、机器学习,我们一直以为自己需要一套庞大的工具箱。
加法、减法、三角函数、对数。
每台科学计算器和每一个神经网络都必须同时处理所有这些函数。
直到今天。
但这篇论文证明,每一个数学函数都可以由一个奇特而单一的二元运算符生成。
eml(x,y) = exp(x) - ln(y)
把这个运算符与数字 1 结合,你就能构建一切。
π、平方根、正弦和余弦、算术运算。
全都是同一个运算符在二叉树中不断重复。
之前没有人料到它的存在。它是通过系统性的穷举搜索发现的。
这对人工智能的影响是巨大的。
AI 不再需要费力地组合各种数学规则来发现新的科学定律,它只需使用一种统一的架构。
一个可训练的电路。一个可重复的节点。
我们曾以为宇宙的语言是复杂的。
结果发现,它只是一个方程在黑暗中不断重复。
论文:https://arxiv.org/html/2603.21852v2…
好吧,这太疯狂了。
现在所有人都在通过一个连接器把 Claude 塞进 Blender。
Mixar 刚刚重新构建了 Blender,让 AI 智能体直接住在编辑器里面,生成、贴图、UV 展开——一切都是原生的。
而且它是开源的。
相似文章
@AnimaAnandkumar: 神经算子 – 将流行神经网络转换为神经算子用于科学建模 扩展神经网…
本文提出了将流行神经网络架构(CNNs、GNNs、Transformers)转换为神经算子的原则性方法,这些神经算子学习无限维函数空间之间的映射,使得在不同离散化下进行科学建模时能够获得一致的预测。发表于《Nature Machine Intelligence》。
AI解决数学问题是否正在经历指数级增长?
本文讨论了AI解决数学问题的能力是否在呈指数级增长,并可能分析了近期的趋势和研究。
Tensordyne 发布对数AI计算芯片:每瓦特令牌数比NVIDIA Blackwell多17倍,吞吐量高13倍。
Tensordyne 宣布了一项突破性推理系统,在硬件中使用对数数学,声称每瓦特令牌数比NVIDIA Blackwell多17倍,吞吐量高13倍,这是通过将对数空间中的复杂乘法替换为简单加法实现的。
算术启发神经元是否具有形式不变性?对LLMs中符号、文本和代码的机制分析
本文研究了LLM中的算术启发神经元在符号算术、自然语言文字题和Python代码中是否具有形式不变性。通过激活修补,他们发现了一个共享的神经元回路,该回路对于算术计算是必要且充分的,并且跨格式失败源于激活状态而非不同的回路。
人工神经网络中符号模式涌现的数学原理与实验发现
本文证明,在广泛的人工神经网络类别中,推理逻辑可以被重新表述为稀疏符号交互,并得到数学判据和大量实验的支持,为可解释性和泛化性提供了新颖的见解。