🔢 mathematics

Computing with Continued Logarithms

Dieses Paper präsentiert einen Algorithmus für die Arithmetik mit fortgesetzten Logarithmen (CLs) sowie dessen Erweiterung auf trigonometrische, exponentielle und logarithmische Funktionen, wobei alle Berechnungen direkt im CL-Format ohne Zwischenschritte über Gleitkommazahlen durchgeführt werden.

Ursprüngliche Autoren: Michael J. Collins

Veröffentlicht 2026-02-10

📖 3 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Michael J. Collins

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Die Welt der „Logarithmischen Legosteine“: Wie man mit riesigen Zahlen spielt

Stellen Sie sich vor, Sie müssten die Anzahl der Atome im Universum zählen. Wenn Sie versuchen würden, diese Zahl mit normalen Zahlen aufzuschreiben, bräuchten Sie ein Notizbuch, das so groß ist wie die Milchstraße. Das ist das Problem mit der herkömmlichen Mathematik: Wenn Zahlen extrem groß oder winzig klein werden, „platzen“ unsere normalen Rechenmethoden (die sogenannten Fließkommazahlen) einfach.

Die Autoren Michael Collins und Daniel Wagner haben eine neue Art der „Zahlensprache“ vorgestellt: die Continued Logarithms (CL) – auf Deutsch: Fortgesetzte Logarithmen.

Die Analogie: Das Teleskop statt des Lineals

Stellen Sie sich vor, Sie wollen die Entfernung zu einer fernen Galaxie messen.

Die herkömmliche Methode (Fließkommazahlen): Das ist wie ein Lineal. Es ist super präzise für eine Ameise auf Ihrem Tisch, aber wenn Sie damit versuchen, den Mond zu messen, wird das Lineal unbrauchbar. Sie müssten unendlich viele Millimeter-Striche machen.
Die CL-Methode (Fortgesetzte Logarithmen): Das ist wie ein Zoom-Objektiv oder ein Teleskop. Anstatt zu sagen: „Das ist 1.000.000.000 Millimeter“, sagt die CL-Methode: „Das ist eine riesige Größenordnung (der erste Zoom-Schritt), und hier ist die kleine Feinjustierung für den nächsten Schritt, und hier die nächste...“

Anstatt eine Zahl als einen einzigen, massiven Block zu sehen, zerlegt die CL-Methode eine Zahl in eine Kette von „Zoom-Stufen“. Das ist extrem effizient, weil man mit sehr kleinen Zahlen (den Zoom-Stufen) arbeiten kann, um selbst die gigantischsten Werte der Welt zu beschreiben.

Was ist neu in diesem Paper?

Bisher wusste man zwar, wie man mit diesen „Zoom-Zahlen“ einfache Dinge wie Plus und Minus macht (das war schon bekannt). Aber dieses Paper ist wie das Veröffentlichen eines neuen Regelbuchs für ein komplexes Spiel. Die Autoren haben gezeigt, wie man mit diesen Zoom-Zahlen auch die „schweren Geschütze“ der Mathematik berechnet:

Trigonometrie (Sinus, Cosinus): Wie man Wellenbewegungen und Kreise beschreibt.
Exponentialfunktionen: Wie man beschreibt, wie Dinge (wie Bakterien oder Zinsen) explosionsartig wachsen.
Logarithmen: Das Werkzeug, um die Zoom-Stufen selbst zu berechnen.

Die „Fließband-Magie“ (Der Algorithmus)

Das Faszinierendste an ihrer Methode ist die Art und Weise, wie gerechnet wird. Sie nutzen keinen riesigen Taschenrechner, der erst alles ausrechnet und dann das Ergebnis ausspuckt.

Stellen Sie sich ein Fließband vor:
Die Zahlen fließen als kleine Informationseinheiten (die Zoom-Stufen) am Computer vorbei. Sobald die erste Stufe des Ergebnisses feststeht, wird sie sofort „ausgespuckt“, während die restlichen Stufen noch gar nicht bekannt sind! Man muss nicht warten, bis die ganze Rechnung fertig ist. Man arbeitet quasi „live“ mit dem, was gerade reinkommt.

Warum ist das wichtig?

Hardware-Freundlichkeit: Da man nur mit kleinen, einfachen Schritten arbeitet, könnte man diese Mathematik direkt in winzige Computerchips einbauen, die viel schneller und sparsamer sind als heutige Prozessoren.
Unendliche Präzision: Man kann theoretisch mit Zahlen arbeiten, die so groß sind, dass sie das gesamte sichtbare Universum sprengen würden, ohne dass der Computer „abstürzt“.

Zusammenfassend: Die Autoren haben eine neue Art von „mathematischem Zoom-Werkzeug“ entwickelt, mit dem man nicht nur die kleinsten Teilchen, sondern auch die größten Galaxien mit derselben einfachen Logik berechnen kann – und das alles in einem eleganten, fließenden Prozess.

Zusammenfassung: Rechnen mit fortgesetzten Logarithmen (Continued Logarithms)

1. Problemstellung

Das Papier befasst sich mit der effizienten Darstellung und Berechnung extrem großer oder kleiner Zahlen. Während die klassischen fortgesetzten Brüche (Continued Fractions, CFs) ein mächtiges Werkzeug für die zahlentheoretische Annäherung sind, stoßen sie bei der Darstellung von Zahlen mit extremen Größenordnungen an Grenzen.

Der Autor nutzt die von Gosper eingeführten fortgesetzten Logarithmen (Continued Logarithms, CLs). CLs sind eine Variante der fortgesetzten Brüche, die besser geeignet sind, die Größenordnung (Order of Magnitude) einer Zahl direkt in ihrer Struktur abzubilden. Das Hauptproblem des Papers besteht darin, die bestehenden Algorithmen für die Arithmetik (Addition, Multiplikation etc.) auf CLs zu formalisieren und diese Methode auf die Berechnung transzendenter Funktionen (trigonometrische, exponentielle und logarithmische Funktionen) zu erweitern.

2. Methodik

A. Definition der CL-Repräsentation:
Eine Zahl $x > 1$ wird rekursiv durch ihre Potenz von 2 definiert:
$x = 2^k \left(1 + \frac{1}{y}\right)$ , wobei $k = \lfloor \log_2(x) \rfloor$ .
Die Sequenz der ganzzahligen Exponenten $k$ bildet die CL-Repräsentation. Zur algorithmischen Handhabung führt der Autor ein dynamisches System ein, das die Transformationen als Sequenz von Operationen (z. B. $x/2$ oder $1/(x-1)$ ) beschreibt.

B. Arithmetik mittels bihomografischer Transformationen:
Der Kern der Arithmetik basiert auf dem Algorithmus von Gosper. Das Ziel ist es, die CL-Terme des Ergebnisses $z$ direkt aus den CL-Termen der Eingaben $x$ und $y$ zu bestimmen, ohne jemals auf Fließkommazahlen zurückzugreifen.

Der Zustand der Berechnung wird durch eine bihomografische Funktion der Form $M(x, y) = \frac{axy + bx + cy + d}{exy + fx + gy + h}$ dargestellt.
Diese Funktion wird durch eine $2 \times 2$ Matrix $M$ repräsentiert.
Der Algorithmus nutzt drei Hauptoperationen:
1. prod: Erzeugt einen Term des Ergebnisses (Output), wenn die Schranken von $M(x, y)$ ausreichen, um den nächsten CL-Term zu bestimmen.
2. conx: „Verbraucht“ einen Term der Eingabe $x$ , um die Schranken von $M(x, y)$ zu verengen.
3. cony: Analog zu conx für die Eingabe $y$ .

C. Erweiterung auf transzendente Funktionen:
Für Funktionen wie $\exp(x)$ , $\sin(x)$ , $\arcsin(x)$ und $\log(x)$ nutzt der Autor Taylor-Reihen oder ähnliche unendliche Produkte. Diese Reihen werden in eine geschachtelte Folge von bihomografischen Transformationen übersetzt. Durch die Rekursion $y_n(x) = M_n(x, y_{n+1}(x))$ kann jeder Term der Funktion schrittweise berechnet werden, sobald genügend Terme der Eingabe vorliegen.

3. Zentrale Beiträge (Key Contributions)

Formalisierung der CL-Arithmetik: Der Autor liefert eine präzise mathematische Beschreibung der Matrix-Operationen (prod, con), die für die Implementierung von CL-Arithmetik notwendig sind.
Algorithmen für transzendente Funktionen: Die wichtigste Neuerung ist die Erweiterung der CL-Methode auf $\exp$ , $\log$ , $\sin$ , $\cos$ und $\tan$ . Dies geschieht durch die Konstruktion spezifischer bihomografischer Matrizen, die die Taylor-Reihen repräsentieren.
Nachweis der Konvergenz: Das Paper zeigt theoretisch auf, dass die rekursiven Verfahren für transzendente Funktionen konvergieren und dass man jeden Term der Ergebnis-CL-Repräsentation schließlich bestimmen kann (Termination).

4. Ergebnisse und Implementierung

Implementierung: Die Algorithmen wurden in der funktionalen Programmiersprache Haskell implementiert.
Effizienz: Die Berechnungen finden vollständig im Bereich der CL-Repräsentation statt. Es wird kein Floating-Point-Arithmetik benötigt, was die Methode theoretisch sehr präzise und robust gegenüber Überläufen macht.
Eigenschaften: Die CL-Terme tendieren dazu, klein zu bleiben (ähnlich dem Khinchin-Theorem für CFs), was die algorithmische Effizienz begünstigt.

5. Bedeutung und Ausblick

Die Arbeit ist von hoher Bedeutung für die Computerarchitektur und numerische Software, insbesondere für Systeme, die mit extremen Skalen arbeiten müssen (z. B. in der Astrophysik oder bei der Simulation physikalischer Prozesse über viele Größenordnungen hinweg).

Ein kritischer Punkt, den der Autor anspricht, ist das Terminierungsproblem: Wenn die Eingaben unendlich sind, aber das Ergebnis ein endlicher CL ist, kann es schwierig sein, zu entscheiden, wann die Eingabe „genug“ Informationen geliefert hat. Der Autor schlägt vor, dass zukünftige Hardware-Implementierungen einen parallelen „Error-Channel“ nutzen könnten, um stagnierende Berechnungen zu erkennen. Die Methode bietet eine vielversprechende Grundlage für hocheffiziente, spezialisierte Hardware zur Berechnung transzendenter Funktionen.