💻 computer science

Adaptive Search in Collatz Exponent-Code Space via 2-adic and 3-adic Constraints

Diese Arbeit schlägt ein symbolisches diagnostisches Framework für die Collatz-Vermutung unter Verwendung von 2-adischen und 3-adischen Beschränkungen auf Exponenten-Codes vor, um Obstruktionsstrukturen zu analysieren, wobei durch adaptive Suchexperimente nachgewiesen wird, dass, obwohl endliche Längen-Trade-offs verbessert werden können, alle getesteten Methoden positive Residuenraten beibehalten, die inkonsistent mit Gegenbeispielen sind.

Ursprüngliche Autoren: Oliver Kramer

Veröffentlicht 2026-07-14

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Oliver Kramer

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

Stellen Sie sich die berühmte Collatz-Vermutung als ein riesiges, kosmisches „Follow the Leader“-Spiel vor, das mit Zahlen gespielt wird. Die Regeln sind einfach: Wenn eine Zahl gerade ist, teile sie durch zwei; wenn sie ungerade ist, multipliziere sie mit drei und addiere eins. Das große Rätsel ist, ob jede beliebige positive Zahl, mit der man beginnt, schließlich auf die Zahl 1 schrumpft.

Die meisten Menschen versuchen, die Collatz-Vermutung zu lösen, indem sie eine Startzahl wählen (wie 5 oder 100) und beobachten, wie das Spiel abläuft. Aber dieses Papier, geschrieben von Oliver Kramer, entscheidet sich für ein anderes Spiel. Anstatt die Zahlen zu beobachten, beobachtet es die Anweisungen, denen die Zahlen folgen.

Der geheime Code der Divisionen

Betrachten Sie das Spiel nicht als eine Sequenz von Zahlen, sondern als eine Sequenz von „Wie oft wurde durch zwei geteilt?“.
Wenn eine ungerade Zahl den Schritt „multipliziere mit drei und addiere eins“ durchläuft, wird sie gerade. Dann wird sie wiederholt durch zwei geteilt, bis sie wieder eine ungerade Zahl wird. Das Papier bezeichnet diese Sequenz der Divisionsanzahlen als „Exponenten-Code“.

Ein Beispiel: Wenn man mit 5 startet:

$3 \times 5 + 1 = 16$ .
$16$ ist $2^4$ , also teilt man vier Mal durch zwei, um wieder zu einer ungeraden Zahl (1) zu gelangen.
Die erste „Anweisung“ im Code ist 4.

Das Papier behandelt diese Codes wie DNA. Anstatt Millionen verschiedener Startzahlen zu testen, versuchen die Forscher, einen perfekten „DNA-Strang“ (einen Code) zu konstruen, der so aussieht, als könnte er ewig weitergehen, ohne jemals die 1 zu erreichen. Wenn sie einen solchen Code finden könnten, wäre dies ein „Gegenbeispiel“, das die Collatz-Regel bricht.

Das dreiteilige Detektiv-Kit

Um zu sehen, ob ein Code „echt“ (von einer echten Zahl erzeugt) oder nur ein Fake ist, haben die Autoren einen 2–3–∞-Diagnostiker erfunden. Denken Sie an dies als einen Drei-Sensor-Scanner, der prüft, ob ein Code in drei verschiedenen Welten Sinn ergibt:

Die reale Welt (Drift): Hält der Code die Zahlen davon ab, zu schnell zu wachsen oder zu schnell zu schrumpfen? Der „perfekte“ Code sollte einen „kritischen Drift“ aufweisen, bei dem Wachstum und Schrumpfen sich perfekt ausbalancieren.
Die 2-adische Welt (Der Anfang): Jeder Code erzwingt eine spezifische Startzahl. Wenn der Code echt ist, sollte diese erzwungene Startzahl klein und stabil sein. Der Scanner misst, wie „gestresst“ diese Startzahl ist.
Die 3-adische Welt (Das Ende): Jeder Code erzwingt auch eine spezifische Endzahl. Wenn der Code echt ist, sollte diese Endzahl nicht gegen Unendlich explodieren. Der Scanner prüft, ob das Ende in die erwarteten Wachstumsgrenzen passt.

Die Autoren haben eine sehr wichtige Tatsache bewiesen: Wenn ein Code von einer echten, festen Zahl erzeugt wird, müssen diese „Stresswerte“ (genannt Residuenraten) schließlich auf Null sinken. Es ist wie ein Fingerabdruck, der verblasst, während die Zahl älter wird. Wenn die Stresswerte hoch bleiben, ist der Code ein Fake.

Die große Suche

Die Forscher versuchten, einen „perfekten“ Code zu finden, der wie ein Gegenbeispiel aussieht, und nutzten dazu drei verschiedene Strategien:

Zufälliges Raten: Sie warfen Dartpfeile auf eine Zielscheibe und erzeugten zufällige Codes, die die Wachstumsrate ausbalancierten.
Mechanische Konstruktion: Sie verwendeten ein striktes, mathematisches Rezept, um perfekt ausbalancierte Codes zu bauen.
Adaptive Evolution: Sie nutzten ein computergestütztes „Survival of the Fittest“-System. Sie begannen mit einer Menge von Codes, ließen die besten unter sich „paaren“ (Teile kombinieren), „mutieren“ (leicht verändern) und sich selbst „reparieren“, um näher an die perfekte Balance zu kommen.

Sie testeten diese Codes bei Längen von 100, 200 und 400 Schritten.

Die Ergebnisse: Die Wand, die nicht bricht

Hier sind die Neuigkeiten: Sie haben kein Gegenbeispiel gefunden. Tatsächlich haben sie festgestellt, dass es unglaublich schwer ist, auch nur einen Fake zu erstellen.

Selbst mit der ausgeklügelten „Adaptiven Suche“ (dem evolutionären Computer) hatten die Codes, die sie fanden, immer noch hohe „Stresswerte“.

Bei einer Länge von 100 erreichte der beste adaptive Code einen Gesamtwert von 1,49.
Bei 200 lag der beste gefundene Wert bei 1,68.
Bei 400 betrug der beste Wert 1,73.

Die „Stresswerte“ (speziell die 2-adische Startrate und die 3-adische Endratenrate) blieben hartnäckig positiv und pendelten sich zwischen 0,95 und 1,08 für den Start und zwischen 0,54 und 0,68 für das Ende ein.

Erinnern Sie sich an die Regel? Für eine echte Zahl müssen diese Werte auf Null sinken. Die Tatsache, dass sie hoch blieben, bedeutet, dass selbst die klügste Computersuche nicht in der Lage war, einen Code zu bauen, der sich ewig wie eine echte Zahl verhält. Die „Fake“-Codes sahen immer verdächtig nach Fakes aus.

Das Fazit

Dieses Papier beweist die Collatz-Vermutung nicht. Stattdessen baut es ein mächtiges neues Werkzeug auf, um das Problem zu betrachten. Es zeigt, dass die „Hindernisse“, die einem Gegenbeispiel im Weg stehen, tiefgreifend und strukturell sind.

Die adaptive Suche war zwar besser als das zufällige Raten, aber sie konnte der Falle nicht entkommen. Der „Stress“ in den Codes verschwand nie. Es ist, als hätte das Universum ein verborgenes Schloss an diesen Zahlen, und egal wie geschickt man versucht, das Schloss mit diesen symbolischen Codes zu knacken, die Stifte rasten einfach nicht in die „Null“-Position ein.

Die Autoren kommen zu dem Schluss, dass wir zwar Codes erstellen können, die fast richtig aussehen, aber die Kombination aus einer perfekten realen Welt-Balance sowie perfekter 2-adischer und 3-adischer Stabilität bleibt ein ungelöstes Rätsel. Die Suche geht weiter, aber der Weg ist viel schwieriger, als wir gehofft hatten.

Technisches Resümee: Adaptive Suche im Collatz-Exponenten-Coderaum mittels 2-adischer und 3-adischer Nebenbedingungen

Problemstellung
Die vorliegende Arbeit befasst sich mit der Collatz-Vermutung, die postuliert, dass die Trajektorie jeder positiven ganzen Zahl $n$ unter der Abbildung $T(n) = n/2$ (falls gerade) oder $T(n) = 3n+1$ (falls ungerade) schließlich den Wert 1 erreicht. Anstatt große Bereiche von Startzahlen zu testen, untersucht die Arbeit einen symbolischen Suchraum, der durch endliche Exponenten-Codes der beschleunigten Collatz-Abbildung definiert ist.

Die beschleunigte Abbildung auf ungeraden Zahlen ist definiert als $C(n) = (3n+1)/2^{v_2(3n+1)}$ , wobei $v_2(m)$ der Exponent der höchsten durch 2 teilbaren Potenz von $m$ ist. Eine Trajektorie $x_{k+1} = C(x_k)$ erzeugt eine Folge von Exponenten $a_{k+1} = v_2(3x_k + 1)$ . Die Sequenz $(a_1, \dots, a_k)$ bildet einen Exponenten-Code. Das zentrale Problem besteht darin, zu bestimmen, ob ein „gegenbeispiel-ähnlicher“ Code existiert – also ein Code, der das Verhalten einer divergenten oder nicht-konvergierenden Bahn imitiert – indem spezifische Kompatibilitätsbedingungen über reelle, 2-adische und 3-adische Domänen hinweg erfüllt werden.

Methodik: Das 2–3–∞-Diagnostikum
Die Autoren schlagen ein symbolisches Diagnostik-Framework vor, das endliche Exponenten-Codes basierend auf drei Metriken evaluiert, die kollektiv als 2–3–∞-Diagnostikum bezeichnet werden:

Reeller Drift ( $d_k$ ): Misst die Abweichung des durchschnittlichen Exponenten vom kritischen Schwellenwert $\alpha = \log_2 3$ . Der Code ist kritisch, wenn $A_k/k \approx \alpha$ gilt (wobei $A_k = \sum a_i$ ), was sicherstellt, dass der multiplikative Faktor $3^k/2^{A_k}$ nahe bei eins bleibt.
$d_k = |A_k/k - \alpha|$
2-adischer Start-Repräsentant ( $\rho_r$ ): Bestimmt die erzwungene Start-Residuklasse $r_k \pmod{2^{A_k}}$ , die erforderlich ist, um den Code zu realisieren. Für eine echte Bahn, die durch eine feste ganze Zahl $n$ erzeugt wird, muss $r_k$ schließlich gleich $n$ sein. Das Diagnostikum misst die Wachstumsrate dieser Residuklasse:
$\rho_r(k) = \frac{\log(1 + r_k)}{k}$
3-adischer Endpunkt-Repräsentant ( $\rho_M$ ): Bestimmt die erzwungene Endpunkt-Residuklasse $M_k \pmod{3^k}$ . Für eine echte Bahn muss der Endpunkt die reelle Wachstumsbeschränkung $x_k + 1 \leq (n+1)(3/2)^k$ erfüllen. Das Diagnostikum misst die Inkompatibilität mit dieser Beschränkung:
$\rho_M(k) = \frac{\log(1 + M_k/(3/2)^k)}{k}$

Theoretischer Beitrag
Die Autoren beweisen Theorem 1, welches eine notwendige Bedingung für jeden unendlichen Exponenten-Code festlegt, der durch eine feste positive ganze Zahl $n$ erzeugt wird: Die Residuenraten müssen asymptotisch gegen Null gehen.
$\lim_{k \to \infty} \rho_r(k) = 0 \quad \text{und} \quad \lim_{k \to \infty} \rho_M(k) = 0$
Folglich besagt Korollar 2, dass falls ein unendlicher Code ein $\liminf \rho_r(k) > 0$ oder $\liminf \rho_M(k) > 0$ aufweist, dieser nicht durch eine feste positive ganze Zahl erzeugt werden kann. Dies impliziert, dass ein gültiger Gegenbeispiel-Code gleichzeitig einen annähernd kritischen reellen Drift sowie verschwindende 2-adische und 3-adische Residuenraten erreichen muss.

Experimenteller Ansatz
Die Autoren vergleichen drei Strategien zur Generierung endlicher Codes der Längen $k \in \{100, 200, 400\}$ mit einem festen Evaluierungsbudget ( $N_{eval} = 1000k$ ):

Random Critical Codes: Stichproben von $a_i \in \{1, 2\}$ mit Wahrscheinlichkeiten, die so abgestimmt sind, dass ein erwarteter Durchschnitt von $\log_2 3$ resultiert.
Mechanical Critical Codes: Verwendet eine deterministische Konstruktion basierend auf dem Bruchteil von $i(\log_2 3 - 1) + \theta$ , um die Exponenten gleichmäßig zu verteilen.
Adaptive Evolutionary Search: Eine evolutionäre Strategie, bei der Codes als Genome fungieren. Die Fitnessfunktion minimiert einen zusammengesetzten Score $S = d_k + \rho_r(k) + \rho_M(k)$ . Die Suche nutzt Selektion, Crossover, Mutation, Drift-Reparatur (um kritische Durchschnitte beizubehalten) und mechanische Block-Injektion.

Ergebnisse
Die Experimente zeigen, dass die adaptive Suche zwar die Trade-offs bei endlichen Längen gegenüber den Baselines verbessert, es jedoch versäumt, das notwendige asymptotische Regime zu erreichen:

Residuenraten: Über alle Methoden und Längen hinweg liegen $\rho_r$ im Bereich $[0.95, 1.08]$ und $\rho_M$ im Bereich $[0.54, 0.68]$ .
Trend: Die Raten tendieren nicht gegen Null, wenn $k$ steigt. Bei $k=400$ liefert die adaptive Suche einen Score von $1.73838$, was nur marginal besser ist als das Random Critical Sampling ($1.73653$) und hinsichtlich des Drifts schlechter als die mechanischen Codes ist, obwohl die mechanischen Codes höhere Residuenraten aufweisen.
Fazit der Experimente: Die „diagnostische Obstruktion“ bleibt bestehen; keine Methode schafft es erfolgreich, Codes zu konstruieren, die gleichzeitig die Anforderungen eines annähernd kritischen Drifts und verschwindender 2-adischer und 3-adischer Residuen erfüllen.

Bedeutung und Ansprüche
Das Papier stellt explizit klar, dass sein Beitrag nicht eine Verifizierungsmethode für die Collatz-Vermutung ist. Stattdessen bietet es ein symbolisches Diagnostik-Framework, um die Strukturen der Obstruktion innerhalb des Exponenten-Code-Raums zu untersuchen.

Die Bedeutung liegt darin, aufzuzeigen, dass die Konstruktion eines gegenbeispiel-ähnlichen Codes nicht bloß eine Frage des Erreichens eines kritischen reellen Drifts ist (was leicht möglich ist), sondern darin, gleichzeitig strikte 2-adische und 3-adische Kompatibilitätsbedingungen zu erfüllen. Die Persistenz positiver Residuenraten über alle Random-, Mechanical- und Adaptive-Search-Strategien hinweg deutet darauf hin, dass die strukturellen Zwänge der Collatz-Abbildung die gleichzeitige Realisierung dieser Bedingungen schwierig, wenn nicht gar unmöglich für feste Startwerte machen. Die Autoren schließen, dass sich zukünftige Arbeiten auf die Untersuchung größerer Codelängen konzentrieren und nachweisbare untere Schranken für diese Residuenraten etablieren sollten.