Bayesian Modeling of Collatz Stopping Times: A Probabilistic Machine Learning Perspective

Este estudio analiza los tiempos de parada totales de la conjetura de Collatz mediante un enfoque de aprendizaje automático bayesiano, demostrando que un modelo de regresión binomial negativa jerárquica supera a los generadores mecánicos basados en descomposición de bloques, aunque la incorporación de la estructura modular baja mejora significativamente el ajuste de estos últimos.

Lo esencial

¡Claro que sí! Imagina que el Conjunto de Collatz es como un juego de mesa matemático muy antiguo y misterioso. La regla es simple: si el número es par, lo divides por 2; si es impar, lo multiplicas por 3 y le sumas 1. Repites esto hasta llegar al número 1.

El gran misterio (la "Conjetura de Collatz") es si todos los números, sin importar cuán grandes sean, eventualmente llegarán al 1. Nadie ha podido probarlo con una fórmula mágica.

Pero en este artículo, los autores (Nicolò y Matteo) dicen: "Olvídate de intentar probarlo matemáticamente por ahora. En su lugar, hagamos de detectives estadísticos". En lugar de preguntar "¿Llegará siempre al 1?", preguntan: "¿Cuántos pasos tarda en llegar?" y "¿Podemos predecir ese tiempo?".

Aquí tienes la explicación de su investigación, traducida a un lenguaje sencillo con analogías:

1. El Problema: Un Viaje Caótico

Imagina que lanzas un dado gigante (el número $n$) y tratas de ver cuántos pasos tarda en llegar a la meta (el 1).

• La sorpresa: No todos los números tardan lo mismo. Algunos llegan rápido, otros tardan muchísimo.
• El patrón: Si miras los datos, ves que la mayoría tarda un tiempo "normal", pero hay algunos "viajeros extremos" que tardan muchísimo más (una cola larga). Además, el tiempo no es aleatorio al azar; depende de la "personalidad" del número (si es par, impar, o qué resto deja al dividirlo por 8).

Los autores analizaron 10 millones de números para ver este comportamiento.

2. La Primera Solución: El "Oráculo Estadístico" (Modelo de Regresión)

La primera herramienta que construyeron es como un oráculo muy inteligente (un modelo de aprendizaje automático).

• ¿Cómo funciona? Imagina que le preguntas al oráculo: "Oye, si el número es muy grande (log n) y si al dividirlo por 8 deja un resto específico (n mod 8), ¿cuánto tardará en llegar a 1?".
• La magia: El oráculo no da una respuesta exacta (porque es imposible), sino que dibuja una nube de probabilidades. Te dice: "Es muy probable que tarde entre 150 y 160 pasos, pero hay una pequeña chance de que tarde 500".
• El resultado: Este oráculo es increíblemente bueno adivinando el tiempo exacto. Es como tener un mapa de tráfico que te dice exactamente cuánto tardarás en llegar a casa basándose en la hora y el código postal.

3. La Segunda Solución: El "Simulador de Bloques" (Modelo Mecánico)

La segunda herramienta es más como un simulador de videojuego que intenta imitar cómo funciona el juego desde adentro.

• La idea: El juego tiene un patrón oculto. Cuando un número es impar, se multiplica por 3 y se suma 1, convirtiéndose en un número par. Luego, ese número par se divide por 2 una, dos o tres veces hasta volver a ser impar.
• El truco: Los autores dicen: "Vamos a tratar esos grupos de divisiones como si fueran 'bloques' aleatorios". En lugar de calcular cada paso, simulan que cada bloque tiene una longitud aleatoria (como lanzar una moneda para ver cuántas veces cae 'cara' antes de 'cruz').
• El problema inicial: Si simulan esto de forma totalmente aleatoria, el simulador se equivoca mucho. Es como intentar predecir el clima asumiendo que llueve igual todos los días, sin importar la estación.
• La mejora: Se dieron cuenta de que la "longitud del bloque" depende de si el número es par o impar de una manera específica (módulo 8). Cuando ajustaron el simulador para tener en cuenta este detalle, ¡mejoró mucho! Aunque sigue siendo menos preciso que el oráculo, es más "honesto" porque explica por qué pasa lo que pasa.

4. La Gran Comparación: ¿Quién gana?

Al final, pusieron a los dos modelos a competir contra datos reales que no habían visto antes:

1. El Oráculo (Regresión Bayesiana): Ganó por goleada. Fue el mejor adivinando los tiempos exactos. Es la herramienta práctica si solo quieres predecir resultados.
2. El Simulador (Bloques): Perdió en precisión, pero ganó en explicación. Nos ayudó a entender que la "estructura oculta" de los números (esa regla de módulo 8) es la clave de por qué algunos tardan tanto.

La Conclusión en una Frase

El artículo nos dice que, aunque no podemos resolver el misterio matemático de por qué el juego siempre termina en 1, podemos modelar estadísticamente cómo se comporta.

• Si quieres predecir el futuro, usa un modelo estadístico inteligente (el Oráculo).
• Si quieres entender la mecánica del juego, usa el simulador de bloques, pero asegúrate de incluir las reglas ocultas (módulo 8).

Es como si intentáramos entender el tráfico en una ciudad:

• El Oráculo es una app de GPS que te dice: "Llegarás en 20 minutos".
• El Simulador es un ingeniero de tráfico que dice: "Llegarás en 20 minutos porque hay un semáforo rojo cada 3 calles, pero si cambiamos ese semáforo, el tiempo cambiará".

Ambos son útiles, pero sirven para cosas diferentes. Los autores nos muestran cómo combinar la intuición matemática con la potencia de la inteligencia artificial para estudiar problemas antiguos.

Resumen técnico

A continuación presento un resumen técnico detallado del artículo "Bayesian Modeling of Collatz Stopping Times: A Probabilistic Machine Learning Perspective" (Modelado Bayesiano de los Tiempos de Parada de Collatz: Una Perspectiva de Aprendizaje Automático Probabilístico), basado en el documento proporcionado.

---

Resumen Técnico

1. Planteamiento del Problema

El artículo aborda el problema de los tiempos de parada totales ($\tau(n)$) de la conjetura de Collatz, definida por la aplicación $T(n) = n/2$ si $n$ es par y $T(n) = 3n+1$ si $n$ es impar. El tiempo de parada $\tau(n)$ es el número mínimo de pasos para que $T^t(n) = 1$.

Aunque la conjetura de Collatz es un problema determinista abierto, los autores adoptan una perspectiva probabilística y de aprendizaje automático. En lugar de intentar probar la conjetura, tratan $n$ como una variable aleatoria (muestreada uniformemente de $\{1, \dots, 10^7\}$) para estudiar la ley empírica inducida de $\tau(n)$.

Desafíos observados en los datos:

• Sobre-dispersión: La distribución de $\tau(n)$ es altamente asimétrica con una cola derecha pesada. La relación varianza/media es aproximadamente 24.56, lo que descarta modelos Poisson simples.
• Heterogeneidad aritmética: Existe una estructura visible en los datos (bandas en gráficos de dispersión) que sugiere que el comportamiento de $\tau(n)$ depende de propiedades aritméticas de $n$, específicamente su clase de residuo módulo potencias de 2.

2. Metodología

Los autores desarrollan y comparan dos modelos complementarios para predecir y explicar la distribución de $\tau(n)$:

A. Modelo 1: Regresión Jerárquica Bayesiana Negativa Binomial (NB2-GLM)

• Enfoque: Fenomenológico y predictivo. Trata $\tau(n)$ como una variable de conteo sobre-dispersa.
• Estructura: Utiliza una distribución Negativa Binomial (NB2) donde la varianza crece cuadráticamente con la media ($Var = \mu + \alpha\mu^2$).
• Covariables:
  • $\log(n)$: Para capturar la tendencia de crecimiento lento a gran escala.
  • $n \pmod 8$: Tratado como un efecto aleatorio jerárquico (intercepto aleatorio por clase de residuo). Esto permite un "apilamiento parcial" (partial pooling) que estabiliza las estimaciones para cada clase de residuo y controla el sobreajuste.
• Inferencia: Se utiliza el muestreador NUTS (No-U-Turn Sampler) en PyMC con priores débiles para obtener distribuciones posteriores y predictivas.

B. Modelo 2: Generador Mecanístico de Bloques Impares (Odd-Block)

• Enfoque: Generativo y basado en la dinámica subyacente.
• Mecanismo: Descompone la dinámica de Collatz en "bloques impares". Para un número impar $m$, se escribe $3m+1 = 2^{K(m)}m'$, donde$K(m) = v_2(3m+1)$ es el número de divisiones por 2 antes de volver a un estado impar.
• Aproximación Estocástica: Reemplaza la dependencia determinista de $K(m)$ por una secuencia estocástica $(K_j)$ con una función de masa de probabilidad (pmf) $p_k$.
• Calibración:
  • G1 (Heurística clásica): Asume $K$ sigue una distribución geométrica $P(K=k) \approx 2^{-k}$.
  • G2 (Calibrado global): Estima $p_k$ directamente de los datos observados usando una actualización Bayesiana Dirichlet-Multinomial.
  • G3 (Calibrado condicional): Refina el modelo condicionando la distribución de $K$ a la clase de residuo $m \pmod 8$, reconociendo que la estructura modular afecta la longitud de los bloques.
• Proyección: Incluye una proyección $\lfloor \cdot \rceil_{odd}$ para mantener la estructura de estado impar en la simulación estocástica.

3. Resultados Clave

Análisis de Datos Exploratorio:

• Se computaron tiempos de parada para $N = 10^7$ utilizando programación dinámica y compilación JIT (Numba).
• La media de $\tau(n)$ es $\approx 155.27$ con una varianza de $\approx 3814$.
• La dispersión es masiva ($R \approx 24.56$), confirmando la necesidad de modelos de conteo sobre-dispersos.

Comparación de Modelos (Datos de Prueba):
Se evaluaron los modelos en un conjunto de prueba de 50,000 puntos no vistos utilizando dos métricas: Puntaje Logarítmico Predictivo (mayor es mejor) y Distancia de Wasserstein (W1) (menor es mejor).

Modelo	Descripción	Log Score (Mejor = mayor)	W1 (Mejor = menor)
NB2-GLM (M3)	Regresión Bayesiana Jerárquica	-272,912	3.20
G3	Generador Condicional ($K | m \pmod 8$)	-1,079,087	5.43
G2	Generador Global (Calibrado)	-1,165,983	17.59
G1	Generador Geométrico Heurístico	N/A (peor ajuste)	N/A

Hallazgos Principales:

1. Superioridad Predictiva: El modelo de regresión NB2-GLM supera significativamente a los generadores mecanísticos en términos de verosimilitud predictiva (el log score es casi 4 veces mayor en magnitud positiva relativa).
2. Importancia de la Estructura Modular: El modelo generativo G3 (condicionado a $m \pmod 8$) mejora drásticamente sobre G2 (global), reduciendo la distancia W1 de 17.59 a 5.43. Esto demuestra que la estructura aritmética de bajo orden es un motor clave de la heterogeneidad en $\tau(n)$.
3. Ajuste de Distribución: Mientras que el NB2-GLM captura bien la masa central y la cola, el generador condicional G3 logra un ajuste distribucional mucho mejor que el generador global, aunque sigue quedando por detrás del modelo de regresión en precisión pura.

4. Contribuciones Clave

• Perspectiva Estadística: Establece un marco riguroso para tratar la dinámica de Collatz como un problema de inferencia estadística sobre datos deterministas, cuantificando la incertidumbre mediante distribuciones posteriores.
• Modelado de Heterogeneidad: Demuestra que una covariable simple ($n \pmod 8$) combinada con una transformación logarítmica captura la mayor parte de la estructura predictiva y la heterocedasticidad de los tiempos de parada.
• Puente entre Fenomenología y Mecánica: Conecta un modelo de regresión "caja negra" (NB2-GLM) con un modelo generativo basado en la física del sistema (descomposición de bloques). Muestra cómo la "aleatoriedad" en el efecto aleatorio de la regresión corresponde a la dependencia aritmética explícita en el generador.
• Validación Empírica a Gran Escala: Proporciona análisis cuantitativos rigurosos sobre $10^7$ iteraciones, superando las limitaciones de estudios anteriores basados en muestras pequeñas o heurísticas puras.

5. Significado y Conclusiones

El trabajo concluye que, aunque la conjetura de Collatz sigue sin resolverse, su comportamiento estadístico es altamente predecible mediante modelos probabilísticos modernos.

• Para la predicción: El modelo NB2-GLM es la herramienta más robusta para predecir la distribución de tiempos de parada y cuantificar la incertidumbre.
• Para la comprensión mecánica: El modelo de bloques impares, especialmente cuando se condiciona a la estructura modular, valida la intuición de que la dinámica de Collatz no es aleatoria en el sentido de un paseo aleatorio simple, sino que posee una estructura aritmética profunda (dependencia de $v_2(3m+1)$) que debe ser modelada explícitamente.

El artículo sugiere que la heterogeneidad observada en los datos no es ruido, sino una señal de la estructura subyacente de los números enteros, y que los métodos de aprendizaje automático bayesiano son herramientas efectivas para desentrañar estas relaciones complejas sin necesidad de una demostración matemática formal de la conjetura.