🤖 machine learning

Totally Positive Matrices and the Highest-Order Coefficients of the Characteristic Polynomial

यह शोध पत्र प्रदर्शित करता है कि अभिलक्षण बहुपद (characteristic polynomial) के तीन उच्चतम-क्रम के गुणांक, पूर्णतः धनात्मक (totally positive) मैट्रिसेस को गैर-पूर्णतः धनात्मक मैट्रिसेस से प्रभावी ढंग से अलग करते हैं और एक त्रि-आयामी स्थान में विशिष्ट, आयाम-निर्भर ज्यामितीय हस्ताक्षरों के माध्यम से विभिन्न संरचित परिवारों को पृथक करते हैं, जैसा कि न्यूरल नेटवर्क विश्लेषण और महलानोबिस दीर्घवृत्त (Mahalanobis ellipsoids) द्वारा सत्यापित किया गया है।

मूल लेखक: Tiago Closs, Leandro Farina

प्रकाशित 2026-07-21

📖 9 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tiago Closs, Leandro Farina

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रहस्य सुलझाने की कोशिश कर रहे हैं एक जासूस के रूप में, लेकिन आपके सुराग उंगलियों के निशान या पैरों के निशान नहीं हैं, बल्कि संख्याओं के विशाल ग्रिड जिन्हें मैट्रिक्स कहा जाता है, उनके भीतर छिपे हुए हैं। गणित की दुनिया में, इन ग्रिडों की एक विशेष, दुर्लभ नस्ल है जिसे "टोटली पॉजिटिव" (Totally Positive) मैट्रिक्स कहा जाता है। इन्हें संख्याओं की दुनिया के "गोल्डन टिकट" के रूप में सोचें: इनका हर एक छोटा सब-ग्रिड सकारात्मक मान वाला होता है। ये सांख्यिकी और इंजीनियरिंग जैसे क्षेत्रों में अविश्वसनीय रूप से उपयोगी हैं क्योंकि ये बहुत ही अनुमानित और स्थिर तरीके से व्यवहार करते हैं। हालाँकि, एक मैट्रिक्स यह जाँचने के लिए कि क्या वह "टोटली पॉजिटिव" है, कंप्यूटरों के लिए एक दुःस्वप्न है। जैसे-जैसे ग्रिड बड़ा होता जाता है, आपको जितने छोटे सब-ग्रिडों को जाँचना पड़ता है, उनकी संख्या माइक्रोवेव में फूटते पॉपकॉर्न की तरह बढ़ती जाती है। एक मध्यम आकार के ग्रिड के लिए, आपको लाखों छोटे टुकड़ों को जाँचना होगा; एक बड़े ग्रिड के लिए, इसमें ब्रह्मांड की आयु से भी अधिक समय लग जाएगा। इसलिए, गणितज्ञ एक शॉर्टकट की तलाश में थे: एक ऐसा तरीका जिससे वे केवल कुछ प्रमुख संख्याओं को देखकर यह बता सकें कि क्या कोई मैट्रिक्स एक "गोल्डन टिकट" है, बिना रेत के हर एक कण को गिने।

यह शोध पत्र इस बारे में है कि कैसे मैट्रिक्स की "आवाज़" का उपयोग करने वाला एक चतुर नया शॉर्टकट काम करता है। प्रत्येक मैट्रिक्स का एक विशिष्ट बहुपद (characteristic polynomial) होता है, जो एक गणितीय गीत की तरह है जो उसके व्यवहार का वर्णन करता है। इस गीत के गुणांक (coefficients) (चरों के सामने वाली संख्याएँ) इस गीत के सुरों की तरह कार्य करते हैं। शोधकर्ताओं ने सोचा कि यदि हम केवल इस गीत के तीन सबसे तेज़, सबसे ऊँचे सुरों को सुनें, तो क्या हम बता सकते हैं कि क्या एक मैट्रिक्स "गोल्डन टिकट" है? उन्होंने गणित और आर्टिफिशियल इंटेलिजेंस के मिश्रण का उपयोग करके इस विचार का परीक्षण किया। उन्होंने हजारों मैट्रिक्स बनाए—कुछ जो निश्चित रूप से "गोल्डन टिकट" (टोटली पॉजिटिव) थे और कुछ जो नहीं थे—और उन्हें एक कंप्यूटर मस्तिष्क में फीड किया। कंप्यूटर ने केवल उन शीर्ष तीन सुरों को सुनना सीख लिया। परिणाम क्या रहा? कंप्यूटर एक सुपर-डिटेक्टिव बन गया। वह "गोल्डन टिकट" और नकली के बीच लगभग पूर्ण सटीकता के साथ अंतर कर सका, यहाँ तक कि बहुत बड़े मैट्रिक्स के लिए भी। लेकिन असली जादू यह नहीं था कि यह काम करता था; बल्कि यह था कि यह कैसे काम करता था। "गोल्डन टिकट" केवल बेतरतीब ढंग से बिखरे नहीं थे; वे एक बहुत ही विशिष्ट, तंग, अंडे के आकार के बादल में एक साथ सिमटे हुए थे, जबकि नकली मैट्रिक्स उनसे दूर रहे। और भी आश्चर्यजनक रूप से, "गोल्डन टिकट" के विभिन्न प्रकार (जैसे वेंडरमोंड या कॉची मैट्रिक्स) अपने स्वयं के विशिष्ट, गैर-अतिव्यापी अंडे के आकार के बादलों में बने हुए थे। जैसे-जैसे मैट्रिक्स बड़े होते गए, ये बादल एक-दूसरे से दूर चले गए, जिससे उन्हें पहचानना पहले से कहीं अधिक आसान हो गया।

गोल्डन टिकटों का रहस्य

गणित की दुनिया में, मैट्रिक्स केवल संख्याओं के ग्रिड हैं, जैसे कि एक स्प्रेडशीट। कुछ ग्रिडों के पास विशेष शक्तियाँ होती हैं। सबसे शक्तिशाली प्रकारों में से एक को टोटली पॉजिटिव (TP) मैट्रिक्स कहा जाता है। एक TP मैट्रिक्स होने के लिए, इससे निकाला गया प्रत्येक संभव छोटा ग्रिड एक विशिष्ट गणना करने पर एक सकारात्मक संख्या होनी चाहिए। यह एक ऐसी टीम की तरह है जहाँ पूरी टीम से लेकर केवल दो लोगों के छोटे समूह तक, हर एक सदस्य पूरी तरह से सकारात्मक है। ये मैट्रिक्स प्रसिद्ध रूप से स्थिर और सुव्यवस्थित होते हैं, जो उन्हें विज्ञान और इंजीनियरिंग में बेहद उपयोगी बनाता है।

समस्या यह है कि एक मैट्रिक्स को TP होने के लिए जाँचना अविश्वसनीय रूप से कठिन है। यदि आपके पास $5 \times 5$ का छोटा ग्रिड है, तो आपको 252 छोटे सब-ग्रिडों की जाँच करनी होगी। यदि आपके पास $30 \times 30$ का ग्रिड है, तो आपको 5 करोड़ से अधिक सब-ग्रिडों की जाँच करनी होगी। यह समुद्र तट पर रेत के एक विशिष्ट कण को खोजने के लिए एक-एक करके हर कण को उठाने जैसा है। लंबे समय से, गणितज्ञ एक शॉर्टकट की तलाश में रहे हैं—एक ऐसा तरीका जिससे वे बिना इतनी मेहनत किए एक TP मैट्रिक्स को पहचान सकें।

तीन जादुई सुर

शोधकर्ताओं ने इस मैट्रिक्स के "विशिष्ट बहुपद" (characteristic polynomial) को देखने का निर्णय लिया। आप इस बहुपद को एक गणितीय फिंगरप्रिंट या एक गीत के रूप में सोच सकते हैं जो मैट्रिक्स गाता है। इस गीत में कई संख्याएँ (गुणांक) जुड़ी होती हैं। शोध पत्र पूछता है: क्या इस गीत के तीन सबसे तेज़, सबसे ऊँचे सुर हमें वह सब कुछ बता सकते हैं जो हमें जानने की आवश्यकता है?

ये तीन सुर इसके गुणांकों $a_{n-1}$ , $a_{n-2}$ , और $a_{n-3}$ के अनुरूप हैं। सरल भाषा में, ये संख्याएँ मैट्रिक्स के मुख्य विकर्ण (trace) के योग, $2 \times 2$ सब-ग्रिडों के योग और $3 \times 3$ सब-ग्रिडों के योग से संबंधित हैं। शोधकर्ताओं को संदेह था कि ये तीन संख्याएँ मैट्रिक्स की पहचान का रहस्य रख सकती हैं।

कंप्यूटर डिटेक्टिव

इसका परीक्षण करने के लिए, टीम ने एक विशाल डेटासेट बनाया। उन्होंने अलग-अलग आकारों ( $5 \times 5$ , $10 \times 10$ , और $30 \times 30$ ) के हजारों मैट्रिक्स बनाए। कुछ निश्चित रूप से TP मैट्रिक्स थे, जिन्हें विशेष "बिडायगोनल" (bidiagonal) मैट्रिक्स को आपस में गुणा करके बनाया गया था (यह उन्हें बनाने का एक ज्ञात तरीका है)। अन्य सकारात्मक संख्याओं वाले रैंडम मैट्रिक्स थे जो TP नहीं थे।

फिर उन्होंने एक न्यूरल नेटवर्क (एक प्रकार का AI) को प्रशिक्षित किया ताकि वह एक जासूस की तरह काम कर सके। पहले, उन्होंने AI को पूरे मैट्रिक्स के कच्चे नंबर दिए। AI TP मैट्रिक्स को पहचानने में बहुत कुशल हो गया, और लगभग 100% सटीकता तक पहुँच गया। लेकिन शोधकर्ता यह जानना चाहते थे कि: AI वास्तव में किन नंबरों पर ध्यान दे रहा था?

"इंटीग्रेटेड ग्रेडिएंट्स" (Integrated Gradients) और "SHAP" नामक विशेष उपकरणों का उपयोग करके, उन्होंने AI से उसके तर्क को समझाने के लिए कहा। AI ने तीन उच्चतम-क्रम के गुणांकों की ओर एक विशाल उंगली उठाई। यह सामने आया कि ये तीन संख्याएँ लगभग सारा भारी काम कर रही थीं।

अंडे के आकार के बादल

यहाँ कहानी वास्तव में रोमांचक हो जाती है। शोधकर्ताओं ने केवल उन तीन संख्याओं को लिया और उन्हें एक 3D ग्राफ पर प्लॉट किया। कल्पना कीजिए कि एक कमरा है जहाँ X, Y, और Z अक्ष इन तीन विशेष संख्याओं का प्रतिनिधित्व करते हैं।

जब उन्होंने TP मैट्रिक्स को इस कमरे में डाला, तो वे बेतरतीब ढंग से नहीं बिखरे। इसके बजाय, वे एक तंग, चिकने, अंडे के आकार के बादल (गणितीय रूप से महालानोबिस एलिप्सॉइड/Mahalanobis ellipsoid) में एक साथ सिमट गए। दूसरी ओर, गैर-TP मैट्रिक्स कमरे में चारों ओर बिखरे हुए थे, जो ज्यादातर इस अंडे के बाहर थे।

पृथक्करण इतना स्पष्ट था कि एक साधारण वक्र सतह (quadratic surface) एक सीमा खींचकर TP क्लाउड के चारों ओर घेरा बना सकती थी और नकली मैट्रिक्स को बाहर रख सकती थी। वास्तव में, जब उन्होंने एक सीधी रेखा (linear boundary) का उपयोग करने की कोशिश की, तो वह बुरी तरह विफल रही। इससे पता चला कि TP और गैर-TP मैट्रिक्स के बीच का अंतर एक सरल सीधी रेखा नहीं है; यह एक घुमावदार, ज्यामितमती आकार है।

तैरते हुए द्वीप

सबसे आश्चर्यजनक खोज तब हुई जब उन्होंने विभिन्न प्रकारों के TP मैट्रिक्स को देखा। उन्होंने केवल बिडायगोनल उत्पादों से बने मैट्रिक्स का उपयोग नहीं किया; उन्होंने वेंडरमोंड (Vandermonde) और कोची (Cauchy) मैट्रिक्स का भी उपयोग किया। ये TP मैट्रिक्स बनाने के अलग-अलग तरीके हैं, जैसे एक ही केक के लिए अलग-अलग रेसिपी।

जब उन्होंने इन विभिन्न परिवारों को उस 3D कमरे में प्लॉट किया, तो वे सभी आपस में नहीं मिले। प्रत्येक परिवार ने अपना स्वयं का विशिष्ट, गैर-अतिव्यापी अंडाकार बादल बनाया।

बिडायगोनल परिवार के पास एक अंडा था।
वेंडरमोंड परिवार के पास एक अलग स्थान पर दूसरा अंडा था।
कोची परिवार के पास कहीं और तीसरा अंडा था।

शुरुआत में, छोटे मैट्रिक्स ( $5 \times 5$ ) के लिए, ये अंडे थोड़े करीब थे, लगभग छू रहे थे। लेकिन जैसे-जैसे मैट्रिक्स बड़े होते गए ( $10 \times 10$ , फिर $30 \times 30$ ), अंडे एक-दूसरे से दूर और दूर चले गए। जब वे $30 \times 30$ तक पहुँचे, तो अंडे पूरी तरह से अलग द्वीप बन गए। उनके बीच शून्य ओवरलैप था।

शोधकर्ताओं ने इस अलगाव को मापा और पाया कि जैसे-जैसे मैट्रिक्स का आकार बढ़ता है, इन "द्वीपों" के बीच की दूरी बढ़ती जाती है। यह सुझाव देता है कि बड़े मैट्रिक्स की दुनिया में, अलग-अलग प्रकार के TP ढांचे न केवल अलग हैं, बल्कि वे ज्यामितीय रूप से बहुत मजबूत तरीके से विशिष्ट हैं।

इसका क्या अर्थ है

यह शोध पत्र यह दावा नहीं करता है कि इसने 'टोटल पॉजिटिविटी' के पूरे रहस्य को सुलझा लिया है, न ही यह कहता है कि यह तरीका अस्तित्व में मौजूद हर संभावित मैट्रिक्स के लिए काम करता है। यह जो दिखाता है, वह व्यापक कंप्यूटर सिमुलेशन के माध्यम से है, कि उनके द्वारा परीक्षण किए गए विशिष्ट मैट्रिक्स परिवारों के लिए, तीन उच्चतम-क्रम के गुणांक अविश्वसनीय रूप से शक्तिशाली हैं।

उन्होंने पाया कि:

सटीकता: केवल इन तीन संख्याओं का उपयोग करके, उनका AI क्लासिफायर TP और गैर-TP मैट्रिक्स के बीच 99.9% से अधिक सटीकता के साथ अंतर कर सकता था।
ज्यामिति: TP मैट्रिक्स 3D स्पेस में एक विशिष्ट, घुमावदार, अंडे के आकार के क्षेत्र में रहते हैं।
पृथक्करण: विभिन्न प्रकार के TP मैट्रिक्स अलग-अलग, गैर-अतिव्यापी अंडे बनाते हैं जो मैट्रिक्स के आकार के बढ़ने के साथ दूर होते जाते हैं।

लेखक एक कन्जेक्चर (अनुमान) का सुझाव देते हैं (साक्ष्य पर आधारित एक मजबूत गणितीय अनुमान): जैसे-जैसे मैट्रिक्स बड़े होते हैं, ये विभिन्न प्रकार के TP मैट्रिक्स हमेशा अपने स्वयं के विशिष्ट, गैर-अतिव्यापी क्षेत्रों में रहेंगे।

संक्षेप में, इस शोध पत्र ने खोजा कि "गोल्डन टिकट" खोजने के लिए आपको लाखों छोटे सब-ग्रिडों की जाँच करने की आवश्यकता नहीं है। आपको बस उसके गीत के तीन सबसे तेज़ सुरों को सुनने की आवश्यकता है। यदि वे सुर एक विशिष्ट, घुमावदार अंडे के आकार के भीतर आते हैं, तो आपने एक TP मैट्रिक्स पा लिया है। और यदि आप पर्याप्त ध्यान से सुनते हैं, तो आप यह भी बता सकते हैं कि वह किस प्रकार का TP मैट्रिक्स है, बस यह देखकर कि वह किस अंडे में बैठा है।

तकनीकी सारांश: पूर्णतः धनात्मक आव्यूह (Totally Positive Matrices) और अभिलक्षणिक बहुपद के उच्चतम-क्रम के गुणांक

समस्या विवरण
पूर्णतः धनात्मक (TP) आव्यूह, जिन्हें उन आव्यूहों के रूप में परिभाषित किया जाता है जहाँ सभी माइनर्स (minors) सख्ती से धनात्मक होते हैं, संरचित आव्यूहों के एक महत्वपूर्ण वर्ग का गठन करते हैं जिनका अनुप्रयोग सन्निकटन सिद्धांत (approximation theory), संयोजन विज्ञान (combinatorics) और सांख्यिकी में होता है। हालाँकि, पूर्ण धनात्मकता को सत्यापित करना बड़े आयामों के लिए गणनात्मक रूप से अत्यधिक कठिन है, क्योंकि इसके लिए $M(n) = \sum_{k=1}^n \binom{n}{k}^2$ माइनर्स की जाँच करने की आवश्यकता होती है। उदाहरण के लिए, एक $30 \times 30$ आव्यूह में $5 \times 10^7$ से अधिक माइनर्स होते हैं। यह संयोजन विस्फोट (combinatorial explosion) मध्यम से बड़े $n$ के लिए प्रत्यक्ष सत्यापन को अव्यवहार्य बना देता है, जो TP आव्यूहों की आवश्यक संरचना को पकड़ने वाले निम्न-आयामी डिस्क्रिप्टर (descriptors) की खोज को प्रेरित करता है।

यह कार्य इस बात की जांच करता है कि क्या TP आव्यूहों को उनके अभिलक्षणिक बहुपद (characteristic polynomial) के उच्चतम-क्रम के गुणांकों का उपयोग करके गैर-TP आव्यूहों से अलग किया जा सकता है। विशेष रूप से, लेखक मैपिंग $\pi(A) = (a_{n-1}, a_{n-2}, a_{n-3})$ पर ध्यान केंद्रित करते हैं, जहाँ अभिलक्षणिक बहुपद $p_A(\lambda) = \lambda^n + a_{n-1}\lambda^{n-1} + \dots + a_0$ है। ये गुणांक (चिह्न के संदर्भ में) $1\times1$ , $2\times2$ , और $3\times3$ मुख्य माइनर्स के योगों के अनुरूप हैं, जो वे विशिष्ट माइनर बाधाएं हैं जो पूर्ण धनात्मकता लागू करती हैं।

कार्यप्रणाली
यह अध्ययन संरचित आव्यूह पीढ़ी, मशीन लर्निंग वर्गीकरण और ज्यामितीय विश्लेषण के संयोजन का उपयोग करता है:

डेटासेट निर्माण:
- TP आव्यूह: तीन अलग-अलग संरचित परिवारों से उत्पन्न किए गए जो TP आव्यूह बनाने के लिए जाने जाते हैं:
  - बाइडायगोनल आव्यूहों के उत्पाद: धनात्मक उप-तलों (sub-diagonals) और सुपर-तलों (super-diagonals) वाले $n$ जोड़े निचले और ऊपरी बाइडायगोनल आव्यूहों को गुणा करके निर्मित।
  - वांडरमंड (Vandermonde) आव्यूह: सख्ती से बढ़ते धनात्मक मापदंडों से उत्पन्न।
  - कॉची (Cauchy) आव्यूह: विशिष्ट धनात्मक मापदंडों $x_i, y_j$ से उत्पन्न, जिसमें प्रविष्टियाँ $1/(x_i + y_j)$ हैं।
- गैर-TP आव्यूह: धनात्मक प्रविष्टियों वाले आव्यूहों के यादृच्छिक नमूनाकरण द्वारा उत्पन्न, जिन्हें पूर्ण धनात्मकता को संतुष्ट करने से खारिज कर दिया गया।
- आयाम: प्रयोग $n=5, 10,$ और $30$ के आकार के आव्यूहों पर किए गए, जिसमें मजबूत मूल्यांकन के लिए प्रत्येक वर्ग के लिए 50,000 नमूनों के डेटासेट का विस्तार किया गया।
अन्वेषणात्मक मशीन लर्निंग:
- फीडफॉरवर्ड नेटवर्क का उपयोग करके TP बनाम गैर-TP आव्यूहों को वर्गीकृत करने के लिए न्यूरल नेटवर्क (Feedforward Networks) को प्रशिक्षित किया गया, जिसमें कच्ची प्रविष्टियाँ (raw entries), व्युत्पन्न स्पेक्ट्रल विशेषताएं (डिटरमिनेंट, ट्रेस, आइगेनवैल्यू, फिएडलर मान) और अभिलक्षणिक बहुपद गुणांकों का उपयोग किया गया।
- विशेषता एट्रिब्यूशन (Feature Attribution): सूचनात्मक विशेषताओं की पहचान करने के लिए, लेखकों ने इंटीग्रेटेड ग्रेडिएंट्स (IG) और SHAP (SHapley Additive exPlanations) का उपयोग किया। इन उपकरणों ने वर्गीकरण निर्णय में इनपुट विशेषताओं के महत्व को रैंक किया।
ज्यामितीय विश्लेषण:
- अध्ययन ने तीन उच्चतम-क्रम के गुणांकों $(a_{n-1}, a_{n-2}, a_{n-3})$ के विश्लेषण को सीमित किया।
- सपोर्ट वेक्टर मशीनें (SVMs): इस 3D स्पेस में पृथक्करण सीमा की रैखिकता का आकलन करने के लिए लीनियर और रेडियल बेसिस फंक्शन (RBF) कर्नेल का उपयोग किया गया।
- महालनोबिस दीर्घवृत्त (Mahalanobis Ellipsoids): 3D गुणांक स्पेस में TP नमूनों के वितरण को महालनोबिस दीर्घवृत्त का उपयोग करके मॉडल किया गया। लेखकों ने बढ़ते नमूना आकार के साथ दीर्घवृत्त मापदंडों (माध्य और सहप्रसरण) के अभिसरण का विश्लेषण किया और आयाम $n$ बढ़ने के साथ विभिन्न TP परिवारों (बाइडायगोनल, वांडरमंड, कॉची) के बीच ज्यामितीय पृथक्करण की जांच की।

प्रमुख परिणाम

उच्च-क्रम गुणांकों की विभेदक शक्ति: विशेषता एट्रिब्यूशन विधियों (विशेष रूप से इंटीग्रेटेड ग्रेडिएंट्स) ने लगातार TP आव्यूहों को अलग करने के लिए सबसे महत्वपूर्ण विशेषताओं के रूप में उच्चतम-क्रम के अभिलक्षणिक गुणांकों की पहचान की। जब केवल तीन उच्चतम-क्रम के गुणांकों $(a_{n-1}, a_{n-2}, a_{n-3})$ तक सीमित किया गया, तो न्यूरल नेटवर्क क्लासिफायर ने सभी आयामों ( $n=5, 10, 30$ ) में 0.998 से अधिक का टेस्ट एक्यूरेसी प्राप्त किया।
गैर-रैखिक पृथक्करण (Nonlinear Separation): लीनियर SVM ने अपेक्षाकृत कम सटीकता (लगभग 0.80–0.88) प्राप्त की, जो इंगित करता है कि निर्णय सीमा रैखिक नहीं है। हालांकि, RBF कर्नेल SVM ने 0.99 के करीब सटीकता प्राप्त की, जो पुष्टि करती है कि पृथक्करण गैर-रैखिक है लेकिन ज्यामितीय रूप से सरल है।
दीर्घवृत्तीय संरचना: 3D गुणांक स्पेस में, TP नमूने एक स्थानीयकृत, बाध्य क्षेत्र (bounded region) घेरते हैं जिसे प्रभावी रूप से एक महालनोबिस दीर्घवृत्त द्वारा वर्णित किया जा सकता है। गैर-TP नमूने इस क्षेत्र से काफी हद तक बाहर हैं।
परिवार-विशिष्ट हस्ताक्षर: अलग-अलग TP परिवार गुणांक स्पेस में विशिष्ट दीर्घवृत्तीय हस्ताक्षरों (ellipsoidal signatures) को प्रदर्शित करते हैं।
- $n=5$ पर, इन दीर्घवृत्तों में महत्वपूर्ण ओवरलैप दिखता है।
- $n=10$ और $n=30$ पर, पृथक्करण स्पष्ट हो जाता है। $n=10$ तक, परिवारों के बीच युग्मवार ओवरलैप गिरकर 0% हो जाता है, और उनके सेंट्रोइड्स के बीच महालनोबिस दूरी $n$ बढ़ने के साथ काफी बढ़ जाती है (कुछ जोड़ों के लिए दर्जनों मानक विचलन तक पहुँच जाती है)।
अभिसरण (Convergence): यह दिखाया गया कि दीर्घवृत्तों को परिभाषित करने वाले पैरामीटर (माध्य और सहप्रसरण) बढ़ते नमूना आकार के साथ स्थिर रूप से अभिसरित होते हैं, जो पुष्टि करता है कि देखे गए ज्यामितीय संरचनाएं मजबूत हैं और विशिष्ट डेटासेट सैंपलिंग के आर्टिफैक्ट नहीं हैं।

महत्व और दावे
यह शोध पत्र अपने प्राथमिक योगदान के रूप में कोई नया वर्गीकरण एल्गोरिदम प्रस्तावित नहीं करता है। इसके बजाय, यह पूर्ण धनात्मकता पर एक ज्यामितीय और स्पेक्ट्रल परिप्रेक्ष्य प्रदान करता है। लेखक दावा करते हैं कि:

अभिलक्षणिक बहुपद के तीन उच्चतम-क्रम के गुणांक एक संक्षिप्त, निम्न-आयामी प्रतिनिधित्व प्रदान करते हैं जो पूर्ण धनात्मकता के संरचनात्मक सार को पकड़ते हैं।
इस स्पेस में TP और गैर-TP आव्यूहों के बीच का पृथक्करण स्वाभाविक रूप से गैर-रैखिक है लेकिन महालनोबिस दीर्घवृत्तों के माध्यम से एक प्राकृतिक ज्यामितीय विवरण स्वीकार करता है।
संरचित TP परिवारों के पास इस गुणांक स्पेस में विशिष्ट "स्पेक्ट्रल सिग्नेचर" होते हैं, और इस स्पेस में उनके ज्यामितीय पृथक्करण में आव्यूह आयाम के साथ वृद्धि होती है।

इन अनुभवजन्य अवलोकनों के आधार पर, लेखक कन्जेक्चर 1 (Conjecture 1) को सूत्रबद्ध करते हैं, जो यह प्रस्तावित करता है कि किसी भी निश्चित विश्वास स्तर $\alpha$ के लिए, एक ऐसा आयाम $n_0$ मौजूद है कि विभिन्न संरचित TP परिवारों को घेरने वाले महालनोबिस दीर्घवृत्त $n \ge n_0$ होने पर युग्मवार विसंयुक्त (disjoint) हो जाते हैं। लेखक इसे कठोर गणितीय प्रमाण के लिए एक खुले प्रश्न के रूप में प्रस्तुत करते हैं, यह सुझाव देते हुए कि आइगेनवैल्यू के पहले तीन प्रारंभिक सममित फलनों (elementary symmetric functions) का संयुक्त वितरण इस पृथक्करण को नियंत्रित करता है।

यह कार्य यह दर्शाता है कि कैसे मशीन लर्निंग उपकरण गणितीय संरचना को उजागर करने के लिए अन्वेषणात्मक उपकरण के रूप में कार्य कर सकते हैं, जो संरचित आव्यूहों के ज्यामितीय गुणों के संबंध में अनुमान (conjectures) तैयार करने में मार्गदर्शन करते हैं।