Residual-adaptive truncation in an arbitrary-order tangent iteration for $\pi$: quadratic growth of the accuracy exponent

La ricerca di calcolare il numero pi greco, il rapporto tra la circonferenza di un cerchio e il suo diametro, ha a lungo servito come banco di prova per gli strumenti più potenti della matematica. Sebbene il numero stesso sia semplice da definire, la sua espansione decimale infinita e non ripetitiva lo rende un caso di test perfetto per capire come gestiamo i calcoli complessi. Per secoli, i matematici si sono affidati a due strategie principali per trovare più cifre di pi greco. La prima consiste nell'addurre lunghe liste di numeri in una serie, dove ogni nuovo termine aggiunge una quantità di precisione fissa e prevedibile. La seconda strategia utilizza metodi iterativi, in cui un computer parte da una stima approssimativa e la affina ripetutamente. In questi approcci iterativi, l'obiettivo è solitamente quello di raddoppiare il numero di cifre corrette con ogni singolo passaggio, un processo noto come convergenza quadratica. Sebbene questi metodi siano incredibilmente veloci, seguono tipicamente uno script rigido: la formula utilizzata per migliorare la stima rimane la stessa, anche quando la stima diventa più precisa.

Un nuovo studio di Shih-Han Wang della Virginia Tech sfida l'idea che lo script debba rimanere rigido. La ricerca introduce un metodo in cui il calcolo cambia il proprio comportamento in base a quanto è vicino alla risposta. Invece di utilizzare una formula fissa, il metodo osserva l'errore corrente — la differenza tra la stima attuale e il valore reale di pi greco — e usa quell'errore per decidere quante termini includere nel passaggio di calcolo successivo. Questo crea un sistema auto-regolante in cui la velocità di miglioramento accelera drammaticamente man mano che il calcolo diventa migliore. Lo studio dimosta che questo approccio non si limita a raddoppiare il numero di cifre corrette, ma eleva al quadrato il numero di cifre corrette con ogni passaggio, portando a un'esplosione di precisione che supera di gran lunga i metodi tradizionali a ordine fisso.

Il cuore di questo lavoro risiede in una specifica relazione matematica che coinvolge la funzione tangente. Quando un numero è molto vicino a pi greco, il suo valore tangente è estremamente piccolo, e questo piccolo valore funge da misura diretta dell'errore. Il ricercatore ha compreso che la dimensione di questo errore poteva essere utilizzata per determinare esattamente quanti termini di correzione erano necessari per sistemare la stima. In un metodo standard, un matematico potrebbe decidere di utilizzare una formula che corregge i primi dieci termini di un'espansione, indipendentemente dal fatto che la stima attuale sia errata di una frazione minuscola o di una quantità considerevole. Nel metodo adattivo di Wang, il computer controlla prima la dimensione dell'errore. Se l'errore è grande, utilizza una correzione breve. Se l'errore è minuscolo, passa automaticamente a una correzione molto più lunga e dettagliata. Questa decisione viene presa ad ogni singolo passaggio, rendendo il processo non stazionario, il che significa che le regole del gioco cambiano mentre il gioco procede.

I risultati di questa strategia adattiva sono matematicamente profondi. Lo studio dimostra che se un calcolo possiede un certo numero di cifre corrette, il passaggio successivo produrrà un numero di cifre corrette che è approssimativamente il quadrato del conteggio precedente. Per mettere questo in prospettiva, se un calcolo ha raggiunto 10 cifre corrette, il passaggio successivo salterebbe a circa 100 cifre corrette. Se raggiunge 1.000 cifre corrette, il passaggio successivo balzerebbe a un milione di cifre. Questo è un cambiamento fondamentale rispetto alla crescita lineare o quadratica vista in altri algoritmi ad alta velocità. Il documento mostra che questa crescita non è solo una possibilità teorica, ma una legge matematica provata per questo specifico tipo di iterazione, a condizione che la stima iniziale sia già ragionevolmente vicina al valore reale.

Per verificare queste scoperte, il ricercatore ha eseguito un esperimento numerico partendo da un'approssimazione nota di pi greco derivata dalla formula di Chudnovsky. La stima iniziale era accurata per circa 13 decimali. Dopo il primo passaggio adattivo, l'accuratezza è balzata a circa 385 cifre corrette. Il secondo passaggio ha spinto la precisione a quasi 300.000 cifre corrette. Il terzo passaggio è stato così potente che teoricamente ha prodotto oltre 100 miliardi di cifre corrette, un numero così vasto che il computer ha potuto verificare solo il primo milione di cifre contro uno standard di riferimento noto. Il fatto che il primo milione di cifre corrispondesse perfettamente al riferimento ha confermato che le previsioni teoriche erano accurate. Il metodo ha generato con successo una sequenza di approssimazioni che cresceva in precisione esattamente come previsto dal modello matematico, passando da migliaia a milioni di cifre in pochissime iterazioni.

Questo lavoro si distingue dagli altri metodi ad alta velocità per la sua flessibilità. Mentre altri algoritmi potrebbero essere progettati per avere un "ordine" di convergenza fisso, come il raddoppio o il triplicamento delle cifre ogni volta, questo metodo non ha un ordine fisso. Inveve, il suo ordine di convergenza cresce automaticamente man mano che il calcolo migliora. Lo studio chiarisce che questo non significa che il metodo sia infinitamente veloce in senso pratico, poiché il costo dell'esecuzione dei calcoli aumenta anche con il numero di cifre. Tuttavia, in termini della relazione matematica tra l'errore attuale e l'errore successivo, il miglioramento è più veloce di qualsiasi potenza fissa dell'errore attuale. La ricerca fornisce una prova rigorosa che l'errore nel passaggio successivo diventa infinitamente piccolo rispetto a qualsiasi potenza fissa dell'errore attuale, una proprietà che lo distingue da tutte le iterazioni a ordine fisso precedentemente note.

Lo studio affronta anche i confini del proprio successo. Il metodo si basa sul fatto che la stima iniziale sia entro un intervallo specifico del valore reale di pi greco, precisamente entro un quarto di radiante. Fortunatamente, il punto di partenza utilizzato nell'esperimento, derivato dalla formula di Chudnovsky, rientra ampiamente in questa zona sicura. Una volta che il calcolo entra in questa zona, il metodo garantisce che rimarrà lì e continuerà a migliorare. Il documento non sostiene di risolvere il problema della ricerca di pi greco da un punto di partenza casuale, quanto piuttosto di offrire un motore altamente efficiente per raffinare una stima che è già vicina. Nota anche che, sebbene la convergenza matematica sia spettacolare, il tempo effettivo per eseguire questi calcoli su un computer dipende da quanto efficientemente il computer può gestire l'enorme numero di cifre coinvolte, una sfida ingegneristica separata.

In definitiva, questa ricerca offre un nuovo modo di pensare a come affiniamo le risposte numeriche. Suggerisce che, quando una formula di correzione è disponibile in una forma flessibile, l'errore corrente può essere utilizzato non solo per misurare il progresso, ma per dettare la strategia per il passo successivo. Lasciando che l'errore determini la profondità della correzione, il metodo trasforma un processo iterativo standard in un sistema auto-accelerante. Le scoperte sono supportate sia da una rigorosa prova matematica che da una verifica numerica diretta, mostrando che il numero di cifre corrette può effettivamente crescere a un ritmo che eleva al quadrato l'accuratezza precedente. Questo approccio apre una nuova via per l'aritmetica ad alta precisione, dimostrando che la strada verso l'estrema accuratezza può essere pavimentata da algoritmi che adattano le proprie regole man mano che procedono.