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

本論文は、コラッツ予想の停止時間を対象に、共変量に基づくベイズ階層モデルと奇数ブロック分解に基づく生成モデルの 2 つのアプローチを比較検討し、低次モジュラ構造が停止時間の不均一性を説明する上で重要であることを示しています。

要約

🌟 論文の核心：コラッツの「迷路」を予測する

まず、コラッツのルールを簡単に思い出しましょう。

1. 数字を 1 つ選びます（例：7）。
2. 偶数なら半分にする。
3. 奇数なら「3 倍して 1 を足す」。
4. これを 1 にたどり着くまで繰り返します。

この「1 にたどり着くまでのステップ数（時間）」を**「停止時間」と呼びます。
この論文の著者たちは、1000 万個の数字についてこの時間を計算し、その「パターン」**を AI に学ばせようとしたのです。

🎲 2 つの異なるアプローチ

著者たちは、この複雑な動きを説明するために、2 つの異なる「モデル（予測ツール）」を作りました。

1. 「統計の魔法使い」モデル（ベイズ回帰モデル）

📊 例え：天気予報と気温
これは、過去のデータから「数字の大きさ」と「数字の性質（8 で割った余り）」を見て、停止時間がどれくらいになるかを統計的に予測するモデルです。

• どう動く？
  • 「数字が大きければ、たいてい時間がかかるよね（平均的に）」
  • 「でも、8 で割った余りが 3 の数字は、余りが 1 の数字より少し長くなったり短くなったりする傾向があるよ」
  • というように、過去のデータ（1000 万個）から「傾向」を学び、**「この数字なら、たぶんこのくらいの時間がかかる（ただし、ばらつきがある）」**と確率で答えます。
• 結果：
  このモデルは、実際のデータと非常に良く合致しました。「数字の大きさ」と「8 で割った余り」さえ知っていれば、停止時間の分布をかなり正確に当てられることがわかりました。

2. 「メカニックなシミュレーター」モデル（生成モデル）

⚙️ 例え：ルーレットと階段
これは、コラッツの動きそのものを**「仕組み（メカニズム）」**として再現しようとするモデルです。

• どう動く？
  • コラッツの動きは、「奇数→3 倍＋1」の後に、「偶数になるまで 2 で割る」というブロックの繰り返しです。
  • この「2 で割る回数（ブロックの長さ）」が、実はランダムなルーレットのように振る舞っているのではないか？と仮定します。
  • 「8 で割った余り」によって、そのルーレットの目（確率）が変わるかもしれないと考え、それをシミュレーションします。
• 結果：
  このモデルは、統計モデルほど正確な予測はできませんでしたが、**「なぜそんな動きになるのか」という「理由（メカニズム）」**を説明するのに役立ちました。特に、「8 で割った余り」を考慮に入れると、シミュレーションの精度がグッと上がることがわかりました。

🔍 発見された「驚きの事実」

この研究で最も面白い発見は、**「数字の『8 で割った余り』が、動きの癖を決める鍵」**だったことです。

• 日常の例え：
  コラッツの数字の動きは、まるで**「8 種類の異なる性格を持ったキャラクター」**が迷路を走っているようです。
  • 「余り 0 のグループ」は、比較的スムーズにゴール（1）に向かう。
  • 「余り 3 のグループ」は、少し遠回りをしてしまう傾向がある。
  • この「8 種類の性格」を無視して「ただのランダムな動き」として扱うと、予測が外れてしまいます。しかし、この「8 種類の性格」を考慮に入れると、動きの予測が劇的に良くなるのです。

🏆 どちらが勝った？

• 予測精度（誰が正解を言い当てたか）：
  **「統計の魔法使い（モデル 1）」**の圧勝です。過去のデータから傾向を学ぶ方が、複雑な仕組みをシミュレーションするよりも、実際の結果に近かったです。
• 仕組みの理解（なぜそうなるか）：
  「メカニックなシミュレーター（モデル 2）」が活躍しました。統計モデルは「正解」を言えても「なぜそうなるか」は教えてくれませんが、シミュレーターは「8 で割った余りが、動きのブロックの長さを決めている」という物理的な理由を明らかにしました。

💡 結論：何がわかったのか？

この論文は、コラッツの予想を「証明」したわけではありません（それはまだ未解決です）。しかし、**「コラッツの数字の動きは、完全にランダムではなく、8 で割った余りという『小さな規則』に強く支配されている」**ことを、データと AI を使って証明しました。

まとめ：
コラッツの数字は、**「8 種類の異なる性格を持った迷路の探検家」**のようなものです。

• 彼らがどこまで歩くか（停止時間）は、**「数字の大きさ」と「8 で割った余り（性格）」**でかなり予測できます。
• 統計モデルは「彼らがどこで止まるか」を正確に予測しましたが、シミュレーションモデルは「彼らがなぜそのルートを選ぶのか」を教えてくれました。

このように、数学の難問を「データの癖」や「確率のゲーム」として捉え直すことで、新しい視点が見えてきたという、とても楽しい研究でした。

技術概要

論文要約：コラッツの停止時間のベイズモデル化

1. 問題設定と背景

コラッツ予想（$3x+1$問題）は、任意の正の整数$n$に対して、以下の写像$T(n)$ を繰り返し適用すると最終的に 1 に到達するという未解決の数学的問題です。
$$T(n) = \begin{cases} n/2 & (n \text{ が偶数の場合}) \\ 3n+1 & (n \text{ が奇数の場合}) \end{cases}$$
本研究は、この予想の証明を試みるものではなく、$N=10^7$ までの整数 $n$ における「総停止時間」$\tau(n)$（1 に到達するまでのステップ数）の確率的・統計的性質を機械学習の視点から分析することを目的としています。

データ $D_N = \{(n, \tau(n))\}_{n=1}^N$ を用いて、$\tau(n)$ の分布形状（歪み、過分散）およびその算術的な不均一性（ヘテロジニアス性）を説明・予測できる確率モデルを開発します。

2. 手法とモデル

著者は、予測性能とメカニズムの解釈性の両面から、2 つの相補的なモデルを開発しました。

2.1. モデル 1：ベイズ階層 Negative Binomial 回帰 (NB2-GLM)

これは現象論的な予測モデルです。

• 目的変数: $\tau(n)$ は過分散（Overdispersion）を示すカウントデータであるため、ポアソン分布ではなくNegative Binomial 分布 (NB2) を仮定します。分散は平均の線形関係ではなく、$\text{Var}(Y) = \mu + \alpha\mu^2$ のように平均の二次関数として増大します。
• 説明変数:
  • $\log n$: 停止時間のスケール効果（対数スケールでの緩やかな増加）を捉えるため。
  • $n \pmod 8$: 算術的な構造（バンド状の分布）を捉えるためのカテゴリカル変数。
• 階層構造: $n \pmod 8$ の各剰余類に対して、ランダム効果（部分プーリング）を導入し、過学習を防ぎつつクラス固有の偏りを推定します。
• 推論: 弱情報事前分布を用い、PyMC における NUTS（No-U-Turn Sampler）アルゴリズムで事後分布を推定します。

2.2. モデル 2：確率的オッド・ブロック生成モデル (Mechanistic Generative Model)

これはコラッツ写像のメカニズムに基づいた生成モデルです。

• オッド・ブロック分解: 奇数 $m$ に対して $3m+1 = 2^{K(m)} m'$（$m'$は奇数）と分解します。ここで$K(m) = v_2(3m+1)$ は「ブロック長」です。
• 確率化: 決定論的な $K(m)$ を、確率変数 $K$ に置き換えます。古典的な仮説では $K$ は幾何分布 $P(K=k) \approx 2^{-k}$ に従うとされますが、本研究ではデータから分布を学習します。
• 生成プロセス:
  1. 初期値 $n$ から最初の奇数 $m_0$ までを計算。
  2. 確率的なブロック長 $K_j$ をサンプリングし、$m_{j+1} \approx \lfloor (3m_j+1)/2^{K_j} \rfloor_{\text{odd}}$ として更新。
  3. 停止時間を $v_2(n) + \sum (1 + K_j)$ として近似。
• 条件付きモデル: 生成モデルの精度向上のため、ブロック長の分布 $p_k$ を $m \pmod 8$ に条件付ける変種（G3）も提案しました。

3. 主要な結果

3.1. データの特性

• 過分散: 分散比 $\widehat{\text{Var}}(\tau) / \widehat{\mathbb{E}}[\tau] \approx 24.56$ であり、ポアソン分布では説明できないほど分散が大きいことが確認されました。
• 算術的構造: $\tau(n)$ と $n$ の散布図には明確なバンド構造が見られ、これは $n \pmod 8$ などの低次の剰余類に強く依存していることを示唆しています。

3.2. モデル比較（保持データセットでの評価）

テストデータ（$N_{test}=50,000$）に対する予測性能を、**対数予測スコア（Log Predictive Score）と1-Wasserstein 距離（分布の形状の一致度）**で比較しました。

モデル	対数スコア (高いほど良い)	W1 距離 (低いほど良い)	評価
NB2-GLM (M3)	-272,912	3.20	最良の予測性能
条件付き生成モデル (G3)	-1,079,087	5.43	予測力は劣るが構造を捉える
全局生成モデル (G2)	-1,165,983	17.59	性能が低い

• NB2-GLM の優位性: 純粋な予測精度の観点では、NB2-GLM が圧倒的に優れており、観測された停止時間に高い確率を割り当てています。
• 生成モデルの洞察: 単純な幾何分布（$2^{-k}$）に基づく生成モデルは性能が低く、**$m \pmod 8$に条件付けること**で分布の適合度が劇的に向上しました。これは、低次のモジュラー構造が$\tau(n)$ の不均一性の主要な駆動因子であることを示しています。

4. 主要な貢献

1. コラッツ停止時間の統計的モデル化: 決定論的な写像に対して、確率的な「作業尤度（working likelihood）」としてベイズ回帰モデルを適用し、不確実性を定量化しました。
2. 過分散と算術構造の定式化: $\tau(n)$ が過分散カウントデータであり、$n \pmod 8$ による階層構造が重要であることを実証しました。
3. メカニズムと予測の架け橋: 現象論的な回帰モデル（高い予測精度）と、メカニズムに基づく生成モデル（解釈性）を比較・統合しました。特に、生成モデルにおいて $m \pmod 8$ を条件変数として導入することで、回帰モデルで見出された「ランダム効果」を明示的な条件情報として再現できることを示しました。

5. 意義と今後の展望

本研究は、コラッツ予想のような決定論的な数論的問題に対し、確率的機械学習のアプローチが有効であることを示しています。

• 解釈性: 複雑な数論的振る舞いを、単純な共変量（$\log n$ と $n \pmod 8$）と確率分布の組み合わせで捉えることができました。
• 将来の課題: より高次の 2 のべき乗（$n \pmod{16}$ など）への条件付け、ブロック長 $K$ の状態依存性の明示的なモデル化、および生成モデルのスコアリングルールに基づく較正などが挙げられています。

結論として、NB2-GLM は予測タスクにおいて最も強力なモデルですが、オッド・ブロック生成モデルは、コラッツ写像の「なぜ」を説明するメカニズム的アプローチとして価値があり、両者は相互に補完し合っています。