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

円周率、すなわち円の円周と直径の比を計算するという探求は、長きにわたり、数学における最も強力な道具の試金石としての役割を果たしてきました。この数自体は単純に定義できますが、その無限で非反復的な小数展開は、複雑な計算をどのように扱うかという点において、完璧なテストケースとなります。何世紀もの間、数学者たちは円周率のより多くの桁数を求めるために、主に2つの戦略に頼ってきました。第一の手法は、数列の長いリストを加算することであり、そこでは新しい項が加わるたびに、一定かつ予測可能な量の精度が加わります。第二の戦略は反復法であり、コンピュータが粗い推測値から始めて、それを繰り返し洗練させていくものです。これらの反復的アプローチにおいて、目標は通常、1ステップごとに正しい桁数を倍増させることであり、これは「二次収束」として知られるプロセスです。これらの手法は非常に高速ですが、通常は厳格な台本に従います。つまり、推測値を改善するための公式は、推測がより精密になっても、同じまま維持されるのです。

バージニア工科大学のシハーン・ワンによる新しい研究は、その台本が必ずしも厳格なままでなければならないという考えに異を唱えています。この研究は、計算自体が、答えにどれだけ近づいたかに基づいてその挙動を変える手法を導入しています。固定された公式を使用する代わりに、この手法は現在の誤差（現在の推測値と真の円周率との差）を観察し、その誤差に基づいて次の計算ステップに含めるべき項の数を決定します。これにより、計算が改善されるにつれて精度の向上の速度が劇的に加速する、自己調整システムが構築されます。この研究は、このアプローチが単に正しい桁数を倍増させるだけでなく、各ステップで正しい桁数を「二乗」することを実証しており、従来の固定次数の手法をはるかに凌駕する精度の爆発をもたらします。

この研究の核心は、タンジェント関数（正接関数）を含む特定の数学的関係にあります。数値が円周率に非常に近いとき、そのタンジェントの値は極めて小さくなり、この小さな値が誤差の直接的な尺度として機能します。研究者は、この誤差の大きさを利用して、推測を修正するために必要な補正項の数を正確に決定できることに気づきました。標準的な手法では、現在の推測が微々たる差であっても、あるいは大きな差であっても、展開の最初の10項を補正する公式を使用すると決定されるかもしれません。しかし、ワンの適応型手法では、コンピュータはまず誤差の大きさをチェックします。誤差が大きい場合は短い補正を行い、誤差が極めて小さい場合は、自動的にはるかに長く詳細な補正へと切り替えます。この決定は毎ステップで行われるため、プロセスは「非定常」になります。つまり、ゲームが進むにつれてルールの内容が変わるのです。

この適応戦略の結果は、数学的に極めて深遠です。この研究は、もし計算がある一定数の正しい桁数を持っているならば、次のステップでは、正しい桁数が前の桁数の「およそ二乗」になることを証明しています。これを具体例で説明すると、もし計算によって10桁の正確さが達成されたなら、次のステップでは約100桁へと跳ね上がります。もし1,000桁に達していれば、次のステップでは100万桁へと飛躍します。これは、他の高速アルゴリズムで見られる線形または二次的な成長とは根本的に異なるものです。論文は、この成長が単なる理論上の可能性ではなく、初期の推測値がすでに真の値に十分に近ければ、この特定の種類の反復における証明された数学的法則であることを示しています。

これらの知見を検証するため、研究者はチュドノフスキー公式から導出された有名な円周率の近似値を用いて数値実験を行いました。初期の推測値は約13桁の精度でした。最初の適応ステップの後、精度は約385桁へと跳ね上がりました。第2ステップでは、精度は10万桁近くまで押し上げられました。第3ステップは非常に強力で、理論上は1,000億桁以上の正しい桁数を生成しました。この数はあまりに膨大であったため、コンピュータは既知のリファレンス標準に対して最初の100万桁のみを検証することができました。最初の100万桁がリファレンスと完全に一致したという事実は、理論的な予測が正確であったことを裏付けています。この手法は、近似値のシーケンスが数学モデルが予測した通りに、数千から数百万の桁へと、わずか数回の反復で正確に成長することを成功裏に生成しました。

この研究は、その柔軟性において他の高速手法と一線を画しています。他のアルゴリズムは、例えば桁数を毎回倍増させたり、あるいは3倍にしたりといった、固定された「収束次数」を持つように設計されていることがありますが、この手法には固定された次数が存在しません。代わりに、その収束次数は計算が進むにつれて自動的に増大していきます。研究は、これが実用的な意味で「無限に速い」ことを意味するわけではないことも明確にしています。なぜなら、計算を実行するためのコストも桁数の増加とともに増大するからです。しかし、現在の誤差と次の誤差との数学的な関係という観点においては、その改善は、現在の誤差のいかなつ固定されたべき乗よりも高速です。本研究は、次のステップにおける誤差が、現在の誤差のいかなる固定されたべき乗と比較しても、消失していくほど小さくなるという性質を証明しており、これが従来のすべての固定次数反復法とは異なる点です。

また、本研究はその成功の境界についても言及しています。この手法は、初期の推測値が真の円周率に対して特定の範囲、具体的には1ラジアンの4分の1以内にあることを前提としています。幸いなことに、実験で使用されたチュドノフスキー公式由来の開始点は、この安全圏内にしっかりと入っています。一度計算がこのゾーンに入れば、手法はそこにとどまり、改善を続けることが保証されます。論文は、ランダムな開始点から円周率を見つける問題を解決すると主張しているのではなく、すでに近い値となっている推測値を洗練するための、極めて効率的なエンジンを提供しているのです。また、数学的な収束は目覚ましいものですが、これらの計算を実行する実際の時間は、コンピュータが関与する膨大な桁数をいかに効率的に処理できるかという、別のエンジニアリング上の課題に依存することも記されています。

究極的に、この研究は数値的な回答をどのように洗練させるかについての新しい考え方を提示しています。補正公式が柔軟な形で利用可能であるならば、現在の誤差を単に進行度を測るためだけでなく、次の動きのための戦略を決定するために用いることができるということを示唆しています。誤差によって補正の深さを決定させることで、この手法は標準的な反復プロセスを、自己加速型のシステムへと変貌させます。研究結果は、厳密な数学的証明と直接的な数値検証の両方によって支持されており、正しい桁数が前の精度を二乗するような速度で成長し得ることを示しています。このアプローチは高精度演算への新たな道を切り開き、極限の精度への道は、進みながら自らのルールを適応させるアルゴリズムによって舗装され得ることを証明しています。