Predicting Mersenne Prime Exponents Using Euler's Quadratic Polynomial C(n) = n^2 + n + 41 with Nearest-Integer Rounding

이 논문은 오일러의 이차 다항식과 반올림 기법을 결합하여 메르센 소수 지수를 예측하는 '라이트 - 오일러 가설'을 제안하며, 기존 지수 회귀 모델보다 정밀도가 높고 검색 공간을 74% 줄일 수 있음을 43 개의 알려진 메르센 소수 지수에 대한 실험을 통해 입증합니다.

핵심

🌟 핵심 아이디어: "오래된 나침반을 다시 꺼내다"

수학자들은 수천 년 전, **오일러 (Euler)**라는 위대한 수학자가 발견한 특별한 공식이 있습니다.

공식: $C(n) = n^2 + n + 41$

이 공식은 마치 마법의 씨앗 같습니다. $n$에 0 부터 39 까지의 숫자를 넣으면, 그 결과물이 무조건 '소수' (1 과 자기 자신으로만 나누어지는 숫자) 가 됩니다. 하지만 이 공식은 40 을 넘어서면 더 이상 소수를 만들어내지 못합니다.

**존 라이트 (John Wright)**라는 연구자는 이 '마법의 씨앗'을 버리지 않고, 메르센 소수를 찾는 데 다시 써보려고 했습니다. 메르센 소수는 $2^p - 1$ 꼴의 숫자로, 매우 커서 찾기 힘들지만 발견되면 수학계의 큰 사건이 됩니다.

🔍 어떻게 작동할까요? (나침반의 작동 원리)

연구자는 이렇게 생각했습니다.
"만약 우리가 메르센 소수의 지수 (p) 를 알고 있다면, 그 숫자를 오일러 공식에 거꾸로 대입해서 원래의 '씨앗 숫자 (n)'를 찾아낼 수 있지 않을까?"

1. 역산하기: 실제 메르센 소수의 지수 (p) 를 알고 있을 때, 오일러 공식을 거꾸로 풀어 $n$을 구합니다.
2. 반올림하기 (가장 중요한 부분): 계산된 $n$이 소수일 필요는 없지만, 가장 가까운 정수로 반올림합니다. (예: 1120.993 이면 1121 로)
3. 다시 계산하기: 이 반올림된 숫자를 다시 오일러 공식에 넣으면, 새로운 메르센 소수 후보가 튀어 나옵니다.

이것은 마치 거친 지도를 가지고 있는데, **"가장 가까운 마을로만 이동하면 보물터에 가까워진다"**는 규칙을 발견한 것과 같습니다.

📊 성과: 얼마나 잘 맞을까요?

연구자는 이미 알려진 43 개의 메르센 소수 지수를 이 방법으로 테스트해 보았습니다. 결과는 놀라웠습니다.

• 완벽한 일치 (7 개): 계산된 숫자가 실제 메르센 소수와 완벽하게 일치했습니다. (예: 697 만 번째, 1 억 3 천만 번째 등)
• 가까운 근사 (4 개): 숫자가 아주 조금만 달랐습니다. (오차 범위가 매우 작음)
• 성공률: 전체 43 개 중 11 개 (약 25%) 를 찾아냈습니다.

비교 대상:
이 방법과 비교하기 위해 기존의 지수 함수 (기하급수적으로 늘어나는 곡선) 모델을 썼습니다.

• 지수 모델: 전체적인 추이는 잘 잡았지만, 정확한 숫자를 하나도 맞추지 못했고 오차가 1 천만 단위나 되었습니다.
• 오일러 방식: 오차가 평균 600 정도밖에 안 났습니다.

비유: 지수 모델이 "보물이 저기서 저기서 어딘가에 있을 거야"라고 막연히 말한다면, 오일러 방식은 "보물이 저기서 정확히 600 미터 떨어진 곳에 있을 거야"라고 정확히 가리키는 것입니다.

🎯 왜 중요한가요? (보물 찾기 전략)

지금까지 메르센 소수를 찾기 위해 컴퓨터는 전 세계의 모든 숫자를 하나씩 확인하는 식으로 무작위 탐색을 해왔습니다. 이는 마치 전 세계의 모래알을 하나씩 다 뒤지는 것과 같습니다.

이 논문의 제안은 **"우리가 뒤져야 할 모래알의 양을 74% 줄일 수 있다"**는 것입니다.

• 오일러 공식과 반올림 규칙을 사용하면, 가장 가능성이 높은 숫자 5 개를 골라내어 GIMPS(메르센 소수 찾기 프로젝트) 에 집중할 수 있습니다.
• 이는 1 억 4 천만 ~ 2 억 사이의 숫자에서 새로운 메르센 소수를 찾을 확률을 높여줍니다.

💡 결론: 수학의 우연일까, 필연일까?

이 논문은 "오일러의 고대 공식이 현대의 거대 소수를 찾는 데 왜 이렇게 잘 맞을까?"라는 의문을 던집니다.
아마도 소수들이 무작위로 퍼져 있는 것이 아니라, **우리가 아직 모르는 어떤 깊은 수학적 구조 (디자인)**를 가지고 있을지도 모릅니다. 이 연구는 그 구조를 찾아내는 새로운 나침반을 제시한 것입니다.

한 줄 요약:

"수백 년 전의 고전 수학 공식에 '반올림'이라는 작은 톱니바퀴를 달아, 거대한 메르센 소수 보물을 찾는 데 필요한 시간과 노력을 3 분의 1 로 줄여주는 획기적인 방법을 제안했습니다."

기술 요약

논문 기술 요약: 오일러의 2 차 다항식을 이용한 메르센 소수 지수 예측 (wright-Euler 가설)

1. 연구 배경 및 문제 정의 (Problem)

• 메르센 소수 (Mersenne Primes): $2^p - 1$형태의 소수는 수론과 완전수 (Perfect Numbers) 연구에서 핵심적인 역할을 합니다. 2025 년 10 월 기준 52 개의 메르센 소수가 발견되었으며, 가장 큰 것은$2^{136,279,841} - 1$입니다.
• 현재의 한계: 메르센 소수의 지수 $p$는 지수적으로 증가하는 경향을 보이지만, 이를 결정적으로 예측하는 공식이나 알고리즘은 존재하지 않습니다. 기존 GIMPS(Great Internet Mersenne Prime Search) 와 같은 프로젝트는 광범위한 검색을 통해 발견하고 있으나, 효율적인 후보 선정 기법이 부족합니다.
• 연구 목표: 오일러의 유명한 소수 생성 다항식 $C(n) = n^2 + n + 41$을 변형하여, 반올림 (Nearest-Integer Rounding) 기법을 적용함으로써 메르센 소수의 지수 $p$를 예측하는 새로운 휴리스틱 모델을 제안하는 것입니다.

2. 방법론 (Methodology)

저자는 **"Wright-Euler Mersenne Exponent Hypothesis"**를 제안하며, 다음과 같은 수학적 절차를 따릅니다.

• 기본 다항식: 오일러의 다항식 $C(n) = n^2 + n + 41$을 사용합니다. 이 식은 $n=0$부터 $39$까지 연속된 소수를 생성하는 것으로 알려져 있습니다.
• 역산 및 근사 (Inverse & Rounding):
  • 주어진 메르센 지수 $p$에 대해 $n$을 추정하기 위해 $n^2 + n + (41 - p) = 0$을 풉니다.
  • 2 차 방정식의 근의 공식을 적용하여 양의 근을 구합니다:
    $$n = \frac{-1 + \sqrt{4p - 163}}{2}$$
  • 이 값을 가장 가까운 정수로 반올림하여 $n_{closest} = \text{round}(n)$을 정의합니다.
• 후보 생성: 계산된 $n_{closest}$를 다시 $C(n)$에 대입하여 예측된 지수 $p_{pred} = C(n_{closest})$를 도출합니다.
• 우선순위 기준: 예측의 정확도를 높이기 위해 실제 $n$과 $n_{closest}$ 사이의 편차 $d = |n - n_{closest}|$가 $0.1$ 미만인 경우를 최우선 후보로 선정합니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

논문은 알려진 43 개의 메르센 소수 지수 (인덱스 $x=10$부터 $52$,$p \le 31$ 제외) 를 대상으로 모델을 검증했습니다.

• 정확도 향상:
  • 정확 일치 (Exact Matches): 7 건 (전체의 16.3%). 예: $x=38$ ($p=6,972,593$), $x=52$ ($p=136,279,841$).
  • 근사 일치 (Close Approximations): 4 건. 예: $x=34$ ($p=1,257,787$) 일 때 $C(1121) = 1,257,803$으로 매우 근접함.
  • 평균 절대 오차 (MAE): $x=30$부터 $52$ 구간에서 MAE 는 약 614.0으로 매우 낮습니다.
• 비교 분석:
  • 지수 회귀 모델 (Exponential Regression): $y = 11111.14 \cdot e^{0.1787x}$ ($R^2 \approx 0.974$) 모델은 전체적인 성장 추세를 잘 설명하지만, 정확 일치 건수는 0이며 MAE 는 10,466,686으로 Wright-Euler 모델보다 훨씬 부정확합니다.
  • 기타 2 차 다항식: $n^2+1$ 및 $n^2+n+17$과 같은 다른 2 차 다항식들도 테스트되었으나, Wright-Euler 모델보다 정확도가 낮거나 정확한 일치를 전혀 내지 못했습니다.
• 검색 공간 축소:
  • 560 개의 고유한 후보 $C(n)$ 중 50 개의 소수 값을 분석하여, 편차 $d < 0.1$인 5 개의 강력한 후보를 선정했습니다.
  • 이 휴리스틱 기법은 GIMPS 검색 공간의 약 74% 를 축소하여 효율성을 극대화합니다.

4. 제안된 후보 및 향후 작업 (Proposed Candidates)

논문은 140M200M 범위의 새로운 메르센 소수 (53 번째57 번째) 를 찾기 위해 5 개의 구체적인 후보 지수를 제안합니다.

• 선정 기준: $d < 0.1$을 만족하거나, 특정 범위 내의 소수인 경우.
• 주요 후보 (예시):
  • 인덱스 54: $n=15477$, 예측 지수 $239,553,049$($d=0.019$)
  • 인덱스 55: $n=14861$, 예측 지수 $220,864,223$($d=0.021$)
  • 인덱스 56: $n=14000$, 예측 지수 $196,014,041$($d=0.032$)
• 이 후보들은 GIMPS 프로젝트에 PRP(Probable Prime) 테스트를 위해 제안되었습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 이론적 통찰: 오일러의 다항식이 단순한 소수 생성기를 넘어, 메르센 소수 지수의 분포 구조와 깊은 연관성을 가질 가능성을 시사합니다. 특히 반올림 기법을 도입함으로써 정수 해가 아닌 실수 근사값을 통해 더 높은 정확도를 달성했습니다.
• 실용적 가치: 메르센 소수 탐색에 소요되는 막대한 계산 자원을 절약할 수 있는 새로운 휴리스틱 필터를 제공합니다.
• 결론: Wright-Euler 가설은 기존 지수 모델이나 다른 2 차 다항식 모델보다 월등히 높은 정확도와 낮은 오차를 보이며, 메르센 소수 예측에 있어 유망한 새로운 접근법임을 입증했습니다. 저자는 이 모델을 기반으로 GIMPS 를 통해 새로운 메르센 소수 발견을 가속화할 것을 제안합니다.

---

참고: 이 논문은 2025 년 10 월 기준의 데이터를 기반으로 작성된 것으로 명시되어 있으며, arXiv 번호 (2603.06579v1) 와 함께 공개된 것으로 보입니다.