Can $π$ generate itself? A Monte Carlo analysis of 314 trillion digits

Stel je voor dat je probeert de vorm van een cirkel te raden, maar je hebt geen liniaal, geen passer en zelfs geen stuk papier. Alles wat je hebt, is een zak knikkers en een vierkante doos. Dit is de essentie van een beroemde truc in de wiskunde genaamd een "Monte Carlo"-simulatie. Het idee is simpel: als je duizenden knikkers willekeurig in een vierkante doos gooit die een kwartcirkel bevat, zal de verhouding tussen de knikkers die binnen de curve landen en het totaal aantal knikkers de waarde van $\pi$ vertellen (het getal dat de diameter van een cirkel verbindt met zijn omtrek). Hoe meer knikkers je gooit, hoe dichter je schatting bij het echte antwoord komt. Meestal heb je een machine nodig die echt willekeurige getallen genereert om te bepalen waar elke knikker landt. Maar wat als je geen willekeurige getallengenerator had? Wat als je de cijfers van $\pi$ zelf zou gebruiken—het getal dat je juist probeert te vinden—als de bron van je "willekeurige" knikkers? Het klinkt als een paradox, alsof je jezelf probeert op te tillen aan je eigen veters, maar dat is precies de vreemde vraag die een team wetenschappers wilde testen.

Dit artikel, geschreven door onderzoekers van de Gran Sasso National Laboratories in Italië, verkent een breinbrekend idee met behulp van een enorme dataset: de eerste 314 biljoen decimalen van $\pi$. Om de inzet te begrijpen, moeten we weten wat de aard van $\pi$ is. Het is een deterministisch getal, wat betekent dat de cijfers helemaal niet willekeurig zijn; ze zijn vastgelegd en berekend volgens een strikte wiskundige regel. Echter, al eeuwenlang vermoeden wiskundigen dat deze cijfers er uitzien als willekeurig. Ze lijken "normaal" te zijn, een chic woord dat betekent dat elke mogelijke combinatie van cijfers (zoals "123" of "999") met dezelfde frequentie voorkomt, net zoals als je eeuwig een eerlijke dobbelsteen zou werpen. Als $\pi$ werkelijk normaal is, zouden de cijfers goed genoeg moeten zijn om als bron van willekeur te dienen voor computersimulaties. De onderzoekers wilden zien of ze de cijfers van $\pi$ konden gebruiken om een Monte Carlo-simulatie uit te voeren die succesvol $\pi$ zou "herontdekken" zonder externe willekeurige getallen te gebruiken.

Het team nam de recordbrekende dataset van 314 biljoen cijfers, die eind 2025 werd berekend, en behandelde deze als een gigantische stroom van getallen. Ze hakten deze stroom in kleine blokjes van telkens 14 cijfers. De eerste 7 cijfers van een blok werden de "x"-coördinaat van een punt, en de volgende 7 cijfers werden de "y"-coördinaat. Stel je deze coördinaten voor als de landingsplaats van een dartpijl die op een vierkant doelwit wordt gegooid. Door dit voor elk mogelijk blok te doen, creëerden ze ongeveer 22,4 biljoen "darten" (of datapunten) om op hun virtuele doelwit te gooien. Vervolgens telden ze hoeveel van deze punten binnen de denkbeeldige kwartcirkel landden.

Het resultaat was een verbluffend succes. Toen ze de cijfers verwerkten, produceerde de simulatie een schatting van $\pi$ gelijk aan 3,141593. Dit komt exact overeen met de eerste zeven decimalen van de werkelijke waarde van $\pi, precies binnen de foutmarge die verwacht wordt bij een simulatie van deze omvang. De auteurs merken op dat dit niet bewijst dat$\pi$ wiskundig "normaal" is of dat de cijfers echt onafhankelijk van elkaar zijn (omdat ze worden gegenereerd door een vaste regel, kunnen ze niet echt onafhankelijk zijn). Echter, het experiment levert sterk empirisch bewijs dat de cijfers van $\pi$, voor alle praktische doeleinden, zozeer lijken op willekeurige getallen dat ze gebruikt kunnen worden om een Monte Carlo-simulatie uit te voeren die het getal $\pi$ zelf succesvol terugvindt.

In simpelere termen laat het artikel zien dat $\pi$ op een bepaalde manier "zichzelf kan genereren". Het is alsof je een woordenboek pakt, elke letter eruit knipt, en die letters gebruikt om een nieuw boek te schrijven dat op de een of andere manier exact hetzelfde woordenboek bevat waarmee je begon. De onderzoekers ontdekten dat de cijfers van $\pi$ zo statistisch chaotisch en goed verdeeld zijn dat ze als hun eigen bron van willekeur kunnen dienen. Dit betekent niet dat de cijfers magisch zijn of nieuwe informatie creëren; het suggereert eerder dat de complexiteit van $\pi$ zo hoog is dat het zijn eigen deterministische aard verbergt, waardoor het als een perfect willekeurige omgeving voor zichzelf fungeert. De studie bevestigt dat, hoewel $\pi$ een vaststaand, berekend getal is, de cijfers een betrouwbaar hulpmiddel zijn om willekeur te simuleren, althans tot de schaal van 314 biljoen cijfers.