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

De zoektocht naar het berekenen van het getal pi, de verhouding tussen de omtrek en de diameter van een cirkel, heeft lang gediend als een proeftuin voor de krachtigste instrumenten van de wiskunde. Hoewel het getal zelf eenvoudig te definiëren is, maakt de oneindige, niet-herhalende decimale expansie ervan tot een perfecte testcase voor hoe we complexe berekeningen afhandelen. Eeuwenlang hebben wiskundigen vertrouwd op twee hoofdstrategieën om meer decimalen van pi te vinden. De eerste houdt in dat lange lijsten met getallen worden opgeteld in een reeks, waarbij elke nieuwe term een vaste, voorspelbare hoeveelheid nauwkeurigheid toevoegt. De tweede strategie maakt gebruik van iteratieve methoden, waarbij een computer begint met een ruwe schatting en deze herhaaldelijk verfijnt. Bij deze iteratieve benaderingen is het doel meestal om het aantal correcte decimalen bij elke stap te verdubbelen, een proces dat kwadratische convergentie wordt genoemd. Hoewel deze methoden ongelooflijk snel zijn, volgen ze doorgaans een rigide script: de formule die wordt gebruikt om de schatting te verbeteren, blijft hetzelfde, zelfs als de schatting nauwkeuriger wordt.

Een nieuwe studie door Shih-Han Wang aan Virginia Tech daagt het idee uit dat het script rigide moet blijven. Het onderzoek introduceert een methode waarbij de berekening zelf van gedrag verandert op basis van hoe dicht het bij het antwoord is. In plaats van een vaste formule te gebruiken, kijkt de methode naar de huidige fout — het verschil tussen de huidige schatting en de ware waarde van pi — en gebruikt die fout om te beslissen hoeveel termen er in de volgende berekeningsstap moeten worden opgenomen. Dit creëert een zelfregulerend systeem waarbij de snelheid van verbetering spectaculair versnelt naarmate de berekening beter wordt. De studie demonstreert dat deze aanpak niet alleen het aantal correcte decimalen verdubbelt, maar het aantal correcte decimalen bij elke stap kwadrateert, wat leidt tot een explosie van precisie die traditionele fixed-order methoden ver voorbijstreeft.

De kern van dit werk ligt in een specifieke wiskundige relatie met betrekking tot de tangensfunctie. Wanneer een getal zeer dicht bij pi ligt, is de tangenswaarde ervan extreem klein, en deze kleine waarde fungeert als een directe maatstaf voor de fout. De onderzoeker realiseerde zich dat de omvang van deze fout gebruikt kon worden om exact te bepalen hoeveel correctietermen nodig zijn om de schatting te corrigeren. In een standaardmethode zou een wiskundige kunnen besluiten om een formule te gebruiken die de eerste tien termen van een expansie corrigeert, ongeacht of de huidige schatting slechts een fractie afwijkt of een grote hoeveelheid. In Wangs adaptieve methode controleert de computer eerst de omvang van de fout. Als de fout groot is, gebruikt het een korte correctie. Als de fout minuscuul is, schakelt het automatisch over naar een veel langere, meer gedetailleerde correctie. Deze beslissing wordt bij elke stap genomen, waardoor het proces niet-stationair is, wat betekent dat de regels van het spel veranderen terwijl het spel vordert.

De resultaten van deze adaptieve strategie zijn wiskundig diepgaand. De studie bewijst dat als een berekening een bepaald aantal correcte decimalen heeft, de volgende stap een aantal correcte decimalen zal produceren dat ongeveer het kwadraat is van het vorige aantal. Om dit in perspectief te plaatsen: als een berekening 10 correcte decimalen heeft bereikt, zou de volgende stap springen naar ongeveer 100 correcte decimalen. Als het 1.000 correcte decimalen bereikt, zou de volgende stap springen naar één miljoen. Dit is een fundamentele verschuiving van de lineaire of kwadratische groei die bij andere hogesnelheidsalgoritmen wordt gezien. Het artikel laat zien dat deze groei niet alleen een theoretische mogelijkheid is, maar een bewezen wiskundige wet voor dit specifieke type iteratie, mits de beginlijke schatting al redelijk dicht bij de ware waarde ligt.

Om deze bevindingen te verifiëren, voerde de onderzoeker een numeriek experiment uit, beginnend met een bekende benadering van pi afgeleid van de Chudnovsky-formule. De initiële schatting was accuraat tot ongeveer 13 decimalen. Na de eerste adaptieve stap sprong de nauwkeurigheid naar ongeveer 385 correcte decimalen. De tweede stap duwde de precisie naar bijna 300.000 correcte decimalen. De derde stap was zo krachtig dat deze theoretisch meer dan 100 miljard correcte decimalen produceerde, een getal dat zo groot is dat de computer slechts de eerste miljoen decimalen kon verifiëren tegen een bekende referentiestandaard. Het feit dat de eerste miljoen decimalen perfect overeenkwamen met de referentie, bevestigde dat de theoretische voorspellingen accuraat waren. De methode genereerde succesvol een reeks benaderingen waarvan de precisie exact groeide zoals het wiskundige model voorspelde, waarbij het van duizenden naar miljoenen decimalen ging in slechts enkele iteraties.

Dit werk onderscheidt zich van andere hogesnelheidsmethoden door zijn flexibiliteit. Terwijl andere algoritmen ontworpen kunnen zijn om een vaste "orde" van convergentie te hebben, zoals het telkens verdubbelen of verdrievoudigen van de decimalen, heeft deze methode geen vaste orde. In plaats daarvan groeit de convergentieorde automatisch naarmate de berekening verbetert. De studie verduidelijkt dat dit niet betekent dat de methode in een praktische zin oneindig snel is, aangezien de kosten van het uitvoeren van de berekeningen ook toenemen met het aantal decimalen. Echter, in termen van de wiskundige relatie tussen de huidige fout en de volgende fout, is de verbetering sneller dan elke vaste macht van de huidige fout. Het onderzoek levert een rigoureus bewijs dat de fout in de volgende stap verwaarloosbaar klein wordt in vergelijking met elke vaste macht van de huidige fout, een eigenschap die het onderscheidt van alle eerder bekende fixed-order iteraties.

De studie behandelt ook de grenzen van haar eigen succes. De methode vertrouwt erop dat de beginlijke schatting binnen een specifieke reeks van de ware waarde van pi ligt, specifiek binnen een kwart van een radiaan. Gelukkig valt het startpunt dat in het experiment werd gebruikt, afgeleid van de Chudnovsky-formule, ruim binnen deze veilige zone. Zodra de berekening deze zone binnengaat, garandeert de methode dat deze daar zal blijven en zal blijven verbeteren. Het artikel beweert niet het probleem op te lossen van het vinden van pi vanuit een willekeurige startwaarde, maar biedt eerder een uiterst efficiënte motor voor het verfijnen van een schatting die al dichtbij is. Het merkt ook op dat hoewel de wiskundige convergentie spectaculair is, de werkelijke tijd die het kost om deze berekeningen op een computer uit te voeren afhangt van hoe efficiënt de computer de enorme hoeveelheid decimalen kan verwerken, wat een apart technisch vraagstuk is.

Uiteindelijk biedt dit onderzoek een nieuwe manier van denken over hoe we numerieke antwoorden verfijnen. Het suggereert dat wanneer een correctieformule in een flexibele vorm beschikbaar is, de huidige fout niet alleen gebruikt kan worden om vooruitgang te meten, maar ook om de strategie voor de volgende zet te dicteren. Door de fout de diepte van de correctie te laten bepalen, transformeert de methode een standaard iteratief proces in een zelfversnellend systeem. De bevindingen worden ondersteund door zowel een rigoureus wiskundig bewijs als directe numerieke verificatie, waarbij wordt aangetoond dat het aantal correcte decimalen inderdaad kan groeien met een snelheid die de vorige nauwkeurigheid kwadrateert. Deze aanpak opent een nieuwe weg voor hoogprecisie-aritmetica, door aan te tonen dat de weg naar extreme nauwkeurigheid geplaveid kan worden door algoritmen die hun eigen regels aanpassen terwijl ze voortgaan.