🔢 mathematics

On the Connection Between Irrationality Measures and Polynomial Continued Fractions

本文通过确立多项式连分数在生成用于证明无理性的有效丢番图逼近时的条件，将阿佩里方法进行了推广，并将这些发现应用于 $\pi$ 、 $e$ 和 $\zeta(3)$ 等基本常数，同时提出了新的猜想以协助解决关于卡塔兰常数等常数之无理性问题的开放性问题。

原作者： Nadav Ben David, Guy Nimri, Uri Mendlovic, Yahel Manor, Carlos De la Cruz Mengual, Ido Kaminer

发布于 2026-01-30

📖 1 分钟阅读🧠 深度阅读

CC0 1.0

原作者： Nadav Ben David, Guy Nimri, Uri Mendlovic, Yahel Manor, Carlos De la Cruz Mengual, Ido Kaminer

原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图猜出一个神秘数字的精确值，比如 $\pi$ 或者一个被称为阿佩里常数（Apéry's constant）的特殊常数。你通过创建一个长长的简单分数列表（比如 22/7 或 355/113）来不断逼近这个真实的数字。在数学中，这被称为丢番图逼近（Diophantine approximation）。

你提供的这篇论文是关于一种利用一种被称为**多项式连分数（Polynomial Continued Fraction, PCF）**的机器化规则来生成这些分数的强大方法。你可以把 PCF 想象成一个食谱，其中的“原料”（分数中的数字）会随着你深入食谱的过程而根据一个简单的代数公式（多项式）发生变化。

以下是使用简单类比对他们发现的解析：

1. 问题所在：“巨型”数字

当你遵循这些食谱来获得极其精确的逼近时，你分数中的数字（分母）往往会增长得极其迅速——快到呈现出“超指数级”增长。这就像是在尝试计算世界上所有海滩上的沙粒数量，但每走一步，沙粒的数量就会翻倍。这些数字变得如此巨大，以至于计算机都难以处理它们，并且很难判断最终的数字究竟是一个真正的无理数（无法写成简单分数），还是仅仅一个非常复杂的有理数。

2. 发现：“神奇缩减器”（阶乘约减）

作者们发现了一个秘密技巧。有时，尽管食谱中的原始数字极其庞大，但它们其实都共享一个巨大的公因子。这就像是你有一堆 1,000,000 个乐高积木，但你意识到它们其实都是由 10,000 个相同的模块组合而成的。如果你把这些模块拆解开，你剩下的将是一堆小得多、也更容易处理的积木。

他们称之为**“阶乘约减”（Factorial Reduction, FR）**。

没有 FR 时： 数字的增长像一列失控的火车（呈超指数级增长）。
有了 FR 后： 在除掉那些共同的“模块”（最大公约数）之后，数字的增长速度会慢得多，变得可以控制（呈指数级增长）。

3. 金科玉律：“根”测试

这篇论文最令人兴奋的部分是他们发现了一个简单的规则，可以预测一个食谱是否拥有这个“神奇缩减器”。

他们发现，这完全取决于“原料清单”的形状（具体来说就是多项式 $b_n$ ）。

规则： 如果原料清单具有有理根（想想这些是像 2, -3, 或 1/2 这样“整洁、干净的数字”），那么这个食谱几乎肯定会拥有“神奇缩减器”。
失败情况： 如果原料清单具有“混乱的”根（比如涉及平方根的无理数，或虚数），那么“神奇缩减器”就无法工作。数字会保持庞大，且逼近效率极低。

类比： 想象你正在整理一袋弹珠。如果袋子里只有红弹珠和蓝弹珠（有理根），你可以很容易地将它们分成整齐的堆。如果袋子里的弹珠是半红半蓝半透明的（无理根），你就无法进行分类，那一堆东西就会变成一团混乱。

4. 为什么这很重要：证明无理性

我们为什么要缩小这些数字？

证明无理性： 要证明一个数是无理数，你需要展示你的分数逼近该数字的速度，要比分母增长的速度快得多。 “神奇缩减器”让分母变小，这使得这些分数看起来更加出色。这就像是展示你能击中一个极小的靶心，而不是一个巨大的靶心。
公式： 作者创建了一个公式，只需看一眼“原料清单”，就能告诉你逼近的效果有多好，而无需预先知道最终的数字。这就像一名机械师通过观察汽车引擎，就能直接说出“这辆车时速能达到 200 英里”，而不需要实际去驾驶它。

5. 与“拉马努金机”的联系

论文提到了这些公式通常是由一个名为“拉马努金机”（Ramanujan Machine）的计算机项目发现的。该项目使用算法来猜测像 $\pi$ 和 $e$ 这样的常数的各种新公式。

作者的工作充当了这个计算机的过滤器。与其让计算机浪费时间去测试数百万个会导致混乱、难以处理数字的食谱，它现在可以使用“根测试”来立即挑选出那些拥有“神奇缩减器”的食谱。这使得寻找新的数学真理的过程变得更快、更高效。

总结

简而言之，这篇论文为数学家和计算机提供了一份速查表。它告诉他们：

如何识别一个能产生整洁、易处理数字的数学食谱（阶乘约减）。
如何预测一个食谱是否有能力证明一个数是无理数。
如何构建基于简单规则的这类强大食谱的无限家族。

他们不仅仅是找到了一个新公式；他们找到了这些公式运作的蓝图，并表明如果“原料”是“整洁的”（有理根），那么数学表现将会非常完美。

技术摘要：论无理度量与多项式连分数之间的联系

问题陈述
本文旨在解决如何识别哪些多项式连分数（Polynomial Continued Fractions, PCFs）能够生成高效的丢番图逼近，从而证明基本数学常数（如 $\pi$ , $e$ , $\zeta(3)$ 和卡塔兰常数）的无理性。虽然特定的 PCF（最著名的是阿佩里用于证明 $\zeta(3)$ 无理性的方法）已被证实有效，但目前尚无通用的理论来确定哪些整数多项式对 $(a_n, b_n)$ 定义的 PCF 能产生非平凡的无理度量 $\delta$ 。此外，现有的算法（如 Ramanujan Machine 项目中的算法）通过数值匹配生成推测性的 PCF，但缺乏系统的方法来验证其效率，或在不知道极限值的情况下证明其无理性。

研究方法
作者将阿佩里的特定方法推广到由具有整数多项式系数的线性递推关系定义的任意 PCF。核心方法包括：

分析收敛性与 GCD 增长： 研究重点在于“平衡次数”的 PCF，即 $\deg(b_n) = 2 \deg(a_n)$ 。作者分析了由 PCF 生成的分子序列与分母序列的最大公约数 $GCD_n = \gcd(p_n, q_n)$ 的增长率。
定义阶乘约减（Factorial Reduction, FR）： 他们引入了“阶乘约减”的概念，即一种现象：当 $GCD_n$ 增长得足够快（具体而言，其增长速率与 $n!^{\deg(a_n)}$ 相当）时，约减后的分母 $q_n / GCD_n$ 的增长速度仅为指数级而非超指数级。
推导无理性界限： 利用 PCF 项的增长率和 $GCD_n$ 的增长率，作者推导出了一个关于无理度量 $\delta$ 的公式，该公式取决于多项式的首项系数和 $GCD_n$ 的指数阶。
计算验证： 作者利用计算机算法对 Ramanujan Machine 中发现的以及其他已知公式的 PCF 进行了广泛的理论测试。作者通过数值方式验证了各种常数的 FR 现象及其对应的 $\delta$ 值。

主要贡献与结果

定理 1（FR 的必要性）： 作者证明了对于平衡次数的 PCF，若要提供非平凡的无理度量（ $\delta > -1$ ），它必须表现出阶乘约减。具体而言， $\frac{1}{n} \ln(GCD_n / n!^{\deg(a_n)})$ 的上极限必须大于 $-\infty$ 。
定理 2（ $\delta$ 公式）： 推导出了无理度量下界的闭式表达式：
$\delta = \frac{\ln|\alpha| - \ln|B| + \ln \lambda}{\ln|\alpha| - \ln \lambda}$
其中， $\alpha$ 是特征方程 $x^2 - Ax - B = 0$ （其中 $A, B$ 为 $a_n, b_n$ 的首项系数）的较大根，而 $\lambda$ 是 $GCD_n$ 的指数阶（其中 $GCD_n \doteq \lambda^n n!^{\deg(a_n)}$ ）。该公式允许在不知道 PCF 极限值的情况下计算 $\delta$ 。
猜想 1.1（有理根条件）： 数值实验表明，一个 PCF 具有阶乘约减，当且仅当多项式 $b_n$ 仅具有有理根。如果 $b_n$ 具有无理根或非实根，则不存在对应的 $a_n$ 能产生 FR。
猜想 1.2 & 1.4（无穷族）： 对于任何具有有理根的 $b_n$ ，都存在生成具有 FR 的 PCF 的 $a_n$ 无穷族。对于 $\deg(b_n)=2$ 且 $\deg(a_n)=1$ 的特定情况，作者提出对于给定的可约 $b_n$ ，恰好存在两个 $a_n$ 的无穷族。
定理 3（无穷无理性证明）： 本文证明了对于一个具有 FR 的固定 $b_n$ ，可以通过缩放首项系数来构造一个 $a_n$ 的无穷族，使得所得的 $\delta$ 趋于 1。这意味着对于许多 $b_n$ ，存在无穷多个 PCF 可以证明其极限的无理性。
计算效率： 识别 FR 可以实现“简化递推”。通过将标准递推项除以预测的 $GCD_n$ ，可以使用呈指数级增长而非超指数级增长的整数来计算 PCF 极限，从而显著提高高精度计算的速度。

意义与主张
本文声称提供了一个分析 PCF 的系统性框架，超越了像阿佩里常数那样随机的发现。通过将无理度量直接与 $GCD_n$ 的增长以及定义多项式的性质联系起来，作者提供了一种工具来：

预测无理性： 仅根据多项式系数即可解析地判断一个给定的 PCF 候选者是否可能证明无理性。
优化搜索算法： 指导算法（如 Ramanujan Machine）专注于具有阶乘约减的 PCF，从而过滤掉那些产生平凡界限或在计算上难以处理的候选者。
加速计算： 通过利用由 $GCD_n$ 结构导出的约减递推公式，实现对基本常数的高精度快速计算。

作者承认，虽然他们的定理提供了必要条件和显式 $\delta$ 公式，但他们对 $GCD_n$ 结构的许多特征描述（例如指数部分的特定形式和“斑马”（Zebra）模式）仍属于由大量数值证据支持但有待正式证明的猜想。他们将这项工作定位为迈向更广泛的具有整数系数的线性递推及其丢番图性质理论的一步。