🔢 mathematics

Computing with Continued Logarithms

本文提出了一种在连分数对数（Continued Logarithms, CLs）表示法下进行算术运算及超越函数（三角函数、指数与对数函数）计算的算法，该算法无需浮点运算，且比传统的连分数算法更简单、更高效。

原作者： Michael J. Collins

发布于 2026-02-10

📖 1 分钟阅读🧠 深度阅读

原作者： Michael J. Collins

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 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

1. 背景：传统的“尺子”不够用了

想象一下，如果你要测量一个苹果的大小，用普通的厘米尺（也就是我们数学里的浮点数，比如 3.14）就足够了。但如果你要测量整个银河系的直径，或者一个微观粒子的宽度，普通的尺子要么太短，要么精度不够，你会遇到“数字溢出”或者“精度丢失”的问题。

在数学里，我们通常用“连分数”（Continued Fractions）来处理这种极端情况。但作者发现，连分数虽然厉害，但在处理极大或极小的数字时，还是有点笨重。

2. 核心概念：什么是“连对数”（Continued Logarithms）？

作者引入了一种新的工具，叫**“连对数”（CL）**。

比喻：层层剥开的洋葱
想象你在描述一个超级巨大的数字（比如 $10^{100}$ ）。

普通方法：直接写出一串长得吓人的 0。
连对数方法：它不直接写数字，而是像剥洋葱一样，一层一层地描述“量级”。
- 第一层：这个数字大概是 $2 $的多少次方？（比如$ 2^{332}$）
- 第二层：在 $2^{332}$ 的基础上，还需要调整多少？
- 第三层：在调整的基础上，还需要微调多少？

这种方法非常聪明：它把一个天文数字拆解成了一串很小的整数。就像你描述一个人的身高，不用说“18000毫米”，而是说“1米，加上80厘米，再加上0分米……” 这种表达方式极其紧凑，而且非常适合计算机硬件去处理。

3. 论文的突破：不仅能“数数”，还能“算术”

以前人们知道怎么用这种“洋葱剥法”来表示数字，但怎么用这种表示法去做加减乘除、甚至算三角函数（sin, cos）呢？这非常难，因为你手里拿到的不是具体的数字，而是一串“剥洋葱的指令”。

作者的贡献：自动化的“指令加工厂”
作者发明了一套算法，就像建立了一个自动化的加工厂：

输入：两串“剥洋葱的指令”（比如两个 CL 表示的数字）。
过程：工厂里的机器（算法）不需要知道这些数字到底有多大，它只需要盯着这两串指令，通过一种叫“双双线性变换”（Bihomographic）的数学魔术，一边读入指令，一边吐出结果的指令。
输出：结果的“剥洋葱指令”。

最神奇的是，这个过程是**“流式”**的。就像看电影一样，你不需要等整部电影拍完（读完所有输入），只要输入了一点点信息，工厂就能立刻吐出结果的第一层指令。

4. 进阶挑战：计算“高级函数”

论文最厉害的地方在于，它不仅能做加减乘除，还能算指数、对数、正弦、余弦。

比喻：复杂的食谱转换
如果你有两个复杂的食谱（比如 $\pi$ 和 $e$ ），你想知道它们的比值 $\pi/e$ 是多少。
作者的方法不是先把这两个数算出来，而是通过一套复杂的数学公式（泰勒级数），把这些高级函数也转化成一种“剥洋葱”的模式。这样，计算机就可以直接在“指令层”进行计算，完全不需要用到那些笨重的、容易出错的普通小数。

5. 总结：为什么要关心这个？

这篇文章实际上是在为未来的计算机设计**“更强壮的引擎”**。

如果未来的科学计算需要处理极其微小的量子世界，或者极其宏大的宇宙尺度，传统的计算方式会“卡壳”。而作者提出的这套**“连对数算法”**，提供了一种既轻量、又精准、还能处理无限大/无限小的全新数学语言。

一句话总结：
作者发明了一种**“用小数字描述大世界”的新语言，并建立了一套“不需要知道具体数值就能进行复杂运算”**的自动化工厂。

这是一篇关于**连分数对数（Continued Logarithms, CLs）**计算方法的学术论文。以下是对该论文的详细技术总结：

1. 研究问题 (Problem)

传统的连分数（Continued Fractions, CFs）在处理极大或极小的数值时，表示效率较低。虽然 Gosper 曾提出过基于连分数的算术算法，但其在处理超大规模数值时的表示能力有限。
本文旨在解决如何利用**连分数对数（CLs）**这一变体进行高效数值计算的问题。CLs 的核心优势在于：

表示范围广：通过对数阶的形式，能更有效地表示极大的数或极小的数。
硬件友好：其结构更适合高效的硬件实现。
计算领域：如何在不使用浮点运算（Floating-point arithmetic）的情况下，仅在 CL 表示域内完成算术运算及超越函数（三角函数、指数、对数）的计算。

2. 研究方法 (Methodology)

A. 连分数对数 (CL) 的定义

对于 $x > 1$ ，若 $\lfloor \log_2(x) \rfloor = k$ ，则将其表示为：
$x = 2^k \left(1 + \frac{1}{y}\right)$
其中 $y$ 递归地进行 CL 表示。这种表示法将第一个项视为 $x$ 的数量级，后续项则逐步修正近似值。

B. 动力系统表示法 (Dynamical System Representation)

为了便于算法实现，作者引入了一种等价的动力系统表示法。通过定义映射 $g(x)$ ，将 CL 表示转化为一系列由 $0 $和$ 1 $组成的序列（例如，连续的$ 1 $表示$ x/2 $操作，而$ 0 $表示$ 1/(x-1)$ 操作）。这种表示法简化了后续的矩阵运算。

C. 算术算法 (Arithmetic Algorithm)

作者采用了基于 双双线性表达式 (Bihomographic Expression) 的算法。

核心思想：任何两个 CL 输入项的运算结果都可以表示为一个矩阵 $M$ 作用下的双双线性形式：
$M(x, y) = \frac{axy + bx + cy + d}{exy + fx + gy + h}$
矩阵操作：
- 生成输出 (Produce Output)：当通过计算 $M(x, y)$ 的上下界确定了结果的当前项 $z_j$ 时，通过特定的矩阵变换（prod0 或 prod1）更新矩阵，以计算下一项。
- 消耗输入 (Consume Input)：当当前项无法确定时，通过读取输入项 $x$ 或 $y$ 的下一项来缩小范围，这对应于矩阵的 conx,0 或 conx,1 操作。

D. 超越函数计算 (Transcendental Functions)

作者将算术算法扩展到了超越函数，其核心逻辑是利用**泰勒级数（Taylor Series）或霍纳法则（Horner's rule）**构建嵌套的矩阵表达式。

指数函数 ( $e^x$ )：利用嵌套的 $M_n(y) = 1 + x/n$ 形式。
反三角函数 ( $\arcsin x$ )：利用级数展开并结合上下界估计。
三角函数 ( $\cos x, \sin x, \tan x$ )：通过交错级数表示。
对数函数 ( $\log x$ )：利用特定的级数展开式 $g(w)$ 进行计算。

3. 核心贡献 (Key Contributions)

算法扩展：首次提出了在连分数对数（CL）域内进行超越函数（指数、对数、三角函数）计算的完整算法框架。
纯符号/域内计算：证明了所有计算都可以在 CL 表示域内完成，完全避免了浮点数运算带来的精度损失和范围限制。
递归嵌套模型：提出了一种处理无限嵌套表达式的方法，通过证明收敛性，确保了在给定精度下算法能够逐步产生输出项。

4. 研究结果 (Results)

算法可行性：作者证明了对于指数、对数及三角函数，通过构造特定的双双线性矩阵序列，可以递归地产生 CL 表示项。
实现验证：作者使用 Haskell 语言实现了这些算法，验证了算法在逻辑上的正确性。
收敛性保证：通过数学分析，证明了对于超越函数，随着输入项的增加，误差范围会不断缩小，从而能够确定输出项。

5. 研究意义 (Significance)

计算理论：为非标准数系（如 CLs）的算术运算提供了理论支撑。
高性能计算/硬件设计：由于 CL 算法主要涉及整数矩阵运算和简单的逻辑判断，这为设计高性能、高精度的专用数字信号处理器（DSP）或硬件加速器提供了可能，特别是在处理科学计算中极大规模数值的场景下。
精度控制：该方法提供了一种在不依赖传统浮点架构的情况下，实现任意精度计算的新途径。

总结： 本文通过将超越函数转化为嵌套的双双线性矩阵运算，成功地将连分数对数（CL）从一种数值表示法提升为一种完备的计算体系，为处理极端量级数值的硬件实现开辟了新方向。