数学

数学理论与方法:符号计算、优化、形式化验证与 AI 辅助推导

高维约束优化的随机子空间梯度法:迭代复杂度与步长分析

结论方向:作者提出面向高维约束优化问题的随机子空间梯度方法,并在线性与非线性设定下给出最坏情况迭代复杂度,理论上提示其可较确定性对应方法采用更大步长;该结论为理论推导结果,材料未报告数值实验验证。 研究设计与做法:属方法学与理论分析类工作,非人体或动物实验;做法为将梯度向量投影到

不同差构型的区间容量与二阶界

本预印本用带边界常数2/3的带符号区间容量证书,为声呐序列、弱Sidon集及相关不同差构型给出显式二阶上界;结论方向为收紧上界,属数学证明而非实验证据,档位为「证据支持」(在所述条件下)。 研究为纯数学证明型工作:以带符号区间容量证书为核心工具,保留Cauchy–Schwarz不

随机系数椭圆偏微分方程的多层核近似方法

结论:作者提出多层核近似方法,用于高效求解带周期随机系数的椭圆偏微分方程,在保持给定精度ε的同时降低计算成本;该结论基于理论误差分析与数值实验,属方法学层面的证据支持。 设计与做法:本研究为数值数学方法学研究,包含完整正则性理论与误差分析,并开展数值实验,将多层近似与单层近似进行

拓扑富集匕首范畴中鞅与倒向鞅的收敛性证明

结论:作者用拓扑富集范畴论给出鞅与倒向鞅依L^p范数收敛的范畴论证明,并称任意网指标倒向鞅的收敛结果似为新结果;该结论属数学证明层面的证据支持,非实验或临床证据。 设计与做法:属理论/数学论文,非人体或动物研究。作者在概率空间与Markov核(模几乎必然相等)构成的拓扑富集匕首范

分位数回归生成式元建模实现随机模拟实时决策

提出生成式元建模概念与分位数回归算法QRGMM,目标是构建“模拟器的快速模拟器”,在给定输入下快速生成随机输出并近似保持条件分布,从而支持实时决策中任意汇总统计量的即时计算;作者报告其具有分布收敛性,并在数值实验中表现优于其他先进生成算法。 研究为方法学论文,属算法开发与数值实验

物理—数字活动空间隔离框架:多源大数据模拟验证与真实数据概念验证

该研究提出一个区分共在、数字暴露与数字互动的物理—数字活动空间框架,将物理隔离与数字隔离作为两个独立成分而非强行合成;模拟结果显示两类成分对其生成机制具有选择性响应,但真实数据层面未报告收入隔离、数字暴露、物理—数字耦合或不平等的因果效应估计,因此整体证据档位为C,仅提示框架可行

McKean-Vlasov PDE的线性化反馈镇定

结论:作者提出并证明,基于线性化动力学的Riccati反馈律可在环面上实现McKean-Vlasov PDE的局部指数镇定,并可按选定收敛速率加速收敛;该结论为数学证明加数值验证,属理论性证据。 设计与做法:研究为理论分析与数值实验结合。在加权零均值空间中重写受控PDE,经基态变

离散时间量子行走中投影转移矩阵的峰态转移

结论方向:作者提出并刻画了「峰态转移」这一概念,将两反射离散时间量子行走中的完美态转移推广为酉演化下可达的最高态转移;证据档位为C,属理论/组合数学层面的结果,材料未报告实验验证。 研究设计与做法:属理论分析类工作,采用组合方法与谱方法;核心工具为将转移矩阵投影到子空间后所得矩阵

稀疏最大仿射回归的稀疏梯度下降变量选择与初始化

结论:在协变量满足次高斯性与反集中性质的条件下,稀疏梯度下降(Sp-GD)可为凸分段线性(最大仿射)回归提供非渐近局部收敛保证,并实现变量选择与参数恢复;该结论为理论分析结果,证据档位C。 设计与做法:属理论/方法类研究,提出Sp-GD用于稀疏最大仿射回归的变量选择,并给出非渐近

RISMO:异构无人机-地面车集群在未知环境协同探索的黎曼信息几何运动编排

结论方向:在平面仿真中,RISMO 相较 APF 与 CBF-QP 减少了所观测到的梯度停滞与高频控制变化,同时保持正的障碍间距与协同感知;该结论来自数值与消融结果,属仿真层面的证据支持,尚不足以推广到真实系统。 研究设计与做法:期刊论文,采用数值仿真与消融实验;在平面仿真场景中

中等高维下Hurst分布一致估计的谱聚类型算法

结论方向:作者提出一种可证明收敛、易解释的谱聚类型算法,用于估计高维分形系统背后的Hurst分布(尤其是标度指数),并在中等高维渐近框架下证明其估计具有一致性;该结论属理论证明与模拟验证层面,证据档位为C。 研究设计与做法:属方法学/理论论文,构建基于小波随机矩阵性质的改进谱聚类

黎曼流形上有界截面曲率凸非光滑优化的凸束方法

结论:作者提出一种用于有界截面曲率黎曼流形上凸非光滑优化问题的凸束方法,并在温和条件下证明其收敛到极小点;该结论为理论证明与数值示例层面的证据支持,尚不涉及实际应用验证。 设计与做法:属方法学与理论分析类研究,提出凸束方法并给出收敛性证明;每步基于将此前收集的次梯度平行移动至当前

AI生成数学证明时代数学人文性之问

该文为资讯类报道,核心指向一个提问而非实证结论:当AI不断产出数学证明时,若只关注答案本身,数学可能失去什么;材料未报告任何量化结果,故不足以对AI对数学的影响作出结论。 研究设计与做法:材料未报告。据标题与摘要,该文属于Science News的资讯报道,围绕DeepMind的

AI自动数学的形式正确性与概念进展之解剖学综述

该综述对Bloch与Noguer i Alonso(2026)的自动数学框架作批判性综合,认为其区分形式正确性、忠实形式化与数学理解的主张具有技术价值,但既不支持将形式验证视为数学进展的完整说明,也不否定谨慎测量与状态区分的意义;方向为审慎肯定,强度为评论性判断。 研究设计为文献

分布鲁棒多阶段凸优化:非连续对偶动态规划算法与复杂度

针对分布鲁棒多阶段凸优化(DR-MCO)问题,本文提出非连续对偶动态规划(NDDP)算法,作者报告其可将子问题复杂度对阶段数的依赖由二次降为线性,属于算法与复杂度分析层面的理论证据支持。 研究为算法设计与复杂度分析类工作,材料未报告具体样本量、数据集规模或数值实验设置;做法是提出