기술 주변기기 일체 포함 뫼비우스의 띠를 만드는 데 필요한 종이 테이프의 최소 길이는 얼마입니까? 50년의 미스터리가 풀렸다

뫼비우스의 띠를 만드는 데 필요한 종이 테이프의 최소 길이는 얼마입니까? 50년의 미스터리가 풀렸다

Oct 07, 2023 pm 06:17 PM
프로젝트 richard evan schwartz 뫼비우스 띠

혼자서 뫼비우스의 띠를 만들어 본 적이 있나요?

뫼비우스의 띠는 독특한 수학적 구조입니다. 이처럼 아름다운 단면을 만드는 것은 실제로 매우 간단하며 어린이도 쉽게 완성할 수 있습니다. 종이 테이프를 한 번 비틀어 양쪽 끝을 서로 테이프로 붙이면 됩니다. 그러나 이렇게 쉽게 만들 수 있는 뫼비우스의 띠는 오랫동안 수학자들의 관심을 끌었던 복잡한 특성을 가지고 있습니다.

최근 연구자들은 겉으로는 간단해 보이는 질문, 즉 뫼비우스의 띠를 만드는 데 필요한 종이 테이프의 최소 길이는 얼마인가? 때문에 고민에 빠졌습니다. Brown University의 Richard Evan Schwartz는 뫼비우스 띠가 "매입"되기보다는 "내장"되어 있기 때문에 이 문제가 해결되지 않는다고 말했습니다. 즉, 서로 관통하거나 교차하지 않습니다. 뫼비우스 띠는 실제로 3차원 공간에 투사된 형상인 홀로그램입니다. "몰입된" 뫼비우스 띠의 경우 여러 층의 띠가 서로 겹칠 수 있습니다. 마치 "매립된" 뫼비우스의 경우 유령이 벽을 통과하는 것과 같습니다. 스트립의 경우에는 그러한 중복이 없습니다.
뫼비우스의 띠를 만드는 데 필요한 종이 테이프의 최소 길이는 얼마입니까? 50년의 미스터리가 풀렸다
1977년 수학자 Charles Sidney Weaver와 Benjamin Rigler Halpern은 뫼비우스의 띠가 교차하도록 허용하면 간단하다는 점을 지적하면서 최소 차원 문제를 제기했습니다. 그렇다면 남은 문제는 자기교차를 피하기 위해 얼마나 많은 공간이 필요한지 결정하는 것입니다. Halpern과 Weaver는 최소 크기를 제안했지만 이를 증명할 수 없었기 때문에 Halpern-Weaver 추측으로 알려지게 되었습니다.

Schwartz는 4년 전에 이 문제에 대해 처음 알게 되었고, 이 문제에 대해 알게 된 후 매료되었습니다. 이제 그의 관심은 새로운 열매로 바뀌었다.
뫼비우스의 띠를 만드는 데 필요한 종이 테이프의 최소 길이는 얼마입니까? 50년의 미스터리가 풀렸다
논문 주소: https://arxiv.org/pdf/2308.12641.pdf

그는 2023년 8월 24일 arXiv.org에 게시된 사전 인쇄 논문에서 Halpern을 증명했습니다 -Weaver 추측. 그는 종이로 만든 "삽입된" 뫼비우스 띠는 뫼비우스의 띠를 만드는 데 필요한 종이 테이프의 최소 길이는 얼마입니까? 50년의 미스터리가 풀렸다보다 큰 종횡비로만 구성될 수 있음을 보여주었습니다. 예를 들어 스트랩 길이가 1cm인 경우 너비는 뫼비우스의 띠를 만드는 데 필요한 종이 테이프의 최소 길이는 얼마입니까? 50년의 미스터리가 풀렸다cm보다 커야 합니다.

이 퍼즐을 풀려면 수학적 창의성이 필요합니다. 이러한 유형의 문제를 해결하기 위해 표준 접근 방식을 사용할 경우 공식을 통해 자기교차 표면과 비자기교차 표면을 구별하기가 어렵습니다. 이 어려움을 극복하려면 슈워츠의 기하학적 비전이 필요하지만 이는 드뭅니다.

Schwartz의 증명에서 그는 문제를 다루기 쉬운 부분으로 나누었습니다. 각 부분은 기본적으로 기하학에 대한 기본 지식만 있으면 해결할 수 있습니다.

사실 Schwartz는 효과가 있는 전략을 찾기 전까지 몇 년 동안 다른 전략을 계속해서 시도했습니다. 그는 2021년 논문에서 사용한 방법이 타당해야 한다고 항상 느꼈기 때문에 최근 문제를 다시 검토하기로 결정했습니다.
분명 그의 직감은 맞았다. 문제를 다시 검토했을 때 그는 이전 논문의 T-차트와 관련된 보조정리에 오류가 있음을 발견했습니다. 이 오류를 수정함으로써 Schwartz는 Halpern-Weaver 추측을 빠르고 쉽게 증명했습니다. 슈워츠 자신도 그 실수가 아니었다면 3년 전에 문제를 해결했을 것이라고 말한다. ㅋㅋ ~ 이 보조정리는 기본 아이디어에 기초합니다. 뫼비우스 띠의 일부 직선을 괘면이라고 합니다. 슈워츠는 공간에 있는 종이 조각이 복잡한 위치에 있더라도 모든 지점에서 여전히 직선을 통과하여 뫼비우스 띠를 가로지르고 양쪽 끝이 서로 닿는 것을 상상할 수 있다고 지적했습니다. 국경.

이전 작업에서 Schwartz는 동일한 평면에서 서로 평행한 두 개의 직선을 식별했으며, 이는 각 뫼비우스 띠에서 T자형 패턴을 형성했습니다. 그는 이러한 것들이 존재하는지, 증명이 필요한지 명확하지 않다는 점을 지적하는데, 이것이 보조정리 증명의 첫 번째 부분입니다.

다음 단계는 최적화 문제를 설정하고 해결하는 것입니다. 최적화 문제는 스트립의 너비를 연장하는 선분을 따라 특정 각도로 뫼비우스 스트립을 절단하고 최종 모양을 얻는 것입니다. Schwartz는 2021년 논문에서 그 모양이 평행사변형이라고 실수로 결론을 내렸습니다.

이번 여름, 슈워츠는 다른 전략을 시도하기로 결정했습니다. 그는 뫼비우스의 띠를 평평하게 만들기 위해 노력하기 시작했습니다. 평평한 표면에 압착할 수 있다는 것이 보여질 수 있다면 이 복잡한 문제는 보다 다루기 쉬운 평평한 표면 문제로 줄어들 것입니다. 실험에서 슈바르츠는 뫼비우스의 띠를 자르고 그것이 평행사변형이 아니라 사다리꼴이라는 것을 깨달았습니다.

드디어 50세의 질문에 대한 답이 나왔습니다. 오랜 문제를 해결하려면 용기가 필요하며, 이것이 슈워츠의 수학 강점입니다. 그는 상대적으로 쉬워 보이지만 실제로는 어려운 문제를 해결하는 것을 좋아합니다. 그는 이전 연구자들이 발견하지 못한 문제를 보게 될 것입니다.

참조 링크: https://www.scientificamerican.com/article/mathematicians-solve-50-year-old-moebius-strip-puzzle1/

위 내용은 뫼비우스의 띠를 만드는 데 필요한 종이 테이프의 최소 길이는 얼마입니까? 50년의 미스터리가 풀렸다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

Video Face Swap

Video Face Swap

완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

ControlNet의 저자가 또 다른 히트를 쳤습니다! 이틀 만에 14,000개의 별을 획득하여 그림에서 그림을 생성하는 전체 과정 ControlNet의 저자가 또 다른 히트를 쳤습니다! 이틀 만에 14,000개의 별을 획득하여 그림에서 그림을 생성하는 전체 과정 Jul 17, 2024 am 01:56 AM

역시 Tusheng 영상이지만 PaintsUndo는 다른 경로를 택했습니다. ControlNet 작성자 LvminZhang이 다시 살기 시작했습니다! 이번에는 회화 분야를 목표로 삼고 있습니다. 새로운 프로젝트인 PaintsUndo는 출시된 지 얼마 되지 않아 1.4kstar(여전히 상승세)를 받았습니다. 프로젝트 주소: https://github.com/lllyasviel/Paints-UNDO 이 프로젝트를 통해 사용자는 정적 이미지를 입력하고 PaintsUndo는 자동으로 라인 초안부터 완성품 따라가기까지 전체 페인팅 과정의 비디오를 생성하도록 도와줍니다. . 그리는 과정에서 선의 변화가 놀랍습니다. 최종 영상 결과는 원본 이미지와 매우 유사합니다. 완성된 그림을 살펴보겠습니다.

오픈 소스 AI 소프트웨어 엔지니어 목록의 1위인 UIUC의 에이전트 없는 솔루션은 SWE 벤치의 실제 프로그래밍 문제를 쉽게 해결합니다. 오픈 소스 AI 소프트웨어 엔지니어 목록의 1위인 UIUC의 에이전트 없는 솔루션은 SWE 벤치의 실제 프로그래밍 문제를 쉽게 해결합니다. Jul 17, 2024 pm 10:02 PM

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 이 논문의 저자는 모두 일리노이 대학교 Urbana-Champaign(UIUC)의 Zhang Lingming 교사 팀 출신입니다. Steven Code Repair, 박사 4년차, 연구원

RLHF에서 DPO, TDPO까지 대규모 모델 정렬 알고리즘은 이미 '토큰 수준'입니다. RLHF에서 DPO, TDPO까지 대규모 모델 정렬 알고리즘은 이미 '토큰 수준'입니다. Jun 24, 2024 pm 03:04 PM

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 인공 지능 개발 과정에서 LLM(대형 언어 모델)의 제어 및 안내는 항상 핵심 과제 중 하나였으며 이러한 모델이 두 가지 모두를 보장하는 것을 목표로 했습니다. 강력하고 안전하게 인간 사회에 봉사합니다. 인간 피드백(RL)을 통한 강화 학습 방법에 초점을 맞춘 초기 노력

arXiv 논문은 '연발'로 게시될 수 있습니다. Stanford alphaXiv 토론 플랫폼은 온라인이며 LeCun은 이를 좋아합니다. arXiv 논문은 '연발'로 게시될 수 있습니다. Stanford alphaXiv 토론 플랫폼은 온라인이며 LeCun은 이를 좋아합니다. Aug 01, 2024 pm 05:18 PM

건배! 종이 토론이 말로만 진행된다면 어떤가요? 최근 스탠포드 대학교 학생들은 arXiv 논문에 대한 질문과 의견을 직접 게시할 수 있는 arXiv 논문에 대한 공개 토론 포럼인 alphaXiv를 만들었습니다. 웹사이트 링크: https://alphaxiv.org/ 실제로 이 웹사이트를 특별히 방문할 필요는 없습니다. URL에서 arXiv를 alphaXiv로 변경하면 alphaXiv 포럼에서 해당 논문을 바로 열 수 있습니다. 논문, 문장: 오른쪽 토론 영역에서 사용자는 저자에게 논문의 아이디어와 세부 사항에 대해 질문하는 질문을 게시할 수 있습니다. 예를 들어 다음과 같이 논문 내용에 대해 의견을 제시할 수도 있습니다.

OpenAI Super Alignment Team의 사후 작업: 두 개의 대형 모델이 게임을 하고 출력이 더 이해하기 쉬워졌습니다. OpenAI Super Alignment Team의 사후 작업: 두 개의 대형 모델이 게임을 하고 출력이 더 이해하기 쉬워졌습니다. Jul 19, 2024 am 01:29 AM

AI 모델이 내놓은 답변이 전혀 이해하기 어렵다면 감히 사용해 보시겠습니까? 기계 학습 시스템이 더 중요한 영역에서 사용됨에 따라 우리가 그 결과를 신뢰할 수 있는 이유와 신뢰할 수 없는 경우를 보여주는 것이 점점 더 중요해지고 있습니다. 복잡한 시스템의 출력에 대한 신뢰를 얻는 한 가지 가능한 방법은 시스템이 인간이나 다른 신뢰할 수 있는 시스템이 읽을 수 있는 출력 해석을 생성하도록 요구하는 것입니다. 즉, 가능한 오류가 발생할 수 있는 지점까지 완전히 이해할 수 있습니다. 설립하다. 예를 들어, 사법 시스템에 대한 신뢰를 구축하기 위해 우리는 법원이 자신의 결정을 설명하고 뒷받침하는 명확하고 읽기 쉬운 서면 의견을 제공하도록 요구합니다. 대규모 언어 모델의 경우 유사한 접근 방식을 채택할 수도 있습니다. 그러나 이 접근 방식을 사용할 때는 언어 모델이 다음을 생성하는지 확인하세요.

리만 가설의 중요한 돌파구! 타오저쉬안(Tao Zhexuan)은 MIT와 옥스퍼드의 새로운 논문을 적극 추천했으며, 37세의 필즈상 수상자도 참여했다. 리만 가설의 중요한 돌파구! 타오저쉬안(Tao Zhexuan)은 MIT와 옥스퍼드의 새로운 논문을 적극 추천했으며, 37세의 필즈상 수상자도 참여했다. Aug 05, 2024 pm 03:32 PM

최근 새천년 7대 과제 중 하나로 알려진 리만 가설이 새로운 돌파구를 마련했다. 리만 가설은 소수 분포의 정확한 특성과 관련된 수학에서 매우 중요한 미해결 문제입니다(소수는 1과 자기 자신으로만 나눌 수 있는 숫자이며 정수 이론에서 근본적인 역할을 합니다). 오늘날의 수학 문헌에는 리만 가설(또는 일반화된 형식)의 확립에 기초한 수학적 명제가 천 개가 넘습니다. 즉, 리만 가설과 그 일반화된 형식이 입증되면 천 개가 넘는 명제가 정리로 확립되어 수학 분야에 지대한 영향을 미칠 것이며, 리만 가설이 틀린 것으로 입증된다면, 이러한 제안의 일부도 그 효과를 잃을 것입니다. MIT 수학 교수 Larry Guth와 Oxford University의 새로운 돌파구

LLM은 시계열 예측에 적합하지 않습니다. 추론 능력도 사용하지 않습니다. LLM은 시계열 예측에 적합하지 않습니다. 추론 능력도 사용하지 않습니다. Jul 15, 2024 pm 03:59 PM

시계열 예측에 언어 모델을 실제로 사용할 수 있나요? Betteridge의 헤드라인 법칙(물음표로 끝나는 모든 뉴스 헤드라인은 "아니오"로 대답할 수 있음)에 따르면 대답은 아니오여야 합니다. 사실은 사실인 것 같습니다. 이렇게 강력한 LLM은 시계열 데이터를 잘 처리할 수 없습니다. 시계열, 즉 시계열은 이름에서 알 수 있듯이 시간 순서대로 배열된 데이터 포인트 시퀀스 집합을 나타냅니다. 시계열 분석은 질병 확산 예측, 소매 분석, 의료, 금융 등 다양한 분야에서 중요합니다. 시계열 분석 분야에서는 최근 많은 연구자들이 LLM(Large Language Model)을 사용하여 시계열의 이상 현상을 분류, 예측 및 탐지하는 방법을 연구하고 있습니다. 이 논문에서는 텍스트의 순차적 종속성을 잘 처리하는 언어 모델이 시계열로도 일반화될 수 있다고 가정합니다.

최초의 Mamba 기반 MLLM이 출시되었습니다! 모델 가중치, 학습 코드 등은 모두 오픈 소스입니다. 최초의 Mamba 기반 MLLM이 출시되었습니다! 모델 가중치, 학습 코드 등은 모두 오픈 소스입니다. Jul 17, 2024 am 02:46 AM

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 서문 최근 몇 년 동안 다양한 분야에서 MLLM(Multimodal Large Language Model)의 적용이 눈에 띄는 성공을 거두었습니다. 그러나 많은 다운스트림 작업의 기본 모델로서 현재 MLLM은 잘 알려진 Transformer 네트워크로 구성됩니다.

See all articles