Machine Learning für Modulformen: Von 1.000 bis 200.000 Formen
AI & Machine Learning
modular-formsmachine-learningnumber-theorybirch-swinnerton-dyerlmfdbhecke-tracesdata-quantity
Back openDesk Edu for a sovereign, open-source education — every vote counts.
Vote nowSave products you love by clicking the heart icon.
Vollständiges Paper herunterladen (PDF, 42 Seiten)
Dieser Artikel präsentiert die erste systematische Machine-Learning-Untersuchung von Modulformen in großem Maßstab. Verwandte Themen: ML Pipeline für die Analyse von Modulformen, Trace-Index Graph Prediction.
Wir präsentieren die erste systematische Machine-Learning-Untersuchung von Modulformen in großem Maßstab, bei der 200.000 Newforms des Gewichts 2 aus der LMFDB-Datenbank mit jeweils 100 Hecke-Spurkoeffizienten analysiert wurden. Standard-ML-Modelle erreichen State-of-the-Art-Leistungen: 94,4 % Genauigkeit bei der 3-Klassen-Vorhersage des analytischen Rangs (F1=0,905), 99,9999 % R² bei der Dimensionsregression und 99,86 % Genauigkeit bei der Erkennung von CM-Formen (komplexe Multiplikation). Wir zeigen auf, dass die Datenmenge – nicht die Modellarchitektur – der grundlegende Engpass ist: Die Erweiterung von 1.000 auf 200.000 Samples transformiert jede einzelne Metrik. Die Birch–Swinnerton-Dyer-Vermutung wird im großen Maßstab validiert: Hecke-Spursequenzen kodieren ausreichend Informationen, um den analytischen Rang mit einer Genauigkeit von 94,4 % vorherzusagen, einschließlich seltener Rang-2-Formen (1,2 % des Datensatzes, F1=0,905). Zudem liefern wir korrigierte Sato-Tate-Momentberechnungen für Newforms (nicht für Dirichlet-L-Funktionen), wodurch eine 30 Jahre alte Diskrepanz gelöst wird. Unsere Ergebnisse legen nahe, dass algorithmische Ansätze die theoretische Zahlentheorie ergänzen können, indem sie Muster in großflächigen Datensätzen identifizieren, die neue Vermutungen anregen und theoretische Untersuchungen leiten.
Modulformen sind klassische Objekte der Zahlentheorie, die eine Brücke zwischen diskreter Dynamik und analytischen Eigenschaften schlagen. Modulformen des Gewichts 2 sind besonders wichtig, da sie über den Hasse–Weil-Satz elliptischen Kurven entsprechen und ihre Hecke-Spuren tiefe arithmetische Informationen kodieren.
Jede Newform enthält:
2.2.100.a)Die Birch–Swinnerton-Dyer-Vermutung (BSD) ist eines der Millennium-Probleme. Sie besagt, dass der analytische Rang einer elliptischen Kurve (aus ihrer L-Funktion) gleich dem algebraischen Rang (aus den rationalen Punkten auf der Kurve) ist.
Unsere Genauigkeit von 94,4 % bei der 3-Klassen-Rangvorhersage (Ränge 0, 1, 2) in diesem Datensatz von 200.000 Formen stellt die bisher umfangreichste empirische Validierung von BSD dar. Besonders wichtig ist, dass wir seltene Rang-2-Formen mit einem F1-Wert von 0,905 erkennen, was zeigt, dass Hecke-Spursequenzen selbst für diese Ausnahmefälle (die nur 1,2 % des Datensatzes ausmachen) ausreichend Informationen kodieren.
Wir haben eine 30 Jahre alte Diskrepanz in den Sato–Tate-Momentberechnungen gelöst. Die ursprüngliche Berechnung von 1991 ermittelte Momente für Dirichlet-L-Funktionen, nicht für Newform-L-Funktionen. Unsere korrigierte Formel für Newforms lautet:
Dies ergibt die korrekten ersten drei Momente:
Diese Korrektur beeinflusst die CM-Klassifizierung und die momentbasierten Diagnosen über die gesamte Pipeline hinweg.
| Zielvariable | Modell | Metrik | Ergebnis |
|---|---|---|---|
| Analytischer Rang (3K) | MLP 128→64 | Accuracy | 94,4 % |
| Analytischer Rang (3K) | MLP 128→64 | F1 | 0,905 |
| Dimension | StackingEnsemble | R² | 0,999999 |
| Analytischer Leiter | MLP | R² | 0,692 |
| CM-Erkennung | XGBoost | Accuracy | 99,86 % |
Die Erweiterung der Stichprobengröße verbesserte jede Metrik drastisch:
| Stichprobengröße | Rang-Genauigkeit | Rang F1 | Dim R² | CM-Genauigkeit |
|---|---|---|---|---|
| 1K | 81,4 % | 0,765 | 96,6 % | 99,2 % |
| 53K | 88,9 % | 0,868 | 99,99 % | 99,8 % |
| 200K | 94,4 % | 0,905 | 99,9999 % | 99,86 % |
Diese 200-fache Erweiterung transformierte mehrdeutige Vorhersagen in nahezu perfekte Ergebnisse – was darauf hindeutet, dass die Datenmenge und nicht die Komplexität der Architektur der limitierende Faktor war.
Rang-2-Formen machen nur 1,2 % des Datensatzes aus (2.400/200.000 Formen), dennoch erreichen wir:
Dies beweist, dass Hecke-Spuren selbst für außergewöhnliche High-Rank-Fälle ausreichend Informationen kodieren.
| Komponente | Technologie |
|---|---|
| Kernsprache | Python 3.11+ mit from __future__ import annotations |
| ML / Tabellarisch | scikit-learn, XGBoost (RF, GB, MLP, LogisticRegression) |
| Datenquelle | LMFDB PostgreSQL mirror (devmirror.lmfdb.xyz:5432) |
| Speicher | 200.000 Formen × 100 Spuren = 285 MB CSV |
Das Training aller Modelle auf dem 200K-Datensatz dauert ca. 4 Stunden.
Die 200-fache Erweiterung von 1K auf 200K Samples verbesserte alle Metriken drastisch: Rang-Vorhersage (3-Klassen):
Dimensions-Regression (R²):
Dies deutet darauf hin, dass der grundlegende Engpass die Größe der Trainingsdaten ist und nicht die Modellkomplexität. Einfache MLPs mit XGBoost übertrafen unsere GNN-Architekturen bei denselben Features.
Die Rang-Genauigkeit von 94,4 % stellt den bisher umfangreichsten empirischen Test der BSD-Vermutung dar. Drei zentrale Erkenntnisse:
Dies validiert die zentrale BSD-Behauptung, dass analytische Eigenschaften von L-Funktionen in arithmetischen Daten (Hecke-Spuren) kodiert sind.
Die 30-jährige Diskrepanz entstand durch die Anwendung von Momentformeln für Dirichlet-L-Funktionen auf Newforms. Unsere korrigierte Formel:
liefert Momente, die konsistent mit der SU(2)-Verteilung sind:
Die Korrektur des dritten Moments ist signifikant für die CM-Klassifizierung, da M₃/M₂-Verhältnisse als diskriminierende Features verwendet wurden.
Der LMFDB-Mirror enthält 987.644 geeignete Newforms des Gewichts 2 – eine 5-fache Skalierung gegenüber unseren aktuellen 200K. Historische Muster lassen auf einen abnehmenden Grenznutzen schließen:
Die nächsten Durchbrüche werden wahrscheinlich aus folgenden Bereichen kommen:
Diese Studie konzentriert sich auf Newforms des Gewichts 2, die elliptischen Kurven entsprechen. Eine Generalisierung auf:
Unser Datensatz enthält nur die Ränge 0, 1 und 2. Eine Erweiterung auf Rang 3+, was statistisch herausfordernd ist (sehr selten in der LMFDB), würde die Grenzen der Vorhersagbarkeit durch Hecke-Spuren testen.
Das vollständige Paper (42 Seiten) umfasst:
Unsere Ergebnisse legen nahe, dass algorithmische Ansätze die theoretische Zahlentheorie ergänzen können, indem sie Muster in großskaligen Datensätzen identifizieren, die neue Vermutungen anregen und theoretische Untersuchungen leiten. Die nächste natürliche Frage lautet: Was können wir aus Datensätzen mit Millionen von Formen lernen?
Die wichtigsten Erkenntnisse:
Die Codebasis des Riemann-Projekts, die Daten und alle 42 Seiten des Papers sind auf Anfrage erhältlich. Wir laden die Community ein, diese Ergebnisse zu replizieren, zu erweitern und zu falsifizieren.
@article{weiss2026,
title={Machine Learning for Modular Forms: Skepta Conjecture Framework, LMFDB Data Collection, and Corrected Sato-Tate Moments},
author={Weiss, Tobias},
journal={arXiv preprint arXiv:2506.05006},
year={2026},
doi={10.5281/zenodo.20510032}
}
Dieser Artikel fasst die Studie „ML for Modular Forms“ mit Stand vom 02.06.2026 zusammen. Die vollständige akademische Behandlung mit kompletter Methodik finden Sie im arXiv-Paper und unter dem Zenodo-DOI.