11:35arXiv: OpenAI@Matthew Fickus, John Jasper, Dustin G. Mixon该论文证明了在复数域中,当维度d满足d²-d+1 < n < d²时,不存在d×n的等角紧框架。这一结果填补了等角紧框架理论中的一个重要间隙,称为Singer-Zauner间隙。证明方法源自OpenAI的内部模型,通过类比实数域中等角紧框架与强正则图的关系,将复数域问题转化为图论问题。该发现对信号处理、量子信息理论和编码理论有潜在影响。论文等角紧框架Singer-Zauner间隙图论信号处理量子信息推荐理由:等角紧框架是信号处理和量子信息中的核心工具,这篇论文解决了长期悬而未决的间隙问题,做相关理论研究的数学家和工程师值得关注。原文
01:10arXiv cs.LG@Oleksandr Slyvka, Jan Rubeš, Rodrigo Alves, Jan Legerský该研究提出了一种强化学习方法,用于寻找具有异常多实现数的最小刚性图。在刚性理论中,相同边长数据可对应多种几何实现,但传统穷举搜索因候选图数量爆炸和计算成本高昂而不可行。研究者利用Henneberg移动(0-和1-扩展)逐步构建图,并通过深度交叉熵方法优化实现数不变量,策略网络采用图同构网络编码器和置换等变动作头。实验表明,该方法在平面实现数上匹配已知最优解,并在球面实现数上改进了最佳已知边界,发现了新的记录图。论文强化学习图论刚性理论Henneberg移动图同构网络推荐理由:这项研究用强化学习解决了刚性理论中的极值搜索难题,做图论或机器人运动规划的开发者可以直接借鉴其方法。原文