이론적 인 컴퓨터 과학에서 열린 문제를 해결하기위한 대규모 온라인 협업 과학에서 polymath 프로젝트에 대한 좋은 후보자가

Polymath 프로젝트에서 대규모 그룹은 공개 된 문제에 대해 연구합니다.

이 프레임 워크에서 어떤 종류의 문제가 가장 잘 작동합니까?
이론적 인 컴퓨터 과학에서 polymath 프로젝트에 대한 좋은 후보자가 있습니까?
Polymath 프로젝트가 수학의 다른 영역과 비교하여 이론적 인 컴퓨터 과학에서 성공하기 어렵게 만드는 장애물이 있습니까?



답변

Polymath 프로젝트는 돌파구가 발생하면 성공한 것으로 보이며 돌파구 결과를 최적화하거나 더 간단하거나 더 나은 증거를 제시하려고합니다. https://en.wikipedia.org/wiki/Polymath_Project#Problems_solved를 참조 하십시오 . 따라서 CS에서 이러한 특성의 문제를 선택해야합니다. 마음에 바로 오는 하나의 행렬 곱셈의 지속적인 개선 https://en.wikipedia.org/wiki/Matrix_multiplication#Algorithms_for_efficient_matrix_multiplication 2.4에서 현재, …하지만 솔직히, 나는 과연 사람들이 걱정하지 오전 작업하기에 충분합니다 …

polymath가 비참하게 실패 할 것으로 예상되는 질문 : P = NP, 온라인 최적 성, UGC 등


답변

대규모 온라인 협업이 설정되면 합리적인 성공 가능성이있는 문제에 집중해야합니다. 고대의 세 가지 고전적인 건축 문제는 “원을 제곱하는 것”, “각도를 세는 것”및 “입방체를 두 배로하는 것”으로 알려져 있습니다. 현대 수학은이 세 가지를 모두 해결했지만, 더 중요한 것은 초기 데카르트 혁명이었습니다. 이로 인해 수학은 나침반과 직선 구조의 정신 교도소에서 벗어날 수있었습니다. 그리스인들은 하늘의 역학 계산을위한 효율적인 epicycle 근사법 에서 알 있듯이 나침반과 직선을 실제 계산 장치로 사용했습니다 .

그래프 이론으로부터 해결 된 추측에 대한 많은 추측과 일반화는 협업을 통해 솔루션에 적용 할 수 있어야합니다. 그러나 일반적인 협업 경험에 따르면 2-4 명의 팀이 훨씬 큰 팀보다 훨씬 효과적입니다. 이 분야에서 매우 성공적인 팀의 예로 N. Robertson, PD Seymour 및 R. Thomas가 있습니다. 강력한 완벽 그래프 추론, 4 가지 색 정리의 일반화 및 사소한 관련 추측과 같은 문제를 공격했습니다. 같은 지역에있는 다른 연구팀도 새로운 결과 발표와 실제 출판 사이의 경과 시간이 너무 길어서 순수한 워크로드 양이 느려져 협업 (이미 발생)이 유익 할 수 있음을 나타냅니다. 속도를 높이기 위해 (나는’

저는 현재 컴퓨터 보조 증명 반박의 실제 응용에서 직관 논리의 완전성 역할을 이해하려고 노력합니다. 그러나 대규모 온라인 협업을 통해 실제로 증거를 만들 계획이라면 견고한 컴퓨터 지원 증명 반박 시스템을 갖추는 것이 실제로 중요 할 수 있습니다. 결국 공동 작업자를 충분히 모른다면 자신이 한 모든 일을 점검하는 데 많은 시간을 낭비하지 않고 자신의 공헌을 신뢰할 수 있는지 판단 할 수있는 방법은 무엇입니까? (나는 수학자들이 반박을 증명하고 직접적인 개인 피드백과 같은 긍정적 인면을 즐기는 데 더 익숙하다는 인상을 받았으며, 컴퓨터 과학자들은 이런 종류의 피드백으로 일상을 덜 보여줍니다.)