ИИ-трансформер раскрыл тайну zeta-отображения: найден явный алгоритм для путей Дайка

Машинное обучение всё чаще применяется для математических открытий, но обычно его результатом становятся предсказания, а не явные конструкции. Новое исследование, опубликованное на arXiv, показывает, как нейросеть помогла найти проверяемый алгоритм для классической комбинаторной задачи.

Учёные обучили deliberately small однослойный трансформер с одной головой внимания на zeta-отображении — биекции путей Дайка, используемой в теории q,t-чисел Каталана. Пути Дайка — это последовательности шагов вверх и вниз, не опускающиеся ниже нуля; они широко встречаются в комбинаторике.

С помощью методов механистической интерпретируемости — анализа декодерного кросс-внимания, линейного зондирования и каузальных вмешательств — исследователи разобрали, как модель вычисляет отображение. Оказалось, что кодер делает линейно доступными уровни каждого шага пути, а декодер выбирает и обходит входные позиции структурированным образом.

Перевод этих сигналов на язык комбинаторики привёл к открытию scaffolding map — явного алгоритма обхода путей с центром на пиках (вершинах). Исследователи доказали, что этот алгоритм совпадает с zeta-отображением с точностью до обращения меток.

Работа представляет собой контролируемый пример AI-assisted mathematical discovery, где механистическая интерпретируемость превращает поведение модели в точный, проверяемый человеком комбинаторный алгоритм. Это шаг к тому, чтобы ИИ не просто давал ответы, но и объяснял свои решения на математическом языке.

Результаты могут быть полезны для автоматизации поиска новых биекций в комбинаторике и других областях, где важны явные конструкции. Исследование также подчёркивает потенциал небольших моделей для объяснимых открытий.