发现

在 AIM 参与或辅助下取得的数学成果，包括其他团队完成且我们团队未参与的成果。

Sign Embedding Quantum Algorithms for Matrix Equations and Matrix Functions

Yanqiao Wang, Jin-Peng Liu · arXiv 预印本

arXiv DOI

AI 生成介绍：以下文字由 AI 生成，仅供快速了解，请以原文链接为准。

面向领域专家： 该工作提出面向矩阵方程和矩阵函数的符号嵌入量子算法框架。方法围绕增广矩阵、半平面矩阵符号、logarithmic-sinc 近似以及移位逆族的重平衡展开，用统一思路处理 Sylvester 方程、Lyapunov 方程、矩阵平方根、矩阵几何平均和 Riccati 方程等问题。

面向大众： 这项工作研究如何用量子算法处理科学计算和应用数学中常见的复杂矩阵问题。其核心贡献是提出一个较通用的框架，使多类矩阵计算任务有可能被更系统地转化为量子算法。

AI Mathematician as a Partner in Advancing Mathematical Discovery -- A Case Study in Homogenization Theory

Yuanhang Liu, Beichen Wang, Peng Li, Yang Liu · arXiv 预印本

arXiv DOI 博客

AI 生成介绍：以下文字由 AI 生成，仅供快速了解，请以原文链接为准。

面向领域专家： 该案例研究讨论 AIM 辅助均匀化理论证明开发的过程。工作将 AI 自主推理轨迹与人工定向干预结合起来，用于拆解证明目标、选择分析工具、验证中间结论，并在人工监督下组织成完整论证。

面向大众： 这项案例研究展示 AIM 如何辅助数学家完成一项较长、较技术性的证明。AIM 参与提出思路和组织推理，人类研究者负责引导、检查和修正，从而保证证明的严谨性。