Open Problems on Graph Eigenvalues Studied with AutoGraphiX
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Since the late forties of the last century, methods of operations research have been extensively used to solve problems in graph theory, and graph theory has been extensively used to model operations research problems and to solve optimization problems on graphs, e.g., shortest paths and network flow problems. More recently, methods of operations research and artificial intelligence have been used to advance graph theory per se, i.e., to find conjectures on graph theory invariants, to refute such conjectures and in some cases to find automated proofs or ideas of proofs. Among other systems, the AutoGraphiX system was developed since 1997 at GERAD (Montreal) by the present authors. Extensive experiments have been conducted which led to 1,700 conjectures, about 800 of which turned out to be easy and could be proved by the system, and about 600 further ones were proved by hand by us or graph theorists from various countries. Moreover, these results led to many generalizations and further papers. In this paper, we study four theoretical problems related to the eigenvalues of (the adjacency matrix of) a connected graph and to which AutoGraphiX was applied. Three of the problems are related to the maximum value of the irregularity, the maximum spectral spread and the upper bound of Nordhaus–Gaddum type on the index, over the class of connected graphs on $$n$$ vertices. The fourth problem concerns the maximization of the energy (the sum of the absolute values of the eigenvalues) of a connected graph with fixed numbers of vertices and of cycles. We present a brief survey of the papers on or in connection with these problems, and give some new partial results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle