MétaCan
Menu
Retour à la cohorte
Enregistrement W2346395212 · doi:10.5539/jmr.v8n3p9

Rigorous Proof for Riemann Hypothesis Using the Novel Sigma-power Laws and Concepts from the Hybrid Method of Integer Sequence Classification

2016· article· en· W2346395212 sur OpenAlexvenueno aff
John Y. C. Ting

Notice bibliographique

RevueJournal of Mathematics Research · 2016
Typearticle
Langueen
DomaineMathematics
ThématiqueAnalytic Number Theory Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematicsRiemann hypothesisRiemann zeta functionConjectureInteger (computer science)Dirichlet distributionRiemann sumSequence (biology)Pure mathematicsRiemann Xi functionMathematical analysisComputer science

Résumé

récupéré en direct d'OpenAlex

Proposed by Bernhard Riemann in 1859, Riemann hypothesis refers to the famous conjecture explicitly equivalent to the mathematical statement that the critical line in the critical strip of Riemann zeta function is the location for all non-trivial zeros. The Dirichlet eta function is the proxy for Riemann zeta function. We treat and closely analyze both functions as unique mathematical objects looking for key intrinsic properties and behaviors. We discovered our key formula (coined the Sigma-power law) which is based on our key Ratio (coined the Riemann-Dirichlet Ratio). We recognize and propose the Sigma-power laws (in both the Dirichlet and Riemann versions) and the Riemann-Dirichlet Ratio, together with their various underlying mathematically-consistent properties, in providing crucial \textit{de novo} evidences for the most direct, basic and elementary mathematical proof for Riemann hypothesis. This overall proof is succinctly summarized for the reader by the sequential Theorem I to IV in the second paragraph of Introduction section. Concepts from the Hybrid method of Integer Sequence classification are important mathematical tools employed in this paper. We note the intuitively useful mental picture for the idea of the Hybrid integer sequence metaphorically becoming the non-Hybrid integer sequence with certain criteria obtained using Ratio study.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,550
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,460
Tête enseignante GPT0,513
Écart entre enseignants0,052 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mathematics ResearchMême sujetAnalytic Number Theory ResearchTravaux en français237 207