Mathematical Modelling of COVID-19 and Solving Riemann Hypothesis, Polignac's and Twin Prime Conjectures Using Novel Fic-Fac Ratio With Manifestations of Chaos-Fractal Phenomena
Notice bibliographique
Résumé
COVID-19 originated from Wuhan, China in December 2019. Declared by the World Health Organization on March 11, 2020; COVID-19 pandemic has resulted in unprecedented negative global impacts on health and economy. International cooperation is required to combat this ”Incompletely Predictable” pandemic. With manifestations of Chaos-Fractal phenomena, we mathematically model COVID-19 and solve [unconnected] open problems in Number theory using our versatile Fic-Fac Ratio. Computed as Information-based complexity, our innovative Information-complexity conservation constitutes a unique all-purpose analytic tool associated with Mathematics for Incompletely Predictable problems. These problems are literally ”complex systems” containing well-defined Incompletely Predictable entities such as nontrivial zeros and two types of Gram points in Riemann zeta function (or its proxy Dirichlet eta function) together with prime and composite numbers from Sieve of Eratosthenes. Correct and complete mathematical arguments for first key step of converting this function into its continuous format version, and second key step of using our unique Dimension (2x -N) system instead of this Sieve result in primary spin-offs from first key step consisting of providing proof for Riemann hypothesis (and explaining closely related two types of Gram points), and second key step consisting of providing proofs for Polignac’s and Twin prime conjectures.
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 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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».