MétaCan
Menu
Retour à la cohorte
Enregistrement W4300487085 · doi:10.26443/msurj.v4i1.76

Evolution of Algorithms to find Prime Numbers

2009· article· en· W4300487085 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMcGill Science Undergraduate Research Journal · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Physics and Python Applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPrime numberPrime (order theory)Prime factorPrime k-tupleMathematicsInteger (computer science)Prime timeNumber theoryArithmeticCombinatoricsComputer scienceAlgorithmDiscrete mathematics

Résumé

récupéré en direct d'OpenAlex


 
 
 
 Prime numbers, and the deterministic formulas used to find them, have garnered considerable attention from mathematicians, professionals and amateurs alike. A prime number is a positive integer, excluding 1, whose only divisors are 1 and itself. For example, 23 is a prime number as it can only be divided by 1 and 23. A number that is not prime is called a composite number.
 While prime numbers under 100 are fairly abundant, they become less frequent and difficult to find in a systematic manner as the digits in the number increase since they do not appear to follow a predictable distribution. So why do researchers keep studying them? For over 150 years, mathematicians have attempted to uncover a deterministic formula to identify prime numbers. If such a formula existed, all numbers could be factored relatively quickly using computers. Paradoxically, much of electronic data today is encrypted by taking advantage of the fact that it is difficult and time consuming for a computer program to factor a large composite number. A formula to find all prime numbers would be a significant breakthrough in mathematics, but severely detrimental to data security.
 
 
 

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 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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,379
Écart entre enseignants0,328 · 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