中文

$p$ 进制单调性与模 $p$ 不可能相交,II

机器学习 2025-12-05 v3 机器学习

摘要

我们研究特征为 pp 的普通 Abel 方案及其模数空间,从 char pp Mumford--Tate、log Ax--Lindemann 和几何 Andr\'e--Oort 共轃猜想(缩写为 \MTTp\MTT_p, logALp\mathrm{logAL}_p 和 geoAOp_p)的视角进行研究。在本文中,我们实现了多个目标:(\textbf{A})建立蕴含 MTplogALpgeoAOp\mathrm{MT}_p\Leftrightarrow \mathrm{logAL}_p \Rightarrow \mathrm{geoAO_p} 的链条,并表明它们都源自 Abel variety 的 Tate 猜想。利用 MTplogALp\mathrm{MT}_p\Leftrightarrow \mathrm{logAL}_p 的等价性,从双方面出发,我们(\textbf{B})通过首先通过经典技术手段建立许多 MTp_p 的情形,发展了针对 logALp\mathrm{logAL}_p 和 geoAOp_p 的表示论方法;(\textbf{C})发展了超越经典方法局限的 \MTTp\MTT_p 的代数化方法。特别是,我们引入“晶体 Hodge 轨迹”,这是一类刚性分析几何对象,编码证明 logALp\mathrm{logAL}_p 所必需的关键信息,而通过(整数和相对)pp 进制 Hodge 理论可轻松处理。这使得我们能够证明具有 unramified pp 进制单调性的紧致 Tate 线性曲线满足 logALp\mathrm{logAL}_p。作为应用,我们在 pp 进制 Mumford 类型下许多四维 Abel 形式上建立了 \MTTp\MTT_p

关键词

引用

@article{arxiv.2512.00686,
  title  = {Using physics-inspired Singular Learning Theory to understand grokking & other phase transitions in modern neural networks},
  author = {Anish Lakkapragada},
  journal= {arXiv preprint arXiv:2512.00686},
  year   = {2025}
}

备注

8 pages, preprint