はてなキーワード: 作用素とは
今日はな、記憶っちゅうもんについて考えてみたんやけど、ほんま大した話やで、ほんまに。
まずな、エントロピーっちゅうのは、情報幾何学っちゅう視点で見ると、確率分布の集合における距離の概念と関連があるんやわ。
ほんで、確率分布間の距離を測るのに使われるんが、情報利得っちゅうやつやねん。
これ使うとやな、ある状態から別の状態への情報の「距離」っちゅうもんを測れるんやで。
ほんで、記憶の形成っちゅうのは、脳内の神経ネットワークでのトポロジカルな変化として捉えられるんや。
トポロジーではな、空間の連結性やら穴の数を考えることで、系の安定性を評価できるっちゅうわけや。
記憶が安定してる状態は、トポロジカルに「閉じた」状態としてモデル化できるんやで。
脳の構造はな、微分幾何学っちゅうのを使って、曲率や接続性を考えることで、情報の流れを表せるんやわ。
リーマン多様体の概念を使うとやな、脳内の情報の流れを曲面上の最短経路(測地線)として表現できるんやで。
これで、情報がどないに効率的に伝達されるかを理解できるっちゅう話や。
ほんで、脳が情報を処理する過程は、作用素代数っちゅうのを使えばええんちゃうかな。
ヒルベルト空間上の作用素を考えることで、情報の操作や変換がどないに行われるかを数学的に記述できるんや。
そんで、記憶の形成や情報の統合がどないに行われるかを理解できるって話やで。
要するにやな、記憶を作るっちゅうのは、エネルギーを効率的に使うて、エントロピーを下げて脳内の秩序を保つプロセスやっちゅうことや。
これを意識して、毎日楽しいことを覚えておくと、心の中のエントロピーが下がって、より豊かな人生が送れるんちゃうかな。
Ωを仮に100次元の実ベクトル空間R^100とする。各次元は特定の神経活動パターンに対応する。
Ω = {ω ∈ R^100 | ||ω||₂ ≤ 1}
ここで||・||₂はユークリッドノルムである。τは標準的なユークリッド位相とする。
O : Ω → Ω
O(ω) = Aω / ||Aω||₂
ここでAは100×100の実行列で、||Aω||₂ ≠ 0とする。
S[ω] = -∫Ω p(x) log p(x) dx
S[O(ω)] ≤ S[ω] + log(det(AA^T))
dω/dt = F(ω) + G(ω, O)
F(ω) = -αω + β tanh(Wω)
G(ω, O) = γ(O(ω) - ω)
ここでα, β, γは正の定数、Wは100×100の重み行列、tanhは要素ごとの双曲線正接関数である。
g_ij(ω) = E[(∂log p(x|ω)/∂ω_i)(∂log p(x|ω)/∂ω_j)]
ここでE[・]は期待値、p(x|ω)は状態ωでの条件付き確率密度関数である。
ψ(x) = √(p(x)) exp(iθ(x))
Φ[ω] = min_π (I(X;Y) - I(X_π;Y_π))
ここでI(X;Y)は相互情報量、πは可能な分割、X_πとY_πは分割後の変数である。
勾配降下法を用いて定式化する:
ω_new = ω_old - η ∇L(ω_old, O)
L(ω, O) = ||O(ω) - ω_target||₂²
G = (V, E)
V = {v_1, ..., v_100}
E ⊆ V × V
各頂点v_iはω_iに対応し、辺(v_i, v_j)はω_iからω_jへの因果関係を表す。
このモデルはPythonとNumPyを用いて以下のように実装できる:
import numpy as np from scipy.stats import entropy from scipy.integrate import odeint import matplotlib.pyplot as plt class ConsciousnessModel: def __init__(self, dim=100): self.dim = dim self.omega = np.random.rand(dim) self.omega /= np.linalg.norm(self.omega) self.A = np.random.rand(dim, dim) self.W = np.random.rand(dim, dim) self.alpha = 0.1 self.beta = 1.0 self.gamma = 0.5 self.eta = 0.01 def observe(self, omega): result = self.A @ omega return result / np.linalg.norm(result) def entropy(self, omega): p = np.abs(omega) / np.sum(np.abs(omega)) return entropy(p) def dynamics(self, omega, t): F = -self.alpha * omega + self.beta * np.tanh(self.W @ omega) G = self.gamma * (self.observe(omega) - omega) return F + G def update(self, target): def loss(o): return np.linalg.norm(self.observe(o) - target)**2 grad = np.zeros_like(self.omega) epsilon = 1e-8 for i in range(self.dim): e = np.zeros(self.dim) e[i] = epsilon grad[i] = (loss(self.omega + e) - loss(self.omega - e)) / (2 * epsilon) self.omega -= self.eta * grad self.omega /= np.linalg.norm(self.omega) def integrated_information(self, omega): def mutual_info(x, y): p_x = np.abs(x) / np.sum(np.abs(x)) p_y = np.abs(y) / np.sum(np.abs(y)) p_xy = np.abs(np.concatenate([x, y])) / np.sum(np.abs(np.concatenate([x, y]))) return entropy(p_x) + entropy(p_y) - entropy(p_xy) total_info = mutual_info(omega[:self.dim//2], omega[self.dim//2:]) min_info = float('inf') for i in range(1, self.dim): partition_info = mutual_info(omega[:i], omega[i:]) min_info = min(min_info, partition_info) return total_info - min_info def causal_structure(self): threshold = 0.1 return (np.abs(self.W) > threshold).astype(int) def run_simulation(self, steps=1000, dt=0.01): t = np.linspace(0, steps*dt, steps) solution = odeint(self.dynamics, self.omega, t) self.omega = solution[-1] self.omega /= np.linalg.norm(self.omega) return solution def quantum_state(self): phase = np.random.rand(self.dim) * 2 * np.pi return np.sqrt(np.abs(self.omega)) * np.exp(1j * phase) # モデルの使用例 model = ConsciousnessModel(dim=100) # シミュレーション実行 trajectory = model.run_simulation(steps=10000, dt=0.01) # 最終状態の表示 print("Final state:", model.omega) # エントロピーの計算 print("Entropy:", model.entropy(model.omega)) # 統合情報量の計算 phi = model.integrated_information(model.omega) print("Integrated Information:", phi) # 因果構造の取得 causal_matrix = model.causal_structure() print("Causal Structure:") print(causal_matrix) # 観測の実行 observed_state = model.observe(model.omega) print("Observed state:", observed_state) # 学習の実行 target_state = np.random.rand(model.dim) target_state /= np.linalg.norm(target_state) model.update(target_state) print("Updated state:", model.omega) # 量子状態の生成 quantum_state = model.quantum_state() print("Quantum state:", quantum_state) # 時間発展の可視化 plt.figure(figsize=(12, 6)) plt.plot(trajectory[:, :5]) # 最初の5次元のみプロット plt.title("Time Evolution of Consciousness State") plt.xlabel("Time Step") plt.ylabel("State Value") plt.legend([f"Dim {i+1}" for i in range(5)]) plt.show()
Ω = (X, τ)
O : Ω → Ω'
S : Ω → ℝ
S[ω] = -∫ f(ω(x)) dx
S[O(ω)] ≤ S[ω]
dω/dt = F[ω] + G[ω, O]
g_ij(ω) = ∂²S[ω] / (∂ω_i ∂ω_j)
Q : Ω → H
Φ[ω] = min_π I[ω : π(ω)]
ω_new = ω_old + η ∇_g L[ω, O]
ここで∇_gは情報計量gに関する勾配、Lは適切な損失汎関数である。
G = (V, E)
このモデルは、意識の特性についての仮説である。「観測能力」と「エントロピー減少」を一般化された形で捉えている。具体的な実装や解釈は、この抽象モデルの特殊化として導出可能。
課題としては、このモデルの具体化、実験可能な予測の導出、そして計算機上での効率的な実装が挙げられる。さらに、この枠組みを用いて、意識の創発、自己意識、クオリアなどの問題にも着手できる。
経済を表現する空間を E とし、これを局所凸位相線形空間とする。価格空間 P を E の双対空間 E* の部分集合とし、商品空間 X を E の部分集合とする。
Z: P × Ω → X を一般化された超過需要関数とする。ここで Ω は外生パラメータの空間である。Z は以下の性質を満たす:
(b) 一般化された同次性:任意の λ > 0 に対して Z(λp, ω) ≈ Z(p, ω)
(c) 一般化されたワルラスの法則:<p, Z(p, ω)> = 0
ここで <・,・> は E* と E の間の双対性を表す
(d) 境界条件:p が P の境界に近づくとき、||Z(p, ω)|| は無限大に発散
価格の動的調整を表現するために、以下の無限次元力学系を導入する:
dp/dt = F(Z(p, ω))
ここで F: X → TP は C^1 級写像であり、TP は P の接束を表す。
定理1(均衡の存在):適切な位相的条件下で、Z(p*, ω) = 0 を満たす p* ∈ P が存在する。
証明の概略:KKM(Knaster-Kuratowski-Mazurkiewicz)の定理を一般化した不動点定理を応用する。
定理2(局所安定性):p* の近傍 U が存在し、初期値 p(0) ∈ U に対して、解軌道 p(t) は t → ∞ のとき p* に収束する。
証明の概略:リャプノフ関数 V(p) = ||Z(p, ω)||^2 / 2 を構成し、V の時間微分が負定値となることを示す。
不均衡状態における経済主体の行動を記述するために、以下の最適化問題を導入する:
最大化 U_i(x_i)
制約条件 <p, x_i> ≤ w_i + Σ_j p_j min{z_ij, 0}
ここで U_i は効用汎関数、w_i は初期富、z_ij は財 j に対する主体 i の超過需要である。
確率空間 (Ω, F, P) 上で、以下の確率微分方程式を考察する:
dp(t) = F(Z(p(t), ω))dt + σ(p(t), ω)dW(t)
ここで W(t) は適切な次元のウィーナー過程、σ はボラティリティ作用素である。
ε dp/dt = F(Z(p, ω))
この解析により、短期的な価格調整と長期的な均衡の関係を明らかにする。
定理3(一般化された不動点定理):P が局所凸位相線形空間 E の非空、凸、コンパクト部分集合であり、F: P → P が連続写像であるとき、F は不動点を持つ。
この定理を用いて、より一般的な経済モデルにおける均衡の存在を証明できる。
ε → 0 のとき、特異摂動問題 ε dp/dt = F(Z(p, ω)) の解の漸近挙動は、元の動的システムの長期的均衡と一致する。
といった式について、素粒子では後者が支配し、天体では前者が支配する。
近距離における強い力のために、電子は原子核に螺旋状に落ち込むが、明らかに事実と違う。
というハイゼンベルグの関係式に従う。このため、r=0となることはなくなり、問題は回避される。
多様体上の楕円型作用素の理論全体が、この物理理論に対する数学的対応物で、群の表現論も近い関係にある。
しかし特殊相対性理論を考慮に入れるとさらに難しくなる。ハイゼンベルグの公式と同様の不確定性関係が場に対して適用される必要がある。
電磁場の場合には、光子というように、新しい種類の粒子として観測される。
電子のような粒子もどうように場の量子であると再解釈されなければならない。電磁波も、量子を生成消滅できる。
数学的には、場の量子論は無限次元空間上の積分やその上の楕円型作用素と関係する。
量子力学は1/r^2に対する問題の解消のために考え出されたが、特殊相対性理論を組み込むと、この問題を自動解決するわけではないことがわかった。
といった発展をしてきたが、場の量子論と幾何学の間の関係性が認められるようになった。
では重力を考慮するとどうなるのか。一見すれば1/r^2の別な例を重力が提供しているように見える。
しかし、例えばマクスウェルの方程式は線型方程式だが、重力場に対するアインシュタインの方程式は非線形である。
また不確定性関係は重力における1/r^2を扱うには十分ではない。
物理学者は、点粒子を「弦」に置き換えることにより、量子重力の問題が克服できるのではないかと試した。
量子論の効果はプランク定数に比例するが、弦理論の効果は、弦の大きさを定めるα'という定数に比例する。
もし弦理論が正しいなら、α'という定数は、プランク定数と同じぐらい基本的定数ということになる。
ħやα'に関する変形は幾何学における新しいアイデアに関係する。ħに関する変形はよく知られているが、α'に関する変形はまだ未発展である。
これらの理論は、それぞれが重力を予言し、非可換ゲージ対称性を持ち、超対称性を持つとされる。
α'に関する変形に関連する新しい幾何学があるが、理解のために2次元の共形場理論を使うことができる。
ひとつは、ミラー対称性である。α'がゼロでない場合に同値となるような2つの時空の間の関係を表す。
まずt→∞という極限では、幾何学における古典的アイデアが良い近似となり、Xという時空が観測される。
t→-∞という極限でも同様に時空Yが観測される。
そして大きな正の値であるtと大きな負の値であるtのどこかで、古典幾何学が良い近似とはならない領域を通って補間が行われている。
α'とħが両方0でないときに起こり得ることがなんなのかについては、5つの弦理論が一つの理論の異なる極限である、と説明ができるかもしれないというのがM理論である。
足し算と足し算を足したらどうなるのかを研究してる子がいるそうだ。
その結果を数値で表してそれを逆写像で演算子に戻すことで研究してるんだってさ。
ぶっちゃけこんなの作用素環論で研究しつくされてるだろって思った。
だいたい最初に数値で表す意味がわからない。直接演算子を答えとすりゃいいじゃん。「なんか大がかりな研究したように見せる」はったりを利かせるために、手続きを無駄に複雑にしただけって見える。内申狙いでわかってやってるなら策士だがな。
なぜ教師もこんな車輪の再発明にしかならないことを止めなかったのか。高校生にすら小学生の自由研究と本質的には変わらない「もう人類が知ってる結果を研究させる」ことをさせてしまっているのか。
生物系の子はムラサキツユクサのおしべとめしべの間の毛で原形質流動が起こるのはなぜかの研究をしているらしく、こっちはまだわかってない可能性がありそうなので意味のある研究だと思う。
まあ小学生でも生物の新種発見することはあるし、高校生に研究者の真似事させるなら生物だけやらせときゃいいんじゃないかなって思う。数学とか物理じゃ絶対本職の研究者は出し抜けないものね。
dorawiiより
「確率って何?」というのは全然難しい話じゃなくて、「これは確率です」というのは「(互いに異なる)状態がいくつかあって、それぞれに1より小さい正の数が割り当てられていて、その数を全部足すと1になる」という構造があるということを言っているに過ぎない。サイコロの目は1,2,3,4,5,6があってp1, p2, p3, p4, p5, p6という正の数(ただし p1 + p2 + p3 + p4 + p5 + p6 = 1となる)が割り当てられている。普通の偏ってないサイコロならp1=p2=p3=p4=p5=p6=1/6と考えるアレだ。「状態」と「状態に割り当てられた正の数」のセット、ただし数を全部足したら1。それだけ。この数が確率であって、これをコルモゴロフの(古典)確率論と言う。これは人間の直感にも合っててよく理解できる。
でも自然現象はめんどくさい奴で、物理的な「状態」、例えばなんかの粒子が位置xにいて速度がvですというな状態だけど、に対して正の数pを割り当てて「状態(x,v)が起こる確率はpです」という風に記述しようとするとどうしても上手くいかないんだな。何かもうちょっと巧妙な記述の仕方をしないといけない。そのために生み出されたのが量子論で、これが信じられないくらい上手くいったというのが20世紀の物理学の金字塔の一つなんだよ。でも量子論の構造はコルモゴロフ的な古典確率論とは大きく異なっていてあまりにも人間の直感に反するものだから(なにしろ「状態」はヒルベルト空間の元でそのノルムが確率ですなんていうものだ。しかも古典確率論と混在して状態が密度行列になったり、観測理論まで行くと作用素値測度がどうとか言い出すことになる)、その有り様をどうにか分かりやすく伝えようとして色々な寓話的表現が行われた。その代表格が(哀れな)シュレディンガーの猫という話。
時間 | 記事数 | 文字数 | 文字数平均 | 文字数中央値 |
---|---|---|---|---|
00 | 80 | 7511 | 93.9 | 28 |
01 | 36 | 6882 | 191.2 | 77 |
02 | 28 | 3856 | 137.7 | 54 |
03 | 20 | 2765 | 138.3 | 44.5 |
04 | 24 | 3135 | 130.6 | 55 |
05 | 20 | 6408 | 320.4 | 101.5 |
06 | 24 | 2464 | 102.7 | 93.5 |
07 | 35 | 3718 | 106.2 | 36 |
08 | 81 | 5853 | 72.3 | 30 |
09 | 85 | 6778 | 79.7 | 37 |
10 | 207 | 21001 | 101.5 | 44 |
11 | 167 | 15213 | 91.1 | 43 |
12 | 204 | 19789 | 97.0 | 35 |
13 | 168 | 11523 | 68.6 | 38 |
14 | 192 | 18583 | 96.8 | 50 |
15 | 209 | 17061 | 81.6 | 44 |
16 | 183 | 19678 | 107.5 | 44 |
17 | 142 | 20714 | 145.9 | 39 |
18 | 171 | 12129 | 70.9 | 43 |
19 | 168 | 18269 | 108.7 | 35 |
20 | 158 | 13628 | 86.3 | 36 |
21 | 174 | 15287 | 87.9 | 38 |
22 | 230 | 15280 | 66.4 | 44.5 |
23 | 207 | 19244 | 93.0 | 40 |
1日 | 3013 | 286769 | 95.2 | 41 |
チートスレイヤー(26), 量子化(4), 連載中止(6), 作用素(3), 日めくり(3), 岡本真夜(3), 淫獄(3), スレイヤー(3), 6月28日(4), メイド喫茶(22), 賭ケグルイ(4), ナチス(13), 打ち切り(12), 表現の自由(24), 異性愛者(9), 打た(20), 戦士(9), ひろゆき(14), 接種(43), 連載(23), 装っ(8), 打つ(22), 宇崎(14), ワクチン(101), 掲載(15), アレルギー(10), 打っ(25), LGBT(19), 試験(17), 圧力(15), 外れ(13), ランキング(12), 機械(13), 反(16)
■表現の自由戦士様たちはチートスレイヤーを守らないの? /20210629085415(40), ■小説の盗作を否定したいけどできない /20210618220252(21), ■英語が聞き取れん、どうしろってんだ /20210629004456(19), ■サリドマイド→安全安心→ ウソでした 奇形児続出 /20210628110122(19), ■もうトランスもLGBTも存在を無視したほうがよくない? /20210629023527(19), ■宇多田ヒカルの同性愛ぽい歌一覧 /20210628194034(17), ■メールで2つ質問してるのに毎回1つしか回答が帰ってこない人 /20210629134510(17), ■アイドルの仕事を辞めた。この世界は本当に糞。ファンも糞。「推し」は糞。 /20210628015845(15), ■男の性を換金される不快感 /20210628220540(13), ■青葉容疑者みたいな派遣社員がネットで女叩きしてた /20210629143050(13), ■緑のざる蕎麦 /20210629113946(11), ■涙の数だけ強くなれるよ /20210629100711(10), ■ /20210629040607(9), ■東京の感染者数を5週間ぶん予測した (6月28日版) /20210628190235(9), ■「装う」という言葉の定義 /20210629154241(9), ■anond:20210628110122 /20210628204802(8), (タイトル不明) /20210629193852(7), ■今でもどうしても許せない漫画キャラ /20210629153042(7), (タイトル不明) /20110629215944(7), ■昔のゲームの変な英語がすき /20210628221700(6), ■この田野大輔って先生は大丈夫なの? /20210628075114(6), ■ウマ娘がスポコンドラマを捨ててヲタ路線に移行して残念 /20210629170831(6), ■ツイッターのトレンドを一か月インドネシアにしてわかったこと /20210626011447(6), ■そもそもなんで、ハンマーとか槍とか投げてんの? /20210629170548(6), ■なんでこいつらはキャプチャをシェアするねん /20210629095142(6), ■規格外の努力が全てバズるわけではない /20210629124235(6)
色々レスつけた増田だけど、改めて読み直してみると言いたいことがなんとなく分かる気がしてきた。
でも残念ながら「総称する呼び方」というものは存在しないと思うぞ。数学はトップダウンに見えるかもしれないけど実際は色々な分野の集合体で、それぞれは関連しつつも個別に発展していて、それらを統一する統一的な見方みたいなものは存在しない。どちらかというと(現代数学は)集合論を基礎として(いやそこにも色々あるが)、そこに分野ごとに様々な構造を追加していって枝分かれしていく感じだ。「統一する呼び方は何か」ではなく、自分が着目している対象(例えば「連続時間の信号」とかそういうのだ)が数学的にどういう対象として抽象化されているのかを考えて、その対象を扱っている分野はどれか、というのを探すべきだと思う。
連続時間の信号ならそれは単純には「連続関数」として抽象化されるものだから、それを扱う数学は解析学や関数解析などになるだろう。ノイズの影響を考慮して確率的な扱いをしたいとなると確率過程論などになっていく。
強いて言うなら「構造」かなあ。少なくとも俺はそういう言い方をよくする。「線形構造」はあらゆる分野の様々なところに現れるし、対称性のあるところには「群構造」があるし、線形作用素があるなら「スペクトル構造」を見ることで色々なことがわかる。
それは存在しないぞ。少なくとも物理で言う意味での「量子化」は、サンプリングやスペクトル分解とは全く違う構造。
サンプリングとスペクトル分解が同じではないかと思うあたりかなり鋭いかもしれないと思うので、何かを感じ取ってるのかもしれないけど、そこはもうちょっと詳細を聞かないと分からない。
物理で言う「量子化」の結果はハミルトニアンとか物理量ごとの(無限次元空間に作用する)線形作用素が得られて、それは要は行列みたいなもんなので、そいつのスペクトル分解というのはある。
だからいわゆる「エネルギー準位の離散化」とかそういうものが出てくる。(いやもちろん連続スペクトルの場合もあって、それは無限次元ヒルベルト空間の可分性とかに関わってるんだけど…)
心残りがある。
ホッジ作用素とか、アインシュタイン方程式、群環体、微分幾何、集合と位相くらいは理解した(つまり、e-MANや物理のかぎしっぽくらいのサイトを眺めるレベル)
でも、
って感じの、学部中級レベルしか物理や数学は理解できていない。
東大まで行って、これかよっていう。
ってか、工学系でも、これらの知識使ってるところは使ってる研究室あって、普通に研究してるわけで。
自分がいた研究室は、そんなに高度な数学も物理も使わなかった。せいぜい、微分幾何学とかチョロっとだけルベーグもあったかなーくらい。ほとんど何もまともな頭を使う議論はなかった。ルベーグってのも、別にルベーグじゃなくて、ノルムがどうこうでちょろっと。
物性系なら、超電導とか相転移とか。あるいは、核物理とかなら、普通に素粒子とかで数学バリバリできたんかなあ。
もう就職しちゃったけど、博士やれるなら、純粋数学か、素粒子物理やりたいなあ。。。
まず断っておくと、この投稿には望月教授およびその関係者を貶める意図は全くない。また、「IUT理論が間違っている」と言っているわけでもない。この投稿の主旨は「IUT理論ブーム」の現象の本質を明らかにすることである。
まずIUT理論は決して数学(特に整数論、数論幾何)の主要なブランチではない。「論文を読もう」というレベルの関心がある数学者でさえ全世界に数十人しかおらず、自称「理解している」のは望月氏とその一派だけ、そして理解した上でさらに理論を発展させようとしている研究者は恐らく数人しかいない。
もちろん、これは数学の研究分野として珍しいことではないし、研究者の数が少ないと研究の「格」が下がるなどということもない。しかし、abc予想を解決したというインパクトに比べれば、これはあまりにも小規模な影響でしかない。そういうものに、一般人も含めて熱狂しているのは、異常と言える。
繰り返しになるが、これはIUT理論そのもの、および望月氏とその関係者を貶める意図はない。
数学科の学部生や、数学の非専門家で「IUT理論を勉強したい」などと言っている人も多い。それは大いに結構なことである。どんどんチャレンジすればいいと思う。
しかし、専門的な数学を学ぶ際には、たとえば「可換代数と複素解析が好きなので代数幾何を研究したい」とか「関数解析が好きなので偏微分方程式や作用素環論を研究したい」というように、既存の知識や経験を手がかりにして専攻を決めるものではないだろうか。IUT理論に興味がある非専門家には、そういう具体的な動機があるのか。単に「話題のキーワード」に反応しているだけじゃないのか。
IUT理論の具体的な内容に関心を持つには、望月氏の過去の一連の研究に通じている必要がある。そうでない人がIUT理論の「解説」などを読んでも、得られる情報は
だけだろう。これに意味があるだろうか。そのような理解で「何か」が腑に落ちたとしても、それはその人にも、数学界にも何ら好影響を与えないだろう。
こんなことを言うと、「専門的な数学を学ぶには、その前提となる知識を完全に知っていなければいけないのか」と思われるかも知れないが、もちろんそんなことはない。時には思い切りも必要である。
しかし、望月氏本人が述べているように、IUT理論を既存の数学知識の類推で理解できる数学者は、自身を除いてこの世にいない。これは数論幾何の専門家を含めての話である。数論幾何の専門家は、一般人から見れば雲の上の存在である。そういう人たちでもゼロから勉強し直さなければ読めないのである。一般人がIUT理論の分かりやすい解説を求めるのは、1桁の数の足し算が分からない幼稚園児が微分積分の分かりやすい解説を求めるのの1000倍くらいのギャップがあると言っても誇張ではない。要するに、難しすぎるのである。
一方、数学界には既存の数学の伝統を多く汲んでいて、最新の数学にも大きな影響を及ぼしているような理論は数多くある。それらは、学部4年生や大学院生のセミナーで扱われたり、全学部向けの開講科目で解説されたりしている。数学を知りたい、または普及させたいと思うならば、そういうものを扱う方が適切ではないだろうか。
「IUT理論ブーム」が示すのは要するに、ほとんどの人間はある事実を説明した文章なり理論なりの本質的な内容に興味がない、ということだ。
彼らは、書いてある事実関係を論理的に読み解くよりも、抽象的な内容を脳内で自由に解釈することを好む。むしろ、理解できないからこそ、何か高尚なことが書いてあると思って有難がったり、満足感を得たりする。
この構造は疑似科学や新興宗教と同じなのである(IUT理論が疑似科学だと言っているのではない)。彼らはあくまでも自分の中で腑に落ちる雑学知識を求めているだけであって、数学を理解したいわけではない。そして、こういう人向けに数学や科学の知識を「布教」しても、社会への貢献にはならないと思う。
一方は正しい数学の文章である。もしかしたら間違っているかも知れないが、少なくとも数学的に正しいか間違っているかが判定できる。
もう一方は完全に出鱈目な文章である。数学的に何の意味もない支離滅裂なものである。
本稿を通して、kは代数閉体とする。
i: [x: y] → [x^2: xy: y^2]
を考える。iの像は、ℙ^2の閉部分スキーム
Proj(k[X, Y, Z]/(Y^2 - XZ))
と同型であり、iはℙ^1のℙ^2への埋め込みになっている。ℙ^2の可逆層O_{ℙ^2}(1)のiによる引き戻しi^*(O_{ℙ^2}(1))は、ℙ^1の可逆層O_{ℙ^1}(2)である。つまり、O_{ℙ^1}(2)はℙ^1のℙ^2への埋め込みを定める。
与えられたスキームが射影空間に埋め込めるかどうかは、代数幾何学において重要な問題である。以下、可逆層と射影空間への射の関係について述べる。
定義:
Xをスキームとし、FをO_X加群の層とする。Fが大域切断で生成されるとは、{s_i∈H^0(X, F)}_{i∈I}が存在して、任意の点x∈Xに対して、ストークF_xがO_{X,x}加群としてs_{i,x}で生成されることである。
Xをk上のスキーム、LをX上の可逆層で大域切断で生成されるものとする。d + 1 = dim(H^0(X, L))とし、s_0, ..., s_dをH^0(X, L)の生成元とする。このとき、Xからk上の射影空間ℙ^dへの射fが
f: x → [s_0(x): ...: s_d(x)]
により定まり、ℙ^dの可逆層O_{ℙ^d}(1)のfによる引き戻しf^*(O_{ℙ^d}(1))はLになっている。この射が埋め込みになるとき、Lをベリーアンプルという。生成元の取り方に寄らない定義を述べると、以下のようになる。
定義:
Xをk上のスキーム、LをX上の可逆層とする。Lがベリーアンプルであるとは、k上の射影空間ℙ^dと埋め込みi: X → ℙ^dが存在して、L~i^*(O_{ℙ^d}(1))となることである。
例として、ℂ上の楕円曲線(種数1の非特異射影曲線)Eを考える。閉点p∈Eと自然数n≧1に対して、因子pに付随する可逆層O_{E}(np)={f∈K(E)| np + (f)≧0}を考える。Riemann-Rochの定理より、
dim(O_{E}(np)) - dim(O_{E}(K - np)) = deg(np) + 1 - g = n
∴ dim(O_{E}(np)) = n + dim(O_{E}(K - np))
であり、楕円曲線上の正則微分形式は零点も極も持たないから、すべてのnに対してdeg(K - np)<0であり、よってdim(O_{E}(K - np))=0。
∴ dim(O_{E}(np)) = n
n = 1の場合、O_{E}(p)はベリーアンプルではない。n = 2の場合も、よく知られたように楕円曲線は射影直線には埋め込めないから、O_{E}(2p)もベリーアンプルではない。n≧3のとき、実はO_{E}(np)はベリーアンプルになる。
この例のように、Lはベリーアンプルではないが、自身との積を取って大域切断を増やしてやるとベリーアンプルになることがある。その場合、次元の高い射影空間に埋め込める。
定義:
Xをk上のスキーム、LをX上の可逆層とする。十分大きなnに対して、L^⊗nがベリーアンプルとなるとき、Lをアンプルであるという。
与えられた可逆層がアンプルであるか判定するのは、一般的に難しい問題である。アンプルかどうかの判定法としては、Cartan-Serre-Grothendieckによるコホモロジーを用いるものと、Nakai-Moishezonによる交点数を用いるものが有名である。
定理(Cartan-Serre-Grothendieck):
XをNoether環上固有なスキーム、LをX上の可逆層とする。Lがアンプルであるためには、X上の任意の連接層Fに対して、自然数n(F)が存在して、
i≧1、n≧n(F)ならば、H^i(X, F⊗L^⊗n) = 0
定理(Nakai-Moishezon):
Xをk上固有なスキーム、DをX上のCartier因子とする。可逆層O_{X}(D)がアンプルであるためには、Xの任意の1次元以上の既約部分多様体Yに対して、
D^dim(Y).Y>0
kを体とし、Xをk上の代数多様体とする。Xに対して、環E(X)が以下のように定まる。E(X)は
E(X) = E_0⊕E_1⊕E_2⊕...
と分解し、各E_dはXのd次元部分多様体のホモトピー同値類からなるk上のベクトル空間であり、d次元部分多様体Yとe次元部分多様体Zに対して、[Y]∈E_d, [Z]∈E_eの積は、代数多様体の積の同値類[Y×Z]∈E_{d+e}である。この積は代表元Y, Zの取り方によらず定まる。各E_dの元のことを、d次元のサイクルと呼ぶ。
このE(X)をXのEuclid環という。Euclid環の名称は、Euclidによる最大公約数を求めるアルゴリズムに由来する。すなわち、任意のサイクル[Y], [Z]∈E(X) ([Z]≠0)に対して、あるサイクル[Q], [R]∈E(X)が一意的に存在して、
・[Y] = [Q×Z] + [R]
・dim(R)<dim(Z)
が成り立つためである。ここで、[R] = 0となるとき、[Z]は[Y]の因子であるという。
dim(X) = nとする。d≧n+1を含むE_dを上述の積の定義により定める。すなわち、任意のサイクルz∈E_dは、Xのd次元部分多様体Zが存在してz = [Z]となっているか、d = e + fをみたすe, fと、[E]∈E_e、[F]∈E_fが存在して、z = [E×F]となっている。後者のように低次元のサイクルの積として得られないサイクルを、単純サイクルまたは新サイクルという。
このとき、k上の代数多様体X_∞で、任意の[Z]∈E(X)に対して、[X_∞×Z] = [X_∞]、[X_∞∩Z] = [Z]∈E(X)となるものが存在する。このX_∞をXの普遍代数多様体と呼び、E~(X) = E((X))⊕k[X_∞]をE(X)の完備化または完備Euclid環という(ただし、E((X)) = {Σ[d=0,∞]z_d| z_d∈E_d})。完備Euclid環の著しい性質は、Fourier級数展開ができることである。
定理:
各dに対して、単純サイクルからなる基底{b_{d, 1}, ..., b_{d, n(d)}}⊂E_dが存在して、任意のf∈E~(X)は
f = Σ[d=0,∞]Σ[k=1,n(d)]a_{d, k}b_{d, k}
と表される。ただし、a_{d, k}はHilbert-Poincaré内積(f = [Z], b_{d, k})=∫_{b}ω^d_{X_∞}∧[Z]で与えられるkの元である。
Xとしてk上の代数群、つまり代数多様体であり群でもあるものを考える。このとき、Xの群法則はX×XからXへの有理写像になるから、完備Euclid環上の線形作用素を誘導する。この作用素に関しては、次の定理が重要である。
定理(Hilbert):
Xがコンパクトな代数群であれば、完備Euclid環に誘導された線形作用素は有界作用素である。
以下の定理は、スペクトル分解により単純サイクルによる基底が得られることを主要している。
定理(Hilbert):
というより物理学からの必要に駆られた要請によって新たな数学の概念が切り開かれてきた。
したがって当然、物理を学ぶ際には現象そのものの理解とその裏に潜む数学的内容の理解が両輪となるのだが、
なぜだか日本の学校教育においては、この前提が上手く機能していない。
物理分野においてある現象を習ったその翌年に、ようやく数学分野において必要な概念が登場するといった具合だ。
具体的には、以下のようなものがある。
まあ大学まで来ると履修順もある程度好きにできるのであくまで一般的な例だが、それでも通常のシラバスでは上記時期に学ぶとされることが多い。
なぜこのようなことになっているのだろう?
はっきり言って物理が「公式の暗記ゲー」になっているのはほとんどこのすれ違いが要因だ。根本的に理解するための道具がないから、その結果だけを公式として先回りに輸入しているのだ。
単純に小学校低学年の段階で理科の履修時期を1年後送りにすれば済むと思うのだが、何か問題があるのだろうか?
(Appendix)
https://www.mext.go.jp/a_menu/shotou/new-cs/youryou/1356249.htm
https://www.mext.go.jp/a_menu/shotou/new-cs/1384661.htm
ブクマ返し
確かにそこで知識として触れることになっている。ちゃんとやるのは中1だが、そこは誤解を招く表現だった。申し訳ない。
大学のカリキュラムはさすがに学校ごと、個人ごとに差が大きく、必ず上記の通りと言うつもりはない。しかしベクトル解析は通常1年次の微分積分学ではやらないと思う。
また一般的に、物理の履修が数学に先んじる傾向が大学でも続くという部分は、どの大学でもおおまかには認められると思う。
思ったより各校で工夫されているらしい。それ自体はとても好ましい。
だが基本は指導要領の通り教わっているものであり自分の教わり方が「例外的に素晴らしかった」ことは認識していただきたい。
必ずしも初学者が発見順に沿って学習する必要はないと思っている。
今の体系の中で、最もわかりやすい順番に並べ直すべき。
それ自体に反論はないが、であれば上記のように物理内で微積を導入するなどして必要な数学を身に付けさせなければ意味がない。
たとえば等加速度運動の二乗公式を暗記させる必要は一切ないはず。
また、個人的には数学はそれ自体完結する学問だと思っているので、常に物理のために数学があるような受取り方になるとしたらちょっと良くない(個人の美学だが)
「物理の要請で数学が切り開かれた」というのは、そういう一事実があると言いたかっただけで「全ての数学が」というように受け取らせるつもりはなかった。
ここも誤解を招く表現でしたね。
それはさすがにレベル低過ぎじゃね???
俺が学生の頃は「あの子と内積とりたい」とか(ディラックのブラケットを思い浮かべること)、数少ない女の子に群がる男を見て「ボーズアインシュタイン凝縮してる」とか、そういうのが普通に日常会話だったが。
今は社会に出てるので線形代数あたりのネタが多いな。内積も当然線形空間ネタなんだが、なんというか、ディラック記法を踏まえた文脈かどうかの違いが本質的。物理系のヒルベルト空間は必然的にその上に作用する作用素とセットだから。
そもそも例えじゃなくて文化資本の格差を時間の関数と見たときの厳密な表現だぞ。
他の科ならわざわざ数学に例えるなんてひくわぁ
文系ならそうだろうけど、理系でそれ言うと自分の馬鹿さ加減を宣伝してることになるぞ。
まともな理系の知識持ってる人間だったら「2階微分」で意味不明と思うなんて有り得ないよ。
うちの会社とか、どう逆立ちしても入社すらできないだろうなあ。
しかしこういう「勉強ダセェw」みたいな子、10年ぶりくらいに見たな…。なんか懐かしい感じ。どういうバックグラウンドの子なんだろう。
第1章 有限オートマトン D.Perrin:橋口攻三郎 1. 序論 2. 有限オートマトンと認識可能集合 3. 有理表現 4. Kleeneの定理 5. 星の高さ 6. 星自由集合 7. 特殊なオートマトン 8. 数の認識可能集合 第2章 文脈自由言語 J.Berstel and L.Boasson:富田 悦次 1. 序論 2. 言語 2.1 記法と例 2.2 Hotz 群 2.3 曖昧性と超越性 3. 反復 3.1 反復補題 3.2 交換補題 3.3 退化 4. 非生成元の探求 4.1 準備 4.2 生成元 4.3 非生成元と代入 4.4 非生成元と決定性 4.5 主錐の共通部分 5. 文脈自由群 5.1 文脈自由群 5.2 Cayleyグラフ 5.3 終端 第3章 形式言語とべき級数 A.Salomaa:河原 康雄 1. 序論 2. 準備 3. 書換え系と文法 4. Post正準系 5. Markov系 6. 並列書換え系 7. 射と言語 8. 有理べき級数 9. 代数的べき級数 10. べき級数の応用 第4章 無限の対象上のオートマトン W.Thomas:山崎 秀記 序論 Ⅰ部 無限語上のオートマトン 記法 1. Buchiオートマトン 2. 合同関係と補集合演算 3. 列計算 4. 決定性とMcNaughtonの定理 5. 受理条件とBorelクラス 6. スター自由ω言語と時制論理 7. 文脈自由ω言語 Ⅱ部 無限木上のオートマトン 記法 8. 木オートマトン 9. 空問題と正則木 10. 補集合演算とゲームの決定性 11. 木の単項理論と決定問題 12. Rabin認識可能な集合の分類 12.1 制限された単項2階論理 12.2 Rabin木オートマトンにおける制限 12.3 不動点計算 第5章 グラフ書換え:代数的・論理的アプローチ B.Courcelle:會澤 邦夫 1. 序論 2. 論理言語とグラフの性質 2.1 単純有向グラフの類S 2.2 グラフの類D(A) 2.3 グラフの性質 2.4 1階のグラフの性質 2.5 単項2階のグラフの性質 2.6 2階のグラフの性質 2.7 定理 3. グラフ演算とグラフの表現 3.1 源点付きグラフ 3.2 源点付き超グラフ 3.3 超グラフ上の演算 3.4 超グラフの幅 3.5 導来演算 3.6 超辺置換 3.7 圏における書換え規則 3.8 超グラフ書換え規則 4. 超グラフの文脈自由集合 4.1 超辺置換文法 4.2 HR文法に伴う正規木文法 4.3 超グラフの等式集合 4.4 超グラフの文脈自由集合の性質 5. 超グラフの文脈自由集合の論理的性質 5.1 述語の帰納的集合 5.2 論理構造としての超グラフ 5.3 有限超グラフの可認識集合 6. 禁止小グラフで定義される有限グラフの集合 6.1 小グラフ包含 6.2 木幅と木分解 6.3 比較図 7. 計算量の問題 8. 無限超グラフ 8.1 無限超グラフ表現 8.2 無限超グラフの単項性質 8.3 超グラフにおける等式系 8.4 関手の初期不動点 8.5 超グラフにおける等式系の初期解 8.6 等式的超グラフの単項性質 第6章 書換え系 N.Dershowitz and J.-P.Jouannaud:稲垣 康善,直井 徹 1. 序論 2. 構文論 2.1 項 2.2 等式 2.3 書換え規則 2.4 決定手続き 2.5 書換え系の拡張 3. 意味論 3.1 代数 3.2 始代数 3.3 計算可能代数 4. Church-Rosser性 4.1 合流性 4.2 調和性 5. 停止性 5.1 簡約順序 5.2 単純化順序 5.3 経路順序 5.4 書換え系の組合せ 6. 充足可能性 6.1 構文論的単一化 6.2 意味論的単一化 6.3 ナローイング 7. 危険対 7.1 項書換え 7.2 直交書換え系 7.3 類書換え 7.4 順序付き書換え 7.5 既約な書換え系 8. 完備化 8.1 抽象完備化 8.2 公平性 8.3 完備化の拡張 8.4 順序付き書換え 8.5 機能的定理証明 8.6 1階述語論理の定理証明 9. 書換え概念の拡張 9.1 順序ソート書換え 9.2 条件付き書換え 9.3 優先度付き書換え 9.4 グラフ書換え 第7章 関数型プログラミングとラムダ計算 H.P.Barendregt:横内 寛文 1. 関数型計算モデル 2. ラムダ計算 2.1 変換 2.2 計算可能関数の表現 3. 意味論 3.1 操作的意味論:簡約と戦略 3.2 表示的意味論:ラムダモデル 4. 言語の拡張 4.1 デルタ規則 4.2 型 5. 組合せ子論理と実装手法 5.1 組合せ子論理 5.2 実装の問題 第8章 プログラミング言語における型理論 J.C.Mitchell:林 晋 1. 序論 1.1 概論 1.2 純粋および応用ラムダ計算 2. 関数の型をもつ型付きラムダ計算 2.1 型 2.2 項 2.3 証明系 2.4 意味論と健全性 2.5 再帰的関数論的モデル 2.6 領域理論的モデル 2.7 カルテシアン閉圏 2.8 Kripkeラムダモデル 3. 論理的関係 3.1 はじめに 3.2 作用的構造上の論理的関係 3.3 論理的部分関数と論理的同値関係 3.4 証明論的応用 3.5 表現独立性 3.6 論理的関係の変種 4. 多相型入門 4.1 引数としての型 4.2 可述的な多相的計算系 4.3 非可述的な多相型 4.4 データ抽象と存在型 4.5 型推論入門 4.6 型変数をもつλ→の型推論 4.7 多相的宣言の型推論 4.8 他の型概念 第9章 帰納的な関数型プログラム図式 B.Courcelle:深澤 良彰 1. 序論 2. 準備としての例 3. 基本的な定義 3.1 多ソート代数 3.2 帰納的な関数型プログラム図式 3.3 同値な図式 4. 離散的解釈における操作的意味論 4.1 部分関数と平板な半順序 4.2 離散的解釈 4.3 書換えによる評価 4.4 意味写像 4.5 計算規則 5. 連続的解釈における操作的意味論 5.1 連続代数としての解釈 5.2 有限の極大要素と停止した計算 6. 解釈のクラス 6.1 汎用の解釈 6.2 代表解釈 6.3 解釈の方程式的クラス 6.4 解釈の代数的クラス 7. 最小不動点意味論 7.1 最小で唯一の解を得る不動点理論 7.2 Scottの帰納原理 7.3 Kleeneの列と打切り帰納法 8. プログラム図式の変換 8.1 プログラム図式における同値性の推論 8.2 畳込み,展開,書換え 8.3 制限された畳込み展開 9. 研究の歴史,他の形式のプログラム図式,文献ガイド 9.1 流れ図 9.2 固定された条件をもつ一様な帰納的関数型プログラム図式 9.3 多様な帰納的関数型プログラム図式 9.4 代数的理論 9.5 プログラムの生成と検証に対する応用 第10章 論理プログラミング K.R.Apt:筧 捷彦 1. 序論 1.1 背景 1.2 論文の構成 2. 構文と証明論 2.1 1階言語 2.2 論理プログラム 2.3 代入 2.4 単一化子 2.5 計算過程―SLD溶融 2.6 例 2.7 SLD導出の特性 2.8 反駁手続き―SLD木 3. 意味論 3.1 1階論理の意味論 3.2 SLD溶融の安全性 3.3 Herbrand模型 3.4 直接帰結演算子 3.5 演算子とその不動点 3.6 最小Herbrand模型 3.7 SLD溶融の完全性 3.8 正解代入 3.9 SLD溶融の強安全性 3.10 手続き的解釈と宣言的解釈 4. 計算力 4.1 計算力と定義力 4.2 ULの枚挙可能性 4.3 帰納的関数 4.4 帰納的関数の計算力 4.5 TFの閉包順序数 5. 否定情報 5.1 非単調推論 5.2 閉世界仮説 5.3 失敗即否定規則 5.4 有限的失敗の特徴付け 5.5 プログラムの完備化 5.6 完備化の模型 5.7 失敗即否定規則の安全性 5.8 失敗即否定規則の完全性 5.9 等号公理と恒等 5.10 まとめ 6. 一般目標 6.1 SLDNF-溶融 6.2 SLDNF-導出の安全性 6.3 はまり 6.4 SLDNF-溶融の限定的な完全性 6.5 許容性 7. 層状プログラム 7.1 準備 7.2 層別 7.3 非単調演算子とその不動点 7.4 層状プログラムの意味論 7.5 完全模型意味論 8. 関連事項 8.1 一般プログラム 8.2 他の方法 8.3 演繹的データベース 8.4 PROLOG 8.5 論理プログラミングと関数プログラミングの統合 8.6 人工知能への応用 第11章 表示的意味論 P.D.Mosses:山田 眞市 1. 序論 2. 構文論 2.1 具象構文論 2.2 抽象構文 2.3 文脈依存構文 3. 意味論 3.1 表示的意味論 3.2 意味関数 3.3 記法の慣例 4. 領域 4.1 領域の構造 4.2 領域の記法 4.3 記法上の約束事 5. 意味の記述法 5.1 リテラル 5.2 式 5.3 定数宣言 5.4 関数の抽象 5.5 変数宣言 5.6 文 5.7 手続き抽象 5.8 プログラム 5.9 非決定性 5.10 並行性 6. 文献ノート 6.1 発展 6.2 解説 6.3 変形 第12章 意味領域 C.A.Gunter and D.S.Scott:山田 眞市 1. 序論 2. 関数の帰納的定義 2.1 cpoと不動点定理 2.2 不動点定理の応用 2.3 一様性 3. エフェクティブに表現した領域 3.1 正規部分posetと射影 3.2 エフェクティブに表現した領域 4. 作用素と関数 4.1 積 4.2 Churchのラムダ記法 4.3 破砕積 4.4 和と引上げ 4.5 同形と閉包性 5. べき領域 5.1 直観的説明 5.2 形式的定義 5.3 普遍性と閉包性 6. 双有限領域 6.1 Poltkin順序 6.2 閉包性 7. 領域の帰納的定義 7.1 閉包を使う領域方程式の解法 7.2 無型ラムダ記法のモデル 7.3 射影を使う領域方程式の解法 7.4 双有限領域上の作用素の表現 第13章 代数的仕様 M.Wirsing:稲垣 康善,坂部 俊樹 1. 序論 2. 抽象データ型 2.1 シグニチャと項 2.2 代数と計算構造 2.3 抽象データ型 2.4 抽象データ型の計算可能性 3. 代数的仕様 3.1 論理式と理論 3.2 代数的仕様とその意味論 3.3 他の意味論的理解 4. 単純仕様 4.1 束と存在定理 4.2 単純仕様の表現能力 5. 隠蔽関数と構成子をもつ仕様 5.1 構文と意味論 5.2 束と存在定理 5.3 隠蔽記号と構成子をもつ仕様の表現能力 5.4 階層的仕様 6. 構造化仕様 6.1 構造化仕様の意味論 6.2 隠蔽関数のない構造化仕様 6.3 構成演算 6.4 拡張 6.5 観測的抽象化 6.6 構造化仕様の代数 7. パラメータ化仕様 7.1 型付きラムダ計算によるアプローチ 7.2 プッシュアウトアプローチ 8. 実現 8.1 詳細化による実現 8.2 他の実現概念 8.3 パラメータ化された構成子実現と抽象化子実現 8.4 実行可能仕様 9. 仕様記述言語 9.1 CLEAR 9.2 OBJ2 9.3 ASL 9.4 Larch 9.5 その他の仕様記述言語 第14章 プログラムの論理 D.Kozen and J.Tiuryn:西村 泰一,近藤 通朗 1. 序論 1.1 状態,入出力関係,軌跡 1.2 外的論理,内的論理 1.3 歴史ノート 2. 命題動的論理 2.1 基本的定義 2.2 PDLに対する演繹体系 2.3 基本的性質 2.4 有限モデル特性 2.5 演繹的完全性 2.6 PDLの充足可能性問題の計算量 2.7 PDLの変形種 3. 1階の動的論理 3.1 構文論 3.2 意味論 3.3 計算量 3.4 演繹体系 3.5 表現力 3.6 操作的vs.公理的意味論 3.7 他のプログラミング言語 4. 他のアプローチ 4.1 超準動的論理 4.2 アルゴリズム的論理 4.3 有効的定義の論理 4.4 時制論理 第15章 プログラム証明のための手法と論理 P.Cousot:細野 千春,富田 康治 1. 序論 1.1 Hoareの萌芽的な論文の解説 1.2 C.A.R.HoareによるHoare論理のその後の研究 1.3 プログラムに関する推論を行うための手法に関するC.A.R.Hoareによるその後の研究 1.4 Hoare論理の概観 1.5 要約 1.6 この概観を読むためのヒント 2. 論理的,集合論的,順序論的記法 3. プログラミング言語の構文論と意味論 3.1 構文論 3.2 操作的意味論 3.3 関係的意味論 4. 命令の部分正当性 5. Floyd-Naurの部分正当性証明手法とその同値な変形 5.1 Floyd-Naurの手法による部分正当性の証明の例 5.2 段階的なFloyd-Naurの部分正当性証明手法 5.3 合成的なFloyd-Naurの部分正当性証明手法 5.4 Floyd-Naurの部分正当性の段階的な証明と合成的な証明の同値性 5.5 Floyd-Naurの部分正当性証明手法の変形 6. ライブネスの証明手法 6.1 実行トレース 6.2 全正当性 6.3 整礎関係,整列集合,順序数 6.4 Floydの整礎集合法による停止性の証明 6.5 ライブネス 6.6 Floydの全正当性の証明手法からライブネスへの一般化 6.7 Burstallの全正当性証明手法とその一般化 7. Hoare論理 7.1 意味論的な観点から見たHoare論理 7.2 構文論的な観点から見たHoare論理 7.3 Hoare論理の意味論 7.4 構文論と意味論の間の関係:Hoare論理の健全性と完全性の問題 8. Hoare論理の補足 8.1 データ構造 8.2 手続き 8.3 未定義 8.4 別名と副作用 8.5 ブロック構造の局所変数 8.6 goto文 8.7 (副作用のある)関数と式 8.8 コルーチン 8.9 並行プログラム 8.10 全正当性 8.11 プログラム検証の例 8.12 プログラムに対して1階論理を拡張した他の論理 第16章 様相論理と時間論理 E.A.Emerson:志村 立矢 1. 序論 2. 時間論理の分類 2.1 命題論理 対 1階述語論理 2.2 大域的と合成的 2.3 分岐的 対 線形 2.4 時点と時区間 2.5 離散 対 連続 2.6 過去時制 対 未来時制 3. 線形時間論理の技術的基礎 3.1 タイムライン 3.2 命題線形時間論理 3.3 1階の線形時間論理 4. 分岐的時間論理の技術的基礎 4.1 樹状構造 4.2 命題分岐的時間論理 4.3 1階の分岐的時間論理 5. 並行計算:その基礎 5.1 非決定性と公平性による並列性のモデル化 5.2 並列計算の抽象モデル 5.3 並列計算の具体的なモデル 5.4 並列計算の枠組みと時間論理の結び付き 6. 理論的見地からの時間論理 6.1 表現可能性 6.2 命題時間論理の決定手続き 6.3 演繹体系 6.4 モデル性の判定 6.5 無限の対象の上のオートマトン 7. 時間論理のプログラムの検証への応用 7.1 並行プログラムの正当性に関する性質 7.2 並行プログラムの検証:証明論的方法 7.3 時間論理による仕様からの並行プログラムの機械合成 7.4 有限状態並行システムの自動検証 8. 計算機科学における他の様相論理と時間論理 8.1 古典様相論理 8.2 命題動的論理 8.3 確率論理 8.4 不動点論理 8.5 知識 第17章 関係データベース理論の構成要素 P.C.Kanellakis:鈴木 晋 1. 序論 1.1 動機と歴史 1.2 内容についての案内 2. 関係データモデル 2.1 関係代数と関係従属性 2.2 なぜ関係代数か 2.3 なぜ関係従属性か 2.4 超グラフとデータベーススキーマの構文について 2.5 論理とデータベースの意味について 3. 従属性とデータベーススキーマ設計 3.1 従属性の分類 3.2 データベーススキーマ設計 4. 問合わせデータベース論理プログラム 4.1 問合わせの分類 4.2 データベース論理プログラム 4.3 問合わせ言語と複合オブジェクトデータモデル 5. 議論:関係データベース理論のその他の話題 5.1 不完全情報の問題 5.2 データベース更新の問題 6. 結論 第18章 分散計算:モデルと手法 L.Lamport and N.Lynch:山下 雅史 1. 分散計算とは何か 2. 分散システムのモデル 2.1 メッセージ伝達モデル 2.2 それ以外のモデル 2.3 基礎的概念 3. 分散アルゴリズムの理解 3.1 挙動の集合としてのシステム 3.2 安全性と活性 3.3 システムの記述 3.4 主張に基づく理解 3.5 アルゴリズムの導出 3.6 仕様記述 4. 典型的な分散アルゴリズム 4.1 共有変数アルゴリズム 4.2 分散合意 4.3 ネットワークアルゴリズム 4.4 データベースにおける並行性制御 第19章 並行プロセスの操作的および代数的意味論 R.Milner:稲垣 康善,結縁 祥治 1. 序論 2. 基本言語 2.1 構文および記法 2.2 操作的意味論 2.3 導出木と遷移グラフ 2.4 ソート 2.5 フローグラフ 2.6 拡張言語 2.7 その他の動作式の構成 3. プロセスの強合同関係 3.1 議論 3.2 強双模倣関係 3.3 等式による強合同関係の性質 3.4 強合同関係における置換え可能性 3.5 強等価関係上での不動点の唯一性 4. プロセスの観測合同関係 4.1 観測等価性 4.2 双模倣関係 4.3 観測合同関係 4.4 プロセス等価性上での不動点の唯一性 4.5 等式規則の完全性 4.6 プロセスの等価性に対するその他の概念 5. 双模倣等価関係の解析 5.1 等価性の階層構造 5.2 階層構造の論理的特性化 6. 合流性をもつプロセス 6.1 決定性 6.2 合流性 6.3 合流性を保存する構成子 7. 関連する重要な文献