用生成式AI发现超立方体更小的可蔓延子集

A Note on Small Percolating Sets on Hypercubes via Generative AI

• 用PatternBoost算法识别超立方体中能引发蔓延的最小集合
• 将已有上界缩小约0.1%，突破现有理论极限
• 适合对组合数学和随机过程感兴趣的学者

我们应用一种名为PatternBoost的生成式AI模式识别技术，研究超立方体上的自举渗透问题。通过该方法，我们略微改进了超立方体上可蔓延子集大小的最佳现有上界。

原文摘要 · Abstract (English)

We apply a generative AI pattern-recognition technique called PatternBoost to study bootstrap percolation on hypercubes. With this, we slightly improve the best existing upper bound for the size of percolating subsets of the hypercube.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。