2025_NIPS_Computational Algebra with Attention: Transformer Oracles for Border Basis Algorithms

文章核心总结与翻译

主要内容

该研究聚焦零维多项式方程组求解，提出ORACLE BORDER BASIS ALGORITHM——首个结合深度学习且保证输出正确性的边界基（Border Basis）计算方法。传统边界基与格罗比纳基（Gröbner Basis）算法求解多项式方程组时计算成本高，现有深度学习方法虽能提升效率但缺乏结果保证，该研究通过Transformer预言机（oracle）筛选无效归约候选，在不牺牲正确性的前提下实现最高3.5倍加速，同时解决了训练数据生成、多项式高效表示等关键问题。

核心创新点

1. 监督式训练数据生成方案：提出边界基采样定理和理想不变变换定理，生成多样化零维理想生成元，解决了随机采样难以获得有效多项式系统的问题。
2. 单项式级高效嵌入：设计针对单项式中心代数计算的分词与嵌入方案，将n元多项式的令牌数减少O(n)，注意力内存消耗减少O(n²)，同时提升预测精度。
3. 带正确性保证的预言机引导算法：开发Transformer预言机，精准识别边界基计算后期的无效归约步骤（该阶段占总运行时间70%-95%），结合快速高斯消元（FGE）进一步加速，且通过严格的算法设计保证终止性和结果正确性。
4. 跨分布泛化能力：模型仅在低次多项式系统上训练，却能有效泛化到更高次（如8次）的复杂系统，展现出强鲁棒性。

---