מאמצים שנמשכים על פני עשורים מראים עלייה בשימוש בשיטות בינה מלאכותית להאצת גילויים מדעיים, אך האצת גילויים במתמטיקה נותרת אתגר מתמשך לבינה מלאכותית. שיטות בינה מלאכותית מתקשות ביצירת נוסחאות לקבועים מתמטיים, מכיוון שנוסחאות כאלו חייבות להיות נכונות עבור מספר אינסופי של ספרות, כאשר נוסחאות "כמעט נכונות" אינן מספקות תובנה לנוסחאות הנכונות. בנוסף, חסר מדד מרחק בין נוסחה פוטנציאלית לקבוע שאותו רוצים למצוא – מדד הדרוש להנחיית תהליך גילוי אוטומטי.
במחקר שבוצע בקבוצת המחקר של פרופ' עדו קמינר בפקולטה להנדסת חשמל ומחשבים בטכניון, פותחה מתודולוגיה שיטתית למיון, אפיון וזיהוי תבניות של נוסחאות כאלו. החידוש המרכזי במתודולוגיה זו הוא הכנסת מדדים המבוססים על דינמיקות ההתכנסות של הנוסחאות, ולא על הערך המספרי שלהן. מדדים אלו מאפשרים לראשונה אשכול (Clustering) אוטומטי של נוסחאות מתמטיות.
המתודולוגיה נוסתה על סט של 1,768,900 נוסחאות, וזוהו נוסחאות מוכרות רבות לקבועים מתמטיים, לצד גילוי נוסחאות חדשות לקבועים כגון π, יחס הזהב, קבוע אוילר ועוד. התבניות שנחשפו מאפשרות הכללה ישירה של נוסחאות בודדות למשפחות אינסופיות, וחושפות מבנים מתמטיים עשירים. הצלחה זו סוללת את הדרך לעבר מודל גנרטיבי שיוצר נוסחאות בעלות תכונות מתמטיות מוגדרות, ומאיצה את קצב התגליות המתמטיות.
בעקבות הדיונים המתנהלים בעולם לגבי האם בינה מלאכותית מסוגלת ליצור חדשנות אמיתית או שכל תוצר הוא תערובת של יצירות קודמות בלבד, מחקר זה מציג חדשנות מתמטית אמיתית ללא מגע יד אדם.
העבודה הוצגה לאחרונה בכנס NeurIPS 2024, כנס הבינה המלאכותית הגדול ביותר בעולם, המהווה במה מרכזית להצגת מחקרים פורצי דרך בתחום ה-AI.
קבוצת ראמאנוג'אן שואפת להפוך את המחקר המתמטי לנגיש ככל הניתן. הקבוצה משתפת את תוצאות המחקר בצורה לימודית באתרה, יוצרת סרטוני הסברה המיועדים לקהל בעל רקע מתמטי מועט, משתפת פעולה עם חוקרים בארץ ובעולם, ועוד. דוגמה מיוחדת לכך היא מעורבותו של אורי סליגמן, תלמיד תיכון בתוכנית "אלפא" לתלמידים מצטיינים, אשר חקר את הנושא בשנה וחצי האחרונות בהנחיית הקבוצה.
חלק משמעותי נוסף בעבודה הוביל מיכאל שליט, עמית מחקר, שתרומתו הייתה חיונית להשגת התוצאות המרשימות הללו.
