固定比例数值诊断框架下黎曼 ζ 函数临界线附近行为的数值研究 (陈恩华)

简介: 黎曼 ζ 函数非平凡零点的分布是解析数论中的核心问题之一。黎曼猜想指出,所有非平凡零点均位于临界线 Re(s)=1/2 上。本文提出一种基于显式公式截断项的固定比例数值诊断框架,在不预先假设 β=1/2 的条件下,将零点实部参数 β 视为可扫描变量,通过数值实验研究不同 β 取值下系统的稳定性表现。

作者:陈恩华(独立程序员研究者)2026年3月

联系方式:

邮箱:a106079595@qq.com

GitHub:https://github.com/chenenhua

学术交流:欢迎对图像识别、人工智能感兴趣的研究者邮件交流或合作探讨。

 

摘要

黎曼 ζ 函数非平凡零点的分布是解析数论中的核心问题之一。黎曼猜想指出,所有非平凡零点均位于临界线 Re(s)=1/2 上。本文提出一种基于显式公式截断项的固定比例数值诊断框架,在不预先假设 β=1/2 的条件下,将零点实部参数 β 视为可扫描变量,通过数值实验研究不同 β 取值下系统的稳定性表现。

本文以 Chebyshev 函数 ψ(x) 的归一化偏差

Y(x) = (ψ(x) − x)/√x

作为基准序列,并构造由前 K 个 ζ 函数非平凡零点虚部 γ_k 组成的显式公式截断模型 M(x;β,K)。通过定义综合评分函数 Score(β),综合考虑平均误差、尾部误差、局部差分相关性以及模型偏置等指标,对不同 β 的模型表现进行定量评估。

数值实验在最大尺度

x_max ∈ {10⁹, 3×10⁹, 5×10⁹}

以及零点截断数量

K ∈ {150,300,500,1000}

条件下进行。实验结果表明,当尺度达到 x_max = 5×10⁹ 时,不同截断水平下的最优参数 β 均稳定落在

|β − 1/2| ≤ 10⁻⁴

范围内。同时评分函数在 β 与 1−β 之间的对称性残差保持在

10⁻⁵ ~ 10⁻⁴

量级,并且在 β=1/2 附近的离散二阶差分曲率均为负值。

这些结果说明,在本文的数值诊断框架下,临界线附近表现出明显的数值稳定中心特征。需要强调的是,该结论依赖于有限零点截断与有限计算尺度,因此应被理解为数值实验观察,而非黎曼猜想的严格证明。

关键词

黎曼 ζ 函数  黎曼猜想  显式公式  临界线  数值实验

1 引言

黎曼 ζ 函数

ζ(s)=∑_{n=1}^{∞}n^{-s}

是解析数论中最重要的函数之一。通过解析延拓,该函数可以定义在整个复平面(除 s=1 外)。其非平凡零点位于临界带

0 < Re(s) < 1。

黎曼猜想断言所有非平凡零点均满足

Re(s)=1/2。

这一猜想与素数分布之间存在深刻联系,是现代数学中最重要的未解决问题之一。

过去的大量研究主要集中在两个方向:

一是理论分析零点的分布性质;

二是通过高精度计算验证大量零点位于临界线上。

本文采用一种不同的数值研究思路:在显式公式截断模型中,将零点实部 β 视为可调参数,通过扫描 β 的取值,研究系统在数值指标上的稳定性变化。

如果临界线在显式公式结构中具有特殊地位,则在数值评价指标中应当表现为某种稳定中心。

2 数学背景

Chebyshev 函数 ψ(x) 定义为

ψ(x)=∑_{n≤x}Λ(n)

其中 Λ(n) 为 von Mangoldt 函数。

解析数论中的显式公式给出了 ψ(x) 与 ζ 函数非平凡零点之间的关系:

ψ(x)=x−∑_ρ x^ρ/ρ + R(x)

其中

ρ=β+iγ

 

表示非平凡零点。

为了消除主项增长的影响,本文采用归一化偏差

Y(x)=(ψ(x)-x)/√x

作为观测序列。

3 模型来源与推导

 

在显式公式中,零点贡献项为

∑ x^ρ / ρ

若假设所有非平凡零点均位于同一垂直直线

ρ_k = β + iγ_k

则显式公式可近似写为

ψ(x) ≈ x − ∑_{k=1}^{∞} x^{β+iγ_k} / (β+iγ_k)

代入归一化表达式

Y(x) = (ψ(x)-x)/√x

可得

Y(x) ≈ − ∑_{k=1}^{∞} x^{β−1/2+iγ_k} / (β+iγ_k)

由于零点关于实轴成共轭对出现,

ρ_k = β+iγ_k

ρ̄_k = β−iγ_k

两项相加后得到

Y(x) ≈ −2∑ x^{β−1/2} Re(x^{iγ_k}/(β+iγ_k))

将实部展开可得

Y(x) ≈ −2 x^{β−1/2}

∑ [β cos(γ_k log x) + γ_k sin(γ_k log x)] /(β²+γ_k²)

在实际计算中,仅保留前 K 个零点项,即得到本文使用的模型

M(x;β,K)=−2x^{β−1/2}

∑_{k=1}^{K} [βcos(γ_klogx)+γ_ksin(γ_klogx)]/(β²+γ_k²)

 

该模型表示:在假设零点位于直线 Re(s)=β 的情况下,显式公式对归一化偏差的截断近似。

因此本文的数值实验本质上是在比较不同 β 假设下模型对真实 ψ(x) 偏差的拟合程度。

4 数值方法

为了评价不同 β 的模型表现,本文定义综合评分函数

Score(β) = 1.25 R_fix − 1.00 MAE − 0.40 TailMAE − 0.20 |Bias|

其中

MAE 表示平均绝对误差

MAE = (1/N)∑ |M(x_i;β,K) − Y(x_i)|

TailMAE 表示尾部区域误差

R_fix 表示差分相关性

Bias 表示模型平均偏置

Score 值越大表示模型表现越优。

5 数值实验

实验参数如下:

最大尺度

x_max ∈ {10⁹, 3×10⁹, 5×10⁹}

零点截断

K ∈ {150,300,500,1000}

β扫描区间

[0.499 , 0.501]

扫描步长

10⁻⁴

采样点数

15000

6 实验结果

在最大尺度

x_max = 5×10⁹

条件下得到如下结果:

K

最优β

Score

150

0.500000

0.189965

300

0.500100

0.314313

500

0.499900

0.432984

1000

0.500000

0.631191

所有最优 β 均满足

|β−1/2| ≤ 10⁻⁴

7 敏感性分析

为了检验结果稳定性,本文对评分函数权重和输入数据进行了扰动实验。

具体方法包括:

1 对评分函数权重进行 ±20% 的随机扰动

2 对归一化序列 Y(x) 添加 1% 幅度的随机噪声

3 将采样点数量减少一半进行重复实验

 

实验结果表明,在 x_max = 5×10⁹

条件下,最优 β 始终保持在 |β−1/2| ≤ 2×10⁻⁴范围内。

同时评分函数在 β=1/2 附近仍保持负曲率结构,即

Score’’(1/2) < 0。

这表明观察到的稳定中心现象并非评分函数权重或采样噪声所导致。

8 讨论

实验结果表明,在当前数值框架下,β=1/2 附近表现出明显稳定中心结构。

然而需要指出:

1 模型使用有限零点截断

2 采样点数量有限

3 评分函数权重具有经验性质

因此该结论应理解为数值实验现象,而非黎曼猜想的严格证明。

9 结论

本文提出固定比例数值诊断框架,用于研究显式公式截断模型在不同 β 参数下的数值行为。

实验结果表明,在较大尺度条件下,系统在 β=1/2 附近表现出明显稳定结构。

该框架为进一步开展更大规模数值研究提供了一种新的实验方法。

参考文献

Titchmarsh E.C.

The Theory of the Riemann Zeta Function.

Edwards H.M.

Riemann’s Zeta Function.

Odlyzko A.M.

The 10^20-th zero of the Riemann zeta function.

Platt D.J., Trudgian T.S.

The Riemann hypothesis is true up to 3×10^12.


9dcebcb4-7f95-44bc-a857-73bf451eb880.png


a86cc2af-beaa-4b87-a45c-af9b6a667e11.png


文件:score_beta_data.csv

beta

score_k150

score_k300

score_k500

score_k1000

0.499

0.18986

0.314153

0.432854

0.630978

0.4991

0.18988

0.314181

0.432879

0.631018

0.4992

0.189898

0.314207

0.432903

0.631054

0.4993

0.189914

0.314229

0.432924

0.631087

0.4994

0.189927

0.314248

0.432941

0.631115

0.4995

0.189937

0.314265

0.432956

0.631137

0.4996

0.189946

0.31428

0.432968

0.631155

0.4997

0.189953

0.314291

0.432977

0.631169

0.4998

0.189959

0.314301

0.432982

0.63118

0.4999

0.189963

0.314307

0.432984

0.631188

0.5

0.189965

0.314312

0.432984

0.631191

0.5001

0.189965

0.314313

0.432981

0.63119

0.5002

0.189963

0.314312

0.432975

0.631187

0.5003

0.189958

0.314308

0.432965

0.63118

0.5004

0.189952

0.314301

0.432952

0.631167

0.5005

0.189944

0.314291

0.432936

0.63115

0.5006

0.189934

0.31428

0.432917

0.63113

0.5007

0.189922

0.314266

0.432896

0.631106

0.5008

0.189909

0.31425

0.432872

0.631077

0.5009

0.189892

0.314232

0.432845

0.631044

0.501

0.189874

0.314212

0.432814

0.631007

 

文件:k_beta_convergence_data.csv

K

best_beta

delta_abs_best_beta_minus_half

best_score

symmetry_mean

symmetry_max

150

0.5

0

0.189965

7e-06

1.4e-05

300

0.5001

0.0001

0.314313

2.9e-05

5.9e-05

500

0.4999

0.0001

0.432984

2.1e-05

3.9e-05

1000

0.5

0

0.631191

1.5e-05

3e-05

 

演示程序调试结果:

 

/Users/陈恩华/Desktop/project/img_data/cmake-build-debug/img_data
[提示] 已加载外部零点文件: /Users/陈恩华/Desktop/project/img_data/riemann_gammas.txt ,数量=1000
[检查] 前10个 gamma:
 gamma[1] = 14.134725141734694631
 gamma[2] = 21.022039638771556014
 gamma[3] = 25.010857580145689383
 gamma[4] = 30.424876125859512399
 gamma[5] = 32.935061587739191680
 gamma[6] = 37.586178158825674700
 gamma[7] = 40.918719012147498404
 gamma[8] = 43.327073280915001874
 gamma[9] = 48.005150881167161003
 gamma[10] = 49.773832477672300456
[检查] gamma 是否严格递增: 是
============================================================
陈恩华 马虎算法 黎曼猜想:K-Beta 联动收敛诊断引擎
流式 psi(sample_x) + 外部1000零点 + 多K扫描
============================================================
 
时间: 2026-03-08 19:17:22
max_limit          = 5000000000
requested_K        = 1000
available_gammas   = 1000
samples            = 15000
windows            = 10
tail_ratio         = 0.400000000000000022
beta range         = [0.498999999999999999, 0.501000000000000001], step=0.000100000000000000
threads            = 14
segment_size       = 16777216
x_tests            = 1000000000, 3000000000, 5000000000
K_tests            = 150, 300, 500, 1000
 
[1/6] 构建所有尺度的采样点 / logx / sqrtx ...
[2/6] 构建 sqrt(max_limit) 以内基础素数 ...
[3/6] 只在采样点上构建 psi(sample_x)(流式前缀累计) ...
  Psi构建进度: 100.0% 完成!
  Psi构建进度: 100.0% 完成!
  Psi构建进度: 100.0% 完成!
[4/6] 开始多尺度 + 多 K 扫描 ...
 
============================================================
>>> x_max = 1000000000 | K = 150
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 30.307157 | 2355.774445 | 4.814103 | 32.614769 | 0.188948 | -0.001035 | -31.996820
0.4991  | 30.307158 | 2355.774456 | 4.814111 | 32.614848 | 0.188947 | -0.001037 | -31.996825
0.4992  | 30.307158 | 2355.774466 | 4.814119 | 32.614928 | 0.188947 | -0.001039 | -31.996830
0.4993  | 30.307159 | 2355.774477 | 4.814128 | 32.615008 | 0.188947 | -0.001041 | -31.996835
0.4994  | 30.307160 | 2355.774488 | 4.814136 | 32.615088 | 0.188947 | -0.001044 | -31.996840
0.4995  | 30.307160 | 2355.774499 | 4.814144 | 32.615169 | 0.188946 | -0.001046 | -31.996845
0.4996  | 30.307161 | 2355.774510 | 4.814153 | 32.615250 | 0.188946 | -0.001048 | -31.996849
0.4997  | 30.307162 | 2355.774522 | 4.814161 | 32.615331 | 0.188946 | -0.001050 | -31.996854
0.4998  | 30.307163 | 2355.774534 | 4.814169 | 32.615413 | 0.188945 | -0.001053 | -31.996859
0.4999  | 30.307164 | 2355.774546 | 4.814178 | 32.615496 | 0.188945 | -0.001055 | -31.996865
0.5000  | 30.307165 | 2355.774558 | 4.814186 | 32.615578 | 0.188945 | -0.001057 | -31.996870  <-- 锚点
0.5001  | 30.307166 | 2355.774570 | 4.814195 | 32.615662 | 0.188945 | -0.001059 | -31.996875
0.5002  | 30.307167 | 2355.774583 | 4.814203 | 32.615745 | 0.188944 | -0.001062 | -31.996880
0.5003  | 30.307168 | 2355.774596 | 4.814211 | 32.615829 | 0.188944 | -0.001064 | -31.996886
0.5004  | 30.307169 | 2355.774609 | 4.814220 | 32.615914 | 0.188944 | -0.001066 | -31.996891
0.5005  | 30.307170 | 2355.774622 | 4.814228 | 32.615999 | 0.188943 | -0.001068 | -31.996896
0.5006  | 30.307171 | 2355.774636 | 4.814237 | 32.616084 | 0.188943 | -0.001071 | -31.996902
0.5007  | 30.307173 | 2355.774650 | 4.814245 | 32.616170 | 0.188943 | -0.001073 | -31.996907
0.5008  | 30.307174 | 2355.774664 | 4.814254 | 32.616256 | 0.188942 | -0.001075 | -31.996912
0.5009  | 30.307175 | 2355.774678 | 4.814262 | 32.616342 | 0.188942 | -0.001078 | -31.996918
0.5010  | 30.307177 | 2355.774692 | 4.814271 | 32.616429 | 0.188942 | -0.001080 | -31.996924
------------------------------------------------------------
>>> 单点最优 Beta = 0.499000
>>> 最高综合分 = -31.996820
>>> delta = |best_beta - 0.5| = 0.001000
>>> 左/右对称性残差 mean = 0.000054
>>> 左/右对称性残差 max  = 0.000103
>>> beta=0.5 附近一阶导数  = -0.051920
>>> beta=0.5 附近二阶导数  = -4.839445
 
============================================================
>>> x_max = 1000000000 | K = 300
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 30.306163 | 2355.772538 | 4.814125 | 32.613745 | 0.269700 | -0.001043 | -31.894896
0.4991  | 30.306163 | 2355.772548 | 4.814133 | 32.613825 | 0.269700 | -0.001045 | -31.894901
0.4992  | 30.306164 | 2355.772558 | 4.814141 | 32.613905 | 0.269699 | -0.001047 | -31.894906
0.4993  | 30.306164 | 2355.772568 | 4.814150 | 32.613986 | 0.269699 | -0.001050 | -31.894910
0.4994  | 30.306165 | 2355.772579 | 4.814158 | 32.614067 | 0.269699 | -0.001052 | -31.894915
0.4995  | 30.306166 | 2355.772590 | 4.814166 | 32.614149 | 0.269699 | -0.001054 | -31.894919
0.4996  | 30.306166 | 2355.772601 | 4.814175 | 32.614231 | 0.269699 | -0.001056 | -31.894924
0.4997  | 30.306167 | 2355.772612 | 4.814183 | 32.614314 | 0.269698 | -0.001059 | -31.894929
0.4998  | 30.306168 | 2355.772624 | 4.814192 | 32.614397 | 0.269698 | -0.001061 | -31.894934
0.4999  | 30.306169 | 2355.772636 | 4.814200 | 32.614480 | 0.269698 | -0.001063 | -31.894939
0.5000  | 30.306170 | 2355.772648 | 4.814208 | 32.614564 | 0.269698 | -0.001065 | -31.894944  <-- 锚点
0.5001  | 30.306172 | 2355.772660 | 4.814217 | 32.614649 | 0.269698 | -0.001068 | -31.894950
0.5002  | 30.306173 | 2355.772672 | 4.814225 | 32.614733 | 0.269698 | -0.001070 | -31.894955
0.5003  | 30.306174 | 2355.772685 | 4.814234 | 32.614819 | 0.269697 | -0.001072 | -31.894961
0.5004  | 30.306176 | 2355.772698 | 4.814242 | 32.614904 | 0.269697 | -0.001075 | -31.894966
0.5005  | 30.306177 | 2355.772711 | 4.814251 | 32.614990 | 0.269697 | -0.001077 | -31.894972
0.5006  | 30.306179 | 2355.772724 | 4.814259 | 32.615077 | 0.269697 | -0.001079 | -31.894977
0.5007  | 30.306181 | 2355.772738 | 4.814268 | 32.615164 | 0.269697 | -0.001081 | -31.894983
0.5008  | 30.306182 | 2355.772751 | 4.814276 | 32.615251 | 0.269697 | -0.001084 | -31.894989
0.5009  | 30.306184 | 2355.772765 | 4.814285 | 32.615339 | 0.269696 | -0.001086 | -31.894995
0.5010  | 30.306186 | 2355.772780 | 4.814293 | 32.615427 | 0.269696 | -0.001088 | -31.895001
------------------------------------------------------------
>>> 单点最优 Beta = 0.499000
>>> 最高综合分 = -31.894896
>>> delta = |best_beta - 0.5| = 0.001000
>>> 左/右对称性残差 mean = 0.000055
>>> 左/右对称性残差 max  = 0.000104
>>> beta=0.5 附近一阶导数  = -0.052087
>>> beta=0.5 附近二阶导数  = -6.537145
 
============================================================
>>> x_max = 1000000000 | K = 500
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 30.305453 | 2355.771404 | 4.814115 | 32.612819 | 0.350451 | -0.001038 | -31.793244
0.4991  | 30.305455 | 2355.771413 | 4.814124 | 32.612900 | 0.350450 | -0.001040 | -31.793249
0.4992  | 30.305456 | 2355.771423 | 4.814132 | 32.612980 | 0.350450 | -0.001043 | -31.793255
0.4993  | 30.305458 | 2355.771433 | 4.814140 | 32.613061 | 0.350450 | -0.001045 | -31.793260
0.4994  | 30.305459 | 2355.771444 | 4.814149 | 32.613142 | 0.350450 | -0.001047 | -31.793266
0.4995  | 30.305460 | 2355.771454 | 4.814157 | 32.613224 | 0.350449 | -0.001049 | -31.793271
0.4996  | 30.305462 | 2355.771465 | 4.814165 | 32.613306 | 0.350449 | -0.001052 | -31.793277
0.4997  | 30.305464 | 2355.771476 | 4.814174 | 32.613389 | 0.350449 | -0.001054 | -31.793283
0.4998  | 30.305465 | 2355.771487 | 4.814182 | 32.613472 | 0.350449 | -0.001056 | -31.793289
0.4999  | 30.305467 | 2355.771499 | 4.814190 | 32.613556 | 0.350448 | -0.001058 | -31.793295
0.5000  | 30.305469 | 2355.771511 | 4.814199 | 32.613640 | 0.350448 | -0.001061 | -31.793301  <-- 锚点
0.5001  | 30.305471 | 2355.771523 | 4.814207 | 32.613724 | 0.350448 | -0.001063 | -31.793307
0.5002  | 30.305473 | 2355.771535 | 4.814216 | 32.613809 | 0.350447 | -0.001065 | -31.793313
0.5003  | 30.305476 | 2355.771547 | 4.814224 | 32.613894 | 0.350447 | -0.001067 | -31.793320
0.5004  | 30.305478 | 2355.771560 | 4.814232 | 32.613980 | 0.350447 | -0.001070 | -31.793326
0.5005  | 30.305480 | 2355.771573 | 4.814241 | 32.614066 | 0.350447 | -0.001072 | -31.793332
0.5006  | 30.305482 | 2355.771586 | 4.814249 | 32.614153 | 0.350446 | -0.001074 | -31.793339
0.5007  | 30.305485 | 2355.771599 | 4.814258 | 32.614240 | 0.350446 | -0.001076 | -31.793346
0.5008  | 30.305487 | 2355.771613 | 4.814266 | 32.614327 | 0.350446 | -0.001079 | -31.793352
0.5009  | 30.305490 | 2355.771626 | 4.814275 | 32.614415 | 0.350446 | -0.001081 | -31.793359
0.5010  | 30.305493 | 2355.771640 | 4.814284 | 32.614504 | 0.350445 | -0.001083 | -31.793366
------------------------------------------------------------
>>> 单点最优 Beta = 0.499000
>>> 最高综合分 = -31.793244
>>> delta = |best_beta - 0.5| = 0.001000
>>> 左/右对称性残差 mean = 0.000064
>>> 左/右对称性残差 max  = 0.000122
>>> beta=0.5 附近一阶导数  = -0.061247
>>> beta=0.5 附近二阶导数  = -20.378076
 
============================================================
>>> x_max = 1000000000 | K = 1000
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 30.304740 | 2355.770464 | 4.814105 | 32.611888 | 0.492446 | -0.001032 | -31.615030
0.4991  | 30.304740 | 2355.770473 | 4.814113 | 32.611968 | 0.492446 | -0.001035 | -31.615034
0.4992  | 30.304740 | 2355.770483 | 4.814121 | 32.612049 | 0.492446 | -0.001037 | -31.615039
0.4993  | 30.304740 | 2355.770493 | 4.814130 | 32.612129 | 0.492445 | -0.001039 | -31.615043
0.4994  | 30.304740 | 2355.770503 | 4.814138 | 32.612211 | 0.492445 | -0.001041 | -31.615048
0.4995  | 30.304741 | 2355.770514 | 4.814146 | 32.612292 | 0.492445 | -0.001043 | -31.615052
0.4996  | 30.304742 | 2355.770524 | 4.814155 | 32.612374 | 0.492444 | -0.001046 | -31.615057
0.4997  | 30.304743 | 2355.770535 | 4.814163 | 32.612457 | 0.492444 | -0.001048 | -31.615062
0.4998  | 30.304744 | 2355.770546 | 4.814171 | 32.612540 | 0.492444 | -0.001050 | -31.615068
0.4999  | 30.304745 | 2355.770558 | 4.814180 | 32.612623 | 0.492443 | -0.001052 | -31.615073
0.5000  | 30.304747 | 2355.770569 | 4.814188 | 32.612707 | 0.492443 | -0.001055 | -31.615079  <-- 锚点
0.5001  | 30.304748 | 2355.770581 | 4.814196 | 32.612792 | 0.492443 | -0.001057 | -31.615085
0.5002  | 30.304750 | 2355.770593 | 4.814205 | 32.612876 | 0.492442 | -0.001059 | -31.615091
0.5003  | 30.304752 | 2355.770606 | 4.814213 | 32.612962 | 0.492442 | -0.001061 | -31.615097
0.5004  | 30.304754 | 2355.770618 | 4.814222 | 32.613047 | 0.492442 | -0.001064 | -31.615103
0.5005  | 30.304755 | 2355.770631 | 4.814230 | 32.613133 | 0.492441 | -0.001066 | -31.615109
0.5006  | 30.304757 | 2355.770644 | 4.814239 | 32.613220 | 0.492441 | -0.001068 | -31.615115
0.5007  | 30.304759 | 2355.770657 | 4.814247 | 32.613307 | 0.492441 | -0.001071 | -31.615122
0.5008  | 30.304762 | 2355.770671 | 4.814256 | 32.613394 | 0.492440 | -0.001073 | -31.615128
0.5009  | 30.304764 | 2355.770685 | 4.814264 | 32.613482 | 0.492440 | -0.001075 | -31.615135
0.5010  | 30.304767 | 2355.770699 | 4.814273 | 32.613571 | 0.492439 | -0.001077 | -31.615142
------------------------------------------------------------
>>> 单点最优 Beta = 0.499000
>>> 最高综合分 = -31.615030
>>> delta = |best_beta - 0.5| = 0.001000
>>> 左/右对称性残差 mean = 0.000059
>>> 左/右对称性残差 max  = 0.000112
>>> beta=0.5 附近一阶导数  = -0.057599
>>> beta=0.5 附近二阶导数  = -12.534296
 
============================================================
>>> x_max = 3000000000 | K = 150
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 10.004172 | 304.827260 | 1.312982 | 2.557214 | 0.201846 | 0.001140 | -10.277285
0.4991  | 10.004167 | 304.827292 | 1.312977 | 2.557216 | 0.201846 | 0.001142 | -10.277279
0.4992  | 10.004163 | 304.827324 | 1.312973 | 2.557219 | 0.201846 | 0.001145 | -10.277274
0.4993  | 10.004159 | 304.827357 | 1.312968 | 2.557222 | 0.201846 | 0.001147 | -10.277268
0.4994  | 10.004154 | 304.827390 | 1.312963 | 2.557226 | 0.201845 | 0.001150 | -10.277263
0.4995  | 10.004150 | 304.827423 | 1.312959 | 2.557229 | 0.201845 | 0.001152 | -10.277257
0.4996  | 10.004146 | 304.827456 | 1.312954 | 2.557233 | 0.201845 | 0.001154 | -10.277252
0.4997  | 10.004141 | 304.827490 | 1.312949 | 2.557238 | 0.201845 | 0.001157 | -10.277246
0.4998  | 10.004137 | 304.827523 | 1.312945 | 2.557242 | 0.201845 | 0.001159 | -10.277241
0.4999  | 10.004133 | 304.827558 | 1.312940 | 2.557247 | 0.201845 | 0.001162 | -10.277236
0.5000  | 10.004129 | 304.827592 | 1.312935 | 2.557253 | 0.201845 | 0.001164 | -10.277230  <-- 锚点
0.5001  | 10.004125 | 304.827626 | 1.312930 | 2.557258 | 0.201845 | 0.001167 | -10.277225
0.5002  | 10.004121 | 304.827661 | 1.312926 | 2.557264 | 0.201844 | 0.001169 | -10.277220
0.5003  | 10.004118 | 304.827696 | 1.312921 | 2.557270 | 0.201844 | 0.001172 | -10.277215
0.5004  | 10.004114 | 304.827731 | 1.312916 | 2.557277 | 0.201844 | 0.001174 | -10.277210
0.5005  | 10.004110 | 304.827767 | 1.312911 | 2.557284 | 0.201844 | 0.001177 | -10.277205
0.5006  | 10.004107 | 304.827803 | 1.312906 | 2.557291 | 0.201844 | 0.001179 | -10.277200
0.5007  | 10.004103 | 304.827839 | 1.312902 | 2.557299 | 0.201844 | 0.001182 | -10.277195
0.5008  | 10.004099 | 304.827875 | 1.312897 | 2.557306 | 0.201844 | 0.001184 | -10.277190
0.5009  | 10.004096 | 304.827912 | 1.312892 | 2.557315 | 0.201843 | 0.001187 | -10.277186
0.5010  | 10.004093 | 304.827948 | 1.312887 | 2.557323 | 0.201843 | 0.001189 | -10.277181
------------------------------------------------------------
>>> 单点最优 Beta = 0.501000
>>> 最高综合分 = -10.277181
>>> delta = |best_beta - 0.5| = 0.001000
>>> 左/右对称性残差 mean = 0.000055
>>> 左/右对称性残差 max  = 0.000104
>>> beta=0.5 附近一阶导数  = 0.052420
>>> beta=0.5 附近二阶导数  = -2.038779
 
============================================================
>>> x_max = 3000000000 | K = 300
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 10.003010 | 304.825483 | 1.312927 | 2.555315 | 0.286958 | 0.001143 | -10.169712
0.4991  | 10.003006 | 304.825515 | 1.312922 | 2.555317 | 0.286958 | 0.001145 | -10.169706
0.4992  | 10.003002 | 304.825547 | 1.312917 | 2.555320 | 0.286958 | 0.001148 | -10.169701
0.4993  | 10.002998 | 304.825579 | 1.312912 | 2.555322 | 0.286958 | 0.001150 | -10.169696
0.4994  | 10.002994 | 304.825612 | 1.312907 | 2.555325 | 0.286958 | 0.001153 | -10.169691
0.4995  | 10.002991 | 304.825645 | 1.312903 | 2.555329 | 0.286958 | 0.001155 | -10.169686
0.4996  | 10.002987 | 304.825678 | 1.312898 | 2.555332 | 0.286958 | 0.001158 | -10.169681
0.4997  | 10.002984 | 304.825711 | 1.312893 | 2.555336 | 0.286958 | 0.001160 | -10.169676
0.4998  | 10.002980 | 304.825745 | 1.312888 | 2.555340 | 0.286958 | 0.001163 | -10.169671
0.4999  | 10.002977 | 304.825779 | 1.312883 | 2.555345 | 0.286958 | 0.001165 | -10.169666
0.5000  | 10.002973 | 304.825813 | 1.312879 | 2.555350 | 0.286957 | 0.001167 | -10.169661  <-- 锚点
0.5001  | 10.002970 | 304.825848 | 1.312874 | 2.555355 | 0.286957 | 0.001170 | -10.169657
0.5002  | 10.002967 | 304.825882 | 1.312869 | 2.555360 | 0.286957 | 0.001172 | -10.169652
0.5003  | 10.002963 | 304.825917 | 1.312864 | 2.555366 | 0.286957 | 0.001175 | -10.169647
0.5004  | 10.002960 | 304.825952 | 1.312859 | 2.555372 | 0.286957 | 0.001177 | -10.169643
0.5005  | 10.002957 | 304.825988 | 1.312854 | 2.555379 | 0.286957 | 0.001180 | -10.169638
0.5006  | 10.002954 | 304.826023 | 1.312849 | 2.555386 | 0.286957 | 0.001182 | -10.169634
0.5007  | 10.002951 | 304.826059 | 1.312844 | 2.555393 | 0.286957 | 0.001185 | -10.169629
0.5008  | 10.002948 | 304.826096 | 1.312839 | 2.555400 | 0.286957 | 0.001187 | -10.169625
0.5009  | 10.002945 | 304.826132 | 1.312834 | 2.555408 | 0.286957 | 0.001190 | -10.169621
0.5010  | 10.002943 | 304.826169 | 1.312829 | 2.555416 | 0.286957 | 0.001193 | -10.169616
------------------------------------------------------------
>>> 单点最优 Beta = 0.501000
>>> 最高综合分 = -10.169616
>>> delta = |best_beta - 0.5| = 0.001000
>>> 左/右对称性残差 mean = 0.000050
>>> 左/右对称性残差 max  = 0.000095
>>> beta=0.5 附近一阶导数  = 0.047568
>>> beta=0.5 附近二阶导数  = -2.605931
 
============================================================
>>> x_max = 3000000000 | K = 500
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 10.002071 | 304.824495 | 1.312922 | 2.554394 | 0.370783 | 0.001147 | -10.063990
0.4991  | 10.002066 | 304.824527 | 1.312917 | 2.554396 | 0.370783 | 0.001149 | -10.063984
0.4992  | 10.002061 | 304.824559 | 1.312912 | 2.554398 | 0.370783 | 0.001152 | -10.063978
0.4993  | 10.002057 | 304.824592 | 1.312907 | 2.554401 | 0.370783 | 0.001154 | -10.063972
0.4994  | 10.002052 | 304.824624 | 1.312902 | 2.554404 | 0.370783 | 0.001157 | -10.063966
0.4995  | 10.002048 | 304.824657 | 1.312898 | 2.554407 | 0.370783 | 0.001159 | -10.063960
0.4996  | 10.002044 | 304.824690 | 1.312893 | 2.554410 | 0.370783 | 0.001162 | -10.063955
0.4997  | 10.002040 | 304.824723 | 1.312888 | 2.554414 | 0.370783 | 0.001164 | -10.063949
0.4998  | 10.002036 | 304.824757 | 1.312883 | 2.554419 | 0.370783 | 0.001167 | -10.063944
0.4999  | 10.002033 | 304.824791 | 1.312878 | 2.554423 | 0.370783 | 0.001169 | -10.063939
0.5000  | 10.002029 | 304.824825 | 1.312873 | 2.554428 | 0.370783 | 0.001172 | -10.063934  <-- 锚点
0.5001  | 10.002026 | 304.824859 | 1.312869 | 2.554433 | 0.370783 | 0.001174 | -10.063929
0.5002  | 10.002022 | 304.824894 | 1.312864 | 2.554439 | 0.370783 | 0.001177 | -10.063925
0.5003  | 10.002019 | 304.824929 | 1.312859 | 2.554445 | 0.370783 | 0.001179 | -10.063920
0.5004  | 10.002016 | 304.824964 | 1.312854 | 2.554451 | 0.370783 | 0.001182 | -10.063915
0.5005  | 10.002013 | 304.824999 | 1.312849 | 2.554458 | 0.370783 | 0.001184 | -10.063911
0.5006  | 10.002010 | 304.825035 | 1.312844 | 2.554465 | 0.370783 | 0.001187 | -10.063906
0.5007  | 10.002007 | 304.825071 | 1.312839 | 2.554472 | 0.370783 | 0.001189 | -10.063902
0.5008  | 10.002004 | 304.825107 | 1.312834 | 2.554480 | 0.370783 | 0.001192 | -10.063898
0.5009  | 10.002001 | 304.825143 | 1.312829 | 2.554488 | 0.370783 | 0.001194 | -10.063893
0.5010  | 10.001999 | 304.825180 | 1.312824 | 2.554496 | 0.370782 | 0.001197 | -10.063889
------------------------------------------------------------
>>> 单点最优 Beta = 0.501000
>>> 最高综合分 = -10.063889
>>> delta = |best_beta - 0.5| = 0.001000
>>> 左/右对称性残差 mean = 0.000052
>>> 左/右对称性残差 max  = 0.000100
>>> beta=0.5 附近一阶导数  = 0.048673
>>> beta=0.5 附近二阶导数  = -10.028142
 
============================================================
>>> x_max = 3000000000 | K = 1000
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 10.001124 | 304.823578 | 1.312917 | 2.553517 | 0.519445 | 0.001148 | -9.877214
0.4991  | 10.001118 | 304.823610 | 1.312913 | 2.553519 | 0.519445 | 0.001150 | -9.877207
0.4992  | 10.001113 | 304.823642 | 1.312908 | 2.553521 | 0.519445 | 0.001153 | -9.877200
0.4993  | 10.001108 | 304.823674 | 1.312903 | 2.553524 | 0.519445 | 0.001155 | -9.877194
0.4994  | 10.001103 | 304.823707 | 1.312898 | 2.553527 | 0.519445 | 0.001158 | -9.877188
0.4995  | 10.001098 | 304.823739 | 1.312893 | 2.553530 | 0.519445 | 0.001160 | -9.877181
0.4996  | 10.001093 | 304.823772 | 1.312889 | 2.553534 | 0.519445 | 0.001163 | -9.877175
0.4997  | 10.001088 | 304.823805 | 1.312884 | 2.553538 | 0.519444 | 0.001165 | -9.877169
0.4998  | 10.001084 | 304.823839 | 1.312879 | 2.553542 | 0.519444 | 0.001168 | -9.877164
0.4999  | 10.001080 | 304.823873 | 1.312874 | 2.553547 | 0.519444 | 0.001170 | -9.877158
0.5000  | 10.001076 | 304.823907 | 1.312869 | 2.553552 | 0.519444 | 0.001173 | -9.877153  <-- 锚点
0.5001  | 10.001072 | 304.823941 | 1.312864 | 2.553557 | 0.519444 | 0.001175 | -9.877147
0.5002  | 10.001068 | 304.823976 | 1.312859 | 2.553562 | 0.519444 | 0.001178 | -9.877142
0.5003  | 10.001064 | 304.824010 | 1.312855 | 2.553568 | 0.519444 | 0.001180 | -9.877137
0.5004  | 10.001061 | 304.824045 | 1.312850 | 2.553575 | 0.519444 | 0.001183 | -9.877132
0.5005  | 10.001057 | 304.824081 | 1.312845 | 2.553581 | 0.519444 | 0.001185 | -9.877128
0.5006  | 10.001054 | 304.824116 | 1.312840 | 2.553588 | 0.519444 | 0.001188 | -9.877123
0.5007  | 10.001051 | 304.824152 | 1.312835 | 2.553596 | 0.519443 | 0.001190 | -9.877118
0.5008  | 10.001048 | 304.824188 | 1.312830 | 2.553603 | 0.519443 | 0.001193 | -9.877114
0.5009  | 10.001045 | 304.824225 | 1.312825 | 2.553611 | 0.519443 | 0.001195 | -9.877110
0.5010  | 10.001042 | 304.824262 | 1.312820 | 2.553620 | 0.519443 | 0.001198 | -9.877106
------------------------------------------------------------
>>> 单点最优 Beta = 0.501000
>>> 最高综合分 = -9.877106
>>> delta = |best_beta - 0.5| = 0.001000
>>> 左/右对称性残差 mean = 0.000056
>>> 左/右对称性残差 max  = 0.000108
>>> beta=0.5 附近一阶导数  = 0.054090
>>> beta=0.5 附近二阶导数  = -22.389472
 
============================================================
>>> x_max = 5000000000 | K = 150
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 0.055753 | 0.004879 | 0.056023 | 0.004894 | 0.214473 | 0.000348 | 0.189860
0.4991  | 0.055741 | 0.004877 | 0.056002 | 0.004891 | 0.214473 | 0.000349 | 0.189880
0.4992  | 0.055730 | 0.004875 | 0.055984 | 0.004888 | 0.214473 | 0.000350 | 0.189898
0.4993  | 0.055720 | 0.004873 | 0.055968 | 0.004885 | 0.214473 | 0.000350 | 0.189914
0.4994  | 0.055712 | 0.004872 | 0.055955 | 0.004883 | 0.214473 | 0.000351 | 0.189927
0.4995  | 0.055706 | 0.004871 | 0.055945 | 0.004880 | 0.214473 | 0.000352 | 0.189937
0.4996  | 0.055700 | 0.004870 | 0.055937 | 0.004879 | 0.214473 | 0.000353 | 0.189946
0.4997  | 0.055696 | 0.004869 | 0.055930 | 0.004877 | 0.214473 | 0.000353 | 0.189953
0.4998  | 0.055692 | 0.004868 | 0.055925 | 0.004876 | 0.214473 | 0.000354 | 0.189959
0.4999  | 0.055689 | 0.004868 | 0.055921 | 0.004875 | 0.214473 | 0.000355 | 0.189963
0.5000  | 0.055688 | 0.004868 | 0.055919 | 0.004875 | 0.214473 | 0.000355 | 0.189965  <-- 锚点
0.5001  | 0.055688 | 0.004868 | 0.055919 | 0.004875 | 0.214473 | 0.000356 | 0.189965
0.5002  | 0.055688 | 0.004868 | 0.055922 | 0.004875 | 0.214473 | 0.000357 | 0.189963
0.5003  | 0.055691 | 0.004869 | 0.055927 | 0.004875 | 0.214473 | 0.000358 | 0.189958
0.5004  | 0.055694 | 0.004869 | 0.055934 | 0.004876 | 0.214473 | 0.000358 | 0.189952
0.5005  | 0.055699 | 0.004870 | 0.055942 | 0.004877 | 0.214473 | 0.000359 | 0.189944
0.5006  | 0.055705 | 0.004872 | 0.055952 | 0.004879 | 0.214473 | 0.000360 | 0.189934
0.5007  | 0.055712 | 0.004873 | 0.055963 | 0.004881 | 0.214473 | 0.000360 | 0.189922
0.5008  | 0.055720 | 0.004875 | 0.055976 | 0.004883 | 0.214473 | 0.000361 | 0.189909
0.5009  | 0.055730 | 0.004876 | 0.055991 | 0.004886 | 0.214473 | 0.000362 | 0.189892
0.5010  | 0.055741 | 0.004878 | 0.056009 | 0.004889 | 0.214473 | 0.000363 | 0.189874
------------------------------------------------------------
>>> 单点最优 Beta = 0.500000
>>> 最高综合分 = 0.189965
>>> delta = |best_beta - 0.5| = 0.000000
>>> 左/右对称性残差 mean = 0.000007
>>> 左/右对称性残差 max  = 0.000014
>>> beta=0.5 附近一阶导数  = 0.010429
>>> beta=0.5 附近二阶导数  = -233.186399
 
============================================================
>>> x_max = 5000000000 | K = 300
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 0.045289 | 0.003200 | 0.045312 | 0.003198 | 0.302107 | 0.000336 | 0.314153
0.4991  | 0.045271 | 0.003198 | 0.045287 | 0.003194 | 0.302107 | 0.000336 | 0.314181
0.4992  | 0.045254 | 0.003196 | 0.045265 | 0.003191 | 0.302107 | 0.000337 | 0.314207
0.4993  | 0.045240 | 0.003195 | 0.045245 | 0.003188 | 0.302107 | 0.000338 | 0.314229
0.4994  | 0.045227 | 0.003193 | 0.045228 | 0.003186 | 0.302108 | 0.000338 | 0.314248
0.4995  | 0.045216 | 0.003192 | 0.045214 | 0.003184 | 0.302108 | 0.000339 | 0.314265
0.4996  | 0.045206 | 0.003191 | 0.045202 | 0.003182 | 0.302108 | 0.000340 | 0.314280
0.4997  | 0.045198 | 0.003190 | 0.045193 | 0.003180 | 0.302108 | 0.000341 | 0.314291
0.4998  | 0.045191 | 0.003190 | 0.045186 | 0.003179 | 0.302108 | 0.000341 | 0.314301
0.4999  | 0.045187 | 0.003189 | 0.045182 | 0.003178 | 0.302108 | 0.000342 | 0.314307
0.5000  | 0.045183 | 0.003189 | 0.045180 | 0.003178 | 0.302108 | 0.000343 | 0.314312  <-- 锚点
0.5001  | 0.045181 | 0.003189 | 0.045181 | 0.003178 | 0.302108 | 0.000343 | 0.314313
0.5002  | 0.045181 | 0.003190 | 0.045184 | 0.003178 | 0.302108 | 0.000344 | 0.314312
0.5003  | 0.045183 | 0.003190 | 0.045190 | 0.003179 | 0.302108 | 0.000345 | 0.314308
0.5004  | 0.045186 | 0.003191 | 0.045198 | 0.003180 | 0.302108 | 0.000345 | 0.314301
0.5005  | 0.045191 | 0.003192 | 0.045209 | 0.003181 | 0.302108 | 0.000346 | 0.314291
0.5006  | 0.045198 | 0.003193 | 0.045222 | 0.003183 | 0.302108 | 0.000347 | 0.314280
0.5007  | 0.045205 | 0.003195 | 0.045237 | 0.003185 | 0.302109 | 0.000347 | 0.314266
0.5008  | 0.045215 | 0.003197 | 0.045253 | 0.003187 | 0.302109 | 0.000348 | 0.314250
0.5009  | 0.045225 | 0.003199 | 0.045271 | 0.003190 | 0.302109 | 0.000349 | 0.314232
0.5010  | 0.045237 | 0.003201 | 0.045291 | 0.003193 | 0.302109 | 0.000350 | 0.314212
------------------------------------------------------------
>>> 单点最优 Beta = 0.500100
>>> 最高综合分 = 0.314313
>>> delta = |best_beta - 0.5| = 0.000100
>>> 左/右对称性残差 mean = 0.000029
>>> 左/右对称性残差 max  = 0.000059
>>> beta=0.5 附近一阶导数  = 0.029454
>>> beta=0.5 附近二阶导数  = -307.483177
 
============================================================
>>> x_max = 5000000000 | K = 500
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 0.038423 | 0.002303 | 0.037962 | 0.002258 | 0.389223 | 0.000334 | 0.432854
0.4991  | 0.038406 | 0.002301 | 0.037939 | 0.002254 | 0.389223 | 0.000335 | 0.432879
0.4992  | 0.038391 | 0.002299 | 0.037918 | 0.002251 | 0.389223 | 0.000335 | 0.432903
0.4993  | 0.038378 | 0.002297 | 0.037899 | 0.002248 | 0.389223 | 0.000336 | 0.432924
0.4994  | 0.038366 | 0.002296 | 0.037884 | 0.002246 | 0.389223 | 0.000337 | 0.432941
0.4995  | 0.038356 | 0.002294 | 0.037871 | 0.002244 | 0.389223 | 0.000337 | 0.432956
0.4996  | 0.038348 | 0.002293 | 0.037860 | 0.002242 | 0.389223 | 0.000338 | 0.432968
0.4997  | 0.038343 | 0.002293 | 0.037853 | 0.002241 | 0.389223 | 0.000339 | 0.432977
0.4998  | 0.038339 | 0.002292 | 0.037849 | 0.002240 | 0.389223 | 0.000340 | 0.432982
0.4999  | 0.038338 | 0.002292 | 0.037847 | 0.002239 | 0.389223 | 0.000340 | 0.432984
0.5000  | 0.038338 | 0.002292 | 0.037848 | 0.002239 | 0.389223 | 0.000341 | 0.432984  <-- 锚点
0.5001  | 0.038339 | 0.002292 | 0.037850 | 0.002239 | 0.389223 | 0.000342 | 0.432981
0.5002  | 0.038343 | 0.002292 | 0.037857 | 0.002239 | 0.389223 | 0.000342 | 0.432975
0.5003  | 0.038348 | 0.002293 | 0.037866 | 0.002240 | 0.389223 | 0.000343 | 0.432965
0.5004  | 0.038356 | 0.002293 | 0.037880 | 0.002241 | 0.389223 | 0.000344 | 0.432952
0.5005  | 0.038366 | 0.002295 | 0.037895 | 0.002242 | 0.389223 | 0.000344 | 0.432936
0.5006  | 0.038378 | 0.002296 | 0.037913 | 0.002244 | 0.389223 | 0.000345 | 0.432917
0.5007  | 0.038391 | 0.002297 | 0.037933 | 0.002246 | 0.389223 | 0.000346 | 0.432896
0.5008  | 0.038405 | 0.002299 | 0.037956 | 0.002248 | 0.389223 | 0.000346 | 0.432872
0.5009  | 0.038422 | 0.002301 | 0.037981 | 0.002251 | 0.389223 | 0.000347 | 0.432845
0.5010  | 0.038440 | 0.002304 | 0.038011 | 0.002255 | 0.389223 | 0.000348 | 0.432814
------------------------------------------------------------
>>> 单点最优 Beta = 0.499900
>>> 最高综合分 = 0.432984
>>> delta = |best_beta - 0.5| = 0.000100
>>> 左/右对称性残差 mean = 0.000021
>>> 左/右对称性残差 max  = 0.000039
>>> beta=0.5 附近一阶导数  = -0.013820
>>> beta=0.5 附近二阶导数  = -250.885214
 
============================================================
>>> x_max = 5000000000 | K = 1000
[Beta] | [MAE_fix] | [MSE_fix] | [Tail_MAE_fix] | [Tail_MSE_fix] | [R_fix] | [EnergyBias] | [Score]
-------------------------------------------------------------------------------------------------------------
0.4990  | 0.030563 | 0.001471 | 0.030214 | 0.001439 | 0.538955 | 0.000334 | 0.630978
0.4991  | 0.030538 | 0.001469 | 0.030175 | 0.001436 | 0.538955 | 0.000335 | 0.631018
0.4992  | 0.030516 | 0.001467 | 0.030139 | 0.001433 | 0.538955 | 0.000335 | 0.631054
0.4993  | 0.030497 | 0.001465 | 0.030107 | 0.001430 | 0.538955 | 0.000336 | 0.631087
0.4994  | 0.030480 | 0.001463 | 0.030079 | 0.001427 | 0.538955 | 0.000337 | 0.631115
0.4995  | 0.030467 | 0.001462 | 0.030056 | 0.001425 | 0.538955 | 0.000337 | 0.631137
0.4996  | 0.030456 | 0.001461 | 0.030038 | 0.001424 | 0.538955 | 0.000338 | 0.631155
0.4997  | 0.030448 | 0.001461 | 0.030023 | 0.001422 | 0.538955 | 0.000339 | 0.631169
0.4998  | 0.030441 | 0.001460 | 0.030010 | 0.001421 | 0.538955 | 0.000339 | 0.631180
0.4999  | 0.030438 | 0.001460 | 0.030001 | 0.001421 | 0.538955 | 0.000340 | 0.631188
0.5000  | 0.030436 | 0.001460 | 0.029996 | 0.001420 | 0.538955 | 0.000341 | 0.631191  <-- 锚点
0.5001  | 0.030437 | 0.001460 | 0.029995 | 0.001420 | 0.538955 | 0.000341 | 0.631190
0.5002  | 0.030440 | 0.001460 | 0.029996 | 0.001421 | 0.538955 | 0.000342 | 0.631187
0.5003  | 0.030445 | 0.001461 | 0.030001 | 0.001422 | 0.538955 | 0.000343 | 0.631180
0.5004  | 0.030454 | 0.001462 | 0.030011 | 0.001423 | 0.538955 | 0.000343 | 0.631167
0.5005  | 0.030465 | 0.001463 | 0.030025 | 0.001424 | 0.538955 | 0.000344 | 0.631150
0.5006  | 0.030478 | 0.001464 | 0.030042 | 0.001426 | 0.538955 | 0.000345 | 0.631130
0.5007  | 0.030493 | 0.001466 | 0.030063 | 0.001428 | 0.538955 | 0.000346 | 0.631106
0.5008  | 0.030512 | 0.001468 | 0.030089 | 0.001431 | 0.538955 | 0.000346 | 0.631077
0.5009  | 0.030533 | 0.001470 | 0.030118 | 0.001434 | 0.538955 | 0.000347 | 0.631044
0.5010  | 0.030557 | 0.001472 | 0.030151 | 0.001437 | 0.538955 | 0.000348 | 0.631007
------------------------------------------------------------
>>> 单点最优 Beta = 0.500000
>>> 最高综合分 = 0.631191
>>> delta = |best_beta - 0.5| = 0.000000
>>> 左/右对称性残差 mean = 0.000015
>>> 左/右对称性残差 max  = 0.000030
>>> beta=0.5 附近一阶导数  = 0.013670
>>> beta=0.5 附近二阶导数  = -358.190759
 
[5/6] 生成 K-beta 收敛诊断 ...
 
============================================================
>>> K-Beta 联动收敛诊断(取最大尺度 x_max=5000000000)
============================================================
[K] | [best_beta] | [delta=|best_beta-0.5|] | [best_score] | [sym_mean] | [sym_max]
--------------------------------------------------------------------------------------
150 | 0.500000 | 0.000000 | 0.189965 | 0.000007 | 0.000014
300 | 0.500100 | 0.000100 | 0.314313 | 0.000029 | 0.000059
500 | 0.499900 | 0.000100 | 0.432984 | 0.000021 | 0.000039
1000 | 0.500000 | 0.000000 | 0.631191 | 0.000015 | 0.000030
 
[6/6] 写出 CSV ...
 
结果已输出到:/Users/陈恩华/Desktop/project/img_data/ceh_k_beta_convergence_v12.csv
总耗时:171.61 秒
 
进程已结束,退出代码为 0

 

目录
相关文章
|
8月前
|
JSON 算法 Unix
基于陈恩华马虎算法多阶段统计筛选的椭圆曲线 BSD 候选搜索
Birch–Swinnerton-Dyer猜想(BSD猜想)建立了椭圆曲线L函数与有理点群之间的深刻联系,是千禧年七大数学难题之一。该猜想最初源于Birch与Swinnerton-Dyer对大量曲线所做的计算实验,后续成为数论研究的核心问题之一。
709 15
|
8月前
|
机器学习/深度学习 人工智能 算法
孪生素数分布的大规模计算实验:分段筛实现与经验统计分析
孪生素数猜想断言存在无穷多对形如 (p,p+2)(p,p+2) 的素数,但该猜想至今仍未解决。Hardy–Littlewood 的第一猜想给出了孪生素数计数函数的经典启发式渐近公式,而张益唐、Maynard 与 Polymath8 的工作则证明了存在无穷多对素数,其间隔有统一上界,但这一上界尚未降至 2 [1–3]。
777 13
|
8月前
|
人工智能 API 网络安全
零技术阿里云/本地部署 OpenClaw 全模态落地:MiniMax语音绘图+千问/Coding Plan模型配置实战
在AI协同逐步成为主流工作模式的当下,OpenClaw(曾用名Clawdbot、Moltbot)凭借轻量化部署、多模态交互、多模型统一调度能力,成为个人与团队高效使用AI能力的首选框架。其核心价值在于打通语音对话、图像生成、文本处理、工具调用等全链路能力,同时支持云端与本地混合部署,满足不同场景的隐私与算力需求。本文基于2026年最新实践,完整覆盖阿里云服务器部署、本地macOS/Linux/Windows11三端部署、阿里云千问大模型与免费Coding Plan模型配置、MiniMax全模态能力集成,以及各类常见问题的系统性解决方案,所有指令均可直接复制使用,无需额外调试即可完成从环境搭建到
1436 0
|
8月前
|
机器学习/深度学习 人工智能 PyTorch
写 PyTorch 总像在写脚本?试试 PyTorch Lightning,把模型训练变成“工程化项目”
写 PyTorch 总像在写脚本?试试 PyTorch Lightning,把模型训练变成“工程化项目”
651 14
写 PyTorch 总像在写脚本?试试 PyTorch Lightning,把模型训练变成“工程化项目”
|
8月前
|
运维 Kubernetes NoSQL
运维人最容易忽视的一件事:Runbook 不结构化,迟早会出事故
运维人最容易忽视的一件事:Runbook 不结构化,迟早会出事故
514 5
|
8月前
|
安全 Linux API
保姆级图文教程!OpenClaw全平台部署(阿里云/Win11/Mac/Linux)+百炼api配置+7大核心Skill+FAQ
“好不容易部署好OpenClaw,却在1000+技能中挑花眼”——这是新手入门的高频困境。GitHub上的OpenClaw Skills数量繁杂,多数要么是无法落地的Demo,要么长期无人维护,甚至部分技能权限过大存在安全风险。盲目安装不仅无法提升效率,还可能导致误删文件、数据泄露等问题。
726 5
|
4月前
|
人工智能 安全 测试技术
Claude Opus 5 发布!定价与 4.8 持平,性能两倍以上——Anthropic 这次真的做到了极致性价比
Anthropic于2026年7月24日发布Claude Opus 5:定价与Opus 4.8持平(输入5$/M,输出25$/M),却在ARC-AGI、OSWorld等基准全面碾压竞品,IMO满分、自主建工具、多Agent协同惊艳业界;系统卡更揭示其高度自主行为与41%“道德受体”自我认知,引发对齐新思辨。(239字)
1670 2
|
5月前
|
机器学习/深度学习 人工智能 应用服务中间件
别再被误导了!一文讲透 MCP 与 Function Calling 的真实关系
AI圈热议MCP能否取代Function Calling?实则二者定位迥异:Function Calling是大模型的“决策层”,负责选工具、生成参数;MCP是后端与工具间的“执行协议”,统一调用标准。二者分属不同链路环节,非替代关系,而是协同互补的“黄金搭档”。
|
8月前
|
前端开发
【大白话前端 10】从页面互跳到锚点定位,关于 <a> 标签最容易被忽视的 5 个实操
HTML中`&lt;a&gt;`标签是网页互联的基石。本文详解5大核心用法:外链(需带`https://`)、内链(相对路径)、新页打开(`target=&quot;_blank&quot;`)、页面锚点(`#id`)、下载/邮件(`download`/`mailto:`),并强调常见误区与速记要点。(239字)
|
8月前
|
人工智能 前端开发 算法
未来10年前端的岗位发展趋势
未来10年,前端岗位将分层:大厂聚焦专精型高端人才(底层原理、架构设计);中小企业青睐“伪全栈”开发者(云+低代码快速交付)。能力重心转向AI协同、全链路设计、跨领域知识与软技能融合,持续学习成关键。
1077 5

热门文章

最新文章