coefficients_of_kl_polynomials_5

该数据集包含了大小为5, 6, 和7的排列的Kazhdan-Lusztig多项式的系数。数据集的每个实例都由一对排列以及多项式P_{x,w}(q)的系数组成。数据集由Greg Warrington的C代码生成，可用于机器学习和数学研究。数据集中的系数具有多种属性，例如常数项、q的系数、q^2的系数等，这些系数在不同的排列组合下有不同的取值。数据集还提供了模型在不同排列大小下的预测准确性。

搜集汇总

数据集介绍

构建方式

在代数组合数学领域，Kazhdan-Lusztig多项式系数的计算依赖于递归算法与组合表示理论的深度结合。本数据集通过Greg Warrington教授开发的C语言计算工具，系统生成了S₅、S₆和S₇对称群中所有置换对的KL多项式系数。计算过程严格遵循Kazhdan-Lusztig原始递归公式，确保每个多项式系数的数学准确性，最终以标准化格式记录常数项到高次项系数的整数值序列。

特点

该数据集的核心特征体现在其数学结构的精细性与统计分布的稀疏性。系数值呈现高度偏态分布，如S₅的q²项系数仅有0.05%非零值，而S₇的q⁴项系数非零率不足14%。这种分布特性反映了KL多项式在组合表示理论中的深层规律，为研究系数组合解释提供了关键实证基础。数据采用分层抽样划分训练测试集，保持了各类别分布的均衡性。

使用方法

研究者可通过加载标准化数据格式，获取置换对与对应多项式系数的映射关系。典型应用包括构建分类模型预测特定次项系数，或通过多任务学习同步预测全部系数。输入特征为置换对的序列编码，输出为目标系数的离散分类标签。评估需采用宏F1分数等指标以应对类别不平衡问题，模型性能分析应结合置信区间以确保统计显著性。

背景与挑战

背景概述

Kazhdan-Lusztig多项式作为代数组合学与表示理论的核心研究对象，由David Kazhdan与George Lusztig于1979年共同提出，深刻影响了Schubert几何、Hecke代数及对称群表示理论的发展。该数据集由太平洋西北国家实验室的Henry Kvinge团队构建，专注于五元置换群对应的多项式系数，旨在通过计算数学与机器学习交叉研究揭示系数分布的潜在规律。

当前挑战

该数据集核心挑战在于KL多项式系数缺乏显式计算公式与组合解释，尤其高阶项的μ系数性质仍属开放问题；构建过程中需处理置换群规模增长带来的计算复杂性，例如七元置换的系数枚举需高效算法支持，同时需保证系数标注的数学严谨性与数据一致性。

常用场景

经典使用场景

在代数组合数学领域，该数据集为研究Kazhdan-Lusztig多项式的系数分布提供了系统化基准。研究者通过分析五元置换对的多项式系数，探索其与置换长度、Bruhat序等组合结构的内在关联，为理解对称群表示论中的几何特性奠定基础。

解决学术问题

该数据集解决了组合表示论中关于KL多项式系数模式的猜想验证问题。通过量化分析系数值与置换对的关系，为μ系数等关键指标的组合解释提供实证支持，推动了Hecke代数与舒伯特簇上同调理论交叉研究的深化。

衍生相关工作

基于该数据集衍生了多项经典研究，包括Warrington对Sn中μ系数等价类的分类工作，以及Chau等人开发的机器学习框架。这些工作通过结合组合算法与深度学习，显著推进了KL多项式计算复杂度的优化与模式发现。