schubert_polynomial_structure_constants_4

本数据集包含了Schubert多项式乘积的结构常数，每个实例是一个三元组(α,β,γ)，其中α和β来自对称群S_n的n个元素，而γ可能来自一个更大的对称群。每个三元组被标记为其在Schubert多项式乘积展开中的系数c^γ_αβ。数据集分为n=4,5,6三种大小，每种大小的数据集都包含训练和测试数据。

This dataset contains the structure constants for the product of Schubert polynomials. Each instance is a triple (α, β, γ), where α and β are elements of the symmetric group Sₙ, while γ may originate from a larger symmetric group. Each triple is labeled with its coefficient c^γ_αβ in the expansion of the product of Schubert polynomials. The dataset is divided into three groups corresponding to n = 4, 5, and 6, and each group contains both training and test data.

搜集汇总

数据集介绍

构建方式

在代数组合学领域，舒伯特多项式结构常数的构建依托于对称群S_n中元素对的乘积展开。该数据集通过Sage数学软件计算所有α、β∈S_4的舒伯特多项式乘积，系统提取非零结构常数c^{γ}_{αβ}，并采用随机置换策略生成对应的零系数样本，最终形成包含2105个样本的平衡数据集。

使用方法

研究者可通过输入三元排列(α,β,γ)预测结构常数c^{γ}_{αβ}，其核心任务在于挖掘排列组合与系数值的隐式映射规则。数据集已划分为1684条训练样本与421条测试样本，支持逻辑回归、多层感知机及Transformer等模型进行规则提取，为代数组合猜想的机器学习验证提供实证基础。

背景与挑战

背景概述

舒伯特多项式作为代数组合学与代数几何交叉领域的核心研究对象，由Bernstein、Gel'fand等学者于20世纪70年代提出，旨在研究旗流形的上同调环结构。该数据集由太平洋西北国家实验室的Henry Kvinge团队于2025年构建，聚焦于对称群S₄中舒伯特多项式结构常数的计算问题。这些常数揭示了多项式乘法展开的系数规律，对李理论、表示论及组合数学的深层结构研究具有重要理论价值。

当前挑战

该数据集核心挑战在于舒伯特多项式结构常数的组合解释尚未解决，其乘法的线性展开系数缺乏类似Schur多项式的Littlewood-Richardson组合规则。构建过程中需处理高维对称群中置换三元组的枚举复杂性，通过Sage数学软件生成非零系数样本时，需精确控制零与非零实例的平衡，并避免重复采样，这对算法效率和数学严谨性提出双重考验。

常用场景

经典使用场景

在代数组合数学领域，该数据集为舒伯特多项式结构常数的组合解释研究提供了关键实验数据。研究者通过分析三元排列组合(α,β,γ)与对应结构常数c^γ_αβ的映射关系，探索多项式乘法展开的深层规律。该数据集特别适用于训练机器学习模型识别排列组合模式与结构常数取值的关联性，为传统代数方法难以解决的组合优化问题提供新的计算视角。

解决学术问题

该数据集致力于解决舒伯特多项式理论中的核心难题——结构常数的组合解释问题。通过系统化采集n=4情形下的非零结构常数样本，为验证组合猜想提供了数据基础。其意义在于搭建了代数几何与组合数学的桥梁，推动了旗流形上同调环的结构研究，同时为机器学习介入纯数学猜想发现提供了范式，对发展计算代数几何方法论具有深远影响。

实际应用

在实际应用层面，该数据集支撑了组合优化算法的验证与改进，特别是在符号计算系统中实现高效的多项式乘法展开。其提供的排列组合标注数据可用于开发数学辅助证明工具，帮助研究者快速验证舒伯特多项式乘积的系数猜想。此外，在教育教学领域，该数据集可作为高级代数组合课程的典型案例，帮助学生直观理解抽象代数结构的计算实现。

数据集最近研究

最新研究方向

在代数组合数学领域，舒伯特多项式结构常数数据集正推动机器学习与纯数学的深度融合。前沿研究聚焦于利用Transformer等深度学习架构解析三元排列组合的隐藏模式，旨在突破传统组合解释的局限性。当前热点集中于模型可解释性研究，通过神经网络提取的决策规则为经典数学猜想提供新视角，这一交叉研究不仅革新了组合不变量的计算方法，更为代数几何与表示理论的关联性研究开辟了算法验证的新范式。