「ダーク・アリー 数学」

2026/02/03 0:58

「ダーク・アリー 数学」

RSS: https://news.ycombinator.com/rss

要約

Japanese Translation:

記事は、単位円内で独立に一様分布で選ばれた3点の外接円が、その同じ円内部に完全に収まる確率を計算しています。6つの直交座標 ((x_i,y_i)) を外心 ((X,Y))、半径 (r)、およびこの中心から見た点の極角 (\phi_1,\phi_2,\phi_3) に変換することで、ヤコビアンは次のように簡略化されます

[ |J|= r^{3}\Bigl|\sin(\phi_{1}-\phi_{2})+\sin(\phi_{2}-\phi_{3}) +\sin(\phi_{3}-\phi_{1})\Bigr|. ]

外接円が単位円内に留まる条件は (X^2+Y^2+r \le 1) です。これにより確率積分は半径成分

[ \int_{0}^{1} r^{3}(1-r)^{2},dr = \frac{1}{20}, ]

と角度成分

[ \int_{0}^{2\pi}!!\int_{0}^{2\pi}!!\int_{0}^{2\pi} \Bigl|\sin(\phi_{1}-\phi_{2})+\sin(\phi_{2}-\phi_{3}) +\sin(\phi_{3}-\phi_{1})\Bigr|,d\phi_1,d\phi_2,d\phi_3 = 24\pi^{2} ]

に分離されます。

構成空間全体の総体積 (\pi^{3}) で正規化すると

[ P=\frac{1}{\pi^{3}}\left(\frac{1}{20}\right)(24\pi^{2}) = \boxed{\frac{5}{24}}. ]

この結果は、円内のランダムな点を扱う古典的な幾何確率問題を拡張し、変数変換とヤコビアン解析が半径成分と角度成分を分離できることを示しています。明示的な確率は、境界領域内でランダムな幾何構成をモデル化する研究者やエンジニアに有用となり得ます。

本文

01 2026年2月
ヤコビアン積分


アリでの苦悩

夜、暗いアリを一人で歩いていると、フードを被った人物が立ち止まり、
「今すぐこの数学問題を解け。さもなくば必ず撃ってやる」と言います。
彼は紙に次の命題を書いたものを渡します:

単位円の内部から独立かつ一様に三点が選ばれたとき、
それらの外接円が単位円の中に完全に収まる確率はいくらか?

あなたの命運はここに委ねられている。慎重に計算せよ。


カーテシアン座標で始める

合計6つの座標がある:

[ (x_1,y_1),;(x_2,y_2),;(x_3,y_3) ]

外接円を表す変数へと置き換えると便利だ:

  • 中心 (O=(X,Y))
  • 半径 (r)
  • 角度 (\varphi_1,\varphi_2,\varphi_3)

そして

[ x_i = X + r\cos\varphi_i ,\qquad y_i = Y + r\sin\varphi_i \quad (i=1,2,3) ]


ヤコビアン

変換行列は

[ J=\begin{bmatrix} \partial x_1/\partial X & \partial x_1/\partial Y & \partial x_1/\partial r & \partial x_1/\partial\varphi_1 & \partial x_1/\partial\varphi_2 & \partial x_1/\partial\varphi_3\[4pt] \partial y_1/\partial X & \partial y_1/\partial Y & \partial y_1/\partial r & \partial y_1/\partial\varphi_1 & \partial y_1/\partial\varphi_2 & \partial y_1/\partial\varphi_3\[4pt] \vdots & \vdots & \vdots & \vdots & \vdots & \vdots \end{bmatrix}

\begin{bmatrix} 1&0&r\cos\varphi_1&-r\sin\varphi_1&0&0\ 0&1&r\sin\varphi_1&r\cos\varphi_1&0&0\ 1&0&r\cos\varphi_2&0&-r\sin\varphi_2&0\ 0&1&r\sin\varphi_2&0&r\cos\varphi_2&0\ 1&0&r\cos\varphi_3&0&0&-r\sin\varphi_3\ 0&1&r\sin\varphi_3&0&0&r\cos\varphi_3 \end{bmatrix} ]

最後の三列から (r^3) を因数分離すると、残る行列はブロック上三角形になり
左上の (2\times2) ブロックが単位行列なので

[ \det J = r^3,\bigl|\sin(\varphi_1-\varphi_2)+\sin(\varphi_2-\varphi_3)+\sin(\varphi_3-\varphi_1)\bigr|. ]


確率積分

点は単位円(面積 (\pi))から一様に選ばれるので、6つのカーテシアン座標の同時確率密度は (1/\pi^3) である。したがって

[ P=\frac{1}{\pi^3}\int_{\text{条件}}!!|J|;dX,dY,dr,d\varphi_1,d\varphi_2,d\varphi_3 . ]

「外接円が単位円の中に収まる」という条件は

[ X^2+Y^2+r \le 1. ]


幾何学的部分

半径 (r) が決まっているとき、中心は半径 (1-r) の円内にある必要がある。
したがって

[ \int dX,dY = \pi(1-r)^2,\qquad 0\le r\le 1 . ]

半径方向の積分項は

[ \int_0^1 r^3,\pi(1-r)^2,dr. ]


角度部分

次を定義する:

[ S(\varphi_1,\varphi_2,\varphi_3)= \sin(\varphi_1-\varphi_2)+\sin(\varphi_2-\varphi_3)+\sin(\varphi_3-\varphi_1). ]

恒等式
[ S=4,\sin\frac{\varphi_1-\varphi_2}{2}, \sin\frac{\varphi_2-\varphi_3}{2}, \sin\frac{\varphi_3-\varphi_1}{2} ] を用いると、三重積分は

[ I=\int_{0}^{2\pi}!!\int_{0}^{2\pi}!!\int_{0}^{2\pi} |S|,d\varphi_1,d\varphi_2,d\varphi_3 =24\pi^2. ]

(計算は差分 (u=\varphi_1-\varphi_2,;v=\varphi_2-\varphi_3) を導入し、対称性を利用して行う。)


最終結果

すべてを合わせると:

[ P=\frac{1}{\pi^3},(24\pi^2), \int_{0}^{1} r^3,\pi(1-r)^2,dr =24\int_{0}^{1}(r^3-2r^4+r^5),dr =24!\left[\frac{1}{4}-\frac{2}{5}+\frac{1}{6}\right] =\boxed{\tfrac{25}{64}}. ]

したがって、単位円内から無作為に選ばれた三点の外接円が同じ円内に完全に収まる確率は
(25/64 \approx 0.3906) である。

同じ日のほかのニュース

一覧に戻る →

2026/02/07 6:51

**OpenCiv3:サイクリズム・III のオープンソースでクロスプラットフォーム化した再構築**

## Japanese Translation: OpenCiv3は、Civilization IIIのオープンソースでクロスプラットフォームなリメイクであり、レガシー制限を取り除き、モッドサポートを拡張しつつもコアゲームプレイを保持します。Godot EngineとC#で構築されており、Windows、Linux、macOS上でネイティブに動作し、専用のCivilization IIIファイルは不要です(ただしローカルコピーがあると互換性が向上します)。 現在のプレアルファ版(v0.3「Dutch」、2025年12月)は、OS固有のzipまたはtgz(「スタンドアロンモード」でプレースホルダーグラフィック付き)として配布されます。インストール手順は以下の通りです。 - **Windows** – zipを解凍し、`OpenCiv3.exe` をダブルクリックします。ブロックされている場合は解除し、自動検出できない場合は環境変数 `CIV3_HOME` にCivilization IIIフォルダーのパスを設定してください。 - **Linux** – `.tgz` を解凍し、`export CIV3_HOME="/path/to/civ3"` としてから `OpenCiv3.x86_64` を実行します。 - **macOS** – zipを解凍し、`xattr -cr /path/to/OpenCiv3.app` でクォータリゼーションを解除し、同様に `CIV3_HOME` を設定してターミナルから起動します。 既知の問題としてはプレースホルダー資産、不完全なBIQ/SAVファイルサポート(クラッシュを引き起こす可能性があります)、および新規ゲーム開始時にマップ生成用保存ファイルが欠如しているためmacOSでクラッシュするケースがあります。最低ハードウェア要件はまだ公開されていません。プロジェクトはMITライセンスの下でリリースされ、Firaxis、CivFanatics.com、その他の団体とは独立しています。 開発者はBIQ/SAVサポートの完全復元、プラットフォーム別クラッシュ(特にmacOS)の修正、後半ゲームコンテンツの追加、およびグラフィックと安定性の向上に積極的に取り組んでいます。バグや機能要望はGitHubで追跡されており、コミュニティからの貢献が奨励されています。 モッドフレンドリーでクロスプラットフォームな基盤を提供することで、OpenCiv3はプレイヤーと開発者にオリジナルIPを侵害せずにクラシックなCivilization体験を拡張する機会を提供します。

2026/02/07 1:20

Waymoワールドモデル

## Japanese Translation: > **Waymoは、Waymo World Modelという生成シミュレーションエンジンを公開しました。このエンジンは、極端な天候・自然災害・象やロングホーンのような珍しいオブジェクト、逆走トラックなど安全に関わるインシデントを含むハイパーリアリスティックな自律運転シナリオを生成します。** > Google DeepMind の Genie 3 をベースにしたこのモデルは、カメラと LiDAR データを融合し、ドライビングアクション制御・シーンレイアウト制御・時間帯、天候、カスタムシナリオを調整する言語プロンプトという3つの制御機構を提供します。録画済みまたは新規生成されたルートに対して代替ドライビング決定を評価する「what‑if」反実仮想シミュレーションもサポートしています。 > Waymo Driver は米国都市で約 2 億マイルの完全自律走行距離を記録し、数十億マイルに相当するバーチャル走行をシミュレートしてきました。World Model はリアルなダッシュカムやモバイルカメラ映像を多模態シミュレーションへ変換し、正確な視覚シーンと一致させることでこの機能を拡張します。効率的なバリアントは実時間の最大4倍速で動作し、計算資源を削減しつつ長時間テストが可能です。 > このシステムは、安全性が証明された自律運転を実現するために Waymo の AI エコシステムの重要柱となっており、Waymo と Google DeepMind からなる大規模チームによって開発されています。

2026/02/05 20:19

**ジオジョインをH3インデックスで400 倍高速化した手法** - **問題点:** 大規模な空間データセットに対する従来のジオジョインクエリは、ポイント‐イン‐ポリゴン判定やテーブル全体のスキャンが必要だったため遅延が大きかった。 - **解決策:** Uber の H3 ヘキサゴナル階層インデックスシステムを利用し、空間情報を固定サイズセルへ事前集約した。 - **実装手順:** 1. すべてのジオメトリ(点・線・多角形)を適切な解像度で対応する H3 インデックスに変換する。 2. 生成されたインデックスを別テーブルに格納し、H3 キーで索引付けする。 3. ジョイン時には、重複した H3 インデックスをキーとしてマッチさせ、膨大な空間判定処理を回避する。 - **結果:** クエリ遅延が数時間から数分へと短縮され、約 400 倍の高速化を実現。また、選択した解像度内であれば空間的正確性は維持された。 ジオメトリ比較を単純な整数キー検索に置き換えることで、データの忠実度を損なうことなく大幅なパフォーマンス向上を達成しました。

## Japanese Translation: ## Summary この記事は、コストの高い空間述語をH3ベースの集合演算に置き換えることで、遅い二次元空間結合をコンパクトなキーで高速ハッシュ結合へと変換する方法を示しています。各ジオメトリを解像度 3 の少数の H3 セルで覆うことにより、結合は最初にセルを共有する候補ペアをフィルタリングし、その後で正確な `ST_Intersects` をその候補のみに適用します。これにより、潜在的に何百万もの交差チェックが、フィルタ済みセットだけに減少し、テストで 400 倍の速度向上を実現しています。この手法は CTE、ビュー、およびサブクエリとシームレスに機能し、追加のマテリアライズドテーブルやスキーマ変更は不要です。したがって、精度を下げるなどの実験も容易になります。高い H3 解像度では偽陽性が減少しますが、形状ごとのセル数が増加し、低解像度ではインデックス作成が簡単ですが、解像度 4 を超えるとセル数の増加により急激に大きくなります。実際には、この書き換えにより 15 ワーカーの Xeon クラスターで結合時間を約 459 秒から約 1.2 秒へ短縮し、正確な一致精度(最終的な `ST_Intersects` によって偽陽性が除去される)を維持したまま高速な空間分析を可能にしています。