現代基本計算表示方法觀察

從固定字長浮點、精確結構到可精化與可驗證計算

作者： Neo.K；Aletheia（GPT-5.6 Thinking）
日期： 2026-07-20
版本： v0.1
文件性質： 現代技術整理／觀察論文

範圍聲明

本文是截至 2026 年 7 月 20 日，針對現代數學、科學計算與計算機代數中常見計算表示方法所做的代表性整理。本文不等於現代全部知識、全部技術、全部數值格式、全部數學結構、全部形式驗證方法或全部硬體實作。不同研究領域仍存在大量專用表示、混合方法、實驗系統與尚未納入本文的技術分支。

摘要

現代計算經常被簡化為「電腦使用二進位浮點數表示數值」。此敘述對一般硬體計算具有部分正確性，但不足以描述現代數學與物理計算的完整實務。當問題涉及超大整數、精確分數、代數數、符號公式、高精度特殊函數、混沌動力學、區間證明、可計算實數、 $p$-進數、稀疏結構或高維張量時，單一固定字長浮點格式並不足以承載所需的數學語義。

本文提出一個基本觀察：現代計算表示不只是「將數值存入記憶體」，而是選擇一套關於數學本體、編碼方式、精度語義、誤差語義、精化能力與證明狀態的共同契約。

本文將代表性計算表示整理為七個基本類別：

精確離散值；
精確生成結構；
固定精度近似；
可擴展近似；
集合值包絡；
可精化程序；
替代拓撲與結構化表示。

本文的核心結論是：現代計算並未以單一「無限浮點數」解決無限精度問題，而是透過精確有限結構、任意精度、自適應精度、區間或球算術、延遲計算、可計算實數與問題特定表示，將無限數學對象轉化為可逐步詢問、可逐步精化、可追蹤誤差或可保留生成規則的有限計算過程。

關鍵詞

浮點數；任意精度；精確計算；區間算術；球算術；符號計算；可計算實數；數值表示； $p$-進數；計算機代數

一、問題不是只有「浮點位數不夠」

在一般計算機中，固定精度浮點數通常以有限尾數和有限指數表示：

x=(-1)^s\,m\,b^e.

其中：

$s$ 是符號；
$m$ 是有限長度尾數；
$b$ 是基數；
$e$ 是有限範圍指數。

這種表示必然只能覆蓋有限集合。

即使指數範圍極大、尾數位數很多，它仍然不能直接儲存任意實數的完整無限展開。

但「增加浮點位數」只是問題的一部分。更完整的問題至少包括：

表示範圍是否足夠；
有效精度是否足夠；
運算是否精確；
誤差是否可追蹤；
對象是否適合使用位置進位制；
結果是否需要嚴格證明；
是否能按需求產生更多資訊；
是否選擇了錯誤的數學空間。

例如：

\frac13

在有限十進位或二進位浮點中都需要截斷，但以有理數對：

(1,3)

表示時卻是精確的。

同樣地：

\sqrt2

雖然具有無限不循環小數，但可以由：

x^2-2=0, \qquad x\in(1,2)

有限而精確地指定。

因此，無限小數不必然要求儲存無限位數。

二、現代計算表示的六個基本維度

本文將一個較完整的計算物件抽象為：

\mathfrak N = \left( D, E, P, U, R, C \right).

其中：

$D$ ：數學定義域；
$E$ ：編碼或內部表示；
$P$ ：精度語義；
$U$ ：不確定性與誤差語義；
$R$ ：精化或重新計算機制；
$C$ ：正確性證書或證明狀態。

這意味著一個計算值不應只被理解為：

value = 1.41421356

而應同時詢問：

domain
representation
working_precision
effective_accuracy
rounding_mode
error_enclosure
source_precision
refinement_method
conversion_history
certificate_status

同一個顯示值可能分別代表：

float64 近似；
十進位定點數；
任意精度浮點數；
某個區間的中點；
$\sqrt2$ 的顯示近似；
延遲實數的暫時輸出；
帶嚴格誤差半徑的球；
具有測量不確定性的實驗數據。

顯示字串相同，不代表數學語義相同。

三、第一類：精確離散值

3.1 固定寬度整數

固定寬度整數使用固定數量位元，例如：

8 位；
16 位；
32 位；
64 位；
128 位。

它們可以精確表示有限區間內的整數，但可能發生：

上溢；
下溢；
有號與無號語義衝突；
不同語言的溢位行為差異。

其主要優勢是速度快、硬體支援成熟，適合索引、計數、離散狀態與系統層運算。

3.2 任意精度整數

任意精度整數將大整數拆成多個機器字：

N = a_0+a_1B+a_2B^2+\cdots+a_kB^k.

它在記憶體允許範圍內可以持續增長，仍保持整數精確性。

它常用於：

數論；
密碼學；
組合計數；
精確代數；
超大階乘；
大型離散模型。

任意精度不等於真正無限長，而是：

\text{目前有限，但可依資源繼續擴展。}

3.3 模整數與有限域

模整數存在於：

\mathbb Z/n\mathbb Z.

有限域則可以表示為：

\mathbb F_{p^k} \cong \mathbb F_p[X]/(f(X)).

此處的值不是普通實數的近似，而是另一種精確代數對象。

這些表示適合：

密碼學；
糾錯碼；
多項式演算法；
有限幾何；
中國剩餘重建；
平行大整數計算。

四、第二類：精確生成結構

4.1 有理數

有理數保存為：

x=\frac pq, \qquad p,q\in\mathbb Z, \qquad q\ne0.

通常維持：

\gcd(p,q)=1, \qquad q>0.

因此：

\frac13

不需要先轉換為有限小數。

只要運算仍位於有理數域中，加減乘除可以保持精確。

它的主要限制不是捨入，而是分子與分母可能快速增長，造成時間和記憶體成本。

4.2 代數數

代數數可由下列資料表示：

一個整係數多項式；
指定其某一根的隔離資訊。

例如：

x^2-2=0, \qquad x\in(1,2)

唯一指定正的 $\sqrt2$ 。

這種表示可以保持：

多項式根；
根式；
代數比較；
精確幾何構造。

但它不能涵蓋所有實數。例如 $\pi$ 與 $e$ 並非代數數。

4.3 符號表達式

符號表示保存的是運算結構：

\sin\left(\frac{\pi}{7}\right)

而不是立即保存其有限小數值。

其內部通常可以表示成抽象語法樹或有向無環圖。

符號系統可執行：

化簡；
微分；
積分；
因式分解；
代換；
方程變換；
精確常數處理。

其限制包括：

表達式膨脹；
化簡策略不唯一；
等價判定可能困難；
許多超越表達式沒有有限標準形式。

五、第三類：固定精度近似

5.1 定點數

定點數可寫為：

x=k\,b^{-n},

其中 $k$ 是整數，縮放尺度預先固定。

它適合：

金融金額；
嵌入式系統；
數位訊號處理；
固定範圍控制；
可預期縮放的模型。

它的優點是尺度語義清楚；缺點是動態範圍有限，縮放設計錯誤可能造成溢位或小量消失。

5.2 二進位浮點數

典型形式為：

x=(-1)^s\,m\,2^e.

IEEE 754 是現代硬體與軟體浮點的重要基礎，規範二進位與十進位浮點格式、運算、例外條件及其處理。

常見格式包括：

binary16；
bfloat16；
binary32；
binary64；
binary128。

其優勢是：

速度高；
動態範圍大；
CPU、GPU 與加速器廣泛支援；
科學軟體生態成熟。

其限制包括：

多數十進位小數不能精確表示；
運算順序可能改變結果；
加法在有限精度下不滿足嚴格結合律；
災難性消去；
上溢、下溢、次正規數與 NaN 語義。

5.3 十進位浮點數

十進位浮點數可寫為：

x=(-1)^s\,c\,10^e.

它能更自然地保存人類十進位輸入與十進位捨入規則，適合：

金融；
會計；
稅務；
法規計算；
十進位計量資料。

但十進位浮點並不等於任意實數的精確表示。例如：

\frac13

在有限十進位精度下仍然需要截斷。

六、第四類：可擴展近似

6.1 任意精度浮點數

任意精度浮點數允許程式指定尾數精度：

p=128,\ 512,\ 4096,\ldots

現代多精度函式庫可以依不同數值大小選擇不同演算法。

MPFR 類系統提供的重要語義是：

指定目的精度；
按數學上的精確結果理解運算；
再依指定捨入方向得到有限結果；
在不同硬體與作業系統上維持可重現語義。

但任意精度浮點仍然是有限近似，而且不必然自動知道整條計算最終剩餘多少有效位數。

6.2 自適應精度

自適應精度採用反覆提高工作精度的方式：

p,\ 2p,\ 4p,\ 8p,\ldots

直到結果滿足預定條件。

例如：

d\left(x^{(p)},x^{(2p)}\right)<\varepsilon.

但兩次近似值彼此接近不一定形成嚴格證明。若要求可驗證結果，仍需要：

誤差分析；
區間包絡；
後驗殘差界；
嚴格不等式證書。

6.3 混合精度

混合精度讓不同運算使用不同精度：

\text{低精度預估} \rightarrow \text{高精度累加} \rightarrow \text{殘差修正}.

它在現代 AI、GPU、線性代數與高效能計算中具有重要地位。

其目標不是追求所有步驟最高精度，而是：

\frac{\text{足夠可信的結果}} {\text{可接受的資源成本}}.

七、第五類：集合值包絡與可驗證計算

7.1 區間算術

區間算術以集合表示數值：

x\in[a,b].

運算必須保證輸出包含所有輸入可能值的精確結果。

例如：

[a,b]+[c,d] = [a+c,b+d].

它適合：

嚴格誤差界；
根存在性證明；
不等式驗證；
全域最佳化；
電腦輔助證明。

其核心問題之一是相依性。

若：

x\in[0,1],

直接將兩次出現的 $x$ 視為獨立區間，則：

x-x

可能得到：

[-1,1]

而非精確的 $0$ 。

7.2 球算術

球算術表示：

x=[m\pm r],

即：

m-r\le x\le m+r.

其中中點通常使用任意精度浮點數，半徑保存嚴格誤差上界。

FLINT／Arb 的核心契約是包含原則：

x\in X \Longrightarrow f(x)\in F(X).

也就是輸出球必須包含所有輸入可能值經精確函數作用後的結果。

此類方法適合：

高精度特殊函數；
複數分析；
數論；
根搜尋；
積分；
矩陣；
嚴格數值證明。

它仍可能因相依性、包絡膨脹或不良算法而無法得到有用精度。

因此：

可驗證算術並不能取代數學分析，只是把誤差控制從人工估算推進為計算物件的一部分。

7.3 仿射算術與 Taylor models

仿射算術保存誤差來源之間的關聯：

x=x_0+\sum_i x_i\varepsilon_i, \qquad \varepsilon_i\in[-1,1].

Taylor model 則使用：

f(x)=P_k(x)+R,

其中：

$P_k$ 是有限階多項式；
$R$ 是嚴格餘項集合。

這些表示常用於：

動態系統可達性；
控制驗證；
常微分方程；
非線性誤差傳播；
嚴格模擬。

八、第六類：可精化程序

8.1 延遲數值

延遲數值保存精確來源或表達式，直到指定精度時才真正求值。

例如：

\sqrt2+\sqrt3

可以保持為生成結構，而不立即轉成 binary64。

當使用者要求 100 位、1000 位或其他精度時，再進行相應計算。

延遲表示的優點是：

避免過早捨入；
支援多種輸出精度；
保留精確來源；
可以在不同數值後端間轉換。

8.2 可計算實數與精確實數運算

在計算分析中，一個實數可以由精化程序表示：

\mathcal A_x(p) = [a_p,b_p],

滿足：

x\in[a_p,b_p], \qquad b_p-a_p\le2^{-p}.

系統不必一次儲存無限位數，只需保證：

對任意有限精度要求，都能產生足夠精確且受約束的有限結果。

iRRAM 代表了一類基於 Real-RAM 與可計算分析思想的精確實數系統。

此處的「精確」是程序語義上的精確，而不是物理記憶體中存在無限位數。

它也揭露一個重要限制：對一般可計算實數判斷：

x=0

未必能在有限時間內完成。

因此，實際系統可能需要三值或部分邏輯：

\{ \text{已證為真}, \text{已證為假}, \text{目前未決} \}.

九、第七類：替代拓撲與結構化表示

9.1 連分數

實數可表示為：

x=[a_0;a_1,a_2,\ldots].

每個有限截斷產生有理收斂分數：

\frac{p_n}{q_n}.

連分數特別適合：

最佳有理逼近；
丟番圖逼近；
二次無理數週期性；
從高精度數值反推簡單分數。

它展現的結構不同於十進位或二進位尾部。

9.2 (p)-進數

$p$-進數可以寫成：

x=a_kp^k+a_{k+1}p^{k+1}+\cdots.

它使用 $p$-進距離，而不是普通實數距離。

計算機仍然只保存有限近似：

x = a_kp^k+\cdots+a_{N-1}p^{N-1} + O(p^N).

在此表示中，精度通常分成：

valuation；
絕對精度；
相對精度。

$p$-進數不是把普通小數拉得更長，而是改變：

\text{什麼叫做兩個數接近。}

9.3 級數與生成函數

數或函數可以表示為：

x=\sum_{n=0}^{\infty}a_n,

或：

f(x)=\sum_{n=0}^{\infty}a_nx^n.

計算機保存的是：

係數；
係數生成規則；
收斂域；
截斷階數；
餘項界。

常見形式包括：

Taylor 級數；
Laurent 級數；
Fourier 級數；
漸近級數；
生成函數；
稀疏級數。

9.4 稀疏、低秩與結構化物件

現代計算表示並不限於標量。

矩陣、張量、圖與函數可以使用：

稀疏矩陣；
帶狀矩陣；
區塊矩陣；
低秩分解；
Kronecker 結構；
張量網路；
決策圖；
算術電路。

例如：

A\approx UV^\top

不是逐元素保存完整矩陣，而是保存能產生主要結構的較小物件。

這種表示主要處理的不是小數位，而是高維資訊量與結構冗餘。

十、七種基本計算本體

將前述方法壓縮後，可得到下列表格。

基本類別	電腦主要保存什麼	代表方法
精確離散值	完整有限元素	整數、模整數、有限域
精確生成結構	有限公式或代數定義	有理數、代數數、符號式
固定精度近似	有限尾數、指數或固定縮放	fixed-point、binary float、decimal float
可擴展近似	可增加的有限精度數值	GMP float、MPFR、BigFloat
集合值包絡	包含真值的集合	interval、ball、affine arithmetic
可精化程序	回應任意有限精度要求的算法	lazy real、exact real、computable real
替代拓撲與結構	不同距離、座標或生成結構	$p$-進、連分數、級數、低秩與稀疏表示

這七類不是互斥的。

一個系統可能同時使用：

\text{符號式} + \text{任意精度} + \text{球算術} + \text{自適應精度} + \text{形式證明}.

十一、現代基本選擇原則

一個較合理的表示階梯是：

\text{精確離散} \rightarrow \text{精確代數} \rightarrow \text{符號或延遲} \rightarrow \text{任意精度} \rightarrow \text{嚴格包絡}.

可以整理為下列原則。

原則一：能精確就不要提前近似

能使用整數、有理數、有限域或代數數時，不應因方便而過早轉為 float64。

原則二：保留生成關係

若數值來源是：

\sqrt2,\quad \pi,\quad \sin(\pi/7),

應盡可能保留來源表達式，而不是只保留一個小數快照。

原則三：精度必須由問題決定

高精度不是固定選項，而應由：

條件數；
動態敏感度；
消去誤差；
目標容差；
證明需求；

共同決定。

原則四：顯示精度不等於工作精度

顯示 10 位小數的結果，可能需要數百位內部工作精度。

原則五：近似穩定不等於嚴格正確

不同精度計算得到相近結果，只能提供經驗支持。若要形成證明，需要嚴格誤差界或形式證書。

原則六：更多精度不能修正錯誤模型

科學計算的總誤差可能包括：

E_{\mathrm{total}} = E_{\mathrm{model}} + E_{\mathrm{measurement}} + E_{\mathrm{discretization}} + E_{\mathrm{rounding}}.

提高浮點精度主要降低的是：

E_{\mathrm{rounding}}.

它不能自動修正：

錯誤物理模型；
不完整邊界條件；
過粗網格；
測量偏差；
錯誤因果假設。

原則七：必要時更換數學空間

有些問題不是需要更多二進位位數，而是應改用：

有理數；
模數；
有限域；
$p$-進數；
連分數；
級數；
稀疏結構；
集合值方法。

十二、現代計算表示仍未完全解決的問題

12.1 自動表示選擇仍不成熟

現有程式通常要求開發者預先選擇：

float64；
Decimal；
MPFR；
Rational；
interval；
symbolic。

系統很少能根據問題結構，自動切換至最佳表示並維持完整證據鏈。

12.2 表示轉換容易破壞資訊

例如：

\text{精確十進位字串} \rightarrow \text{float64} \rightarrow \text{任意精度浮點}

最後一步雖然使用高精度型別，但已無法恢復第一步至第二步之間丟失的資訊。

12.3 高精度不等於高準確度

若輸入本身只有三位有效數字，把它轉成一千位浮點數只會得到更多虛假尾數。

12.4 精確比較可能不可終止

在可計算實數系統中，某些等於零或相等判斷可能無法在有限時間內完成。

12.5 集合包絡可能快速膨脹

區間、球、仿射或 Taylor model 都可能因相依性與非線性傳播而失去實用精度。

12.6 符號計算可能出現表達式爆炸

精確保留所有結構也可能造成時間與空間成本不可接受。

12.7 硬體速度與數學語義仍有落差

固定低精度硬體非常快；任意精度、區間證明、符號化與可計算實數通常需要更多軟體層與計算成本。

因此，現代計算仍在處理一個基本張力：

\text{速度} \quad\leftrightarrow\quad \text{精度} \quad\leftrightarrow\quad \text{嚴格性} \quad\leftrightarrow\quad \text{表達能力}.

十三、對 FELRA 的直接啟示

FELRA 若要支援更完整的數學與物理驗證，不應只加入一個「更大的 float」。

更合理的是建立數值後端層：

後端	主要語義
`integer`	精確整數
`rational`	精確分數
`algebraic`	多項式根與隔離資料
`decimal`	十進位有限精度
`mpfr`	指定精度與指定捨入
`ball`	嚴格誤差包絡
`lazy_real`	延遲求值與精化
`symbolic`	保留生成表達式
`padic`	$p$-進精度與 valuation

每個數值還應附帶：

representation
source_precision
working_precision
effective_accuracy
rounding_mode
error_enclosure
conversion_history
refinement_method
certificate_status

這將使 FELRA 從「有限浮點實驗框架」進一步成為：

能區分精確值、近似值、候選集合、可精化值與已證包絡的多表示數學驗證框架。

十四、對 OCRRT 的直接啟示

OCRRT 原本主要研究十進位或有限投影下的殘差：

R_n^{(b)}(x).

現代計算表示地圖顯示，更一般的殘差應寫成：

R_{n,\rho}(x),

其中 $\rho$ 表示所使用的表示系統。

例如：

\rho \in \{ \text{binary}, \text{decimal}, \text{rational}, \text{ball}, \text{continued fraction}, p\text{-adic}, \text{symbolic} \}.

因此可區分：

表示內殘差

只存在於特定基數、格式或編碼中的尾部差異。

轉換殘差

由一種表示轉換為另一種表示時產生的資訊損失：

R_{\rho\rightarrow\sigma}(x).

跨表示穩定結構

在多種表示下都能重新辨認的關係或動態特徵。

本體不變結構

不依賴單一編碼方式，能被不同表徵映射共同支持的結構。

這使 OCRRT 的問題從：

小數點後丟失了什麼？

擴展為：

哪些資訊是有限觀測丟失的，哪些是表示轉換製造的，哪些是特定基數的產物，哪些能跨表示保存，哪些才可能屬於被研究對象本身？

十五、核心觀察

觀察一

現代計算沒有真正將任意實數的無限位數一次存入有限機器。

觀察二

所謂任意精度，是有限精度可隨資源增加，而非實體無限。

觀察三

許多無限展開可以由有限公式、方程、程序或生成規則精確指定。

觀察四

嚴格計算的核心不是輸出更多位數，而是輸出包含真值的證明包絡。

觀察五

可計算實數將「一個數」重新理解為對任意有限精度請求作出回應的程序。

觀察六

$p$-進數、模數、連分數與級數不是普通浮點數的加長版，而是不同的數學結構與接近性概念。

觀察七

數值表示是模型的一部分，不只是程式實作的後設細節。

觀察八

未來較完整的計算系統應能根據問題，自動在精確、近似、集合、延遲與替代拓撲表示之間遷移。

十六、結論

現代基本計算表示不能再被壓縮成「整數與浮點數」。

更完整的整理應是：

\boxed{ \text{計算表示} = \text{數學本體} + \text{編碼方式} + \text{精度語義} + \text{誤差語義} + \text{精化機制} + \text{證明狀態} }

電腦沒有真正保存一個一般實數的全部無限位數。

它所能做的是：

保存一個精確有限值；
保存一個能精確指定對象的有限結構；
保存一個有限精度近似；
保存一個包含真值的集合；
保存一個可以按需求產生更高精度的程序；
保存一個更適合問題的數學表示。

因此，未來計算表示的主要方向不應只是持續增加固定浮點位數，而是建立：

能夠在精確結構、任意精度、集合包絡、延遲精化、符號公式與多種數學空間之間安全轉換，並保留來源、誤差與證明狀態的統一表示系統。

這不是現代所有知識與技術的完整結論，而是一張截至 2026 年 7 月 20 日，可用來理解現代基本計算表示方法的代表性地圖。

附錄 A：快速選擇表

問題	優先考慮
超大整數	任意精度整數
精確分數	有理數
多項式根	代數數
公式推導	符號表示
金融十進位	定點或 Decimal
一般高速科學計算	IEEE 浮點
高精度特殊函數	MPFR 類任意精度
嚴格數值證明	區間或球算術
按需求增加精度	延遲或精確實數
最佳分數逼近	連分數
局部數論	$p$-進數
高維稀疏問題	稀疏、低秩或張量表示
混沌可信時間	任意精度＋敏感度分析＋包絡
電腦輔助證明	精確代數＋區間／球＋形式證書

附錄 B：代表性資料來源

以下資料僅作為本文部分分類與現況判斷的代表性依據，不代表全部相關技術來源。

IEEE Standards Association, IEEE 754-2019: IEEE Standard for Floating-Point Arithmetic.
GNU Project, GNU MP 6.3.0 Manual.
GNU MPFR Project, GNU MPFR 4.2.x Manual.
FLINT Project, Using Ball Arithmetic and Arb Real Numbers Documentation.
iRRAM Project, Exact Arithmetic in C++.
SageMath Documentation, Algebraic Numbers, Lazy Real and Complex Numbers, and $p$-adic Precision Models.

附錄 C：本文未完整涵蓋的代表性領域

本文沒有完整展開：

posits、unums 與其他實驗浮點格式；
logarithmic number systems；
stochastic rounding；
block floating point；
exact dot product 與 Kulisch accumulator；
residue number systems 的完整硬體應用；
automatic differentiation 的表示語義；
probabilistic numerics；
computable analysis 的完整理論；
constructive mathematics；
proof assistants 中的數值反射；
SMT／SAT 數值理論；
certified ODE/PDE solvers；
affine forms、Taylor models 與 zonotopes 的完整家族；
interval Newton、Krawczyk operator 等驗證算法；
熱帶代數、超實數、超現實數等其他數系；
量子計算中的振幅表示；
神經網路量化與硬體專用數值格式；
專用物理模擬格式；
分散式與容錯數值表示；
所有新興研究系統與未公開技術。

這些缺漏不是否定其重要性，而是本文刻意維持「現代基本方法的代表性整理」之範圍。

現代基本計算表示方法觀察_2026-07-20_v0.1