# 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： 1. 精確離散值； 2. 精確生成結構； 3. 固定精度近似； 4. 可擴展近似； 5. 集合值包絡； 6. 可精化程序； 7. 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： 1. 表示範圍是否足夠； 2. 有效精度是否足夠； 3. 運算是否精確； 4. 誤差是否可追蹤； 5. 對象是否適合使用位置進位制； 6. 結果是否需要嚴格證明； 7. 是否能按需求產生更多資訊； 8. 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： ```text value = 1.41421356 ``` 而應同時詢問： ```text 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： 1. 一個整係數多項式； 2. 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： 1. 指定目的精度； 2. 按數學上的精確結果理解運算； 3. 再依指定捨入方向得到有限結果； 4. 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： ```text 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： 1. 保存一個精確有限值； 2. 保存一個能精確指定對象的有限結構； 3. 保存一個有限精度近似； 4. 保存一個包含真值的集合； 5. 保存一個可以按需求產生更高精度的程序； 6. 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。 1. IEEE Standards Association, **IEEE 754-2019: IEEE Standard for Floating-Point Arithmetic**. 2. GNU Project, **GNU MP 6.3.0 Manual**. 3. GNU MPFR Project, **GNU MPFR 4.2.x Manual**. 4. FLINT Project, **Using Ball Arithmetic** and **Arb Real Numbers Documentation**. 5. iRRAM Project, **Exact Arithmetic in C++**. 6. 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。