展示HN：通过能量几何模型解决数独推理

展示HN：通过能量几何模型解决数独推理
Show HN: Solving Sudoku reasoning via Energy Geometric models

原始链接: https://www.davisgeometric.com/index.html

预印本 · 2026年2月 GPU加速的约束满足，由内在黎曼曲率引导。一种感知几何的求解器，在Python CPU的基础上，以1226倍的速度解决世界上最难的数独——并推广到任何有限域CSP。比Kona 1.0快40,128倍。Yann LeCun的EBM解决一个谜题需要313毫秒。我们每秒解决270,000个。性能总结 GPU吞吐量~270K谜题/秒单实例延迟3.7微秒比Python CPU快1,226倍已解决的最难谜题11 / 11 平均解决时间（v4）7.8毫秒

一个由软件工程师和数学家组成的团队，开发了一种受Yann LeCun最近的能量模型方法启发的数独求解器。他们声称性能显著优于LeCun的方法，每秒可以解决270,000个谜题，而LeCun的系统解决一个谜题需要313毫秒。该团队在他们的网站（davisgeometric.com）上详细介绍了他们的“能量几何模型”解决方案，包括代码和研究论文。他们认为数独的吸引力在于它与约束满足问题有关，这与现实世界的挑战，如调度和物流相关。帖子引发了一段简短的评论，质疑一位开发者根据照片的年龄。团队欢迎通过[email protected]提出问题。

Preprint · February 2026

GPU-accelerated constraint satisfaction guided by intrinsic Riemannian curvature. A geometry-aware solver that crushes the world's hardest Sudoku at 1,226× speedup over Python CPU — and generalizes to any finite-domain CSP.

40,128× faster than Kona 1.0 Yann LeCun’s EBM solves one puzzle in 313ms. We solve 270,000 per second.

Performance Summary

GPU throughput~270K puzzles/sec

Per-instance latency3.7 µs

Speedup vs. Python CPU1,226×

Hardest-known solved11 / 11

Avg solve time (v4)7.8 ms

展示HN：通过能量几何模型解决数独推理 Show HN: Solving Sudoku reasoning via Energy Geometric models

展示HN：通过能量几何模型解决数独推理
Show HN: Solving Sudoku reasoning via Energy Geometric models