300年后牛顿法得到改进，修改泰勒展开式，收敛速度更快

主要观点总结

本文介绍了研究人员对牛顿法的改进，使其能够高效处理更广泛的函数类别。该算法利用高阶导数来构建泰勒高阶近似，以更快地找到复杂函数的最小值。虽然该算法目前尚未在实际应用中广泛使用，但其潜力不容忽视，未来可能成为优化领域的核心工具之一。

关键观点总结

关键观点1: 牛顿法是一种用于寻找函数最小值的算法，源自艾萨克·牛顿在17世纪80年代发明的方法，至今仍在各个领域发挥重要作用。

牛顿法通过构建泰勒近似来寻找最小值，使用函数的一阶导数和二阶导数构建二次方程，然后计算这个二次方程的最小值来逼近原始函数的真实最小值。

关键观点2: 三位研究人员Amir Ali Ahmadi、Abraar Chaudhry和Jeffrey Zhang对牛顿法进行了改进，将其扩展到最广泛的函数类别，并能够在所有情况下保持高效性。

他们的算法利用高阶导数构建泰勒高阶近似，通过引入半正定规划技术来调整泰勒近似，使其具备凸性和平方和特性，从而更容易最小化。

关键观点3: 新算法比原始牛顿法收敛到真实最小值的速率更快，尽管每次迭代的计算成本较高，但在未来计算技术不断进步的背景下，它有望成为优化领域的核心工具之一。

这项研究为牛顿法注入了新的活力，并展示了优化领域未来发展的潜力。