スキル一覧に戻る

solve-modular-arithmetic

pjt222
更新日 Yesterday
17
2
17
GitHubで表示
その他general

について

このスキルは、線形合同式、中国剰余定理、および冪剰余計算を含む剰余演算の問題を体系的に解決します。RSAやDiffie-Hellmanなどの暗号技術への応用も扱い、数論や暗号実装に有用です。開発者は、合同式、剰余逆数、または暗号計算を扱う際に本スキルを利用するべきです。

クイックインストール

Claude Code

推奨
メイン
npx skills add pjt222/agent-almanac -a claude-code
プラグインコマンド代替
/plugin add https://github.com/pjt222/agent-almanac
Git クローン代替
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/solve-modular-arithmetic

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

ドキュメント


name: solve-modular-arithmetic description: > 合同算術の問題を系統的に解く。線形合同式、中国剰余定理(CRT)、フェルマーの 小定理、オイラーの定理、べき乗剰余、および離散対数問題を含む。暗号学(RSA、 ディフィー・ヘルマン)への応用も扱う。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: number-theory complexity: intermediate language: natural tags: number-theory, modular-arithmetic, congruences, chinese-remainder-theorem, cryptography locale: ja source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16

合同算術の解法

合同算術の問題を系統的に解く。合同式の基本操作、線形合同式の解法、中国剰余定理の適用、オイラーの定理とフェルマーの小定理の活用、べき乗剰余の高速計算、および暗号学的応用を含む。

使用タイミング

  • 線形合同式 ax ≡ b (mod m) を解く場合
  • 中国剰余定理を適用して連立合同式を解く場合
  • フェルマーの小定理やオイラーの定理を使用してべき乗剰余を計算する場合
  • モジュラ逆元を計算する場合
  • RSAの暗号化・復号化の計算を行う場合
  • ハッシュ関数や擬似乱数生成器の合同算術的基盤を理解する場合

入力

  • 必須: 合同式または連立合同式
  • 必須: 法(modulus)
  • 任意: 使用する定理の指定
  • 任意: 計算の精度要件

手順

ステップ1: 問題の分類と前処理

合同算術の問題を分類し、適切な手法を選択する:

  1. 線形合同式: ax ≡ b (mod m) — 拡張ユークリッド互除法で解く
  2. 連立合同式: x ≡ a₁ (mod m₁), x ≡ a₂ (mod m₂), ... — 中国剰余定理
  3. べき乗剰余: a^n mod m — 繰り返し二乗法
  4. 離散対数: a^x ≡ b (mod p) — ベビーステップ・ジャイアントステップ法
  5. モジュラ逆元: a^(-1) mod m — 拡張ユークリッド互除法

期待結果: 問題タイプが特定され、適切な解法が選択される。

失敗時: 問題が標準形に当てはまらない場合は、変数変換や合同式の変形で既知の形に帰着させる。

ステップ2: 基本定理の適用

適切な定理を適用して問題を解く:

  1. フェルマーの小定理: pが素数でgcd(a, p) = 1ならば a^(p-1) ≡ 1 (mod p)
  2. オイラーの定理: gcd(a, m) = 1ならば a^φ(m) ≡ 1 (mod m)
  3. 中国剰余定理: m₁, m₂, ..., mₖが互いに素ならば、連立合同式は法M = m₁m₂...mₖに対して一意解を持つ
  4. ウィルソンの定理: pが素数であることの必要十分条件は (p-1)! ≡ -1 (mod p)
  5. 二次剰余の相互法則: ルジャンドル記号の計算に使用

期待結果: 定理が正しく適用され、合同式が解かれる。

失敗時: 定理の適用条件(互いに素、素数法など)が満たされていない場合は、条件を確認してから適用する。

ステップ3: 計算の実行

具体的な計算を実行する:

  1. 拡張ユークリッド互除法: gcd(a, m) = ax + myを満たすx, yを求める。xがモジュラ逆元。
  2. 繰り返し二乗法: a^n mod mを O(log n) の乗算で計算する。nを二進展開し、各ビットに対して二乗と必要に応じた乗算を行う。
  3. CRTの計算: M = m₁m₂...mₖ、Mᵢ = M/mᵢ、yᵢ = Mᵢ^(-1) mod mᵢを計算し、x = Σ aᵢMᵢyᵢ (mod M)。
  4. 中間結果の確認: 各ステップの中間結果を記録し、計算ミスを早期に発見する。

期待結果: 計算が正確に完了し、解が求められる。

失敗時: 数が大きすぎて手計算が困難な場合は、コンピュータ代数システムを使用する。計算過程を文書化すること。

ステップ4: 解の検証と解釈

得られた解を検証する:

  1. 代入検証: 解を元の合同式に代入して等式が成立することを確認する。
  2. 解の範囲: 解は法mを法として一意(0 ≤ x < m)。一般解はx + km(kは整数)。
  3. 解の存在条件: ax ≡ b (mod m)が解を持つのはgcd(a, m) | bの場合のみ。解が存在する場合、gcd(a, m)個の解がある。
  4. 暗号学的文脈: RSAではe×d ≡ 1 (mod φ(n))を解いて秘密鍵dを求める。

期待結果: すべての解が検証され、解の完全性(すべての解が求められている)が確認される。

失敗時: 解が存在しない場合は、その理由(gcd(a, m)がbを割り切らない)を明示する。

バリデーション

  • 定理の適用条件(互いに素、素数法など)が確認されている
  • 拡張ユークリッド互除法の計算が正しい
  • CRTの法が互いに素であることが確認されている
  • 解が元の合同式に代入して検証されている
  • 解の個数が正しい(gcd(a, m)個)
  • 解の範囲が正しく記述されている

よくある落とし穴

  • gcdの確認忘れ: ax ≡ b (mod m)を解く前にgcd(a, m)がbを割り切るか確認すること。割り切らなければ解は存在しない。
  • CRTの適用条件: 法が互いに素でない場合、標準的なCRTは適用できない。一般化されたCRTを使用する。
  • べき乗剰余での桁溢れ: 中間結果が非常に大きくなる。各乗算後に剰余を取ることで管理可能なサイズに保つ。
  • 負の剰余: 多くのプログラミング言語では負の数の剰余が負になる。正の剰余に変換する(m + (a mod m)) mod m)。
  • オイラーの定理の適用条件: a と m が互いに素でなければ a^φ(m) ≡ 1 (mod m) は成立しない。

関連スキル

  • analyze-prime-numbers -- 合同算術の基盤となる素数の分析
  • explore-diophantine-equations -- 合同式と密接に関連する整数方程式

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/ja/skills/solve-modular-arithmetic
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

関連スキル

llamaguard

その他

LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。

スキルを見る

cost-optimization

その他

このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。

スキルを見る

quantizing-models-bitsandbytes

その他

このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。

スキルを見る

dispatching-parallel-agents

その他

このClaudeスキルは、複数のエージェントを配備し、3つ以上の独立した問題を並行して調査・修正します。共有状態や依存関係がなく解決可能な、無関係な障害が発生するシナリオ向けに設計されています。中核となる機能は並列問題解決であり、効率を最大化するために独立した問題領域ごとに1つのエージェントを割り当てます。

スキルを見る