Un modèle interne d'OpenAI fixe le taux exact du programme Cohn-Elkies

TL;DR. Un modèle interne d'OpenAI détermine le taux de décroissance exact du programme linéaire de Cohn-Elkies et améliore l'exposant général des empilements depuis 1978.

Points clés

Ce qu'est cet ensemble, et pourquoi un résultat se détache. Le document s'ouvre modestement.
Le programme de Cohn-Elkies et ce qu'il borne. L'empilement de sphères demande avec quelle densité des boules qui ne se chevauchent pas peuvent remplir l'espace.
Ce que le cadre avait déjà accompli. Avant d'en venir au nouveau théorème, il vaut la peine de préciser ce que le cadre de programmation linéaire fondé sur l'analyse de Fourier avait déjà produit, car le nouveau résultat dit en partie jusqu'où il peut…
Le théorème principal. Le théorème principal du document démontre le taux exponentiel conjecturé dans les conjectures 3.1 et 3.2 de cet article de 2020.

Un ensemble de résultats mathématiques obtenus par un modèle interne d'OpenAI tranche la question de la force asymptotique du programme linéaire de Cohn-Elkies pour l'empilement de sphères. Il apporte la première amélioration de l'exposant général d'empilement depuis 1978, accompagnée d'une borne inférieure qui lui correspond exactement.

Ce qu'est cet ensemble, et pourquoi un résultat se détache #

Le document s'ouvre modestement. Il présente un ensemble de résultats obtenus par un modèle interne d'OpenAI et indique qu'ils couvrent les mathématiques et l'informatique théorique. C'est une indication de provenance et de périmètre, qui ne dit ni comment le modèle a été utilisé ni comment ses productions ont été vérifiées. Ces questions comptent, et la source telle qu'elle est résumée ici les laisse sans réponse ; cet article ne prétendra donc pas le contraire. Ce que les affirmations permettent, c'est une liste de résultats annoncés, et cette liste est assez longue pour que la question intéressante ne soit pas de savoir si tel élément impressionne. C'est de comprendre pourquoi l'un d'eux mérite l'essentiel de l'attention.

La raison est que le résultat sur l'empilement de sphères est le seul de l'ensemble à combler un écart quantitatif dans un programme de recherche à l'histoire longue et bien identifiée. Les autres sont remarquables en eux-mêmes. Un groupe non sofique explicite répond à une question ancienne. Une réfutation de la conjecture de Connes tranche une proposition formulée par un mathématicien nommément cité. Mais le résultat sur l'empilement se trouve au bout d'une chaîne qui part d'un cadre d'analyse de Fourier, passe par deux solutions exactes célèbres en dimensions particulières et aboutit à une question sur les grandes dimensions restée ouverte pendant des années. Le comprendre suppose de comprendre cette chaîne.

L'essentiel de ce qui suit porte donc sur le programme linéaire de Cohn-Elkies : ce qu'il est, ce que l'on en savait, ce que dit le nouveau théorème et comment est construit le volet incertitude de signe de l'argument. Une section plus courte passe ensuite en revue les autres résultats de l'ensemble, chacun tel qu'il est énoncé et sans aller plus loin.

Le programme de Cohn-Elkies et ce qu'il borne #

L'empilement de sphères demande avec quelle densité des boules qui ne se chevauchent pas peuvent remplir l'espace. Le document fixe les notations. Pour des centres séparés d'au moins 1, ∆d est la borne supérieure des densités supérieures des boules de rayon 1/2 dans Rd. Autrement dit, ∆d désigne la densité maximale d'empilement de sphères dans Rd. Tout ce que contient le premier chapitre de l'ensemble se mesure à cette quantité.

Le programme de Cohn-Elkies fournit une borne supérieure de ∆d. Sa valeur optimale est notée LPd, définie comme la borne de densité optimale que fournit le programme. Le mécanisme est la borne de Gorbachev–Cohn-Elkies, qui associe à toute fonction f d'une classe appelée Ad la borne supérieure de densité vd f(0)/(2d f̂(0)). Concrètement, on choisit une fonction auxiliaire f dans la classe admissible, on calcule sa valeur à l'origine et celle de sa transformée de Fourier à l'origine, on forme ce rapport avec les facteurs de volume et d'échelle, et le résultat majore la densité d'empilement. Le programme linéaire cherche la fonction f qui rend cette borne la plus petite possible.

Dans ce cadre, toute la difficulté tient au choix de f. Une fonction bien choisie donne une borne serrée ; une fonction mal choisie donne une borne faible, mais toujours valide. C'est pourquoi la borne inférieure correspondante du nouveau résultat compte autant. Elle porte sur toutes les fonctions admissibles à la fois et transforme la recherche de meilleures fonctions en une question close.

Ce que le cadre avait déjà accompli #

Avant d'en venir au nouveau théorème, il vaut la peine de préciser ce que le cadre de programmation linéaire fondé sur l'analyse de Fourier avait déjà produit, car le nouveau résultat dit en partie jusqu'où il peut encore aller.

Viazovska s'est servie de ce cadre pour démontrer que le réseau E8 donne l'empilement optimal en dimension huit. Cohn, Kumar, Miller, Radchenko et Viazovska ont ensuite établi l'optimalité du réseau de Leech en dimension vingt-quatre. Ce sont des résultats exacts en dimensions isolées, et ils expliquent la réputation du cadre au-delà de son rôle d'outil de majoration. Dans deux dimensions précises, il atteint la vraie réponse.

En grande dimension, le tableau était plus flou. Cohn et Zhao ont démontré que le programme linéaire est toujours au moins aussi fort que la borne de Kabatianskii–Levenshtein sur les codes sphériques. C'est une garantie utile, car la borne de Kabatianskii–Levenshtein était le meilleur exposant général connu. Mais « au moins aussi fort » laisse deux possibilités : le programme pouvait égaler exactement cet exposant, ou le battre. Le document en tire directement la conséquence. La question de savoir si le programme linéaire améliore l'exposant classique d'empilement en grande dimension était restée ouverte.

Afkhami-Jeddi, Cohn, Hartman, de Laat et Tajdini avaient conjecturé le taux du programme linéaire en grande dimension. Cette conjecture est un objet prudent, et la source la traite comme tel. C'était une conjecture, appuyée sur les éléments dont disposaient ses auteurs, que personne n'avait démontrée. Le nouveau résultat change son statut.

Le théorème principal #

Le théorème principal du document démontre le taux exponentiel conjecturé dans les conjectures 3.1 et 3.2 de cet article de 2020. Énoncé au niveau que permettent les affirmations : les auteurs déterminent le taux exact de décroissance exponentielle du programme linéaire de Cohn-Elkies pour l'empilement de sphères. La force asymptotique du programme est, selon les termes de la source, déterminée exactement.

Deux conséquences découlent directement de la source. La première est une meilleure borne générale d'empilement en grande dimension. La seconde est que le problème d'incertitude de signe de Fourier correspondant est résolu asymptotiquement. Ce sont deux conséquences de nature différente. L'une relève de la géométrie, l'autre de l'analyse, et le fait qu'un seul théorème livre les deux est le premier indice que le problème d'empilement et le problème d'incertitude sont deux faces d'une même structure.

La source situe aussi ce résultat dans l'histoire. Elle le présente comme la première amélioration depuis 1978 de l'exposant général d'empilement de sphères. L'exposant classique de Kabatianskii–Levenshtein valait 0,59905576..., et ce chiffre servait de référence. Le document note que les raffinements ultérieurs sur les codes sphériques n'avaient amélioré que des facteurs d'ordre inférieur. Autrement dit, pour l'exposant lui-même, qui est la quantité d'ordre dominant, rien n'avait bougé.

Je dirais que c'est la bonne manière d'évaluer le résultat. Une amélioration d'ordre inférieur ajuste des constantes et des facteurs polynomiaux sans toucher au taux exponentiel. Une amélioration de l'exposant change le taux. Les affirmations soutiennent exactement cette distinction, et elles soutiennent l'idée que les raffinements antérieurs se situaient du côté de l'ordre inférieur.

Dimension / cadre	Référence classique (1978)	Programme linéaire de Cohn-Elkies	Nouvelle démonstration du modèle
Exposant d'empilement	Borne de Kabatianskii–Levenshtein : 0,59905576...	Au moins aussi fort que les bornes des codes sphériques (Cohn–Zhao)	Taux asymptotique exact conjecturé par Afkhami-Jeddi et al. (2020), démontré
Caractère définitif de la borne	Raffinements des seuls facteurs d'ordre inférieur	Question ouverte sur l'écart asymptotique en grande dimension	Borne inférieure correspondante exacte : aucune fonction auxiliaire ne bat ce taux
Incertitude de signe de Fourier	Bornes de signe distinctes ($A^+(d) < A^-(d)$)	Liée aux fonctions test anti-auto-duales de Fourier	Résolue asymptotiquement ; incertitude de signe gouvernée par la réflexion de Mellin
Codes correcteurs d'erreurs	Bornes classiques des codes sphériques et binaires	Couplées asymptotiquement aux bornes d'empilement	Améliorations d'un facteur exponentiel pour tous les paramètres à distance fixée
Plafond méthodologique	Optimisation numérique de facteurs polynomiaux	Optimisation ouverte des fonctions test auxiliaires $f \in \mathcal{A}_d$	Plafond mathématique démontré : tout gain supplémentaire exige des méthodes hors Cohn-Elkies

Pourquoi la borne inférieure correspondante change la question #

Une amélioration de la borne supérieure serait à elle seule une bonne nouvelle. Ce qui rend ce résultat inhabituellement définitif, c'est sa seconde moitié. La borne inférieure correspondante montre qu'aucune fonction auxiliaire de Cohn-Elkies ne peut améliorer cet exposant.

Voyons ce que cela change pour le programme de recherche. Avant ce résultat, un chercheur ayant une meilleure idée pour construire une fonction auxiliaire disposait d'une voie plausible vers un exposant d'empilement encore meilleur. Après lui, cette voie est fermée au niveau des exposants. Tout nouveau progrès sur l'exposant devra venir de l'extérieur du cadre de Cohn-Elkies, car à l'intérieur le taux est désormais exact.

Je ne veux pas exagérer la portée de ce point. Les affirmations ne disent pas que le nouvel exposant est le véritable exposant de l'empilement de sphères, ni que l'empilement lui-même ne peut pas faire mieux. L'énoncé porte sur le programme linéaire : son exposant est fixé, et on ne peut pas le battre en changeant de fonction auxiliaire. Savoir si une autre technique pourrait le battre est une question que les affirmations n'abordent pas. C'est une frontière nette, et c'est le genre de frontière qui indique à un domaine où chercher ensuite.

Il existe aussi une lecture plus économique, pour les lecteurs attentifs à l'allocation des efforts. Un plafond exact et connu pour une méthode est une information utile. Il dit qu'il faut cesser d'optimiser à l'intérieur de cette méthode. Pour quiconque répartit du temps de recherche, passer de « cela pourrait s'améliorer » à « cela ne peut pas s'améliorer » vaut autant qu'un modeste résultat positif.

Codes sphériques et codes binaires #

L'ensemble ne s'arrête pas à l'empilement. Les bornes supérieures classiques des codes binaires et sphériques à distance fixée sont améliorées de facteurs exponentiels pour tous les paramètres. Cette phrase porte un quantificateur fort. L'amélioration est d'un facteur exponentiel, et elle vaut pour tous les paramètres, ce qui est plus large qu'une amélioration dans un régime favorable.

Il y a aussi un lien avec le chapitre 1. La construction des codes sphériques retrouve également l'exposant d'empilement du chapitre 1. Les deux fils se rejoignent donc : la construction côté codes reproduit l'exposant côté empilement. Les affirmations ne détaillent pas le mécanisme de cette correspondance, et je n'en inventerai pas. Ce qu'elles établissent, c'est le sens de la relation, la construction sphérique donnant le même exposant que le chapitre sur l'empilement.

Il est utile de rappeler pourquoi ce lien compte au vu de l'histoire exposée plus haut. La borne de Kabatianskii–Levenshtein sur les codes sphériques était le point de comparaison du programme linéaire, et le théorème de Cohn et Zhao disait que le programme est toujours au moins aussi fort. Les nouveaux résultats améliorent les bornes des codes autant que celles de l'empilement, et ils le font à partir d'une construction qui ramène à l'exposant d'empilement. Les deux versants avancent ensemble.

Le problème d'incertitude de signe #

La seconde conséquence du théorème principal concerne l'incertitude de signe de Fourier, et le document donne assez de définitions pour en esquisser la forme.

Pour une fonction g, r(g) est défini comme la borne inférieure des R ≥ 0 tels que g(x) ≥ 0 pour |x| ≥ R. En termes simples, r(g) est le rayon au-delà duquel g est partout positive ou nulle. Quand un tel rayon n'existe pas, r(g) = ∞. Le problème d'incertitude consiste à savoir jusqu'où l'on peut réduire ce rayon pour des fonctions liées d'une manière prescrite à leur propre transformée de Fourier.

Cette relation est un signe. La condition ĝ = ςg relie une fonction à sa transformée de Fourier au signe près. Les signes +1 et −1 donnent respectivement le problème d'incertitude original et le problème complémentaire. Cohn et Gonçalves ont introduit la variante anti-auto-duale de Fourier, c'est-à-dire le problème complémentaire, et l'ont reliée à l'empilement de sphères. Ce lien est le pont par lequel le résultat sur l'empilement résout asymptotiquement le problème d'incertitude.

Le problème complémentaire n'est pas une curiosité d'analyse pure. Dans le bootstrap modulaire sans spin, l'antisymétrie modulaire S produit des fonctions test anti-auto-duales de Fourier dont le signe à l'infini contrôle le gap spectral. La source cite pour cela Hartman, Mazáč et Rastelli ainsi que l'article d'Afkhami-Jeddi et al. Une question née comme énoncé sur des fonctions et leurs transformées apparaît donc aussi dans un cadre au nom presque physique, le gap spectral. Les affirmations ne vont pas plus loin que ce mécanisme en une ligne, et moi non plus, mais cela rappelle que le problème d'incertitude a de la compagnie hors de l'empilement de sphères.

L'annexe A ajoute une comparaison entre les deux problèmes. Elle observe que A+(d) < A−(d) pour tout d. C'est un énoncé selon lequel les deux problèmes diffèrent en toute dimension, la première quantité étant strictement inférieure à la seconde. Les affirmations n'en donnent pas d'autre interprétation, et l'inégalité mérite d'être notée simplement parce qu'elle vaut pour tout d, sans exception.

Au cœur de l'argument : moyenne, annulation et estimation de masse #

Le document contient plusieurs énoncés techniques qui donnent une idée de la construction de l'analyse d'incertitude. Ce sont des fragments, et je les présenterai comme tels, mais ensemble ils esquissent une méthode.

Commençons par la symétrie. La moyenne par rotations est définie à l'aide de la mesure de Haar normalisée sur O(d). Moyenner une fonction sur les rotations donne une fonction radiale, et l'intérêt est de simplifier le problème sans en briser les contraintes. La source indique que la moyenne par rotations préserve chaque condition de signe de la liste de contraintes du problème, notée (2). Elle ajoute que si ĝ = ςg, alors r(Rg) ≤ r(g), où Rg est la moyenne par rotations de g. La moyenne n'aggrave donc jamais le rayon de signe. Par ailleurs, selon la formulation de la source, Rg ≠ 0 dès que g ≠ 0 est positive ou nulle à l'infini : la moyenne n'annule pas une fonction qui a le bon comportement de signe à grande distance.

Ces trois faits réunis justifient une réduction aux fonctions radiales. La réduction ne coûte rien sur le rayon, préserve les conditions de signe et ne ramène pas la fonction à zéro. C'est la forme d'un argument de symétrie classique, et les affirmations en confirment chaque ingrédient.

Vient ensuite l'origine. La fonction g = h − ĥ s'annule à l'origine. C'est le genre de petit fait qui joue un grand rôle dans une démonstration, car la borne de Cohn-Elkies fait intervenir directement des valeurs à l'origine, et une fonction qui s'y annule se comporte autrement qu'une fonction qui ne s'y annule pas. Une étape de correction est également consignée : la fonction corrigée gn vérifie gn(0) = 0 et gn → g dans L1. Une suite de fonctions corrigées, chacune nulle à l'origine, converge donc vers g au sens L1. Cela permet à l'argument de travailler avec des fonctions qui satisfont exactement la condition à l'origine tout en approchant la cible.

Il y a ensuite une contrainte quantitative. L'estimation de masse impose 1/a ≥ (1/π − o(1))√d. Les affirmations ne définissent pas a, je ne peux donc pas dire ce qu'il mesure, et je ne le devinerai pas. Ce que l'on peut dire, c'est la forme de la conclusion : une borne inférieure sur 1/a qui croît comme la racine carrée de la dimension, avec la constante 1/π et une correction qui s'évanouit. Une échelle en racine carrée de la dimension paraît naturelle en géométrie de grande dimension, mais c'est mon observation sur la forme de l'expression, et les affirmations ne la présentent pas comme un mécanisme.

La lecture par Mellin #

Une dernière pièce de la boîte à outils apparaît dans le document, et c'est celle qui explique le plus clairement pourquoi l'analyse de Fourier radiale est maniable ici. Après une transformée de Mellin, la transformée de Fourier radiale réfléchit la variable de Mellin. C'est un énoncé compact sur la façon dont agit une transformée. La transformée de Fourier d'une fonction radiale, d'ordinaire un opérateur intégral peu commode à manier directement, devient une réflexion de la variable de Mellin. Les réflexions sont à peu près les opérateurs les plus simples qui soient.

Le même passage consigne une condition analytique de l'autre côté. La décroissance de Schwartz de g entraîne une décroissance rapide de Φg quand v → +∞. Ici, Φg est l'objet obtenu dans l'analyse de Mellin, et v sa variable. L'association est instructive : la propriété de réflexion traite la structure, la décroissance de Schwartz assure le contrôle à l'infini. Une démonstration de ce type a besoin des deux, car la structure sans décroissance laisse des intégrales qui peuvent diverger, et la décroissance sans structure ne laisse rien à calculer.

Le document note aussi que Sd est l'aire de la sphère unité, qui intervient comme facteur de normalisation lorsque les intégrales radiales passent de la sphère à la droite. C'est un point de définition, et c'est le genre de comptabilité qui décide si les constantes d'une borne finale sont justes.

Je veux être clair sur la nature de ces fragments. Ce ne sont pas la démonstration. Les affirmations donnent des énoncés, pas des dérivations, et aucun lecteur ne devrait reconstruire l'argument complet à partir d'eux. Ce qu'ils montrent, c'est que l'analyse combine réduction par symétrie, condition à l'origine, estimation quantitative de masse et transformée dont l'action se simplifie après un changement de variable. Cette combinaison est classique pour les problèmes extrémaux en analyse de Fourier, ce qui rend le caractère exact du résultat final plus remarquable encore. Des outils d'apparence standard ont suffi pour atteindre une réponse optimale.

Le reste de l'ensemble #

Le chapitre sur l'empilement de sphères n'est qu'une partie du document, et les autres résultats méritent un compte rendu honnête. Chacun est énoncé ici exactement comme le donnent les affirmations.

En théorie des groupes, un groupe non sofique explicite est construit, ce qui répond à la question ancienne de savoir si tout groupe dénombrable est sofique. La démonstration combine des travaux de Kun et de Kun–Thom avec un argument combinatoire d'appariement par expanseurs, réalisé à l'aide de l'algèbre de Leavitt binaire et du groupe V de Thompson. Le mot « explicite » pèse ici : le résultat est une construction, non un argument d'existence.

En algèbres d'opérateurs, une infinité de groupes à propriété (T), deux à deux non isomorphes, sont construits avec la même algèbre de von Neumann de groupe. Cela réfute la conjecture de Connes et répond à une question voisine de Popa sur le caractère fini-à-un. Deux questions nommées tombent sous une seule construction.

En complexité arithmétique, le document donne des bornes inférieures pour le permanent. Les circuits sans division exigent Ω(n² log log n) portes, tandis que les formules exigent Ω(n⁴ / log n) feuilles. Ce sont deux bornes pour deux modèles de calcul, et le document les énonce côte à côte.

En information quantique, la répétition parallèle exponentielle est démontrée pour tout jeu intriqué fini à deux joueurs. La source indique que cela étend le principe de répétition classique au-delà des classes particulières de jeux quantiques étudiées jusque-là. Le quantificateur se remarque à nouveau : tout jeu intriqué fini à deux joueurs, sans restriction à une classe particulière.

En difficulté d'approximation, une réduction directe depuis 3SAT donne une difficulté d'un facteur n^(1/400) pour le problème euclidien du vecteur le plus proche, avec des conséquences voisines pour le décodage binaire et d'autres normes de réseaux. L'exposant 1/400 est petit, et je préfère le rapporter tel quel plutôt que l'embellir. Les affirmations qualifient la réduction de directe et y rattachent des conséquences pour le décodage binaire et d'autres normes.

En géométrie convexe, la borne supérieure optimale de volume (n + 1)^n / n! est démontrée en toute dimension pour les corps convexes dont le barycentre est le seul point intérieur du réseau. Le caractère optimal et la validité en toute dimension font tous deux partie de l'énoncé.

En théorie de Ramsey, une nouvelle borne inférieure superexponentielle montre que Rk(3) croît comme k^Θ(k). Et en théorie extrémale des graphes, des constructions distinctes de graphes bipartis réfutent deux conjectures : la conjecture de compacité d'Erdős et Simonovits et une conjecture de dégénérescence d'Erdős.

Lire l'ensemble comme un tout #

Il serait facile de traiter cette liste comme une vitrine de trophées ; il vaut donc la peine de dire ce que l'on peut en conclure et ce que l'on ne peut pas.

Ce que l'on peut dire, c'est que le document rapporte des résultats dans au moins huit domaines, que plusieurs sont présentés comme répondant à des conjectures nommées ou les réfutant, et que le chapitre sur l'empilement s'accompagne d'une borne inférieure correspondante qui rend son résultat définitif dans son cadre. Les conjectures concernées portent les noms de Connes, Popa, Erdős et Simonovits, et le taux d'empilement avait été conjecturé par Afkhami-Jeddi, Cohn, Hartman, de Laat et Tajdini. Les résultats qui tranchent des questions nommées sont faciles à évaluer, parce que la question avait été posée avant que la réponse existe.

Ce que l'on ne peut pas dire, sur la seule base de ces affirmations, c'est quoi que ce soit sur le fonctionnement du modèle, le nombre de tentatives nécessaires, la manière dont ses productions ont été vérifiées ou la comparaison avec un effort humain. La source dit que les résultats ont été obtenus par un modèle interne d'OpenAI, et les affirmations s'arrêtent là. Un lecteur qui voudrait mesurer la portée de l'ensemble comme témoignage sur les mathématiques produites par machine a besoin d'informations que les affirmations ne contiennent pas. Je résisterais à la tentation de combler ce vide par un récit vraisemblable.

Une position mérite tout de même d'être prise. Les résultats sont hétérogènes par leurs techniques : le groupe non sofique fait appel à l'algèbre de Leavitt binaire et au groupe V de Thompson, le résultat sur l'empilement à l'analyse de Fourier et aux transformées de Mellin, et la difficulté du vecteur le plus proche à une réduction depuis 3SAT. Un ensemble couvrant un terrain technique aussi vaste n'est pas le produit d'une seule astuce appliquée en boucle. Ce qui a produit ces résultats opérait dans plusieurs dialectes mathématiques, et les affirmations soutiennent au moins cela.

Ce que cela signifie par secteur #

La détermination exacte du taux de décroissance de Cohn-Elkies en grande dimension et les résultats mathématiques qui l'accompagnent concernent plusieurs domaines du calcul, théoriques comme appliqués.

Mathématiques pures et géométrie discrète #

Pour les mathématiciens qui travaillent en géométrie de grande dimension et en analyse harmonique, la détermination du taux exact de Cohn-Elkies déplace le paysage de la recherche. Comme la borne inférieure correspondante prouve qu'aucune fonction auxiliaire de $\mathcal{A}_d$ ne peut battre le nouvel exposant, les chercheurs peuvent cesser de chercher de meilleures fonctions test radiales dans le cadre classique de la programmation linéaire. Les progrès vers des empilements plus denses ou des bornes universelles plus serrées devront désormais explorer des techniques de programmation non linéaire, des hiérarchies semi-définies d'ordre supérieur ou des constructions géométriques radicalement différentes.

Cryptographie et sécurité fondée sur les réseaux #

La cryptographie fondée sur les réseaux - au cœur des normes post-quantiques comme ML-KEM et ML-DSA - repose largement sur la difficulté présumée de trouver les vecteurs les plus courts ou les plus proches dans des réseaux euclidiens de grande dimension. La réduction directe depuis 3SAT, qui établit une difficulté d'un facteur $n^{1/400}$ pour le problème euclidien du vecteur le plus proche (CVP), conjuguée à des plafonds exponentiels plus serrés sur les empilements de sphères et les codes sphériques, consolide les fondements théoriques des réductions du pire cas au cas moyen sur les réseaux, sans affaiblir les paramètres de sécurité concrets.

Démonstration automatique et modèles de fondation #

Pour les équipes qui développent des systèmes de raisonnement et des démonstrateurs automatiques, l'étendue et la profondeur technique de l'ensemble constituent une référence frappante. Plutôt que de produire des variations synthétiques de démonstrations connues, le modèle interne s'est attaqué à des problèmes ouverts en théorie des groupes (construction d'un groupe non sofique explicite au moyen du groupe V de Thompson), en algèbres d'opérateurs (réfutation de la conjecture de Connes) et en complexité arithmétique (bornes inférieures pour le permanent). Cela montre que des architectures neuronales peuvent naviguer dans une analyse de Fourier profonde et dans l'appariement combinatoire, à condition que la vérification et le contrôle des démonstrations restent rigoureux.

Conclusion #

La détermination du taux de décroissance exact du programme linéaire de Cohn-Elkies pour l'empilement de sphères clôt un chapitre important de l'analyse géométrique. En démontrant la conjecture de 2020 d'Afkhami-Jeddi, Cohn, Hartman, de Laat et Tajdini et en apportant la première amélioration de l'exposant général d'empilement depuis 1978, ce travail fixe une référence mathématique inébranlable. Avec une borne inférieure correspondante qui confirme qu'aucune fonction auxiliaire de Cohn-Elkies ne peut apporter de gain exponentiel supplémentaire, le théorème tranche la force asymptotique du programme linéaire et oriente l'avenir de la géométrie de grande dimension vers des horizons analytiques fondamentalement nouveaux.

Questions ? Réponses.

Quelle était la portée de la borne de Kabatianskii–Levenshtein ?

Établie en 1978, la borne de Kabatianskii–Levenshtein fournissait un exposant de borne supérieure asymptotique de 0,59905576... pour la densité d'empilement de sphères en grande dimension. Pendant plus de quatre décennies, les raffinements ultérieurs n'ont amélioré que des facteurs algébriques d'ordre inférieur, laissant intact le taux exponentiel dominant jusqu'à ce résultat.

Pourquoi la borne inférieure correspondante est-elle si décisive ?

Une borne supérieure seule montre ce qu'atteint le programme linéaire, mais une borne inférieure correspondante prouve qu'aucun choix de fonction auxiliaire f dans la classe admissible de Cohn-Elkies A(d) ne peut donner un exposant plus petit. Cela fixe un plafond absolu au cadre de la programmation linéaire lui-même.

Quel est le lien entre le problème d'incertitude de signe de Fourier et l'empilement de sphères ?

Cohn et Gonçalves ont établi que le problème complémentaire d'incertitude de signe de Fourier (où g_hat = -g) est étroitement couplé aux bornes d'empilement de sphères. Grâce à la moyenne par rotations et aux réflexions de la transformée de Mellin, la solution asymptotique du programme de Cohn-Elkies tranche directement le problème d'incertitude de signe de Fourier.

Ce résultat compromet-il la cryptographie fondée sur les réseaux ?

Non. Le théorème resserre les bornes supérieures sur la densité d'empilement des sphères en grande dimension et établit une difficulté d'un facteur $n^{1/400}$ pour le problème du vecteur le plus proche, mais il ne fournit aucun algorithme de réduction de réseau en temps polynomial. Les cryptosystèmes pratiques fondés sur les réseaux restent sûrs face aux attaques quantiques et classiques connues.

Références #

Nima Afkhami-Jeddi et al., (2020). Empilements de sphères en grande dimension et bootstrap modulaire ⧉. Journal of High Energy Physics.
Henry Cohn et Noam Elkies, (2003). Nouvelles bornes supérieures pour les empilements de sphères I ⧉. Annals of Mathematics.
Henry Cohn et Felipe Gonçalves, (2019). Un principe d'incertitude optimal en analyse de Fourier ⧉. PNAS.
Henry Cohn et Yufei Zhao, (2014). Bornes d'empilement de sphères par les codes sphériques ⧉. Duke Mathematical Journal.
G. A. Kabatianskii et V. I. Levenshtein, (1978). Bornes pour les empilements sur une sphère et dans l'espace ⧉. Problems of Information Transmission.
Maryna S. Viazovska, (2017). Le problème de l'empilement de sphères en dimension 8 ⧉. Annals of Mathematics.

Dernière révision 2026-10-05.

Dernière révision 2026-10-27.

Republier cet article

Un modèle interne d'OpenAI fixe le taux exact du programme Cohn-Elkies — Sebastien Rousseau

Un modèle interne d'OpenAI détermine le taux de décroissance exact du programme linéaire de Cohn-Elkies et améliore l'exposant général des empilements depuis 1978.

Cet article est sous licence Creative Commons Attribution 4.0 International. La republication nécessite l'attribution à l'URL canonique.

Un modèle interne d'OpenAI fixe le taux exact du programme Cohn-Elkies — Sebastien Rousseau

Un modèle interne d'OpenAI détermine le taux de décroissance exact du programme linéaire de Cohn-Elkies et améliore l'exposant général des empilements depuis 1978.

Originally published at https://sebastienrousseau.com/fr/2026-10-05-modele-interne-openai-fixe-taux-exact/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FONDATEUR · INGÉNIEUR