등차수열 없는 집합에 대한 인공지능의 도전: 멈춰 선 지점들의 기록부

TL;DR. 인공지능 보조 도구가 등차수열 없는 집합에 관한 두 가지 문제, 즉 역수 합 문제에 대한 논증과 모든 고정된 수열 길이에 대한 준다항식 한계를 연구했다. 블룸과 시사스크의...

핵심 요약

두 가지 과제, 그리고 그중 하나만 주장되었다. 자료는 두 가지 과제로 나뉘며, 두 과제의 상태를 구분해 두는 것이 좋다.
밀도 감소는 가합성과 같지 않다. 첫 번째 장애물은 푸리에 해석에 들어가기도 전에 논증의 구조적 수준에서 나타난다.
구조 유지하기, 그리고 3항 결과가 일반화되지 않는 이유. 제안된 해결책 중 하나는 구조를 계속 보존하는 것이다.
주파수를 여러 번이 아니라 한 번에 정렬하기. 주파수 함수의 순차적 정렬은 누적 문제가 가장 뼈아프게 작용하는 지점이다.

미완성 증명이 줄 수 있는 가장 유익한 정보는 정확히 어디서 막혔는가이며, 이 증명은 약 열두 군데의 구체적인 지점에서 막혔다.

경영진 요약

이 작업은 두 가지 과제로 나뉜다. 첫 번째는 역수 합 문제에 대한 논증을 전개하는 것이다. 두 번째는 모든 고정된 수열 길이에 대한 준다항식 한계를 찾는 것이며, 이 목표는 달성되지 않았다.

기준선은 블룸과 시사스크의 3항 역수 합 결과이다. 정성적인 밀도 감소만으로는 논증에 필요한 가합성을 제공하지 못한다.

구조화된 주변 집합, 동시 주파수 정렬, 희소 계수 보조정리, 크루트-시사스크 평활화, 리프팅과 반복, 코너, 스케일 p = log M에서의 엔트로피 등 다양한 접근법이 시도되었다. 각 접근법은 명시된 장애물에 부딪혔다.

최종 계산은 제한 보조정리나 희소 계수 원리 없이 미완성 상태로 남았다.

창업자와 기술 리더에게 주는 교훈은 방법론에 관한 것이다. 실패 지점을 명시한 기록부가 자신감 넘치는 초안보다 훨씬 신뢰할 수 있는 결과물이다.

두 가지 과제, 그리고 그중 하나만 주장되었다 #

자료는 두 가지 과제로 나뉘며, 두 과제의 상태를 구분해 두는 것이 좋다. 첫 번째 과제는 역수 합 문제에 대한 논증을 전개한다. 두 번째 과제는 모든 고정된 수열 길이에 대한 준다항식 한계를 찾는다. 여기서 동사의 차이가 중요하다. 첫 번째 과제는 논증을 전개하는 것으로 기술된다. 두 번째 과제는 단지 한계를 추구할 뿐이다. 기록 어디에도 두 번째 목표에 도달했다는 말은 없으며, 이 글 전체에서 이를 목표치로만 다룰 것이다.

인공지능 보조 도구는 백지상태에서 출발하지 않는다. 블룸과 시사스크의 3항 역수 합 결과를 기준선으로 삼는다. 그 이후의 모든 과정은 더 긴 수열로 나아가거나 더 강력한 정량적 명제를 얻기 위해 기준선을 넘어설 시도이다. 표기법은 초반에 고정된다. 각 k에 대해 r_k(N)은 자명하지 않은 k항 등차수열을 포함하지 않는 {1, ..., N}의 부분집합 중 가장 큰 크기이다. 밀도가 α = |A|/N인 집합 A가 연구 대상이며, 정규화된 함수는 f = 1_A/α이다.

이 정규화가 이후 내용의 대부분을 이끈다. E[μ] = 1이 되도록 μ = 1_A/α로 정의하고, M = α^-1로 놓는다. 그러면 로그 희소도는 p = log(1/α)가 되며, 이는 log M과 같다. 집합이 희소할수록 M과 p는 커진다. 아래의 모든 장애물은 어떤 형태로든 이 희소도가 커질 때 무엇이 일어나는가에 관한 진술이다.

밀도 감소는 가합성과 같지 않다 #

첫 번째 장애물은 푸리에 해석에 들어가기도 전에 논증의 구조적 수준에서 나타난다. 기록은 정성적인 밀도 감소만으로는 이러한 가합성을 제공하지 못한다고 명확히 밝힌다. 스케일을 이동할 때 밀도가 줄어든다는 사실을 아는 것만으로는 충분하지 않다. 역수 합 문제는 그 감소 폭이 합산할 수 있을 만큼 충분히 정량화되기를 요구한다.

매력적인 탈출구는 점화식이다. 노트에 따르면 극단적인 등차수열 없는 밀도에 대해 충분히 강력한 점화식이 있다면 지수 스케일 전반에 걸친 가합성을 얻을 수도 있다. 이 문장은 신중하게 유보적으로 작성되었으며, 그대로 유지되어야 한다. 이는 가상의 강력한 점화식이 할 수 있는 일을 설명할 뿐, 그러한 점화식을 찾아냈다고 보고하지 않는다.

두 번째 비용은 첫 번째와 별개이다. 보조 도구는 수많은 약한 상관관계의 누적을 추가적인 비용으로 지목한다. 개별 상관관계는 무해할 수 있지만 그 합은 그렇지 않다. 한 번은 저렴한 단계가 반복되어야 할 때 비싸진다는 주제는 계속해서 되풀이된다.

구조 유지하기, 그리고 3항 결과가 일반화되지 않는 이유 #

제안된 해결책 중 하나는 구조를 계속 보존하는 것이다. 보조 도구는 연속적인 증분 과정에서 구조화된 주변 집합을 유지할 것을 제안한다. 원문에서 유보적으로 표현된 이 아이디어는 한 단계에서 찾은 구조화된 집합을 다음 단계로 넘어갈 때 버리지 말아야 한다는 것이다.

3항의 경우 더 긴 수열에는 없는 특징을 가지고 있다. 3항 등차수열에 유용한 양수성 메커니즘은 더 긴 뿌리 계수로 직접 확장되지 않는다. 이는 장애물이 3보다 큰 k에 특화되어 나타나는 여러 지점 중 첫 번째이다. 뒤이은 노트는 같은 요점을 일반적인 용어로 다시 설명한다. 즉, 더 긴 수열은 추가적인 고차 장애물을 도입한다.

기록에는 고정된 균일성 노름이 희소 정규화 함수를 제어할 수 있는지에 관한 텐서곱 스케치가 포함되어 있다. 보조 도구는 이 스케치를 완성하지 않는다. 이 질문이 어느 쪽으로든 해결되었다고 암시하기보다는 미완성으로 남았다고 보고하는 편이 낫다.

주파수를 여러 번이 아니라 한 번에 정렬하기 #

주파수 함수의 순차적 정렬은 누적 문제가 가장 뼈아프게 작용하는 지점이다. 각 정렬마다 약간의 비용이 든다면, 긴 사슬을 거치면서 비용은 막대해진다. 보조 도구는 순차적 정렬을 통해 손실을 누적하는 대신 여러 주파수 함수를 동시에 정렬할 것을 제안한다. 여백의 메모는 이를 직설적으로 표현한다. "모든 주파수를 한 번에 정렬하면 반복 손실 없음." 이 문장이 요약하는 제안과 마찬가지로, 동시 정렬이 작동할 경우 무엇을 얻을 수 있는지를 설명하기 때문에 이 문장 역시 조건부이다.

이어지는 노트는 여전히 빠져 있는 요소를 명시한다. S_h는 적어도 exp(-poly) 이상의 큰 상관관계를 갖는 주파수들로부터 복원 가능해야 한다. 이는 여전히 요구사항일 뿐 결과가 아니다. 여기서 정리되는 상관관계는 f = 1_A/α 및 α = |A|/N일 때 쌍 곱 f(x)f(x + h)의 상관관계이다.

설령 그것을 인정하더라도, 보조 도구는 여전히 상대적 상관관계를 보존하고 계수 논증을 완성해야 한다. 따라서 동시 정렬 아이디어는 반복 손실이 없다는 매력적인 특성을 지니지만, 아직 아무도 검증하지 않은 목록을 안고 있다. 관련된 접근법도 비슷한 한계를 갖는다. 드문 결맞음 피크를 잘라내는 방법은 독립적인 주파수 군집에는 작동하지만, 그 논증을 종속적인 군집으로 확장하는 문제는 여전히 미해결 상태이다.

드문 빈 조각과 적응적 채우기의 비용 #

논증이 푸리에 측면의 장부 정리에서 실제 수열 계수로 넘어갈 때 구조적인 문제가 나타난다. 보조 도구는 한 가지 장애물을 지목한다. 구조화된 조각에 대한 상위 밀도 한계는 드문 빈 조각을 허용한다는 것이다. 집합 A의 얼마나 많은 부분이 한 조각 안에 놓이는지에 대한 상한은 A의 원소가 그곳에 실제로 존재하는지에 대해 아무것도 말해주지 않는다. 드물고 비어 있는 조각이 한계를 모두 만족하는 조각들의 패밀리 안에 자리 잡을 수 있다.

한 가지 대응책은 적응적 채우기이며, 여기에는 그만한 대가가 따른다. 적응적 채우기는 보조 도구가 증명하지 못한 추가적인 실현 가능성 조건을 도입한다. 주요화 함수는 드문 나쁜 조각을 배제하는 자연스러운 방법이다. 보조 도구의 인용문은 모든 드문 원자에 대한 주요화 함수는 비현실적일 가능성이 높다고 말한다. 이 언급은 유보적이지만 가장 직접적인 해결책에서 멀어지는 방향을 가리킨다.

이것이 기록의 나머지 부분을 설명하는 패턴이다. 저렴한 논증은 어딘가에서 하한을 필요로 하지만, 사용 가능한 도구는 상한만을 제공하며, 그 둘 사이의 간극은 드물고 희소하며 비어 있는 것들로 채워져 있다.

희소 계수 기법 빌려오기, 그리고 빌려온 것만으로는 부족함을 깨닫기 #

보조 도구는 돌파구를 찾기 위해 기존의 희소 계수 문헌을 살펴보았다. 두 가지 문헌이 이 시도의 틀을 잡았다.

콘론-폭스-자오 밀집화에 대해 보조 도구는 그것이 양측 선형 형식 추정에 의존한다는 사실을 발견했다. 여기서의 설정은 양측 구조가 아니라 상한 구조를 가지므로 이 점이 중요하다. 한쪽 측면만 알려져 있을 때는 양측 제어에 기반한 방법을 사용할 수 없다.

필무스, 하타미, 호세이니, 켈만의 희소 그래프 계수 보조정리는 비대칭 격자 모멘트와 양의 준정부호 불균형화에 대한 모델을 제공했다. 따라서 이는 그대로 가져다 쓸 수 있는 정리가 아니라 템플릿 역할을 했다. 그럼에도 불구하고 같은 어려움이 다시 나타났다. 상한만으로는 반복적으로 희소한 구멍에 부딪혔다. 또 다른 문제는 격자 모멘트를 해석하기 어렵게 만든다. 큰 중심화 격자 모멘트는 상향 집중이 아니라 빠져 있는 질량을 반영할 수도 있기 때문이다. 큰 모멘트는 집중의 증거처럼 보이지만, 존재하지 않는 질량에 의해서도 똑같이 만들어질 수 있다. 그 모호함은 모멘트 측면에서 바라본 희소 구멍 문제이다.

다음으로 보조 도구는 M의 작은 거듭제곱 손실을 고려했다. 그러나 적절한 계수 정리를 얻지 못했다. 이는 깔끔한 부정적 결과이며 선택지를 좁혀준다. 논증이 M의 작은 거듭제곱만큼 손실을 감수하더라도 적절한 계수 정리는 발견되지 않았다.

평활화는 적용하기에 비용이 너무 컸다 #

크루트-시사스크 평활화는 계수 전에 집합을 정칙화하는 표준 경로이다. 보조 도구는 이를 검토했으나 제안된 응용 분야에서는 요구되는 정확도의 비용이 너무 많이 든다는 것을 발견했다. 방법 자체가 틀린 것은 아니었다. 다만 그 대가가 논증이 지불할 수 있는 수준을 넘어섰다.

다른 경로들에도 똑같은 경제 논리가 적용된다. 파이버 논증의 경우 파이버 한계가 자동으로 곱해지지 않았으며, 상수 노름 구면이 고정된 자릿수 알파벳 위에서 기대했던 강력한 감소를 가로막았다. 곱 구조는 조각들에 대한 한계가 전체에 대한 한계로 결합되어야 함을 시사하지만, 여기서는 그렇지 않았다. 리프팅과 반복을 시도했으나 여전히 정량적으로 너무 많은 손실이 발생했다.

그다음에는 벤-사손-론-제위의 근사 쌍대성 접근법이 검토되었다. 보조 도구는 구상된 반복 과정에서 정량적 손실이 너무 크다는 사실을 확인했다. 이는 리프팅 시도와 동일한 판정이지만 다른 방향에서 도달한 결론으로, 문제가 특정 구성 방식이 아니라 반복이라는 행위 자체에 있음을 시사한다. 나는 이를 증명된 진단이 아니라 패턴에 대한 관찰로 남겨두고자 한다.

한 줄의 낙관론, 그리고 그것을 무너뜨린 산수 #

기록에는 진전이 있는 것처럼 보이는 순간이 담겨 있다. 보조 도구의 인용문은 느낌표까지 붙여서 곱 차수 변동이 다항식 정밀도로 처리된다고 단언한다. 이는 보조 도구가 쓴 그대로 인용된 조건부 단언이다.

그 직후 보조 도구는 그 주장의 문제점을 알아차렸다. 부호 있는 전개식이 2^p 차수의 절대 질량을 가질 수 있으며, 이는 다항식 정확도를 압도한다는 것이다. p = log M임을 상기해 보자. M에 대한 다항식 정밀도는 소박한 목표인 반면, 2^p 차수의 질량을 가진 부호 있는 전개식은 기하급수적으로 더 크다. 정밀도 자체는 실제이지만, 그것이 의존하는 상쇄 작용이 그만큼의 질량을 흡수할 수는 없다.

나는 이 항목이 자체 점검이 제대로 작동하는 모습을 보여주기 때문에 기록부에서 가장 교훈적인 부분이라고 생각한다. 느낌표와 함께 제기된 주장이 다시 열렸고, 그 주장이 의존하던 산수가 부족함이 밝혀졌다. 이것이 정직한 작업 기록의 모습이다. 열정과 교정이 같은 문서 안에 나란히 놓여 있다.

코너와 박스는 더 긴 수열로 조립되지 않는다 #

또 다른 전략은 이미 알려진 더 강력한 결과를 징검다리로 삼는 것이었다. 준다항식 코너 한계가 관련 도구이지만, 그 결과로 얻어진 코너들이 자동으로 더 긴 수열로 조립되지는 않았다. 코너는 2차원 패턴이고 긴 수열은 1차원 패턴인데, 그 둘 사이의 이행이 자동으로 이루어지지 않는다.

4항 박스 계수도 관련된 어려움을 드러낸다. 4항 박스 계수의 양수성은 예외적인 대각선을 제어하지 못했다. 양의 계수가 나오더라도 퇴화 구성들이 지배할 수 있으며, 대각선이 바로 그러한 퇴화 구성들이 서식하는 곳이다.

노트는 신중하게 유보적인 어조로 가능한 전진 방향을 제시하기는 한다. 완전 박스 노름은 상위 계수만으로 하위 수열 계수를 강제할 수 있는지에 대한 가능한 메커니즘을 제공한다. 단방향 정보만으로 하한을 강제할 수 있는가 하는 이 질문은 프로젝트 전체가 계속해서 맴도는 핵심 질문이다. 하지만 이를 어디까지 확장할 수 있는지에 대해서는 한계가 있다. 음의 삼차 기여분이 수열 시스템으로의 직접적인 확장을 가로막는다.

스케일 p = log M에서의 엔트로피로 이동하기 #

직접적인 계수 경로가 막히자 조사는 켈리-메카의 고차 모멘트 활용법을 차용하여 스케일 p = log M에서의 엔트로피로 방향을 틀었다. 스케일의 선택은 임의적이지 않다. p = log M은 서두에서 정의한 바로 그 로그 희소도이다.

보조 도구의 인용문은 비음수성과 주파수 해리성(창의 결과)을 이용해 L2 대신 엔트로피를 사용할 것을 제안한다. 이는 제안이지 결과가 아니다. 그 논리는 μ = 1_A/α가 음수가 아니고 창의 해리성이 주파수 측면에 구조를 부여하므로, L2 양이 할 수 없는 일을 엔트로피가 해낼 수도 있다는 것이다.

이 방법이 작동하려면 보조 도구에는 구체적인 해석적 입력이 필요했다. 보조 도구는 적절한 국소 상한 아래에서 유계 함수 g와 고정된 q > 2에 대해 푸리에 제한 추정치 ||g_hat||_q = O(1)을 구하고자 했다. 이는 목표치였을 뿐 확립되지 않았다.

장애물은 다음 단계에서 나타났다. 고차 모멘트에서 구조를 추출하는 과정에서 너무 많은 질량이 손실되었다. 고차 모멘트는 켈리-메카 스타일의 논증이 힘을 얻는 지점이지만, 여기서는 논증이 유지해야 할 요소를 잃어버리는 지점이기도 했다.

가장 근접했던 계산 #

최종 계산은 성공과 실패를 동시에 담고 있으므로 따로 살펴볼 가치가 있다. 이 계산은 합성곱 가설 아래에서 완전한 끝점 한계에 도달한다. 이는 그 자체로 명시된 실제 결과이며, "합성곱 가설 아래에서"라는 단서를 달고 있다. 그 가설들이 성립할 때 한계도 성립한다.

하지만 제안된 계수 논증이 필요로 하는 지수 3 임계값을 넘지는 못한다. 보조 도구의 발췌문은 합성곱과 캡으로부터 약한 l3 한계가 도출되며, 보간을 위해서는 엄격하게 더 나은 지수(3 미만)가 필요하다고 기록한다. 평이한 말로 풀자면 계산 결과가 기준선의 바로 반대쪽에 떨어진 셈이다. 지수 3에서의 한계로는 충분하지 않으며, 보간법을 쓰려면 그보다 엄격하게 더 작은 값이 필요하다.

이러한 아슬아슬한 실패를 "거의 다 왔다"고 읽고 싶어질 수 있다. 나는 그러한 해석을 경계하고 싶다. 기록은 계산이 임계값에서 얼마나 떨어져 있는지 말해주지 않으며, 단 하나의 지수 차이가 문제 전체일 수도 있다. 기록이 분명히 말하는 바는 보조 도구가 제한 보조정리나 희소 계수 원리를 도출하지 못한 채 계산을 미완성으로 남겼다는 사실이다. 이 두 가지 빠진 조각이 프로젝트의 미결 부채이다.

이 기록부의 가치 #

이 작업을 실패한 시도로 치부하기는 쉽다. 그러나 나는 그것이 정수론을 넘어 널리 적용되는 이유로 인해 증거를 잘못 읽는 것이라고 생각한다.

이 문서는 구체적이다. 드문 빈 조각, 격자 모멘트의 빠져 있는 질량, 콘론-폭스-자오의 양측 추정, p에 대해 지수적인 부호 있는 질량, 4항 박스 계수의 예외적인 대각선, 음의 삼차 기여분 등 각 갈림길에서 마주친 장애물의 이름을 정확히 부른다. 입증된 한계와 희망하는 메커니즘을 구분한다. 가합성을 위한 점화식은 작동할지도 모르는 것으로, 두 번째 과제는 추구하는 목표로 표시한다. 그리고 보조 도구가 무엇을 끝내지 못했는지 분명히 밝힌다.

인공지능 보조 연구를 평가하는 창업자나 기술 리더에게 바로 이것이 찾아야 할 핵심이다. 자신감 넘치고 완성된 것처럼 보이는 논증을 내놓는 시스템은 감사하기 어렵다. 반면 이름 붙여진 실패들의 목록을 반환하고, 유일하게 성공에 근접한 결과조차 임계값에 미달했다고 명확히 표시하는 시스템은 한 줄씩 감사할 수 있다. 누군가 지수 3 문제나 종속 군집 문제를 이어받아 출발점이 어디인지 정확히 알 수 있다.

직접 언급할 만한 패턴도 하나 있다. 많은 실패가 누적에 의한 실패이다. 약한 상관관계가 합쳐지고, 순차적 정렬이 중첩되며, 반복이 너무 많은 손실을 낳고, 파이버 한계가 곱해지지 않는다. 제안된 한 가지 해결책은 바로 이 문제를 직접 겨냥하여, 반복 손실이 발생하지 않도록 주파수를 동시에 정렬하자고 한다. 이는 조건부 제안이며, 큰 상관관계를 갖는 주파수로부터 S_h를 복원한다는 전제 조건도 증명되지 않았다. 그럼에도 이는 가장 빈번하게 제기되는 불만에 가장 직접적으로 응답하는 제안이다.

따라서 이 기록이 제기하는 미해결 질문은 좁고 검증 가능하다. 이미 끝점 한계를 제공하는 합성곱 가설 아래에서 지수 3보다 엄격하게 더 나은 한계를 얻을 수 있는가? 만약 그렇다면 보간법을 적용할 발판이 마련된다. 그렇지 않다면 아직 도출되지 않은 푸리에 제한 경로와 희소 계수 원리가 다음에 살펴보아야 할 지점이다.

자주 묻는 질문 #

인공지능 보조 도구가 조사한 두 가지 수학 문제는 무엇이었나요?

보조 도구는 등차수열 없는 집합에 관한 두 가지 관련된 과제, 즉 역수 합 문제에 대한 논증을 전개하는 것과 모든 고정된 수열 길이 k에 대한 준다항식 한계를 찾는 것을 연구했습니다. 블룸과 시사스크의 3항 역수 합 결과를 기준선으로 삼았으나, 임의의 수열 길이에 대한 준다항식 한계는 달성하지 못했습니다.

상위 밀도 한계가 왜 필요한 계수 보조정리를 만들어내지 못했나요?

구조화된 조각에 대한 상위 밀도 한계는 드문 빈 조각을 허용합니다. 즉, 집합 A의 얼마나 많은 부분이 한 조각 안에 놓이는지에 대한 상한이 그곳에 A의 원소가 실제로 존재함을 보장하지는 않습니다. 여러 차례의 시도에서 상한만으로는 반복적으로 희소한 구멍에 직면했고, 큰 중심화 격자 모멘트는 상향 집중이 아니라 빠져 있는 질량을 반영할 수 있었습니다.

최종 계산은 어디서 멈춰 섰나요?

최종 계산은 명시된 합성곱 가설 아래에서 완전한 끝점 한계에 도달했지만, 보간에 필요한 3 미만의 엄격한 지수 임계값을 넘지 못하는 약한 l3 한계만을 산출했습니다. 보조 도구는 푸리에 제한 보조정리나 희소 계수 원리를 도출하지 못한 채 계산을 미완성으로 남겼습니다.

참고문헌 #

Thomas F. Bloom and Olof Sisask, (2020). Breaking the logarithmic barrier in Roth's theorem on arithmetic progressions ⧉. arXiv.
Zander Kelley and Raghu Meka, (2023). Strong Bounds for 3-Progressions ⧉. arXiv.
David Conlon, Jacob Fox, and Yufei Zhao, (2014). A relative Szemerédi theorem ⧉. Geometric and Functional Analysis.
Ernie Croot and Olof Sisask, (2010). A probabilistic technique for finding almost-periods of convolutions ⧉. Geometric and Functional Analysis.

최종 검토 2026-11-01.

이 기사 재게시

등차수열 없는 집합에 대한 인공지능의 도전: 멈춰 선 지점들의 기록부 — Sebastien Rousseau

인공지능 보조 도구가 등차수열 없는 집합에 관한 두 가지 문제, 즉 역수 합 문제에 대한 논증과 모든 고정된 수열 길이에 대한 준다항식 한계를 연구했다. 블룸과 시사스크의...

이 기사의 라이선스는 Creative Commons Attribution 4.0 International. 재게시 시 정규 URL 출처 표시가 필요합니다.

등차수열 없는 집합에 대한 인공지능의 도전: 멈춰 선 지점들의 기록부 — Sebastien Rousseau

인공지능 보조 도구가 등차수열 없는 집합에 관한 두 가지 문제, 즉 역수 합 문제에 대한 논증과 모든 고정된 수열 길이에 대한 준다항식 한계를 연구했다. 블룸과 시사스크의...

Originally published at https://sebastienrousseau.com/ko/2026-10-24-deungchasuyeol-eopsneun-jiphape-daehan-ingongjineungui-dojeon/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER