Mô hình OpenAI xác định tốc độ suy giảm chính xác của cận Cohn-Elkies

TL;DR. Một mô hình nội bộ của OpenAI xác định tốc độ suy giảm chính xác của quy hoạch tuyến tính Cohn-Elkies: lần cải thiện đầu tiên số mũ xếp cầu từ năm 1978.

Điểm chính

Tập hợp này là gì, và vì sao một kết quả nổi bật. Tài liệu mở đầu một cách khiêm tốn.
Chương trình Cohn-Elkies và những gì nó chặn. Bài toán xếp hình cầu hỏi các quả cầu không chồng lên nhau có thể lấp đầy không gian dày đặc đến mức nào.
Những gì khuôn khổ này đã đạt được. Trước khi chuyển sang định lý mới, cần nói cụ thể khuôn khổ quy hoạch tuyến tính giải tích Fourier đã mang lại những gì, vì kết quả mới phần nào là một phát biểu về việc nó còn có thể đi xa đến đâu.
Định lý chính. Định lý chính của tài liệu chứng minh tốc độ mũ được phỏng đoán trong Giả thuyết 3.1 và 3.2 của bài báo năm 2020 đó.

Một tập hợp kết quả toán học từ một mô hình nội bộ của OpenAI xác định dứt khoát sức mạnh tiệm cận của quy hoạch tuyến tính xếp hình cầu Cohn-Elkies. Nó mang lại lần cải thiện đầu tiên cho số mũ xếp hình cầu tổng quát kể từ năm 1978, cùng với một cận dưới khớp chính xác.

Tập hợp này là gì, và vì sao một kết quả nổi bật #

Tài liệu mở đầu một cách khiêm tốn. Nó trình bày một tập hợp kết quả do một mô hình nội bộ của OpenAI thu được, và cho biết các kết quả này trải rộng trên toán học và khoa học máy tính lý thuyết. Đó là mô tả về nguồn gốc và phạm vi, và nó không cho biết mô hình đã được sử dụng thế nào hay đầu ra của nó được kiểm tra ra sao. Những câu hỏi đó quan trọng, và nguồn như được tóm tắt ở đây để chúng không có lời đáp, nên bài viết này sẽ không giả vờ điều ngược lại. Điều mà các khẳng định thực sự hỗ trợ là một danh sách các kết quả được công bố, và danh sách đủ dài để câu hỏi thú vị không phải là liệu một mục nào đó có ấn tượng hay không. Câu hỏi là vì sao một trong số đó xứng đáng nhận phần lớn sự chú ý.

Lý do là kết quả xếp hình cầu là kết quả duy nhất trong tập hợp khép lại một khoảng trống định lượng trong một chương trình nghiên cứu có lịch sử dài và gắn với những cái tên. Các kết quả khác cũng nổi bật theo cách riêng. Một nhóm không sofic tường minh trả lời một câu hỏi tồn tại từ lâu. Việc bác bỏ giả thuyết Connes giải quyết một điều mà một nhà toán học nổi tiếng đã đề xuất. Nhưng kết quả xếp hình cầu nằm ở cuối một chuỗi đi từ một khuôn khổ giải tích Fourier, qua hai lời giải chính xác nổi tiếng ở những số chiều riêng lẻ, đến một câu hỏi về số chiều cao đã bỏ ngỏ trong nhiều năm. Hiểu được nó nghĩa là hiểu được chuỗi đó.

Vì vậy, phần lớn nội dung dưới đây nói về quy hoạch tuyến tính Cohn-Elkies: nó là gì, người ta đã biết gì về nó, định lý mới nói gì, và phía bất định dấu của lập luận được dựng lên như thế nào. Sau đó, một phần ngắn hơn điểm qua các kết quả còn lại trong tập hợp, mỗi kết quả đúng như được phát biểu và không hơn.

Chương trình Cohn-Elkies và những gì nó chặn #

Bài toán xếp hình cầu hỏi các quả cầu không chồng lên nhau có thể lấp đầy không gian dày đặc đến mức nào. Tài liệu cố định ký hiệu cho việc này. Với các tâm cách nhau ít nhất 1, ∆d là cận trên đúng của các mật độ trên của những quả cầu bán kính 1/2 trong Rd. Nói cách khác, ∆d ký hiệu mật độ xếp hình cầu cực đại trong Rd. Mọi thứ trong chương đầu tiên của tập hợp đều được đo so với đại lượng đó.

Chương trình Cohn-Elkies cho một cận trên của ∆d. Đầu ra tối ưu của nó được viết là LPd, định nghĩa là cận mật độ tối ưu mà chương trình mang lại. Cơ chế là cận Gorbachev-Cohn-Elkies, gán cho mỗi f trong một lớp gọi là Ad cận trên mật độ vd f(0)/(2d f̂(0)). Nói bằng lời: bạn chọn một hàm phụ trợ f từ lớp chấp nhận được, tính giá trị của nó tại gốc tọa độ và giá trị biến đổi Fourier của nó tại gốc tọa độ, lập tỉ số đó cùng các thừa số thể tích và tỉ lệ, và kết quả chặn trên mật độ xếp. Quy hoạch tuyến tính tìm f làm cho cận này nhỏ nhất có thể.

Đây là một khuôn khổ mà toàn bộ khó khăn nằm ở việc chọn f cho tốt. Một hàm được chọn khéo cho một cận chặt, còn một hàm được chọn kém cho một cận yếu nhưng vẫn đúng. Đó là lý do cận dưới khớp trong kết quả mới quan trọng đến vậy. Nó nói về mọi hàm chấp nhận được cùng một lúc, và biến việc tìm kiếm hàm tốt hơn thành một câu hỏi đã khép lại.

Những gì khuôn khổ này đã đạt được #

Trước khi chuyển sang định lý mới, cần nói cụ thể khuôn khổ quy hoạch tuyến tính giải tích Fourier đã mang lại những gì, vì kết quả mới phần nào là một phát biểu về việc nó còn có thể đi xa đến đâu.

Viazovska đã dùng khuôn khổ này để chứng minh rằng lưới E8 cho cách xếp tối ưu trong số chiều tám. Sau đó Cohn, Kumar, Miller, Radchenko và Viazovska chứng minh tính tối ưu của lưới Leech trong số chiều hai mươi bốn. Đó là những kết quả chính xác ở từng số chiều riêng lẻ, và chúng là lý do khuôn khổ này có danh tiếng vượt ra ngoài vai trò một công cụ đặt cận. Ở hai số chiều cụ thể, nó chạm đúng câu trả lời thật.

Bức tranh ở số chiều cao mờ nhạt hơn. Cohn và Zhao chứng minh rằng quy hoạch tuyến tính luôn ít nhất mạnh bằng cận mã cầu Kabatianskii-Levenshtein. Đó là một bảo đảm hữu ích, vì cận Kabatianskii-Levenshtein từng là số mũ tổng quát tốt nhất được biết. Nhưng “ít nhất mạnh bằng” để ngỏ hai khả năng: chương trình có thể khớp đúng số mũ đó, hoặc có thể vượt qua nó. Tài liệu nêu thẳng hệ quả. Liệu quy hoạch tuyến tính có cải thiện số mũ xếp hình cầu cổ điển ở số chiều cao hay không vẫn là câu hỏi bỏ ngỏ.

Afkhami-Jeddi, Cohn, Hartman, de Laat và Tajdini đã phỏng đoán tốc độ của quy hoạch tuyến tính ở số chiều cao. Phỏng đoán đó là một phát biểu thận trọng, và nguồn đối xử với nó đúng như vậy. Đó là một phỏng đoán, được hỗ trợ bởi những bằng chứng mà các tác giả có, và chưa ai chứng minh được. Kết quả mới thay đổi vị thế của nó.

Định lý chính #

Định lý chính của tài liệu chứng minh tốc độ mũ được phỏng đoán trong Giả thuyết 3.1 và 3.2 của bài báo năm 2020 đó. Phát biểu ở mức mà các khẳng định hỗ trợ: các tác giả xác định tốc độ suy giảm mũ chính xác của quy hoạch tuyến tính xếp hình cầu Cohn-Elkies. Sức mạnh tiệm cận của chương trình, theo lời nguồn, được xác định chính xác.

Hai hệ quả suy ra trực tiếp từ nguồn. Thứ nhất là một cận xếp tổng quát được cải thiện ở số chiều cao. Thứ hai là bài toán bất định dấu Fourier tương ứng được giải quyết về mặt tiệm cận. Đó là những hệ quả thuộc loại khác nhau. Một cái về hình học và cái kia về giải tích, và việc một định lý duy nhất mang lại cả hai là gợi ý đầu tiên rằng bài toán xếp hình cầu và bài toán bất định là hai mặt của cùng một cấu trúc.

Nguồn cũng đặt thành tựu này trong bối cảnh lịch sử. Nó mô tả kết quả là lần cải thiện đầu tiên kể từ năm 1978 cho số mũ xếp hình cầu tổng quát. Số mũ Kabatianskii-Levenshtein cổ điển là 0,59905576..., và con số đó từng là chuẩn so sánh. Tài liệu ghi nhận rằng các tinh chỉnh mã cầu sau đó chỉ cải thiện các thừa số bậc thấp. Nói cách khác, với bản thân số mũ, tức đại lượng bậc dẫn đầu, không có gì dịch chuyển.

Tôi cho rằng đây là cách đặt vấn đề đúng để đánh giá kết quả. Một cải thiện bậc thấp điều chỉnh các hằng số và thừa số đa thức trong khi giữ nguyên tốc độ mũ. Một cải thiện số mũ thay đổi chính tốc độ. Các khẳng định hỗ trợ đúng sự phân biệt đó, và hỗ trợ nhận định rằng các tinh chỉnh trước đây nằm ở phía bậc thấp.

Chiều / Khuôn khổ	Mốc cổ điển (1978)	Quy hoạch tuyến tính Cohn-Elkies	Chứng minh mới của mô hình
Số mũ xếp hình cầu	Cận Kabatianskii-Levenshtein: 0,59905576...	Ít nhất mạnh bằng các cận mã cầu (Cohn-Zhao)	Chứng minh tốc độ tiệm cận chính xác do Afkhami-Jeddi và cộng sự (2020) phỏng đoán
Tính dứt khoát của cận	Chỉ tinh chỉnh các thừa số bậc thấp	Câu hỏi mở về khoảng trống tiệm cận ở số chiều cao	Cận dưới khớp chính xác: không hàm phụ trợ nào vượt được tốc độ này
Bất định dấu Fourier	Các cận dấu riêng biệt ($A^+(d) < A^-(d)$)	Gắn với các hàm thử phản tự Fourier	Giải quyết tiệm cận; bất định dấu được chi phối bởi phép phản xạ Mellin
Mã sửa lỗi	Các cận mã cầu và mã nhị phân cổ điển	Gắn tiệm cận với các cận xếp	Cải thiện theo thừa số mũ với mọi tham số khoảng cách cố định
Trần phương pháp luận	Tối ưu hóa số các thừa số đa thức	Tối ưu hóa mở các hàm thử phụ trợ $f \in \mathcal{A}_d$	Chứng minh trần toán học: muốn tiến xa hơn cần phương pháp ngoài Cohn-Elkies

Vì sao cận dưới khớp làm thay đổi câu hỏi #

Chỉ riêng một cải thiện cận trên đã là tin tốt. Điều khiến kết quả này dứt khoát một cách khác thường là nửa thứ hai. Cận dưới khớp cho thấy không hàm phụ trợ Cohn-Elkies nào có thể cải thiện số mũ này.

Hãy nghĩ xem điều đó tác động gì đến chương trình nghiên cứu. Trước kết quả này, một nhà nghiên cứu có ý tưởng tốt hơn để dựng hàm phụ trợ có một con đường hợp lý dẫn tới số mũ xếp hình cầu còn tốt hơn nữa. Sau nó, con đường đó bị đóng ở cấp số mũ. Mọi tiến bộ tiếp theo về số mũ phải đến từ bên ngoài khuôn khổ Cohn-Elkies, vì bên trong nó tốc độ nay đã chính xác.

Tôi không muốn phóng đại điều này. Các khẳng định không nói rằng số mũ mới là số mũ xếp hình cầu thật sự, và không nói rằng bản thân việc xếp hình cầu không thể tốt hơn. Phát biểu này liên quan đến quy hoạch tuyến tính: số mũ của nó đã được ghim lại, và không thể vượt qua bằng cách thay đổi hàm phụ trợ. Liệu một kỹ thuật khác có thể vượt qua nó hay không là câu hỏi các khẳng định không bàn đến. Đó là một ranh giới rõ ràng, và là loại ranh giới cho một lĩnh vực biết nên tìm ở đâu tiếp theo.

Cũng có một cách đọc mang tính kinh doanh cho những độc giả quan tâm nỗ lực được dồn vào đâu. Một trần được biết là chính xác của một phương pháp là thông tin hữu ích. Nó bảo bạn dừng tối ưu hóa bên trong phương pháp đó. Với bất kỳ ai phân bổ thời gian nghiên cứu, việc chuyển từ “điều này có thể cải thiện” sang “điều này không thể cải thiện” có giá trị ngang một kết quả tích cực khiêm tốn.

Mã cầu và mã nhị phân #

Tập hợp không dừng lại ở việc xếp. Các cận trên cổ điển cho mã nhị phân và mã cầu có khoảng cách cố định được cải thiện theo các thừa số mũ với mọi tham số. Câu đó mang một lượng từ mạnh. Sự cải thiện là theo thừa số mũ, và đúng với mọi tham số, một phát biểu rộng hơn so với một cải thiện trong một chế độ thuận lợi.

Cũng có một mối liên hệ ngược về Chương 1. Cách dựng mã cầu cũng khôi phục số mũ xếp hình cầu của Chương 1. Vậy là hai mạch kết nối: cách dựng ở phía mã tái tạo số mũ ở phía xếp. Các khẳng định không nêu rõ cơ chế của sự khôi phục đó, và tôi sẽ không bịa ra một cơ chế. Điều chúng xác lập là mối quan hệ đi theo hướng này, với cách dựng cầu cho ra cùng số mũ như chương về xếp.

Cần nhắc lại vì sao mối liên hệ này quan trọng, xét theo lịch sử ở trên. Cận mã cầu Kabatianskii-Levenshtein là điểm so sánh cho quy hoạch tuyến tính, và định lý của Cohn và Zhao nói rằng chương trình luôn ít nhất mạnh bằng. Các kết quả mới cải thiện cả cận mã lẫn cận xếp, và làm điều đó từ một cách dựng quay trở về số mũ xếp. Hai phía đang được dịch chuyển cùng nhau.

Bài toán bất định dấu #

Hệ quả thứ hai của định lý chính liên quan đến bất định dấu Fourier, và tài liệu đưa ra đủ định nghĩa để phác họa hình dạng của nó.

Với một hàm g, r(g) được định nghĩa là cận dưới đúng của các R ≥ 0 sao cho g(x) ≥ 0 với |x| ≥ R. Nói đơn giản, r(g) là bán kính mà vượt qua đó g không âm ở mọi nơi. Khi không có bán kính như vậy, r(g) = ∞. Bài toán bất định hỏi bán kính này có thể nhỏ đến mức nào đối với những hàm có một quan hệ định sẵn với chính biến đổi Fourier của chúng.

Quan hệ đó là một dấu. Điều kiện ĝ = ςg gắn một hàm với biến đổi Fourier của nó sai khác một dấu. Các dấu +1 và −1 lần lượt cho bài toán bất định gốc và bài toán bất định bù. Cohn và Gonçalves đã giới thiệu đối ứng phản tự Fourier, tức bài toán bù, và nối nó với việc xếp hình cầu. Mối nối đó chính là cây cầu qua đó kết quả xếp hình cầu giải quyết bài toán bất định về mặt tiệm cận.

Bài toán bù không phải là một điều kỳ lạ của giải tích thuần túy. Trong bootstrap modular không spin, tính phản đối xứng S modular sinh ra các hàm thử phản tự Fourier mà dấu cuối cùng của chúng điều khiển khe phổ. Nguồn dẫn Hartman, Mazáč và Rastelli cùng bài báo của Afkhami-Jeddi và cộng sự cho điều này. Vậy là một câu hỏi bắt đầu như một phát biểu về các hàm và biến đổi của chúng cũng xuất hiện trong một bối cảnh có cái tên nghe đậm chất vật lý, khe phổ. Các khẳng định không đi xa hơn cơ chế một dòng đó, và tôi cũng vậy, nhưng đó là lời nhắc rằng bài toán bất định có họ hàng bên ngoài việc xếp hình cầu.

Phụ lục A bổ sung một so sánh giữa hai bài toán. Nó nhận xét rằng A+(d) < A−(d) với mọi d. Đó là phát biểu rằng hai bài toán khác nhau ở mọi số chiều, với đại lượng thứ nhất nhỏ hơn hẳn đại lượng thứ hai. Các khẳng định không đưa ra diễn giải nào thêm, và bất đẳng thức đáng ghi nhận đơn giản vì nó đúng với mọi d không có ngoại lệ.

Bên trong lập luận: lấy trung bình, triệt tiêu và một ước lượng khối lượng #

Tài liệu có một số phát biểu kỹ thuật cho thấy phần nào cách phân tích bất định được xây dựng. Chúng là những mảnh rời, và tôi sẽ trình bày chúng như những mảnh rời, nhưng gộp lại chúng phác họa một phương pháp.

Bắt đầu với tính đối xứng. Trung bình theo phép quay được định nghĩa bằng độ đo Haar chuẩn hóa trên O(d). Lấy trung bình một hàm theo các phép quay cho ra một hàm xuyên tâm, và mục đích là đơn giản hóa bài toán mà không phá vỡ các ràng buộc. Nguồn cho biết phép lấy trung bình theo phép quay bảo toàn mọi điều kiện dấu trong danh sách ràng buộc của bài toán, được đánh nhãn (2). Nó nói thêm rằng nếu ĝ = ςg thì r(Rg) ≤ r(g), trong đó Rg là trung bình theo phép quay của g. Vậy là việc lấy trung bình không bao giờ làm bán kính dấu xấu đi. Ngoài ra, theo cách diễn đạt của nguồn, Rg ≠ 0 bất cứ khi nào g ≠ 0 rốt cuộc không âm, nên việc lấy trung bình không triệt tiêu một hàm có hành vi dấu đúng ở khoảng cách lớn.

Ba sự kiện đó cùng nhau biện minh cho việc quy về các hàm xuyên tâm. Phép quy về này không tốn gì về bán kính, bảo toàn các điều kiện dấu, và không làm hàm sụp về không. Đó là hình dạng của một lập luận đối xứng tiêu chuẩn, và các khẳng định xác nhận từng thành phần của nó.

Tiếp theo là gốc tọa độ. Hàm g = h − ĥ triệt tiêu tại gốc tọa độ. Đây là loại sự kiện nhỏ làm được việc lớn trong một chứng minh, vì cận Cohn-Elkies trực tiếp liên quan đến các giá trị tại gốc tọa độ, và một hàm triệt tiêu ở đó hành xử khác với một hàm không triệt tiêu. Một bước hiệu chỉnh liên quan cũng được ghi nhận: hàm đã hiệu chỉnh gn thỏa mãn gn(0) = 0 và gn → g trong L1. Vậy là một dãy hàm đã hiệu chỉnh, mỗi hàm triệt tiêu tại gốc tọa độ, hội tụ về g theo nghĩa L1. Điều đó cho phép lập luận làm việc với những hàm thỏa mãn chính xác điều kiện tại gốc tọa độ mà vẫn xấp xỉ được mục tiêu.

Rồi đến một ràng buộc định lượng. Ước lượng khối lượng buộc 1/a ≥ (1/π − o(1))√d. Các khẳng định không định nghĩa a, nên tôi không thể nói nó đo cái gì, và tôi sẽ không đoán. Điều có thể nói là dạng của kết luận: một cận dưới cho 1/a tăng như căn bậc hai của số chiều, với hằng số 1/π và một hiệu chỉnh tiến về không. Thang căn bậc hai của số chiều trông như một kích thước tự nhiên cho hình học số chiều cao, nhưng đó là nhận xét của tôi về dạng của biểu thức, và các khẳng định không xác nhận nó như một cơ chế.

Bức tranh Mellin #

Thêm một phần nữa của bộ công cụ xuất hiện trong tài liệu, và đó là phần giải thích rõ nhất vì sao giải tích Fourier xuyên tâm ở đây có thể xử lý được. Sau một biến đổi Mellin, biến đổi Fourier xuyên tâm phản xạ biến Mellin. Đó là một phát biểu gọn về cách một phép biến đổi tác động. Biến đổi Fourier của một hàm xuyên tâm, vốn thường là một toán tử tích phân và khó suy luận trực tiếp, trở thành một phép phản xạ theo biến Mellin. Phép phản xạ thuộc loại toán tử đơn giản nhất.

Cùng đoạn đó ghi nhận một điều kiện giải tích ở phía bên kia. Sự suy giảm Schwartz của g cho sự suy giảm nhanh của Φg khi v → +∞. Ở đây Φg là đối tượng thu được trong phân tích Mellin, và v là biến của nó. Cặp đôi này mang tính gợi mở: tính chất phản xạ lo phần cấu trúc, còn sự suy giảm Schwartz lo phần kiểm soát ở vô cực. Một chứng minh theo phong cách này cần cả hai, vì cấu trúc mà không có suy giảm để lại những tích phân có thể không hội tụ, còn suy giảm mà không có cấu trúc thì không để lại gì để tính.

Tài liệu cũng ghi chú rằng Sd là diện tích mặt cầu đơn vị, xuất hiện như một thừa số chuẩn hóa khi các tích phân xuyên tâm được chuyển giữa mặt cầu và đường thẳng. Đó là một điểm định nghĩa, và là loại sổ sách quyết định liệu các hằng số trong cận cuối cùng có đúng hay không.

Tôi muốn nói rõ những mảnh này là gì. Chúng không phải là chứng minh. Các khẳng định đưa ra phát biểu, không phải suy dẫn, và không độc giả nào nên dựng lại toàn bộ lập luận từ chúng. Điều chúng cho thấy là phân tích kết hợp phép quy về nhờ đối xứng, một điều kiện tại gốc tọa độ, một ước lượng khối lượng định lượng, và một phép biến đổi mà tác động của nó trở nên đơn giản sau một phép đổi biến. Sự kết hợp đó là thông thường đối với các bài toán cực trị giải tích Fourier, điều khiến tính chính xác của kết quả cuối cùng càng đáng chú ý hơn chứ không kém đi. Những công cụ trông có vẻ tiêu chuẩn đã đủ để đạt tới một câu trả lời sắc nét.

Phần còn lại của tập hợp #

Chương xếp hình cầu chỉ là một phần của tài liệu, và các kết quả còn lại xứng đáng được trình bày công bằng. Mỗi kết quả được nêu ở đây đúng như các khẳng định đưa ra.

Trong lý thuyết nhóm, một nhóm không sofic tường minh được dựng lên, trả lời câu hỏi tồn tại từ lâu là liệu mọi nhóm đếm được có phải là sofic hay không. Chứng minh kết hợp công trình của Kun và Kun-Thom với một lập luận ghép cặp expander tổ hợp, được hiện thực bằng đại số Leavitt nhị phân và nhóm V của Thompson. Từ “tường minh” có sức nặng ở đây: kết quả là một cách dựng chứ không phải một lập luận tồn tại.

Trong đại số toán tử, vô số nhóm có tính chất (T) đôi một không đẳng cấu được dựng lên với cùng một đại số von Neumann nhóm. Điều này bác bỏ giả thuyết Connes và trả lời một câu hỏi liên quan về tính hữu hạn-một của Popa. Hai câu hỏi gắn tên người được giải quyết bằng một cách dựng.

Trong độ phức tạp số học, tài liệu đưa ra các cận dưới cho permanent. Mạch không phép chia cần Ω(n² log log n) cổng, trong khi công thức cần Ω(n⁴ / log n) lá. Đây là hai cận cho hai mô hình tính toán, và tài liệu đặt chúng cạnh nhau.

Trong thông tin lượng tử, phép lặp song song mũ được chứng minh cho mọi trò chơi vướng víu hai người chơi hữu hạn. Nguồn cho biết điều này mở rộng nguyên lý lặp cổ điển vượt ra ngoài các lớp trò chơi lượng tử đặc biệt đã được xử lý trước đó. Lượng từ lại nổi bật: mọi trò chơi vướng víu hai người chơi hữu hạn, không giới hạn vào một lớp đặc biệt.

Trong độ khó xấp xỉ, một phép quy dẫn trực tiếp từ 3SAT cho độ khó với thừa số n^(1/400) đối với bài toán vectơ gần nhất Euclid, cùng các hệ quả liên quan cho giải mã nhị phân và các chuẩn lưới khác. Số mũ 1/400 là nhỏ, và tôi muốn báo cáo nó đúng như được viết hơn là tô điểm. Các khẳng định gọi phép quy dẫn là trực tiếp và gắn các hệ quả cho giải mã nhị phân và các chuẩn khác.

Trong hình học lồi, cận trên thể tích sắc nét (n + 1)^n / n! được chứng minh ở mọi số chiều cho các vật thể lồi có trọng tâm là điểm lưới bên trong duy nhất. Tính sắc nét và tính tổng quát ở mọi số chiều đều là một phần của khẳng định.

Trong lý thuyết Ramsey, một cận dưới siêu mũ mới cho thấy Rk(3) tăng như k^Θ(k). Và trong lý thuyết đồ thị cực trị, những cách dựng đồ thị hai phía riêng biệt bác bỏ hai giả thuyết: giả thuyết compact của Erdős và Simonovits, và một giả thuyết suy biến của Erdős.

Đọc tập hợp như một tổng thể #

Rất dễ coi danh sách này như một tủ cúp, nên cần nói điều gì có thể và không thể kết luận từ nó.

Điều có thể nói là tài liệu báo cáo kết quả trong ít nhất tám lĩnh vực, rằng một số trong đó được mô tả là trả lời hoặc bác bỏ các giả thuyết gắn tên người, và rằng chương xếp hình cầu đi kèm một cận dưới khớp khiến kết quả của nó dứt khoát trong khuôn khổ của mình. Các giả thuyết liên quan mang tên Connes, Popa, Erdős và Simonovits, và tốc độ xếp hình cầu được phỏng đoán bởi Afkhami-Jeddi, Cohn, Hartman, de Laat và Tajdini. Những kết quả giải quyết các câu hỏi gắn tên người dễ đánh giá vì câu hỏi đã được đặt ra trước khi có câu trả lời.

Điều không thể nói, chỉ dựa trên các khẳng định này, là bất cứ điều gì về cách mô hình hoạt động, nó cần bao nhiêu lần thử, đầu ra của nó được kiểm chứng ra sao, hay nó so sánh thế nào với nỗ lực của con người. Nguồn cho biết các kết quả do một mô hình nội bộ của OpenAI thu được, và các khẳng định dừng ở đó. Một độc giả muốn cân nhắc ý nghĩa của tập hợp như bằng chứng về toán học máy cần những thông tin mà các khẳng định không chứa. Tôi sẽ cưỡng lại cám dỗ lấp khoảng trống đó bằng một câu chuyện nghe có vẻ hợp lý.

Dù vậy, vẫn có một lập trường đáng chọn. Các kết quả không đồng nhất về kỹ thuật: nhóm không sofic dùng đại số Leavitt nhị phân và nhóm V của Thompson, kết quả xếp hình cầu dùng giải tích Fourier và biến đổi Mellin, còn độ khó vectơ gần nhất dùng một phép quy dẫn từ 3SAT. Một tập hợp trải rộng trên địa hình kỹ thuật như vậy không phải sản phẩm của một mẹo được áp dụng lặp đi lặp lại. Bất cứ thứ gì tạo ra những kết quả này đã vận hành trong nhiều phương ngữ toán học, và các khẳng định ít nhất hỗ trợ điều đó.

Ý nghĩa theo từng lĩnh vực #

Việc xác định chính xác tốc độ suy giảm Cohn-Elkies ở số chiều cao cùng các kết quả toán học đi kèm ảnh hưởng đến nhiều lĩnh vực tính toán lý thuyết và ứng dụng.

Toán học thuần túy và hình học rời rạc #

Với các nhà toán học làm việc trong hình học số chiều cao và giải tích điều hòa, việc xác định chính xác tốc độ suy giảm Cohn-Elkies làm thay đổi cục diện nghiên cứu. Vì cận dưới khớp chứng minh rằng không hàm phụ trợ nào trong $\mathcal{A}_d$ có thể vượt qua số mũ mới, các nhà nghiên cứu có thể ngừng tìm kiếm các hàm thử xuyên tâm tốt hơn bên trong khuôn khổ quy hoạch tuyến tính cổ điển. Tiến bộ hướng tới những cách xếp hình cầu dày đặc hơn hoặc những cận phổ quát chặt hơn giờ đây phải khám phá các kỹ thuật quy hoạch phi tuyến, các hệ phân cấp nửa xác định bậc cao hơn, hoặc những cách dựng hình học khác hẳn.

Mật mã học và bảo mật dựa trên lưới #

Mật mã học dựa trên lưới, vốn là cốt lõi của các tiêu chuẩn hậu lượng tử như ML-KEM và ML-DSA, phụ thuộc nhiều vào độ khó được giả định của việc tìm vectơ ngắn nhất hoặc gần nhất trong các lưới Euclid số chiều cao. Phép quy dẫn trực tiếp từ 3SAT xác lập độ khó với thừa số $n^{1/400}$ cho Bài toán Vectơ Gần nhất (CVP) Euclid, kết hợp với các trần mũ chặt hơn đối với việc xếp hình cầu và mã cầu, củng cố nền tảng lý thuyết đằng sau các phép quy dẫn lưới từ trường hợp xấu nhất về trường hợp trung bình mà không làm yếu các tham số bảo mật cụ thể.

Chứng minh định lý tự động và mô hình nền tảng #

Với các nhóm nghiên cứu phát triển hệ thống suy luận và công cụ chứng minh định lý tự động, độ rộng và chiều sâu kỹ thuật của tập hợp mang lại một chuẩn so sánh nổi bật. Thay vì tạo ra những biến thể tổng hợp của các chứng minh đã biết, mô hình nội bộ đã giải quyết các bài toán mở trải rộng trên lý thuyết nhóm (dựng một nhóm không sofic tường minh qua nhóm V của Thompson), đại số toán tử (bác bỏ giả thuyết Connes) và độ phức tạp số học (cận dưới cho permanent). Điều đó cho thấy các kiến trúc mạng nơ-ron có thể định hướng trong giải tích Fourier sâu và ghép cặp tổ hợp, miễn là việc kiểm chứng và kiểm tra chứng minh vẫn nghiêm ngặt.

Kết luận #

Việc xác định tốc độ suy giảm chính xác của quy hoạch tuyến tính xếp hình cầu Cohn-Elkies khép lại một chương lớn của giải tích hình học. Bằng cách chứng minh phỏng đoán năm 2020 của Afkhami-Jeddi, Cohn, Hartman, de Laat và Tajdini và mang lại lần cải thiện đầu tiên cho số mũ xếp hình cầu tổng quát kể từ năm 1978, công trình này thiết lập một mốc toán học vững chắc. Với một cận dưới khớp xác nhận rằng không hàm phụ trợ Cohn-Elkies nào có thể mang lại thêm lợi ích mũ, định lý vừa giải quyết sức mạnh tiệm cận của quy hoạch tuyến tính vừa định hướng tương lai của hình học số chiều cao về những chân trời giải tích mới về căn bản.

Câu hỏi thường gặp #

Ý nghĩa của cận Kabatianskii-Levenshtein là gì?

Được thiết lập năm 1978, cận Kabatianskii-Levenshtein đưa ra số mũ cận trên tiệm cận 0,59905576... cho mật độ xếp hình cầu ở số chiều cao. Trong hơn bốn thập kỷ, các tinh chỉnh tiếp theo chỉ cải thiện các thừa số đại số bậc thấp, để nguyên tốc độ mũ dẫn đầu cho đến kết quả này.

Vì sao cận dưới khớp lại quan trọng đến vậy?

Riêng một cận trên chỉ cho thấy quy hoạch tuyến tính đạt được gì, còn một cận dưới khớp chứng minh rằng không lựa chọn hàm phụ trợ f nào trong lớp chấp nhận được Cohn-Elkies A(d) có thể cho số mũ nhỏ hơn. Điều này thiết lập một trần tuyệt đối cho chính khuôn khổ quy hoạch tuyến tính.

Bài toán bất định dấu Fourier liên quan thế nào đến việc xếp hình cầu?

Cohn và Gonçalves đã chứng minh rằng bài toán bất định dấu Fourier bù (khi g_hat = -g) gắn chặt với các cận xếp hình cầu. Thông qua phép lấy trung bình theo phép quay và các phép phản xạ biến đổi Mellin, lời giải tiệm cận cho chương trình Cohn-Elkies trực tiếp giải quyết bài toán bất định dấu Fourier.

Kết quả này có đe dọa mật mã học dựa trên lưới không?

Không. Dù định lý làm sắc nét các cận trên về việc các quả cầu có thể xếp dày đặc đến đâu ở số chiều cao và xác lập độ khó với thừa số $n^{1/400}$ cho Bài toán Vectơ Gần nhất, nó không cung cấp thuật toán rút gọn lưới thời gian đa thức. Các hệ mật mã lưới thực tế vẫn an toàn trước các tấn công lượng tử và cổ điển đã biết.

Tài liệu tham khảo #

Nima Afkhami-Jeddi et al., (2020). Các cách xếp hình cầu số chiều cao và bootstrap modular ⧉. Journal of High Energy Physics.
Henry Cohn and Noam Elkies, (2003). Các cận trên mới cho việc xếp hình cầu I ⧉. Annals of Mathematics.
Henry Cohn and Felipe Gonçalves, (2019). Một nguyên lý bất định tối ưu trong giải tích Fourier ⧉. PNAS.
Henry Cohn and Yufei Zhao, (2014). Các cận xếp hình cầu thông qua mã cầu ⧉. Duke Mathematical Journal.
G. A. Kabatianskii and V. I. Levenshtein, (1978). Các cận cho việc xếp trên mặt cầu và trong không gian ⧉. Problems of Information Transmission.
Maryna S. Viazovska, (2017). Bài toán xếp hình cầu trong số chiều 8 ⧉. Annals of Mathematics.

Cập nhật lần cuối 2026-10-05.

Cập nhật lần cuối 2026-10-27.

Đăng lại bài này

Mô hình OpenAI xác định tốc độ suy giảm chính xác của cận Cohn-Elkies — Sebastien Rousseau

Một mô hình nội bộ của OpenAI xác định tốc độ suy giảm chính xác của quy hoạch tuyến tính Cohn-Elkies: lần cải thiện đầu tiên số mũ xếp cầu từ năm 1978.

Bài viết này được cấp phép theo Creative Commons Attribution 4.0 International. Đăng lại yêu cầu ghi nguồn đến URL chính tắc.

Mô hình OpenAI xác định tốc độ suy giảm chính xác của cận Cohn-Elkies — Sebastien Rousseau

Một mô hình nội bộ của OpenAI xác định tốc độ suy giảm chính xác của quy hoạch tuyến tính Cohn-Elkies: lần cải thiện đầu tiên số mũ xếp cầu từ năm 1978.

Originally published at https://sebastienrousseau.com/vi/2026-10-05-hinh-openai-xac-dinh-toc/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER