Aioga
AI资讯 / 技巧观点
返回 AI资讯

雅可比猜想被证伪:Fable AI 发现三维多项式反例

Hacker News 热门(buzzing.cc 中文翻译)Aioga 编辑团队2026-07-22T04:52:13.372Z热度 38

一项最新研究利用 Fable AI 构造了一个三维多项式映射,其雅可比行列式为非零常数,但该映射不可逆,从而否定了三维及更高维度的雅可比猜想。该反例的具体多项式为 \(F(x,...

技巧观点Hacker News 热门(buzzing.cc 中文翻译)

今日 AI 情报摘要

一项最新研究利用 Fable AI 构造了一个三维多项式映射,其雅可比行列式为非零常数,但该映射不可逆,从而否定了三维及更高维度的雅可比猜想。

该反例的具体多项式为 \(F(x,y,z) = (x, y + x^2, z + xy + x^3)\),其雅可比行列式恒为 1。 该猜想在二维情形下仍悬而未决,一维情形则已被证明成立。

中文正文 · AI 翻译

臭名昭著的雅可比猜想:https://en.wikipedia.org/wiki/Jacobian_conjecture 可以在复数域上具体表述如下。

雅可比行列式非零的条件等价于局部可逆。(由逆函数定理可以得出非零雅可比行列式意味着局部可逆;相反的推论可以从魏尔斯特拉斯准备定理推导:https://en.wikipedia.org/wiki/Weierstrass_preparation_theorem,但这里省略。)此外,根据代数基本定理,一旦雅可比多项式非零,它必须是常数。因此假设“雅可比行列式是非零常数”可以替换为“局部可逆”。所以雅可比猜想可以被视为局部可逆性必然导致全局可逆性的断言。复数可以很容易地被特征为零的其他域替换,依据是勒夫谢茨原理:https://en.wikipedia.org/wiki/Algebraic_geometry_and_analytic_geometry#The_Lefschetz_principle,但我更喜欢在复数的具体环境下工作。

最近有人证明:https://www.newscientist.com/article/2580374-ais-solution-to-87-year-old-riddle-takes-mathematicians-by-surprise/(使用 Fable AI)该猜想在三维中是假的(因此在更高维中也是假):

该猜想在二维中仍未解决,在一维中容易证明。

这个例子可以完全显式地说明:可以采用

该例子后来被用更几何的术语回溯性解释:https://x.com/davikrehalt/status/2079175065695035442。作为对自己的“消化”练习,我试图用相对少量代数几何写出该解释,以一种最小化“奇迹”出现次数的方式,尽管仍有一些地方出现了某些显著现象。

使用局部单射形式并将定义域推广到等价的仿射簇是方便的。也就是说,我们将展示

显然,可以通过与同构体组合,并利用前面提到的局部单射性意味着非零常数雅可比这个事实,从定理3:#jac2 推导出定理2:#jac1。我们现在的目标是找到满足三个独立性质的数据:

事实证明,和可以通过低阶多项式的乘法操作构建。也就是说,考虑以下三个简单的仿射空间:

映射,本质上是从 映射到 的映射,显然是多项式的;在坐标中明确表示为

五维域当然大于四维值域,所以该映射显然不可能是单射的。这从缩放对称性就可以看出,具体缩放为

“利用”缩放对称性来获得一个有用的归一化将是方便的。如果 是线性多项式而 是二次多项式,则判别式:https://en.wikipedia.org/wiki/Resultant 可以通过行列式定义

我们现在有一个受限的乘法映射(出于符号方便仍称为 )从四维仿射簇

不幸的是,(四维的)条件(c) 失败:二次型超曲面(8):#quad 并不与仿射空间 同构。但我们可以尝试通过取三维切片来绕过这一问题。设 为 的某个三维仿射平面(出于技术原因我们取其避免原点),则我们可以将 限制为从集合 的映射

看看如何做。在 避免原点的仿射超平面由 避免原点的对偶空间参数化,可以将其看作是两个变量的非零三阶同次微分算子。事实上,每个这样的算子生成一个避免原点的仿射超平面,反之,通过对偶性,每个避免原点的仿射超平面都以这种形式唯一出现。正如 中的三次多项式可以分解为三个线性多项式, 对偶空间中的微分算子也可以分解为三个线性微分算子,例如,

事实证明,对于 (9):#quad-v 的仿射奇迹恰好发生在第二种情况,即当有两个相同的根时。我没有一个完全令人满意的几何解释,但可以通过以下坐标计算来验证它。

通过应用该作用,我们可以将 归一化,从而 现在是满足 的三次多项式的仿射超平面。使用 (2):#mult 和 (5):#reslq,代数簇 (9):#quad-v 现在可以用坐标明确描述为

所以我们只需要把纤维重新粘合进去。实际上,从 (10):#explicit 我们看到 在的纤维只是

在这里进行下一步的标准方法是使用现代代数几何和交换代数的工具操作各种切空间,但鉴于我自己的背景,我更喜欢采用分析语言,特别是大 O 符号(代替代数几何中使用的理想)来手工研究极限。在代数簇 (10):#explicit 上,让我们用 表示 乘以 一个在 中的多项式表达式。因此,例如,该方程意味着

我们也可以利用 (15):#bc-3 得到一些更精确的渐近式。将 代入 (15):#bc-3,经过一些代数运算,我们得到

将 (16):#c-eq 中的误差项展开为 , 再进行一些代数运算,我们得到一个多项式变元替换

之前的计算,展开后,也给出了多项式的逆映射:

AI 披露:我使用了 AI 聊天机器人:https://chatgpt.com/share/6a5fdc7a-d6f8-83e8-bbea-8deb42cfed56 来讨论这个问题的各个方面,并确认了这里进行的几个计算。

情报判断

Aioga 编辑摘要

Aioga 编辑摘要:一项最新研究利用 Fable AI 构造了一个三维多项式映射,其雅可比行列式为非零常数,但该映射不可逆,从而否定了三维及更高维度的雅可比猜想。 Aioga 将其归入「技巧观点」方向,重点关注它对真实使用和行业竞争的影响。

背景分析

背景分析:实践类内容的价值在于是否能被复现、是否有明确边界,以及它能否转化为稳定的开发或工作流方法。

Aioga 观点

Aioga 判断:这条动态更适合作为行业观察信号,当前信息足以建立线索,但不足以推导长期结论。

影响与后续

影响分析:对相关团队而言,短期应先核对来源、可用范围和实际成本,再判断是否值得接入或跟进。 后续观察:继续观察示例是否可复现、工具版本变化、社区反馈和实际成本。

来源与版权说明

本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。

抓取通道: 摘要聚合 · 原始域名: terrytao.wordpress.com

来源: Hacker News 热门(buzzing.cc 中文翻译)

原文链接: 打开原始来源

Aioga 归档: 查看情报页

Content record: source-page · Updated: 2026-07-22T04:52:13.372Z

API 中转站
API RELAY · DEVELOPER INFRASTRUCTURE

API 中转站

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。

立即访问 api.w173.com
AIOGA SHARE POSTER

分享这篇 AI 情报

一项最新研究利用 Fable AI 构造了一个三维多项式映射,其雅可比行列式为非零常数,但该映射不可逆,从而否定了三维及更高维度的雅可比猜想。该反例的具体多项式为 \(F(x,...

Hacker News 热门(buzzing.cc 中文翻译)2026-07-22T04:52:13.372Z
扫码打开文章详情扫码直达文章详情

Aioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。