陶哲轩破解数十年前几何猜想,用反例证明它在高维空间不成立,同行:推翻的方式极尽羞辱...

6db3e8f8ccbfb2b61acf7f8cdfbdefc5.jpeg
Pine 萧箫 发自 凹非寺
量子位 | 公众号 QbitAI

又一个重要数学猜想,被陶哲轩和他的博士后破解了!

此前陶哲轩在博客上发了个小预告,就已经有不少人赶来围观:

看起来是个大新闻。

eb94789166022bc535601e3482ba8264.jpeg

现在,不少人期待的正式版论文,终于在arXiv上新鲜出炉:

ffe6a605714e258d91420c1490092959.jpeg

这个猜想,与我们熟悉的“铺瓷砖”问题有关——

用什么样的几何瓷砖,能恰好“天衣无缝”地铺满整个地板平面。

2e4b9b1fd8375559f9a359b03d56f025.gif

它名叫周期性平铺猜想(periodic tiling conjecture),即在一个平面(plane)中,不存在可以非周期性覆盖整个平面的单个几何图形。

简单来说,就是不存在一个具备“彭罗斯瓷砖”性质的几何图形,它既能通过自身平移或移动(不包括旋转)铺满整个平面,又能让平铺的图案看起来没有“规律性”。

4009acd73ac01b83c0d73330feccef37.jpeg
△彭罗斯瓷砖,由两个几何图形非周期性覆盖

这个猜想曾在二维空间中被证实,因此有数学家认为它同样可以推广到三维、甚至高维空间中去。

但现在,这个猜想在更高维的空间被陶哲轩和他的博士后否定了。

陶哲轩对此表示:

现在大家已经有了新的认知,即高维几何有点让人讨厌(nasty)。

我们从二维和三维空间中获得的直觉,或许会对高维空间的研究产生误导性。

这篇论文出来后,希伯来大学数学名誉教授Gil Kalai发来祝贺:

2c6e34f4568f0ca59dcd49cd688b75c8.jpeg

罗彻斯特大学数学家Alex Iosevich调侃了一下否定猜想的方式:

他们不仅推翻了这个猜想,还是以一种极尽羞辱的方式推翻的。

具体如何?可以一起来看看~

“铺瓷砖”猜想之一,但是高维版

周期性平铺猜想(periodic tiling conjecture),先后在1987年和1996年的两篇论文中被提出。

801c2cb4199a5d5517c1a5c1b7567719.jpeg

这一猜想认为,在一个平面(plane)中,不存在可以非周期性覆盖整个平面的单个几何图形。

其中,周期性和非周期性,分别是两种铺满平面的方法。

周期性平铺是一种很有规律的方法,即通过不断重复对某个图案进行“复制-平移-移动”,就能规律性地铺满整个平面:

57cce2b343bbb70240c885062574406a.jpeg

例如用方块、或是正六边形瓷砖,就能做到非常直观的周期性平铺。

只需要不断复制其中的正六边形或正方形,并进行平移移动这两种操作,就能轻松铺满整个2D平面:

3b5ec7936cf0dfe93deba2156ac8bd0a.jpeg

非周期性的平铺方法,就没那么简单了。

最典型的例子,就是诺贝尔物理学奖得主彭罗斯提出来的“彭罗斯瓷砖”。

他设计了一个瘦四边形(图中红色)和一个胖四边形(图中蓝色),用这两个图形就能铺满整个平面,然而这两个图形究竟是怎么分布的,却没有一个具体的规律可言。

也就是说,用这两种图形铺出来的平面,无法像正方形或正六边形那样,被分割出一块图案“有规律”地进行复制粘贴,而是以一种随机的方式被铺在平面上。

e76942b57d1f541767db79d9c1ba08b3.jpeg

所以,周期性平铺猜想,猜的就是“没有任何一个几何图形,可以靠自身做到非周期性覆盖整个平面”。

一维猜想已经被证实,而就在几年前,数学家Siddhartha Bhattacharya也成功地在二维平面上证明了这个猜想。

e8871845e821fe4d62182341cc58b238.jpeg

于是数学家们大胆了起来,他们猜测——如果周期性平铺猜想放在更高维的平面上,是否同样适用?

这里面,就包括陶哲轩和他的博士后格林菲尔德(Rachel Greenfeld),后者曾在加州大学洛杉矶分校(UCLA)任助理教授,如今去了普林斯顿大学。

至少在发现反例前,他们曾试图证明过高维平面的周期性平铺猜想。

想证明却发现了反例

当格林菲尔德以博士后的身份来到UCLA后,她和陶哲轩便将目光瞄向了周期性平铺猜想

4206ed63c6b56423c09c72c5efb87644.jpeg

由于猜想在一维和二维空间被证实,他们决定证明更高维度的猜想,先从三维开始:

如果一个单一的形状可以铺满整个三维空间,那么一定有方法周期性地把它铺满整个空间

他们甚至为此设计了一个新方法,再次成功证明了二维平面的猜想,但在证明三维空间时却屡屡碰壁。

这时陶哲轩开始思考,是不是高维度下这个猜想是有问题的。

于是,他们俩的研究来了个大转向:开始寻找反例

解决这个问题时,陶哲轩和格林菲尔德想出了一个大“套路”:先拆解,再各个击破——

将连续无限点阵列拆解成有限点集,将高维问题拆解成低维问题。

为了便于分解,他们尝试重新构建这个问题:将问题设计成一个方程系统,其中未知的变量代表高维空间中所有可能的方法。

而方程系统中的每个方程都表示针对解的不同约束,这样一来,整个高维问题就可以分解成多个不同平面“瓷砖”的问题。

解决“瓷砖”问题的方法也变成了相对容易的计算机编程问题,其中每个命令都是最终平铺所需要满足的不同属性。

而要解决这个问题,就必须保证所有属性的平铺都必须是非周期性的。

以三维空间为例,如果将平面“瓷砖”叠在一起,就能设计出一个适用三维空间的“三明治”结构,每一层瓷砖该如何移动则代表了编程中的属性。放到更高维空间也是如此。

而陶哲轩他们所做的,就是对这些属性进行限制,最终排除掉所有的周期解。

那最终的解又是如何找到的呢?

f380d10b393c198ec2a877e7e139085f.jpeg

这又是另外一个难题:网格问题,包含无限数量的行和虽有限但数量依旧庞大的列。

他们有个很巧妙的思路:做“数独”,把网格比作是一个巨大的数独游戏,用特定的数字序列来填充每一行和每一个对角线。

而这些数字序列则需要满足平铺方程的约束条件。

最终,陶哲轩发现了得出的序列是非周期性的,这也意味着平铺方程组的解也是非周期性的。

至此,高维空间的周期性平铺猜想被陶哲轩和他的博士后推翻了。

至于这一反例的维度究竟有多高,陶哲轩给了个大致的范围让大伙“感受感受”:

9c548d028912613f5e8c8fdccd249149.jpeg
△这维度也太高了

当然,他们俩的这项工作并不仅仅止于推翻这个猜想,还标志着一种新方法的出现——

它既可以被用来构建一些非周期性平铺猜想,也可以用来推翻其他与瓷砖问题有关的猜想。

就好比说数学家们一般要证明一个猜想是“不可判定”的,通常会证明它等同于另一个已知的“不可判定问题”。

不可判定问题是可计算性理论和计算复杂性理论中定义的一类决定性问题,此类问题无法总是用单一算法得出正确的是/否的答案。 

因此,若这个平铺问题被证明是不可判定的,那它便可以作为一个工具来证明在其他情况下一些问题的不可判定性。

论文地址:
https://arxiv.org/abs/2211.15847

参考链接:
[1]https://www.quantamagazine.org/nasty-geometry-breaks-decades-old-tiling-conjecture-20221215/
[2]https://terrytao.wordpress.com/2022/11/29/a-counterexample-to-the-periodic-tiling-conjecture-2/

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

a645dc5a355ec1ddf4874b642add878d.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481276.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

手把手教你-如何查询中文期刊是否属于核心期刊!

1.进入图书馆、点击数据库检索、在输入cscd中国科学引文数据库(Chinese Science Citation Database,简称CSCD) 2 3 4 5 6点击详细信息进入下面的页面,可判断文档是否属于核心期刊!

《机器学习系列-强填EM算法在理论与工程之间的鸿沟(上)》

小夕曾经问一位做机器学习理论的学姐:“学姐学姐,EM算法是什么呢?”学姐回答:“EM算法啊,就是解决包含隐变量的参数估计问题。”小夕:然后小夕去问一位做工程的学长:“学长学长,EM算…

2022年诺贝尔物理学奖的科学内涵辨识

|作者:葛惟昆(清华大学物理系)本文选自《物理》2022年第12期摘要 2022年的诺贝尔物理学奖,被一些人误解为证明了量子纠缠现象。实际上,包括爱因斯坦本人都承认量子纠缠,关键在于如何诠释。今年诺贝尔物理学奖的价值在于这几位物…

机器学习系列-强填EM算法在理论与工程之间的鸿沟(下)

前言在上一篇文章《机器学习系列-强填EM算法在理论与工程之间的鸿沟(上)》中,小夕用优(恐)雅(怖)的数学理论来向读者解释了EM算法的工作原理。那么从工程角度出发的EM算法又是怎样的呢&#xff…

暑期实习NLP算法岗面经总结

写文章暑期实习NLP算法岗面经总结呜呜哈做一个有思想的码农​关注他488 人赞同了该文章写在前面,从三月份开始找实习到现在正好两个月,这期间大大小小投了竹简智能、阿里、滴滴、美团、腾讯、京东、搜狗、百度、微软亚研几个公司,本着从小公司…

机器学习助力更好理解水的行为

来源:科技日报作者:刘霞为从理论上理解各种物质开辟更多途径科技日报北京12月19日电 (记者刘霞)美国一个研究团队在最新一期《物理评论快报》上刊发论文称,他们借助机器学习技术来理解水在零下100℃的行为。最新研究不…

期望最大化(EM)算法真如用起来那么简单?

声明:本文改编自订阅号“夕小瑶的卖萌屋”中的 《机器学习系列-强填EM算法在理论与工程之间的鸿沟(上)》、《机器学习系列-强填EM算法在理论与工程之间的鸿沟(下)》。前言小夕曾经问一位做机器学习理论的学姐&#xff…

预测更准确,使用机器学习改进化学品的毒性评估

编辑 | 绿萝从命运和毒性的角度来看,人类暴露的化学空间随着化学物质的多样性而不断扩大。欧洲和美国的化学品机构列出了大约 80 万种化学品。对于这些化学品中的大多数,人们对其环境归宿或毒性知之甚少。通过实验填补这些数据空白是不可能的&#xff0c…

如何优雅的追到女神夕小瑶

如果,你不小心迷恋上了小夕… 路人某:“没有如果” 捕获小夕的游戏 如果现实世界中,迷恋上小夕以后,你想捕获小夕。那么发现从上帝视角来看的话,你有下面好多条路几条路达成目标( ̄∇ ̄) 然而你并…

文本相似度-相似度度量

NLP点滴——文本相似度 目录 前言字面距离common lang库相同字符数莱文斯坦距离(编辑距离)定义实现方式Jaro距离定义实现方式应用SimHash定义基本流程相似性度量存储索引实现应用语义相似性背景知识统计语言模型n-gram模型词向量主题模型LSAPLSALDA应用Word2Vec神经网络语言模…

《科学》封面文章AlphaCode的重大意义及其思考

来源:陈德旺科学网博客链接地址:https://blog.sciencenet.cn/blog-57940-1368420.html程序员,虽然戏称程序猿,其实是一个高薪高智商工作,需要对问题的理解力、解决问题的创造性,还需要熟悉掌握编程语言。这…

深度学习可以与大数据分手吗?

小夕:hi,路人~你知道机器学习中数据的维度太高会带来什么问题吗?路人己:此时,如果样本量不足,会容易过拟合啊~小夕:为什么呢?路人己:这还有为什么?小夕&#…

集群化:中国基础研究发展模式的转型方向

来源:《学术前沿》作者:李侠2020年,科技部等五部门联合制定《加强“从0到1”基础研究工作方案》,旨在贯彻落实《国务院关于全面加强基础科学研究的若干意见》,其中明确指出,切实解决我国基础研究缺少“从0到…

各种损失函数比较-带你斩获offer

损失函数(Loss function)是用来估量你模型的预测值 f(x)f(x)值。2. 常用损失函数 常见的损失误差有五种: 1. 铰链损失(Hinge Loss):主要用于支持向量机(SVM) 中; 2. 互…

如果你跟夕小瑶恋爱了...(上)

如果...如果...有一天...你追到了女神夕小瑶...并且与她恋爱了...(想说“没有如果”的路人请自觉狗带( ̄∇ ̄))小夕的生活很规律的哦,小夕每天都会依次经历且仅仅经历以下6件事情:化妆-吃饭-聊天-自习-上课-要…

「返老还童」梦想成真?「NMN教父」争议研究将登陆科学顶刊

来源:机器之心逆转衰老,我们终于有了新方法?一项为时13年的研究最近又有了新的突破,事关人类最在意的问题:衰老理论。12月19日,哈佛大学遗传学教授David Sinclair在社交网络上宣布有关人类衰老研究的最新突…

对抗思想与强化学习的碰撞-SeqGAN模型原理和代码解析

GAN作为生成模型的一种新型训练方法,通过discriminative model来指导generative model的训练,并在真实数据中取得了很好的效果。尽管如此,当目标是一个待生成的非连续性序列时,该方法就会表现出其局限性。非连续性序列生成&#x…

如果你跟夕小瑶恋爱了...(下)

AB派在上一篇文章中,你成功的将“挽回夕小瑶”的任务卡进了隐马尔可夫模型(HMM)中。那么我们来规范化的整理一下已经有的信息和需要计算得到的信息。还记得这两个图嘛?这就是我们建立好的模型。(隐状态的转移图&#x…

史上最简单的隐马尔可夫模型讲解

如果... 如果...有一天...你追到了女神夕小瑶...并且与她恋爱了... (想说“没有如果”的路人请选择狗带( ̄∇ ̄)) 小夕的生活很规律的哦,小夕每天都会依次经历且仅仅经历以下6件事情: 化妆-吃饭-聊天-自习-上…

睡着了也在学习!Nature最新研究揭示运动记忆从何而来

来源:生物通Steph Curry罚球时,他的大脑会利用运动记忆。现在,加州大学旧金山分校(UCSF)的研究人员已经展示了这种类型的记忆是如何在睡眠期间得到巩固的,当大脑处理白天的学习,使做某事的物理行为成为潜意识时。Karun…