张益唐被曝已证明黎曼猜想相关问题,震动数学界

5b7f4c31396d01ecdd245b6b9f4059ba.jpeg

来源:金磊 Alex 发自 凹非寺
量子位 | 公众号 QbitAI

Breaking News!

网传数学家张益唐,已经攻克了朗道-西格尔零点猜想(Landau-Siegel Zeros Conjecture)。

cddd93b175d5cc82c6024723eedb0404.jpeg

而这则消息,据说是张益唐在参加北京大学校友Zoom线上会议时亲口所述。

如此爆料,可谓是在数学界轰动不已。

微博博主“物理芝士数学酱”认为,如果张益唐所证明的是朗道-西格尔零点存在,那么黎曼猜想就可以死了:

张益唐直接就是前后50年里最伟大的数学家,没有之一。

但与此同时,他认为“这就过于骇人听闻”,因此他更倾向于认为张益唐所证明的,是朗道-西格尔零点不存在——“这也是更令人信服的结论”。

f9861e56d4387dfb273c5db2f57d2281.jpeg

但这项工作的价值可以说是毋庸置疑,正如知乎网友爆料所述:

张益唐要是能把Landau-Siegel做出来,就相当于一个人被闪电击中两次。

0d60ddb1e77f2b6596af227bd32a1c3c.jpeg

并且根据这条爆料消息来看,相关文章将会在11月初发到预印本网站,一百多页。

那么这个朗道-西格尔零点猜想到底是什么?

对它的证明,又为何会引发如此反响?

朗道-西格尔零点猜想

所谓朗道-西格尔零点猜想,简单来说就是黎曼猜想的某种弱形式。

核心要回答的一个问题就是:是否存在一个叫做朗道-西格尔零点的东西。

首先我们设实数σ,t和复数s=σ+it。

根据知乎博主“TravorLZH”的介绍,十九世纪的数学家为了研究素数分布引入了黎曼猜想。

而为了研究等差数列上的素数分布,数学家Dirichlet引入了L函数。

4a049dac25c143bc088d70ed1def8faa.jpeg

再后来,数学家也发展出了对应的解析工具来说明L函数在σ=1时无零点,从而证明了等差数列上的素数定理:

b1bd158ef0dc6d3bbccfc703c7fff003.jpeg

但对于上面的公式,数学家们依旧是不满意,他们还要继续缩减L函数的非平凡零点的存在区域。

于是前人证明了L函数的非平凡零点基本上都能落在类似于下面公式中的沙漏型的区域:

7067e3771a93dde4dbaca7336c017222.jpeg

如果L函数所有的非平凡零点都落在这个区域内,就可以得到带余项的等差数列素数定理。

可惜的是,数学家Edmund Landau发现当X满足特殊性质时其对应的L函数可能会出现落在上面公式之外的异常零点(exceptional zero)。

但幸运的是,Landau证明了对于每个这样的L函数,若下面区域中存在异常零点,则这样的零点只可能出现一个,而且阶数也恰好只能是一。

e899d1c48b91c14053eb127eb1e4f63e.jpeg

后来Walfisz利用这个更弱的非零区域得到了一个妥协版的等差数列素数定理:

8bd0532432cdfdf50391b079abef7be0.jpeg

很明显,这个公式的限制条件要多了许多,所以大家当然希望L函数能够没有异常零点。

由于Landau和Siegel两位数学家在L函数异常零点这个领域里做了开创性的工作,所以异常零点也常常被称为Landau-Siegel零点。

而断言L函数没有异常零点的猜测就被称为Landau-Siegel猜想。

整体来看,其实广义黎曼猜想恰好是Landau-Siegel猜想的充分条件。

但这一个世纪以来的研究表明Landau-Siegel问题可以比黎曼猜想还要难解决。

因此,要是张益唐证明的是朗道-西格尔零点,那么黎曼猜想是错的。

这也就是为何大家都对这则消息都用“骇人听闻”来形容了。

但就目前来看,很多人都更倾向于认为他证明的是朗道-西格尔零点不存在。

如此一来,就不会和黎曼猜想发生冲突。

至于具体证明了什么,还需要等待张益唐本人的正面回复了。

而且很多网友对此都认为:

考虑张的平生,其人沉稳坚毅,肯定不会信口胡说。

不过需要说明的是,目前为止,张益唐本人并未在其他场合和形式宣布这一进展。

半生蛰伏,一鸣惊人

实际上,关于朗道-西格尔猜想,早在07年老张就曾预印了一篇论文,但是里面的论证有些Bug。

36582c34b2cd1250c6ab6f4f128cb008.jpeg

此后,他多次提到过他正在关注这个问题。

然后在2019年,张曾表示在这个猜想上已取得一些可喜的进展。

不过要说张益唐从默默无闻到名声大振,还得把时间的指针拨到2013年。

那一年,他在数学最高期刊Annals of Mathematics上发表了震惊众多学者的《质数间的有界间隔》。

07b22fafacbb63fc0c8e0a48ea7992d9.jpeg

这篇文章首次证明了距离有限的质数对是无穷多的,在孪生素数猜想这一数论难题上取得质的突破。

而在这篇论文发表之前,他曾有令人羡慕的中外顶尖学府求学经历,但随后却经历了多年的蛰伏,甚至不得已跑去赛百味端盘子。

1978至1985年,张益唐在北大数院拿到了本科和硕士学位,并在硕士期间师从我国著名数学家潘承彪。

后来代数几何学家莫宗坚访问北大,并发掘了张。随后张就跟着莫飞往美国,到普渡大学(号称“太空人的摇篮”那个)读博。

最终当张提交博士毕业论文时,他已在普渡大学读了6年半,但在此期间他发表的学术论文寥寥无几。

值得一提的是,张益唐自己并不太喜欢代数几何学,而更热衷于数论。

所以他希望博士毕业以后离开这个圈子,回头去研究他感兴趣的数论,但导师莫宗坚得知后并不高兴,于是两人分歧越来越大。

结果就是,等张好不容易博士毕业,他却没有导师的工作推荐信。

(莫宗坚在张益唐成名后曾发文澄清过此事,认为没写推荐信是因为自己不知道给张推荐现成的工作是否合适,而且称这种做法在当时已经不太流行了)

再加上他性格偏内向,以及在读博期间发表的学术论文太少等因素,竟没有任何一个美国大学或研究所愿意要他。

曾有朋友向张建议转行从事金融或计算机行业,但他并不愿意。

一边是继续苦苦钻研数论;另一边,他也不得不四处谋生,但可惜在很长时间内,他都没找到好工作,有时甚至只能借住朋友家的地下室。

在此期间,他曾到一位北大校友开的快餐连锁店赛百味担任会计。因为这样可以让他在工作中发挥记忆力和计算能力方面的特长,并抽空研究数学。

所幸,他人生中的又一位“伯乐”出现了,是他在北大和普渡大学的校友唐朴祁。

1999年,张益唐与唐朴祁合作发表一项互联网专利。这项专利涉及一个实用性很广的计算机算法难题,但张只用了3周的时间就搞定了,这令唐对其刮目相看。

于是,唐朴祁向在新罕布什尔大学任教的学弟葛力明介绍张益唐,然后经葛力明推荐,张益唐先后在这里担任数学系与统计学系的助教和讲师,执教微积分、代数、初等数论等课程。

到此,他终于回归了学术圈,有了关注新进展、了解同行思想和下载学术论文的便捷渠道。

……

至于有关此次曝光的朗道-西格尔零点猜想,我们将持续保持关注。

参考链接:

[1]https://mp.weixin.qq.com/s/QSmHDBGYwGy-mCMjVj-GDw
[2]https://www.zhihu.com/question/559674941
[3]https://www.zhihu.com/question/360965839/answer/2113995432
[4]https://www.zhihu.com/question/360965839
[5]https://weibo.com/2703634217/MatuJ2kAe?type=comment

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”

7eda19ac3e5cfe6f8be252c1b5392a1b.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/481519.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

论文阅读课11-TEMPROB:Improving Temporal Relation Extraction with a Globally Acquired Statistical Resource

文章目录abstract1.Introduction2.相关工作3 TEMPROB: A Probabilistic Resource for TempRels3.1 事件抽取3.2TempRel提取3.2.1 features3.2.2 learning3.3 Interence3.4 corpus3.5有趣的统计3.6 极端情况3.7 下列事件的分布4.实验4.1 Quality Analysis of TEMPROB4.2 Improvi…

机器学习也将解决量子问题

来源:IEEE电气电子工程师作者:CHARLES Q. CHOI当量子计算机执行可能导致下一代电池或新药的复杂物理和化学模拟时,它可能比任何传统超级计算机强大得多。然而,可能需要很多年才能实现实用和广泛的量子计算。现在,一项新…

Nature重磅:人鼠混合大脑问世,‘大脑类器官’研究再添新进展

一句“我思故我在”解释了大脑的重要性。随着全球老龄化的加剧,神经退行性疾病的发病率也随之增加。“老年痴呆”、“帕金森”等神经退行性疾病更是和癌症一样,成为数不多流传在街头巷尾的“医学名词”。从近代科学诞生一来,人类对于大脑的研…

文献阅读课12-Fine-Grained Temporal Relation Extraction(19ACL,时间关系,时间持续时间,数据集,语义框架,常识)

文章目录abstract1.Introduction2 背景3.数据收集4.Model5.实验6.result7 Model Analysis and TimelinesVashishtha, S., et al. (2019). Fine-Grained Temporal Relation Extraction. Proceedings ofthe 57th Annual Meeting ofthe Association for Computational Linguistics…

Gartner发布2023年十大战略技术趋势,元宇宙等技术上榜

来源:Gartner整理:刘燕10 月 18 日,InfoQ 获悉,Gartner 发布了企业机构在 2023 年需要探索的十大战略技术趋势。Gartner 杰出研究副总裁 Frances Karamouzis 表示:“为了在经济动荡时期增加企业机构的盈利,…

文献阅读课13-DSGAN: Generative Adversarial Training for (远程监督关系抽取,句子级去噪)

文章目录Abstract1.Introduction2.相关工作3 Adversarial Learning for Distant Supervision3.1 Pre-Training Strategy3.2 Generative Adversarial Training for Distant Supervision Relation Extraction3.3 Cleaning Noisy Dataset with Generator4.实验4.2 Training Proces…

Science复活远古“蛋白质”,揭示光合作用的“昨天、今天和明天”

来源:生物通复活数十亿年前的酶,揭示了光合作用如何适应氧气的增加。两个Rubisco配合物相互作用的冷冻电子显微镜图像。如果溶解度所必需的亚基缺失,单个的酶复合体就会以这种方式相互作用,形成线状结构,即所谓的原纤维…

文献阅读课14-DIAG-NRE: A Neural Pattern Diagnosis Framework for远程监督关系抽取,模式标注去噪自动化,FN,FP,RL

文章目录abstract1. Introduction2.相关工作3.方法3.1 NRE Models3.2 Pattern Extraction3.3 Pattern Refinement3.4 Weak Label Fusion(WLF)4 Experiments4.1 Experimental Setup4.2 Performance Comparisons4.3 Pattern-based Diagnostic Results4.4 Incremental Diagnosis4.…

“神经网络”的逆袭:图解 80 年 AI 斗争史

转自量子位 | 公众号 QbitAI晓查 发自 凹非寺 有人的地方,就有斗争。华山派有“剑宗”和“气宗”,相互斗了几十年。人工智能界也有“山头”,AI两大派系的斗争早在第一台电子计算机问世前就已经开始了。△ 有三名法国人把两派的势力对决画成图…

文献阅读15-OntoILPER:A logic-based relational learning approach关系抽取,NER+RE

文章目录abstract1.Introduction2.2. Supervised Machine Learning Approaches to Relation Extraction2.1. Statistical Learning Approach2.1.1 Feature-based approaches to RE2.1.2 Kernel-based approaches to RE2.2. Relational Learning Approach2.2.1. Inductive Logic…

人类反超 AI:DeepMind 用 AI 打破矩阵乘法计算速度 50 年记录一周后,数学家再次刷新...

来源:图灵人工智能作者:李梅、施方圆编辑:陈彩娴10 月 5 日,AlphaTensor 横空出世,DeepMind 宣布其解决了数学领域 50 年来一个悬而未决的数学算法问题,即矩阵乘法。AlphaTensor 成为首个用于为矩阵乘法等数…

前沿进展:宏观麦克斯韦妖背后的热力学几何原理

导语热力学强烈限制了静态宏观热扩散系统中的热流动方向,使用时空调制系统能够克服这种限制。近日,科学家提出了时空驱动热扩散的一般理论,揭示了宏观驱动热扩散中潜在的由冷到热的几何热泵效应以及实现热非互易性的限制条件,并实…

文献阅读课16-J-REED: Joint Relation Extraction and Entity Disambiguation,关系抽取实体消歧联合模型,概率图CRF,2017

文章目录abstract1. INTRODUCTION & RELATED WORK2 DOCUMENT PROCESSING3 RELATION PATTERN MINING4 RELATION PATTERN LABELING5 JOINT MODEL6 EXPERIMENTS6.1 Corpora6.2 Systems under Comparison6.3 Experiments on Relation Pattern Extraction6.4 Experiments on Ent…

用 AI 预测 AI,它的未来会是什么?

来源:学术头条人工智能,开始解决越来越多人类尚未解决的问题,且取得了不错的成果。然而,在过去几年中,人工智能领域的科学研究数量呈指数级增长,使得科学家们和从业者们很难及时跟踪这些进展。数据显示&…

文献阅读课17-利用实体BIO标签嵌入和多任务学习进行不平衡数据关系提取,一个句子多关系多实体,ACL2019

文章目录abstract1 Introduction2. Proposed Approach3.实验3.1数据准备3.2 Experiment Settings3.4 分析3.4.1 BIO embedding3.4.2 Effect of Positive/Negative Instance Ratio3.4.3 Effect of Loss Function w/o Multi-tasking4 Related work5 结论Ye, W., et al. (2019). E…

【Brain】登上国际顶刊 PNAS!科学家从理论计算机出发,提出了一个意识模型——「有意识的图灵机」...

来源:墨玫人工智能编译:AI 科技评论组编辑:陈彩娴深度学习三巨头之一的Yoshua Bengio也点头称赞。5月下旬,国际顶刊《美国国家科学院院刊》(PNAS)发表了一篇其于去年10月接收审核的工作,研究非常…

72名图灵奖获得者的成就

来源:图灵教育从“图灵机”到“图灵测试”,从破译德军的 Enigma 到自杀之谜,图灵一生都是传奇,关于图灵的故事我们不在这里赘述,感兴趣的读者请看文末推荐阅读。今天我们更想聊聊,计算机领域最高奖项 —— …

18-Gm-TransH:Group-Constrained Embedding of Multi-fold Relations in Knowledge Bases,嵌入,transH,n-ary

文章目录abstract1. introduction2 Related Work2.1 Binary Relation Embedding2.2 Multi-fold Relation Embedding3 Group-Constrained Embedding3.1 Framework3.2 Optimizing Method3.3 Proposed Model3.4 Complexity Analysis4.实验4.1 数据集4.2 Link Prediction4.3 Instan…

统计学权威盘点过去50年最重要的统计学思想

来源:量化研究方法作者:陈彩娴、Mr Bear编辑:青暮近日,图灵奖得主、“贝叶斯网络之父”Judea Pearl在Twitter上分享了一篇新论文“What are the most important statistical ideas of the past 50 years?”(过去50年中…

19-A Walk-based Model on Entity Graphs for Relation Extraction(句内多对,多关系,多元,2018ACL

文章目录abstract1.introduction2 Proposed Walk-based Model2.1 嵌入层2.2 Bidirectional LSTM Layer2.3 Edge Representation Layer2.4 Walk Aggregation Layer2.5 Classification Layer3.实验3.1数据集3.2 Experimental Settings5.结果6.相关工作6.总结Christopoulou, F., e…