高中生联手AI攻克菲尔兹奖遗留难题，数学研究范式迎来“破壁”时刻

【科技纵览】当两名尚未踏入大学校门的高中生，在人工智能的深度辅助下，成功填补了菲尔兹奖得主许埈珥（June Huh）未竟的研究空白，这一事件不仅震撼了UCLA数学圈，更向全球学术界抛出了一个尖锐命题：传统科研的壁垒正在被技术重构。

就在近日，题为《洛伦兹多项式的有界比》的长篇论文正式登陆arXiv平台，全文长达75页。作者栏中赫然列着加州橡树公园高中的学生Aayush Bathija与Prince Rohatgi，以及他们的指导者、UCLA博士后Daniel Soskin。这项成果的核心，在于解决了许埈珥此前未能完全攻克的关于洛伦兹多项式系数比值上限的难题。值得注意的是，整个证明过程重度依赖了两款前沿大模型——Claude Opus 5与GPT-5.6 Sol。

要理解这一突破的分量，需回溯至2020年。彼时，凭借从诗人转型为数学家的传奇经历并在39岁压线获奖的许埈珥，与合作者建立了洛伦兹多项式理论。该理论将组合数学问题与几何不等式紧密相连，其核心约束在于多项式系数间存在严格的平衡关系。例如，在最简单的二次情形中，若两端系数较大，中间系数便不能过小，否则无法满足对数凹性质。然而，当多项式次数提升至三次、四次乃至任意高次时，原有的规律是否依然适用？哪些系数比值存在不可逾越的“天花板”，哪些又能无限增大？这正是许埈珥团队留下的学术缺口。

此次研究中，两位高中生将探索范围从二次推广至任意次数。他们提出的“主结构定理”指出，判断一个系数比值是否有统一上界，可归结为一套离散凸性条件的完整判定。为了厘清这一复杂逻辑，研究者采用了“热带化”方法，通过提取主导幂次，将复杂的乘除运算转化为指数的加减法，从而直观地揭示比值在极端情况下的变化趋势。这种思路巧妙地利用了M-凸性规则，证明了只要比值能无限增大，必然存在一条具备特定幂次特征的路径将其暴露。

令人瞩目的是，这一高深理论的推导并非仅靠人力完成。论文致谢部分坦诚，Claude与ChatGPT在计算验证、思路启发及文本编辑中扮演了关键角色。特别是对于“证明思路”的生成，AI展现了深入探索潜在推导路径的能力。当然，作者也强调，模型建议良莠不齐，所有计算均经过独立核验，研究者对最终结论承担全部责任。这表明，AI已不再是简单的工具，而是成为了科研协作中的“思维伙伴”，但人类的严谨验证仍是成果成立的基石。

颇具戏剧性的是，就在该研究公布前夕，包括许埈珥在内的25位菲尔兹奖得主曾联合签署公开信，警告AI可能摧毁数学研究的严密性与纯粹性。然而，现实却给出了另一种叙事：Aayush和Prince的故事证明，AI在降低研究门槛的同时，也释放了更多非传统背景人才的潜力。以往需要五到八年博士训练才能触及的前沿领域，如今在专业导师引导与AI辅助下，高中生亦能涉足。

这并非意味着传统训练的失效，而是科研范式的演进。AI将繁琐的计算与初步的思路筛选自动化，让人类研究者能更专注于核心逻辑的构建与边界条件的审视。对于数学共同体而言，这场关于“纯粹性”与“效率”的争论或许还将持续，但不可否认的是，通往知识前沿的大门，已被技术推开了一条新的缝隙。未来，如何界定人机协作的伦理边界与贡献归属，将成为学术界必须面对的新课题。