Claudeの数学的能力：リーマンゼータ関数の下限の改善

未発表の研究用バージョンのClaudeが、リーマン予想を満たすリーマンゼータ関数の零点の割合に関する長年の下限を、41.6%から67.2%へと向上させました。モデル自体はリーマン予想を解決したわけではありませんが、この結果は、AIモデルが既存の数学的研究の影響を拡張し、検証済みの新しい結果を達成する能力を示しています。

リーマンゼータ関数とリーマン予想

リーマン予想は、素数の分布を記述する数学において最も重大な推測の一つです。それは、素数を決定するリーマンゼータ関数の零点がすべて特定の垂直線上にあると仮定しています。

この予想は未解決のままですが、数学者たちは、この線上に存在する零点の最小割合を定量化することに注力してきました。これまでの研究では、この既知の定数的な割合は41.6%まで徐々に増加してきました。

Claudeの技術的な発見

Claudeの結果は、線上の零点の割合の下限を67.2%に引き上げました。これは、リーマン予想が真であるという仮定なしに作業するための手法を開発したAryan、Baluyot、Goldston、Suriajaya、およびTurnage-Butterbaughの結果と、Bombieri (2000) の研究を組み合わせることで達成されました。

技術的な実装

Claudeのアプローチには、以下の技術的なステップが含まれていました：

関数空間の構築: Claudeは、Weilによって誘導された二次形式を持つ適切な関数空間を形成しました。
Subspaceの特定: 線上および線外の零点から生じる、それぞれ正定値および負定値のSubspaceを特定しました。
不等式の適用: Claudeは、一次および二次モーメントの情報に基づいた二次形式のランクに関する不等式を適用しました。

画期的なステップは、空間全体を扱い、正定値と負定値の両方をまとめて考慮し、二次形式が非対角であることを許容するという決定でした。

方法論と検証

Claude Codeを使用した未発表の研究用バージョンのClaudeが、このプロセスに使用されました。この発見は、合計3100万個の出力トークンを使用し、2回のセッションにわたって行われました。

プロセス

初期の試み: 数学者ではないスタッフメンバーが、Claudeに対してリーマン予想に「真剣に取り組んでみて」と促しました。Claudeは、最初に650個の失敗したアイデアを生成しました。
マルチエージェントの調整: Claudeは約60個のサブエージェントを調整しました。これらのエージェントは、2,400個のシェルコマンドを実行し、数百のPythonスクリプトを記述して、既知のゼータ零点に対して数千回の数値チェックを行い、お互いの作業を査読しました。
人間による指導: 人間のオペレーターは、主に励ましのメッセージを提供し、それがモデルが自身の能力に対する初期の懐疑的な見方を克服するのに役立ちました。

検証

結果の正確性を確保するため、Claudeは、新規性を確認するために54本のarXiv論文をダウンロードし、発見をゼロから独立して再証明するという内部テストを行いました。

その後、結果はAnthropicの数学者であるLevent AlpögeとRalph Furmanによって検証されました。外部専門家のBrian ConreyとDan Goldstonも論文を検討しました。また、最後に、ClaudeはスタッフメンバーのEric Easleyと協力して、結果のLean formalizationを生成し、それは標準的な検証ツールであるcomparatorを通過しました。

AIによる数学への影響

この結果は、AIモデルが既存の数学的なアイデアを合成して、その到達範囲を新しい方法で拡張できる例として機能します。論文の解決ではなく、新しい下限の発見は、百万ドル規模の問題を解決しようとする試みの意図せぬ副産物でした。