격자를 깨뜨리다: AI가 어떻게 이산 기하학의 오래된 추측을 반박했나

거의 80년 동안 수학자들은 조합 기하학의 매우 단순해 보이는 질문과 씨름해 왔습니다: 평면에 $n$개의 점을 배치할 때, 정확히 1단위 거리만큼 떨어진 쌍의 최대 개수는 얼마인가? 1946년 Paul Erdős가 처음 제기한 planar unit distance problem으로 알려진 이 문제는, 이 분야에서 가장 접근하기 쉬우면서도 완고하게 어려운 문제 중 하나로 오랫동안 여겨져 왔습니다.

수십 년 동안, 재조정된 정사각형 격자(rescaled square grid)가 이러한 쌍을 최대화하기 위한 본질적으로 최적의 구조라는 것이 지배적인 합의였습니다. 그러나 최근 OpenAI의 범용 추론 모델이 이 오래된 추측을 반박하며, 정사각형 격자보다 다항식 수준의 개선을 보여주는 무한한 예시들의 집합을 제시했습니다. 이 결과는 중요한 이정표를 나타냅니다: 수학의 중심 하위 분야에서 중요한 미해결 문제가 AI에 의해 자율적으로 해결된 첫 번째 사례입니다.

단위 거리 문제의 수학

이 돌파구를 이해하려면 먼저 기준점을 이해해야 합니다. $u(n)$을 $n$개의 점 사이의 가능한 최대 단위 거리 쌍의 수라고 합시다. 점을 직선이나 정사각형 격자에 배치하는 것과 같은 단순한 구조는 선형적 성장(각각 대략 $n-1$ 또는 $2n$ 쌍)을 나타냅니다.

재조정된 정사각형 격자에 기반한 이전의 최첨단 구조들은 $n^{1 + C / \log \log n}$의 성장률을 달성했습니다. $\log \log n$은 믿을 수 없을 정도로 느리게 성장하기 때문에, 이 비율은 선형보다 약간 더 빠른 수준입니다. Erdős는 지수 부분의 추가적인 항이 $n$이 증가함에 따라 0으로 수렴할 것이라는 의미의 $n^{1 + o(1)}$ 상한선을 추측했습니다.

AI의 발견은 이 천장을 부수어 버렸습니다. 이 모델은 고정된 지수 $\delta > 0$에 대해 적어도 $n^{1 + \delta}$개의 단위 거리 쌍을 가진 $n$개의 점의 구성을 구성했습니다. 원래의 AI 증명은 $\delta$를 명시하지 않았지만, Princeton 대학교의 Will Sawin 교수가 후속 정밀화를 통해 $\delta$가 $0.014$가 될 수 있음을 입증했습니다. 이는 다항식 개선이며, 정사각형 격자가 단위 거리를 최대화하기 위해 평면에 점을 배치하는 최적의 방법이 아님을 증명합니다.

멀리 떨어진 분야 사이의 가교

이 결과가 특히 놀라운 이유는 단순히 답이 아니라, 그 방법에 있습니다. 증명은 수학이나 기하학적 탐색을 위해 특별히 훈련된 시스템이나 도구에서 나온 것이 아닙니다. 대신, 이는 이산 기하학과 대수적 수론이라는 서로 관련 없어 보이는 두 수학 분야를 연결하는 범용 추론 모델에서 나왔습니다. \nErdős의 원래 하한선은 Gaussian integers (형태가 $a + bi$인 수)에 의존했습니다. AI는 이 논리를 확장하여 Gaussian integers를 대수적 수론의 더 복잡한 일반화로 대체했습니다. 무한 클래스 필드 타워(infinite class field towers)와 Golod–Shafarevich 이론을 활용하여, 모델은 표준 격자보다 훨씬 더 많은 단위 길이 차이를 생성할 수 있는 더 풍부한 대칭성을 가진 수체(number fields)를 식별했습니다.

Thomas Bloom이 동반 논문에서 언급했듯이:

"이것은 수론적 구조가 이러한 종류의 질문에 대해 우리가 예상했던 것보다 훨씬 더 많은 것을 말해줄 수 있다는 것을 보여줍니다. 더욱이, 요구되는 수론은 매우 깊을 수 있습니다."

AI 논쟁: 보간법 vs. 혁신

이 발표는 기술 커뮤니티 내에서 AI의