Maxwell Conjecture 是錯誤的：反駁一個古典物理學假設

研究人員 Philip Arathoon、Gavin Ball 與 Matthew D. Kvalheim 已正式反駁了 Maxwell Conjecture，證明了點電荷系統的靜電位能可以超過先前假設的臨界點上限。研究結果發表於題為 "The Maxwell Conjecture is False" (arXiv:2607.27197) 的論文中。

Maxwell Conjecture 被反駁

Maxwell Conjecture 提出，在歐幾里得空間中由 $n$ 個點電荷產生的靜電場，最多具有 $(n-1)^2$ 個臨界點，且所有臨界點皆為非退化（non-degenerate）。

Arathoon、Ball 與 Kvalheim 透過展示五個點電荷的特定配置來反駁了此一猜想。在此配置中，靜電位能至少具有 24 個臨界點，且皆為非退化。由於 $(5-1)^2 = 16$，存在 24 個臨界點這一事實直接矛盾了該猜想的上界。

AI 在發現過程中的角色

用於反駁該猜想的構造法是由一個 LLM 建議的，特別是 OpenAI 的 GPT-5.6 Sol。雖然 AI 提供了構造法的初步概念性想法，但人類作者執行了以下關鍵步驟以確保結果的有效性：

• Mathematical Verification: 作者驗證了所有數學細節並撰寫了正式論證。
• Computational Validation: 使用了包括 Mathematica 與 Maple 在內的電腦代數軟體來驗證計算並生成視覺化圖表。

社群分析與觀點

AI 與理論物理學的交集引發了技術社群對於數學發現的本質以及該領域未來的廣泛討論。

關於 AI 驅動的數學證明

一些觀察者指出，LLM 在數學方面可能具有獨特的優勢，因為它們不受人類對「優雅」偏好的限制。 一位評論者指出：

"LLMs do not care about 'elegance' the way human beings do, which is a big advantage. LLMs for mathematics is such a great fit on many levels."

向實驗物理學的轉向

有一種日益增長的觀點認為，隨著理論工作透過 AI 變得更加容易取得，科學進步的瓶頸可能會轉向實驗驗證。

"Since theory can be provided cheaply by LLMs, experimental ability is now the bottleneck for progress in physics. I expect to see frontier labs or startups hiring experimentalists to provide data for LLMs to analyze..."

脈絡化該猜想

一些社群成員提醒不要誇大此一特定結果的基礎性影響。雖然該猜想以 Maxwell 之名命名，但有些人將其描述為受 Maxwell 反思啟發的較近期猜想，而非與 Fermat's Last Theorem 並駕齊驅、擁有百年歷史的電磁學基礎支柱。這種區別對於理解該結果對更廣泛的古典物理學領域的影響至關重要。