【漫士】解讀王虹工作:三維掛谷猜想,它難在哪?

Amazing Physics
23 位粉絲
一位來自清華的人工智能博士生,日常思索和科普。
An artificial intelligence doctoral student from Tsinghua University who likes to delve into thinking and science popularization.
喜歡我的內容歡迎訂閱、評論、點贊^_^
Welcome to subscribe, like, and leave comments under my videos^_^
打開小鈴鐺🔔獲取頻道最新動態
Turn on the little bell🔔 to receive my latest updates
--------------------------------------------------------------------------------------
#科學 #科普 #知識 #物理 #數學
AI 生成·可能包含錯誤
視頻概述
AI 生成這段影片詳細解析了中國數學家王宏在三維掛骨問題(Kakeya Conjecture)上的突破性成就,以及該成果在數學界與基礎研究中的深遠意義。
2026年7月23日
中國數學界發生了一件大事
在美國費城召開的國際數學家大會上
宣佈了四名菲爾茲獎的獲得者
而王宏、鄧裕兩名數學家光榮在列
實現了中國本土出身和基礎教育培養的
菲爾茲獎得主零的突破
而且一下就是兩位
你一定會好奇
他們到底做了什麼了不起的成就
得到了這個號稱數學界的諾貝爾獎的重大獎項呢
那麼作為一名清華搖班畢業的博士生
我將會用兩期40分鐘的視頻
為大家一一拆解
那這期視頻講的就是王宏和他最知名的研究成果
三維跨谷問題
這個猜想究竟在問什麼
為什麼一個簡單的讓針掉頭的問題
會同時牽動分析幾何
弗利耶分析
調和分析等一系列深刻的領域和知識呢
這期視頻我們將會從零開始
盡量準確地看懂它的骨架
難度會逐漸提升
聽不懂也沒有關係
畢竟這是一個100年的沒有解決的難題
那我會盡量讓大家都有聽懂和有收穫的地方
那實在聽不下去
你也可以跳到最後
聽聽看中國獲得福爾斯獎有什麼意義和感觸
點贊收藏
數學啟動
整個故事從一個看起來像小學幾何的問題開始
假設有一根長度為1
沒有寬度的一根針
我們希望讓它在有限的空間裡掉頭
也就是讓它經歷平面當中的每一個方向
那問題來了
這個空間最小是多少呢?
你也可以想象
這個針在運動的過程當中
被掃過的地方會被染色
我們問在掉頭的過程當中
被染色的區域面積最小是多少呢?
最直接的辦法就是把這個針的終點固定
然後讓它在一個直徑為1的圓裡旋轉
那麼此時就會轉出一個半徑為1的圓
面積是四分之π
約等於0.785
還有更省的辦法
如果我們允許這個針一邊旋轉一邊平移
那麼一個高為1的等邊三角形裡
就足以容納每一個方向的單位線段
此時它的面積就是根號三分之1
約等於0.577
事實上
Howe在1927年證明
如果強制這個房間必須是凸的
那麼這個等邊三角形就是最優的答案
所謂的凸
就是房間裡的任意兩點用直線連接之後
整條線段都必須留在房間裡
所以圓三角形矩形都是凸的
而月牙形或者這種凹槽的凸形則不是
掛骨最初猜想
如果去掉凸這個限制
最優的凸形可能是這樣一個漂亮的形狀
學名三尖內擺線
當一個小圓在半徑是它三倍的大圓內部滾動時
小圓邊緣的一個點會畫出這樣一條三尖曲線
適當縮放之後
針就可以在它的內部連續的轉動
而它的面積是有八分之π
約等於0.393
看起來已經壓縮得很小了
更多尖峯的面積它只會更大
這就是最終的答案了嗎?
1919年
貝希科維奇解決了這個問題
並給出了一個不可思議的答案
那就是這個房間的面積可以要多小有多小
任意接近於零
能做到這一點的關鍵在於
這根針沒有寬度
如果針只沿著自己的方向滑動
那麼它掃過的仍然只是一條直線
而直線的面積是零
所以我們可以像作弊一樣
幾乎不掃過任何面積的隨意平移一根針
這是怎麼回事呢?
你想想看
假設我們要把針從當前位置平移到旁邊的一條平行線上
我們可以先沿針的方向把它滑到非常遠的地方
然後只轉動一個極小的角度
再沿新的方向滑回來
最後再轉一個極小的角度
把它的方向恢復成原來的朝向
從起點看
這個針已經被平行的搬移到了另外一個位置
而真正產生面積的只有兩次極小的轉動
那滑得越遠
我們需要轉動的角度就越小
掃過的這個扇形的面積也越小
嚴格來說
這種操作叫做Pale Drone
它並不是一個真正的瞬移
但是在掃過的面積下
它可以用任意小的代價完成平移
所以你可以把它看成一個幾乎是免費的傳送
所以這個技巧就告訴我們
真正產生掃過面積的操作不是平移
而是旋轉
也正是因為平移幾乎不花代價
到後來
現代的掛骨問題通常不再強調一根針是連續運動的
而是直接研究一個靜態的集合
要求對於每一個方向
這個集合中都包含一條這個方向的單位長線段
這就是掛骨集
學名Kakeyasai
當一根針在裡面轉起來的時候
就是這個樣子
現在
假設我們想讓針轉過60度
有一個最簡單的方法
就是用一個三角形容納這段角度範圍之內的所有線段
但我們可以把60度拆成兩段
先轉30度
然後把針近似瞬移到另一個位置
再接著轉剩下來的30度
然後我們可以把前後的兩個三角形盡量的疊在一起
產生一個最大的重疊面積
這樣你會發現
在整個旋轉過程當中
60度以內的方向我們都轉過了
但總面積卻變小了
因為有重疊
那既然60度可以拆成兩份
那每個30度的三角形是不是還能繼續拆呢
我們還可以把它拆成四份
再讓它們平移一下
每次轉到一個端點就瞬移
那這樣重疊的面積就會更大
我們還可以把它拆成四段
八段和十六段
每次都是把它分叉之後
再平移互相重疊
拆分之後
我們總是保留了原來那一小段角度裡的全部方向
但我們卻把這些小三角形壓得越來越緊密
面積越來越小
不斷重復之後
就得到了這樣一個充滿毛刺的抽象結構
它叫做parentree配龍樹
它是一棵由無數極細極細的三角形組成的樹
在尾部把所有三角形的面積都盡可能的重疊在一起
從而極大的降低了整個圖形所佔用的面積
這類構造可以讓總面積小於任意一個預先給定的正數
小於0.01也行
萬分之一也行
那麼通過極限過程
你就可以得到一個面積幾乎為零
卻包含每一個方向單位線段的集合
平面問題給了我們很多啟示
首先如何在最小的空間掉頭這個問題
最終的這個掛骨集合
它的面積居然可以完全接近於零
這是完全超出人類普通的幾何直覺的
所以我們千萬不能想當然
第二個啟示是
這個問題最後的答案不是一個簡單的圓或者多邊形的圖形
而會是一個無限分岔近似於分形的毛刺結構
第三個最重要的啟示是
每一次小轉弄掃過的面積都是逃不掉的
這個遊戲最重要的問題
在於怎麼讓這些面積盡可能多的重複覆蓋同一片區域
壓縮重疊的越厲害
總面積就會越小
這個問題隨後被推廣到三維
現在我們希望一個集合裡
能夠找到朝向三維空間每一個方向的單位線段
到了三維
體積已經不再是一個重要的值得問的問題
因為平面的方法很容易告訴我們
三維的掛骨集合也可以沒有任何體積
比如說我們可以從一個平面上的零面積掛骨積k出發
然後我們考慮把這個k整體抬升一個1的高度
形成了一個柱狀體
那這個柱狀體沿著任何一個三維方向
都可以把它分解成一個水平方向的分量
二維的掛骨集可以提供任意一個水平方向的
而區間0到1這個數值的高度
可以提供你所需要的數值分量
把這兩者合起來
就可以得到三維方向上任何方向的單位線段了
它的體積等於原來底面積k再乘以1
而我們說過二維掛骨集k的面積是零
所以整個集合的體積也是零
所以數學家真正關心的問題變成了另外一個
雖然它沒有體積接近於零
那它的維度是不是依然必須等於3呢?
維度這個詞聽上去很抽象對吧
中學時你可能學過用基底向量的個數來定義維度
比如說一維是線 二維是面 三維是體
不過在分析裡面對更加複雜的對象
我們需要用一種更加一般的抽象的方式去定義維度
那就是覆蓋
什麼意思呢?
拿一個邊長為delta的小方格
去覆蓋一條長度為1的線段
你會發現大概需要delta分之1個
而如果覆蓋一個邊長為1的正方形
你會發現大概需要1除以delta平方個
用delta邊長的小立方體覆蓋一個單位立方體
則需要1除以delta的三次方個
所以每當我們把刻度delta縮小兩倍
去覆蓋線段、正方形和立方體時
你會發現所需要的同維度的小的這個單元的個數
會分別變成兩倍、四倍和八倍
它們分別是2的一次方、二次方和三次方
維度1、2、3就在這裡現身了
一般的
如果覆蓋一個集合所需要的小方格或者小立方體的數量
大致滿足是delta的d次方分之1
其中delta是你覆蓋的小盒子的邊長
那麼我們就把這個指數d看作是它的維數
也可以寫成這種分式形式
那剛才這些圖像都是很簡單乾淨的例子
有些圖形具有無限分叉、毛刺和字相似的分形結構
此時就會出現一種神祕的不是整數的維度
比如說看看這個科赫曲線
每次迭代之後
它都會由四個縮小到自己原來三分之一的字集組成
那麼用剛才我們的方法去分析一下
假設它的維數是d
那我們把這個delta縮小三分之一
用這個盒子去覆蓋的時候
我們剛好是蓋住了更小層級的一個字相似的分支
所以需要的盒子數量會剛好變成4倍
所以根據維度公式
也就是4等於三分之一分之一的d次方
這就會得到d等於log3分之log4等於log34是1.262
你看居然還有分數維度
它看起來是一根線
但它的維度大於1
它存在於二維的平面裡
但它的維度又小於2
非常的有意思
同樣的道理
我們還可以看另一個分形
它叫謝爾賓斯基地毯
它從開始是一個正方形
每次我們扣掉中間三分之一乘三分之一的區域
構成一個八個一圈的過程
然後再對八個一圈的小正方形
以扣掉它們中間的三分之一
並不斷的重複下去
因此每一個大的地毯分形
是由八個尺寸為三分之一的字體組成的
因此它的維數就是log3分之log8等於log38等於1.893
它是一個看起來二維的圖形
但因為不斷的扣掉它
所以導致它損失了一些維度
等於1.893
我們還可以推廣到三維
每次扣掉三個方向的洞
那麼再對每一個小的立方體重複這個過程
這就會構成一個海綿
它叫做門格海綿
一個大的門格海綿
由二十個尺寸是原來三分之一的小海綿構成
所以由二十個可以拼成一個大三倍的
這個維度就是log3分之log20
約等於2.727
不過大部分的集合並沒有這麼完美的自相似結構
所以這個時候我們只能老老實實的考慮
當我們用越來越小的邊長為delta的盒子去覆蓋的時候
我們需要的盒子數量到底是delta的多少次方
這個delta一般會變成一個delta的-d次方所需要覆蓋的數量
這個指數d就是它的Minkowski為數
也叫做盒為數
等價呢
我們也可以把集合整體加粗delta
如果集合位於一個n維的空間裡
它自己的維度是d
那麼加粗之後的總體積
會在delta縮小到0的時候
以delta的n-d次方衰減
可能有點抽象
我們來想一點具體的例子
比如說在二維平面裡
一條長度固定的曲線把它加粗delta
就會變成一個窄窄的這種長方形
它的面積大約是長度乘以delta
也就是delta的1次方
這個指數上的1
就意味著它的維度比環境的維度要低一次
環境的維數是2
所以這個集合的維度就是2-1等於1
那在三維空間裡
我們看這條線段
用delta的三維盒子覆蓋
就會加粗成一個半徑為delta的細管
所以它的體積大約是長度乘以delta平方
所以意思是它的維度比環境的維度要低兩維
那算一算
環境3-2還是等於1
確實沒毛病
如果是一塊三維當中的平面板子
用delta的小盒子覆蓋之後
這些盒子的體積就等於這個板的面積乘以delta
你看 指數上是1次
說明它的維度比環境的維度低一次
如果是一個三維實心的物體
那麼當我們把這個盒子縮得越來越小時
這個覆蓋的體積在delta越來越小時的極限
不會趨近於0
而是接近於這個物體在三維當中的直接的體積
是一個常數
而常數就是0次方
這意味著它的維度是3-0等於3
這個物體已經充實了整個空間的所有維度
是三維的
所以在這種更一般也更嚴格的維度定義下
我們想要知道一個圖形的維度比環境的維度低多少
就是要計算
用越來越小的盒子去覆蓋住這個集合時
所有尺寸為delta的盒子一共蓋住的體積
在極限的意義下
是不是能夠以delta的某個正數次方衰減到0
如果能
那麼那個次方數就是維度的差異
嚴格來說其實還有豪斯多夫維度等等
它比合維度更靈活也更複雜
我們這裡不展開
那接下來我們終於可以說一說
三維掛骨猜想到底在問什麼
剛才我們說過
三維空間當中的光滑曲面為數是2
門格海綿的為數大約是2.727
而一個實心的立方體或者球
維度是3
那麼一個體積為0
卻包含所有方向單位線段的掛骨集
到底屬於哪一類呢
它到底和曲面一樣
本質上是一個紙片人
是很多近似的二維薄片經過極端複雜的拼接
還是說它類似於一個分形
為數在2到3之間
比如說2.7或者2.99
還是說它其實幾乎是實心的
維度等於3呢
這就是三維掛骨問題
對應的三維掛骨猜想說
任何三維的掛骨集合
它的維度都必須等於3
也就是說它可以沒有體積接近於0
但它卻不能失去任何固定數量的維度
哪怕是2.999都不行
這就是三維掛骨猜想的嚴格表述
它懸置了一百多年
直到2025年被王宏和扎爾證明
原始證明長達127頁
王宏後來在北京大學用三天來講了這套證明
所以我們今天不可能展開完整的技術細節
只能給大家展示一下
二維裡如何證明這個維度一定等於2
以及這種方法為什麼在三維失效
王宏等人又是如何解決這個失效問題的呢
那要分析這個問題
我們首先要把看的顆粒度搞粗一點
剛才說過
分析維度需要用一個很小的Delta的盒子去蓋住它
所以我們可以選擇一個很小的Delta
那當方向的夾角小於Delta時
在這個精度下可以被暫時視為同一個方向
在二維當中
所有的方向圍成一個圓
所以大概有π除以Delta的間隔為Delta的方向
那當我們用Delta的寬度去覆蓋每條單位長度的線段之後
每個線段就會被加粗成一個寬度為Delta
長度為1的管子
我們把它叫做Delta管
每根管的面積大約是1乘以Delta
也就是Delta
而一共有大約π除以Delta根
所以所有管子的面積之和約等於
這是一個跟Delta無關的常數
所以原來的掛骨問題
被翻譯成了一個擺放管子的遊戲
有好多根管子
面積加在一起等於一個常數
現在我想讓這些管子盡可能多的重疊
問它們的並集面積最大能壓縮到多小呢?
只要證明這個面積趨近於0的速度
不會快過任何一個密函數Delta的y次方
那我們也就證明瞭
它和二維空間之間的維度差異
小於任意小的正數y
我們就證明瞭
二維的掛骨集的維度必須是2
該怎麼證明呢?
我們可以給空間中的每個點x標記一個整數mx
它表示這個點同時被多少根管子覆蓋
叫做這個點的重數
比如說這個位置只有一根管子覆蓋就是1
那這個位置比較受寵有四根管子
所以它的重數是4
每一個點都有一個這樣的函數
這個函數有兩個很神奇的性質
第一
所有位置的重數加起來
準確來說是積分
一定等於所有管子的面積之和
為什麼呢?
假設某塊區域的重數是3
就意味著它疊加了三層
被三根管子都分別計算了一次
所以我們可以把這部分面積一分為三
把三層分別給覆蓋的每根管子分配上
你就會發現
其實所有重數的求和
就跟在計算所有管子各自不重和的面積求和是一樣的
第二個特性是
我們如果把每個點的重數平方加在一起
學名是積分
就會得到所有管子之間兩兩交集的面積的求和
這是因為
對每一個點的重數平方之後
相當於在這個點考慮了覆蓋它的所有管子的兩兩組合
比如說重數等於3被T1 T2 T3覆蓋
那麼平方之後的9
就代表這個地方計數了T1到T3
所有9種兩兩相交的可能
那接著我們就可以來分析了
設E為整個管子並集的面積
那麼我們可以根據科西布等式得到這樣一個表達式
在E的區域裡以E的權重積分
就能得到這個集合的面積
一項整理一下
你就可以得到這個式子
它是證明的關鍵
叫做Cordova Type L平方Argument
給看不懂公式的人大概解釋一下
左邊是整個圖形所有管子並集的面積
也就是我們要證明衰減很慢的東西
右邊的分子是所有管子的面積之和
我們說過它是一個常數
因為它基本上就是分了一個圓形的面積
而右邊的分母
表示我們統計所有管子兩兩相交的面積
全部加在一起
注意這裡不排除兩根管子是相同管子的情況
直觀上來說
這個式子告訴我們
只需要證明這些管子的重疊程度沒有那麼高
那麼兩兩相交的面積求和也就不會太大
也就是右邊的分母不大
此時整個式子就不會太小
也即所有管子的並集面積不會太低了
這個邏輯說白了
就是管子的總面積一定
如果重疊的程度不大
那麼大家一起覆蓋的總面積也一定不會太小
困難在於
該怎麼深刻的分析這個二維平面的集合結構
證明這個分母
也就是兩兩重合的求和不會太大呢
該怎麼證明呢
我們可以先固定一根二維管子ti
考慮其他管子和它相交的面積之和
另一根管子和它的夾角如果是θ
而它們都是寬度為Δ的長條
能夠重疊的面積是多大呢
這是一個簡單的初中幾何題
它的高是Δ
而這個平行四邊形的底邊是Δ除以sinθ
在θ很小的時候
sinθ就約等於θ
所以這個面積就可以近似寫成
ΔxΔ除以θ等於θ分之Δ的平方
那這個方向以Δ為間隔排列
我們可以把夾角寫成θ約等於kxΔ
其中k從1 2一直到Δ分之1
嚴格來說應該是Δ分之π
但我們只關心量級
所以寫到1就行了
那最後呢
第k個方向的角度管子和它這根ti重疊的面積
就約為kΔ分之Δ平方
也就是k分之Δ
所以固定ti
我們把所有其他方向的管子
與它的相交面積加在一起
就會得到
其實是本質上是Δ乘以k分之1的球合
這是一個非常經典的這個球合
它大概有Δ乘以logΔ分之1
這樣的一個面積
我們說過二維當中一共有約Δ分之1根管子
那麼把剛才的這個球合再乘以Δ分之1
就可以得到全部的管子兩兩配對之後
這個交疊總量
那麼它大概就是logΔ分之1這個量級
最後
代入到我們一開始的那個柯西不等式
就會得到這個式子
這已經足夠證明結論了
當Δ趨向於0時
這個式子logΔ分之1分之1
雖然也趨近於0
但它卻下降得極其緩慢
對於任意固定的ε大於0
它下降的速度都不會比Δε次方更快
它的下降慢於任何一個冪函數
而我們說過
你如果想要說明它的維度嚴格小於2
那麼你必須要證明
這個隨著Δ減小的過程
你的並極的面積縮小的速度
必須達到Δ的某個ε次方
但現在面積卻比任何一個正的冪次下降的都慢
所以根本沒有留下任何固定的維數缺口
平面掛古級的Minkowski維數只可能是2
證明完畢
以上就是Davis在1971年完成的證明
是不是還挺神奇的
一個平面的集合
面積趨近於0
但它的維度卻依然是2
它沒有二維的面積
卻保留了完整的二維尺度的複雜性
但是在三維中
這個方法就失效
如果用同樣的方法分析
只能得到三維掛古級的維度至少是2
為什麼二維的方法失效了呢
我們考慮一個極端的例子
讓所有不同方向的管都經過圓點
所以在圓點附近一個半徑為Δ的小球
就會同時被約Δ平方分之一根管子覆蓋
那裡的重數平方非常的大
立刻能夠達到Δ的四次方分之一的量級
而這個小球的體積是Δ三次方的量級
因此單單這個小球
就能貢獻Δ的三次方乘以Δ的負四次方
約等於Δ的負一次方的重疊體積
所以分母一下子就變得很大
整個式子出現了一次方的衰減
也就因此損失了1的維度
但這其實只是我們用科西不等式放縮不合理的問題
我們把重疊程度估計的太大
這些點離開圓點之後
立刻會朝各個方向散開
它們整體重疊的程度其實遠遠沒有那麼高
並極是非常發散的
體積一點都不小
是一個常數
科西不等式的L平方推理
把在一個極小的區域當中短暫的交叉
當成了非常嚴重的壞的重疊
所以這個估計非常非常的鬆
它無法區分
一根管子只是偶然的在某一個局部密集的重疊
整體是發散的海膽
還是說它們有著非常多非常複雜的交叉
在各種尺度裡都有著複雜的交疊
重疊的面積很大
1990年
Wolff發現
如果管子兩兩重疊的總量很大
那麼平均下來一定存在某一根管子
與其他大量的管子發生了明顯的相交
那麼固定這根管
他把它叫做抓柄
而所有與它相交的管子就是刷毛
這種結構叫做Hairbrush
起名毛刷也非常的形象
在二維裡
一根刷毛和刷柄的夾角
就會基本決定它的方向
但是在三維當中
除了這個夾角之外
刷毛還可以繞著刷柄額外的旋轉
這個額外的繞軸的方位角
正是三維方向技術所多出來的那一維
也是剛才樸素的L平方方法失效的幾何根本
如果刷毛向很多平面展開
就會產生三維的體積
而如果刷毛只集中在少量的平板當中
又會接近違反一個叫做非聚集性條件的性質
平衡這兩個方面
Wolff把三維掛鉤級的維數下節推進到了2分之5
這是一個里程碑
但距離三仍然有整整0.5個維度
在Wolff把下節推進到2.5之後
2000年
Borgan邁出了關鍵的一步
他發現掛鉤問題可以歸約成一個加法的組合問題
把它和算術組合學連在了一起
順著這條路
同年的卡茲、瓦巴和陶哲軒三人
證明瞭三維掛鉤級的Minkowski維數
至少是2分之5加上一個c
其中c是某一個固定但是很小的正的常數
經常有互聯網上的科普說什麼
陶哲軒把這個維度提高了0.0000001
算是怪唬人的
但其實原論文根本沒有給出具體的量級
根本沒說這是10的負9次方
這裡我要在這屁個搖
此外
他們還發現
維數接近於2分之5的掛鉤級
必須滿足幾個很強的結構性質
分別叫做平面性、顆粒性和粘性
而最後的這個粘性sticky
正是十幾年之後
王虹和札爾攻堅的對象
隨後
Guth的多項式方法
以及Katz和Zell的進一步工作
又推動了豪斯多幅維數的下界
但能不能達到3
依然是一個未解之謎
那麼王虹和札爾到底做了些什麼呢
總的來說
他們先分析了一類特殊情況
就是剛才所說的sticky
直接翻譯來說就是粘的
它到底粘在哪呢
一句話大概就能說清楚
那就是方向相近的管子
在空間當中的位置也必須相近
這句話可不是理所當然的
一個一般的掛骨機
完全可能讓兩根
方向非常非常接近的管子
卻一根在東邊一根在西邊
方向很近
但位置卻差得很大
而sticky禁止這種情形
它要求方向近的管子
一定在位置上是接近的
所以呢
這個整體就會出現一個
像分形一樣的結構
一個粗的管子裡
包含了大概這個方向的所有的細的線條
而如果你把這個方向的約束縮得更小
你就會看到在這其中
包含著一根更細的管子
這樣不斷向內
這就是sticky的涵義
定量來說
就是你如果先用rho半徑的管子
覆蓋了一些方向的線段
再觀察其中距離更相近的
差別為delta的管子
那麼這些管子的數量
在rho當中應該是有
delta分之rho平方這個量級
這就是sticky的涵義
它表示在粗的方向裡
進一步看有更細的小的分岔方向
層層疊疊像樹一樣
如果有一堆管子
它們整體是sticky的
那麼三維的掛物猜想就一定成立
這叫做Sticky Kakeya Theorem
接著第二部分的收官論文
是在去年2025年完成的
如果有一堆管子形成了一個很壞的反例
那麼經過一系列多尺度的整理之後
它必須越來越接近於這種sticky的結構
於是整個邏輯鏈條就變成了
如果有一個很壞的反例
那麼它必須是sticky的
但他們已經證明瞭sticky不可能是反例
所以反例是不存在的
就完成了證明
JK條件下的掛骨基定理本身依然非常深奧
王宏使用了很多調和分析當中的手段來解決它
偏符合難度所限
我們這裡不做展開
要知道
掛骨問題和調和分析的淵源非常深厚
Charles Fiffman 1971年
就用貝奇科維奇的那個集合
否定了一個叫做球形成子在LP上有界的這個猜想
而王宏自己在解決三維掛骨猜想之前
也已經在調和分析幾何測度論
以及相關的Kakaya問題上取得了多項重要的成果
是調和分析領域備受矚目的青年數學家
要知道調和分析有四個重要的猜想
分別是限制性猜想
三維掛骨猜想
Boschner-Rist猜想
以及局部光滑性猜想
而王宏在這四個問題上的研究成果
都是最前沿做得最好的數學家
那說回到王宏等人的證明
這個定理的證明歸約到最後
矛盾的根源部分來自於一個基本的數學事實
就是一個數字集合
不能同時在加法和乘法下都比較封閉
什麼意思呢
比如說你考慮一個等差數列
從這個集合裡任意取兩個數字求和
只有大約2n個元素
非常非常的小
但如果你把它們取一個乘積的集合
就會增長得很大
一共有接近平方個不同的數字
但是如果你反過來考慮一個等比數列
那麼它的乘積集合依然只有大約2n個元素
因為對於等比數列來說
乘法就是在指數上做加法嘛
但如果你把它們兩兩求和
這個求和出來的數字
就會有接近平方個不同的結果
比如說這裡在實境之下
四位數裡有兩個是1
其他都是0的所有數字都是可能被加出來的
所以你就會發現
一個集合裡的數字兩兩相加所得到的結果
和它們兩兩相乘的結果
不可能都很少
一定有一個集合是比較大的
這個叫做sum product現象
也就是和極與積極不能同時很小
Borgan的論文最早提出了這個機制
王洪·扎爾之後的論文
同樣利用這個重要的組合數學事實
證明瞭不會有各種尺度的細管
都擠在不足三維的空間裡
因為這將導致重疊數爆炸
和的集合和乘積的集合
都必須很小
而這是不可能的
重度的細節原諒我無法在這期視頻裡展開了
所以三維掛骨猜想最終告訴我們
一個集合可以沒有任何三維的體積
卻必須擁有完整的三維的維度
它在體積意義上可以小到幾乎什麼都沒有
但是無論把觀察的尺度縮到多小
它的複雜程度都不能真正的降到二維
不是一系列薄薄的紙片
對於中國人來說
王洪和鄧宇站上費爾斯獎的領獎臺
是一件足以令人自豪的事
它更重要的意義是讓我們看見
從中國的課堂上成長起來的年輕人
也可以走到人類知識的最前沿
在世界共同的知識地圖上填補上一塊空白
我覺得這也給了我們一種踏實的信心
我們的學生也可以提出世界級的問題
我們的基礎教育也可以培養出世界級的學者
我們也有能力為整個人類創造前所未有的新知識
我希望這種信心
最終變成對於教育的尊重
對於人才的珍惜
以及對於基礎研究更長久的耐心
一個懸置了一百年的問題
不可能依靠一次短期的計劃衝刺去解決
它的背後是幾代數學家的接力
是允許失敗的研究環境
也是一個社會願不願意為那些暫時看不到回報的探索
留下足夠的時間和空間
讓學者自由的思索
接觸世界最前沿和重要的問題
說到這裡我知道很多人可能會問
這是普通人經常會有疑惑的地方
因為剛才的這些知識
看不出來在我們的生活裡能有什麼影響
但問題在於
我們常常把有用理解得過於狹隘
好像一項知識只有立刻變成產品
提高產量或者賺到錢
才被擁有意義
解決一個百年難題
就像攀登一座人類智力的高峯
登頂不能解決溫飽
但從此以後
我們知道這座山可以被登上
也知道通向山頂的道路是什麼
這種對於未知的好奇
對於真理的追問
以及挑戰人類思維極限的願望
本身就是科學誕生的原因
也是文明之所以不只滿足於生存
而要不斷理解世界的原因
此外
在這種登山的途中所發現的風景
獨特的山體結構
為了登山而發明的工具
都是挑戰困難的數學問題重要的副產物
很多時候
這些副產品的價值
會比原本的這個問題更大
比如說
為了研究一元五次方程為什麼沒有根式解
Galois提出了群論
在當時甚至沒有人能看懂
而這套理論
最終成為了無數現代數學
甚至是理論物理和凝聚態物理
至關重要的基礎概念和工具
為瞭解決哥德巴赫猜想
所提出的分元法
也成為瞭解析數論極其重要的技術
滋潤和啟發了無數其他領域的研究
那就算我們再說回到實用意義
像數學這樣的基礎研究
不一定會在將來帶來一項改變世界的技術
但反過來
無數重要的技術
在當初做基礎研究時
也沒有人預料到將來
它會有這樣的價值
黎曼在十九世紀研究彎曲空間的時候
不可能預先知道
幾十年後
愛因斯坦會藉助
由此發展出來的幾何語言
來描述彎曲的時空
並發現廣義相對論
更不可能知道
再往後
人類每天都使用的衛星導航系統
必須要使用相對論
對衛星時鐘的時間進行校正
還有布爾
他原本研究的是思維規律
看起來像是一種極為抽象的邏輯遊戲
但將近一個世紀之後
香農發現
布爾代數恰好可以用來分析
繼電器和開關電路
今天計算機當中
由真和假、一和零組成的數字邏輯
就沿著這條道路發展而來
直到形成了我們今天複雜的計算機和人工智能
1917年
數學家拉東研究了一個
看起來極其無聊和抽象的問題
如果我們只知道一個物體
從許多不同方向投影下來的影子的深淺
能不能反過來恢復它內部的結構呢
幾十年後
這類當初看來無聊的投影繁衍的數學問題
竟然成為了計算機斷層成像
也就是CT重建的重要理論基礎
幫助醫生在不開刀的情況下
就能看見病人體內的病竈
挽救了無數的生命
如果我們要求每一個問題在立象之前
都必須準確地寫出幾年之後它的產品用途
那麼黎曼幾何、布爾代數和拉東變換
很可能在最初就根本得不到支持
今天也就不會有CT、計算機
也不知道宇宙有如此深邃的時空結構
極其功利和不允許犯錯的研究
只會造就亦步亦趨的平庸
空洞的吹牛和精英權力關係的利益鏈條
偉大的發現往往來自於純粹的好奇和求知慾
我也相信
只要公平地給有才能的青年才俊分配空間和資源
給足探索的自由、閒暇和高水平的引導
中國的基礎教育和人才基數
完全有機會獲得更多費爾茲獎這樣的成果
以上就是這期視頻的全部內容
這期視頻製作實在不易
如果你覺得有趣和有收穫
希望你能夠點贊支持一下
如果你周圍還有很多想要了解
這次費爾茲獎內容的人
也可以轉發給他
如果你想看到更多這樣精彩的內容
一定記得點贊關注夢一路
下一期我們就會來講鄧裕他的工作
我是曼仕
一名畢業於清華搖班的人工智能博士生
曼仕陳思路
學海洋不辛苦
我們下期再會
