OpenAI SitemapPublication de la source

Travailler avec les communautés académiques pour construire une compréhension scientifique

Nous annonçons trois nouvelles découvertes en mathématiques, en informatique et en physique concernant l’analyse harmonique, la théorie de la complexité et la théorie des champs quantiques.

Nous annonçons trois nouvelles découvertes en mathématiques, en informatique et en physique concernant l’analyse harmonique, la théorie de la complexité et la théorie des champs quantiques.

Notre processus de publication continue d’évoluer en réponse aux retours des communautés académiques concernées. À notre avis, ces manuscrits peuvent être considérés comme une forme de données de recherche brutes. Pour transformer ces données de recherche brutes en compréhension scientifique, nous expérimentons une nouvelle méthode dans cette publication. Nous avons contacté des experts externes et leur avons demandé d’agir comme gardiens, en organisant des groupes pour comprendre les nouveaux résultats. Ils ont recommandé trois stratégies différentes de publication.

  • Pour le résultat mathématique, laissez l’output de l’IA en liberté, permettant aux chercheurs de structurer leurs propres efforts pour expliquer le résultat.

  • Pour le résultat en informatique, former un groupe externe de collaborateurs pour expliquer le résultat, tout en rendant la sortie de l’IA disponible publiquement pour que quiconque puisse l’examiner et l’utiliser.

  • Pour le résultat physique, former un groupe externe de collaborateurs et leur confier la diffusion des documents.

Nous ne savons pas encore quelle de ces trois approches sera la plus utile, et nous accueillons avec plaisir les commentaires sur ce qui fonctionne bien et sur les améliorations possibles.

Les collaborations externes suivront quatre principes :

  1. Transparence. Nous sommes transparents quant à l’existence de nos collaborations. Les participants ne seront pas tenus de signer d’accords de confidentialité et pourront discuter du travail, partager des produits intermédiaires et publier leurs conclusions.

  2. Aucune reconnaissance académique. Nous ne recherchons pas de reconnaissance académique pour les découvertes produites par nos modèles internes. L’invitation à un chercheur pour contribuer à la collaboration ne signifie pas non plus que lui ou son groupe de travail a fait la découverte originale.

  3. Reconnaissance. Ce groupe devrait recevoir une reconnaissance pour la compréhension qu’il développe, les rapports qu’il rédige et les autres documents qu’il crée. Le groupe contribuera également à assurer que le travail accorde un crédit approprié aux chercheurs, techniques et idées sur lesquelles il s’appuie.

  4. Indépendance. La participation est volontaire et non rémunérée. Les membres du groupe de travail participent de manière indépendante, et leurs conclusions appartiennent à eux-mêmes. Ils ne parlent pas au nom d’OpenAI, et OpenAI ne parle pas en leur nom.

Nous remettrons les matériaux et artefacts liés à ces résultats aux collaborations. Pour la collaboration en informatique, le groupe a décidé de rendre immédiatement publiques la preuve en langage naturel et la formalisation Lean, et nous les publions directement sur notre repository GitHub. Pour la collaboration en physique, le groupe a décidé de ne pas publier les artefacts produits par l’IA pour le moment, et de travailler plutôt à leur rédaction par eux-mêmes.

Toutes ces approches impliquent des compromis. D’un côté, les collaborations permettent aux experts de développer l’analyse des résultats et de les intégrer dans la communauté académique plus large. De l’autre, le choix initial des responsables influence nécessairement qui participe en premier et crée une asymétrie des informations. Nous accueillons les commentaires concernant la manière d’élargir la participation et de rendre ce processus plus utile.

Lissement local et la conjecture de Kakeya

Le résultat en mathématiques concerne l’analyse harmonique. En 1991, Sogge a proposé la conjecture de lissage local, qui concerne le comportement des ondes lorsqu’elles se concentrent. En particulier, cette conjecture affirme que la concentration la plus extrême doit être de courte durée. La quantité de concentration à un temps aléatoire typique est toujours beaucoup plus petite que ce qui peut se produire au cas le plus critique. C’est un schéma bien connu dans les mathématiques : ce qui peut se produire dans le cas le plus mauvais est plus extrême que ce qui est observé après la moyenne. En raison de l’importance fondamentale de ce phénomène conjecturé, il a également des implications larges dans l’analyse mathématique. Par exemple, cela implique la conjecture de Kakeya et la conjecture de restriction de Stein.

En 2019, Guth, Wang et Zhang⁠>(ouvre dans une nouvelle fenêtre) ont démonté la conjecture de l’assouplissement local en deux dimensions spatiales. En 2025, Wang et Zahl⁠>(ouvre dans une nouvelle fenêtre) ont prouvé la conjecture de Kakeya en trois dimensions. Nos modèles ont fourni une preuve de la conjecture de l’assouplissement local dans toutes les dimensions, résolvant ainsi également la conjecture de Kakeya et la conjecture de restriction de Stein dans toutes les dimensions. La nouvelle preuve repose sur une nouvelle équation différentielle partielle auxiliaire.

Nous avons obtenu la sortie de l’IA le 18 octobre 2026, qui a été formalisée dans Lean le lendemain. Ensuite, nous avons contacté un expert pour discuter de la création d’une collaboration autour de ce résultat. Selon leur recommandation, nous avons décidé de publier la sortie de l’IA publiquement, suivant la même stratégie utilisée pour notre publication⁠ du 6 octobre 2026. Nous avons publié à la fois une description de la sortie en langage naturel de l’IA⁠ (ouvre dans une nouvelle fenêtre) produite par nos modèles, et un démonstration de Lean⁠ (ouvre dans une nouvelle fenêtre) dans notre dépôt GitHub public.

L'hypothèse du temps exponentiel est fausse

La collaboration en informatique établie comprendra et expliquera un résultat relatif à l’hypothèse du temps exponentiel (ETH), une conjecture ancienne concernant la complexité computationnelle de la satisfaisabilité des formules booléennes, un problème étroitement lié au problème P vs. NP. L’ETH a été largement considérée comme vraie, et a été utilisée dans des centaines de publications pour obtenir des résultats sur la difficulté computationnelle conditionnée dans une grande variété de domaines, tels que la théorie des graphes, la biologie computationnelle, les bases de données, la géométrie computationnelle, et bien d’autres. Surprendant, notre système a récemment démontré que l’ETH est fausse, un résultat qui a ensuite été vérifié dans Lean. La réfutation de l’ETH soulève de nouvelles questions quant à la vitesse avec laquelle ces tâches pourraient devenir plus rapides, et peut aider à orienter la recherche de meilleurs algorithmes. La découverte de tels algorithmes, ainsi que la transformation des progrès théoriques en améliorations pratiques, nécessitera de nouvelles recherches importantes.

Ce travail sera vérifié et supervisé par un groupe dirigé par Russell Impagliazzo (UC San Diego), Ramamohan Paturi (UC San Diego) et Ryan Williams (MIT). Tous les trois sont des experts en conception d’algorithmes et en théorie de la complexité.

Nous avons accepté les demandes du groupe : tous les données brutes des résultats doivent être rendues publiques afin de permettre une vérification indépendante par la communauté. OpenAI s’engage à financer une conférence pour comprendre les implications de ces travaux dans le domaine dans son ensemble. Le groupe invite la communauté à aider à organiser une examen ouvert des revendications liées à ETH, et à discuter des questions plus larges que soulèvent les avancées générées par l’IA concernant la vérification, l’accès, le crédit et l’avenir de la recherche.

Notre IA a trouvé une démonstration en langage naturel contre l’hypothèse ETH le 16 octobre 2026, puis nous avons formalisé ce résultat dans Lean le 17 octobre 2026, ce qui nous a conduit à développer la collaboration décrite ici. À cette fin, nous avons publié à la fois une version d’exposé en langage naturel de l’IA⁠>(ouvre dans une nouvelle fenêtre) produite par nos modèles, et une preuve en Lean⁠>(ouvre dans une nouvelle fenêtre) dans notre dépôt GitHub public.

La complexité computationnelle comporte de nombreuses questions et hypothèses ouvertes, dont les preuves ou réfutations ont jusqu’à présent échappé aux efforts des scientifiques. Nous espérons que les humains et l’IA pourront apporter une nouvelle compréhension dans ce domaine, et éclairer les capacités inhérentes et les limites de la computation efficace.

Existence de la chromodynamique quantique et compléments du Modèle Standard

La collaboration en physique comprendra et expliquera un résultat qui fournit une preuve d’existence mathématiquement rigoureuse pour certaines théories de champs quantiques interactives contenant des champs gauge et des fermions dans quatre dimensions, y compris la Chromodynamique Quantique (QCD) et une complétion unifiée du Modèle Standard de la physique des particules. Notre travail s’appuie sur l’approche de Balaban⁠>(ouvre dans une nouvelle fenêtre) dans la théorie constructive des champs quantiques. En tant que sous-problème, cet travail inclut également une preuve de l’existence de la théorie pure Yang–Mills, qui fait partie du problème du prix du millénaire du Clay Mathematics Institute sur la théorie Quantum Yang–Mills⁠>(ouvre dans une nouvelle fenêtre).

Le Modèle Standard décrit l’interaction des particules subatomiques fondamentales pour trois des quatre forces fondamentales, à l’exception de la gravité. La preuve de son existence concerne la théorie unifiée la plus simple qui inclut les champs de gauge et les fermions du Modèle Standard (car le Modèle Standard lui-même ne peut pas être étendu à des distances arbitrairement courtes). Le QCD décrit l’interaction de particules telles que les quarks et les gluons via la force forte. La théorie pure de Yang-Mills ne décrit que les interactions entre les gluons, porteurs de la force, et non la matière telle que les quarks.

David Gross dirigera un groupe comprenant Michael Douglas, Arthur Jaffe, Igor Klebanov et Nikita Nekrasov, qui assurera la gestion de ce projet.

Le groupe demande que toutes les communications avec tous les membres du groupe concernant cet effort soient adressées à l’adresse e-mail suivante : YANGMILLS4D@gmail.com.

Nos modèles ont produit une preuve en langage naturel pour l’existence de Yang–Mills le 9 septembre 2026, puis ont produit une preuve pour QCD le 18 septembre 2026. Compte tenu de la longueur et de la complexité du travail, nous avons repoussé la publication jusqu’à ce que la formalisation formelle de Lean soit achevée. Nous avons terminé notre formalisation de l’existence de Yang–Mills le 16 octobre 2026, ce qui nous a permis de développer la collaboration décrite ici.

Nous espérons que ces résultats marquent le début d’une transition dans laquelle la théorie du champ quantique, le cadre le plus important en physique théorique moderne, devient un domaine rigoureux mathématiquement. Nous sommes enthousiaste à l’idée de fournir des ressources pour le progrès mené par les académies vers cet objectif.

Appuyer les scientifiques

Nous sommes déterminés à soutenir les efforts plus larges visant à comprendre et à exploiter ces résultats. Ces collaborations complètent notre contribution de 5 millions de dollars⁠ (ouvre dans une nouvelle fenêtre) annoncée récemment auprès de la Simons Foundation. Gérée et allouée par la Simons Foundation, cette financement permettra l’organisation d’ateliers, de conférences et de programmes spéciaux visant à aider les chercheurs à comprendre et à exploiter les résultats produits par l’IA. Nous nous engageons à assurer le financement nécessaire pour que les chercheurs puissent examiner, expliquer et exploiter indépendamment les résultats mentionnés ci-dessus.

Nous continuons à solliciter des retours concernant la meilleure manière de communiquer les résultats et de collaborer avec les scientifiques afin d'accélérer la découverte.

Source originale

OpenAI Sitemap

À propos du contenu

La publication originale et les droits appartiennent à la source.

Traduction automatique · Consultez l’original