华人数学家反击AI！一场关于和差集问题的突破接力赛

数学的世界里，总有一些难题如同璀璨星辰，华人数学家反击AI！一场关于和差集问题的突破接力赛着无数智者仰望与追逐。在今年5月，DeepMind的AlphaEvolve发布白皮书，宣布在公开数学难题上取得突破，一时引发学界轰动。然而，就在人们还在惊叹AI的力量时，华人数学家携最新研究成果强势反超，将这一难题的解决推向了新的高度。这不是一场AI与人类智慧的对决，而是一场跨越领域的接力赛，一次关于数学之美与科学探索的精彩演绎。让我们走进这场智力角逐的现场，揭开和差集问题的神秘面纱。看看AlphaEvolve如何叩开突破之门，又为何说华人数学家的成果让这扇门开得更大。

和差集问题：数学花园中的“隐秘角落”

5月14日，DeepMind的AlphaEvolve发布白皮书，宣布在50多个公开难题上刷新纪录，其中就包括将和差集的θ从1.14465提升到1.1584。

来源：全球科技情报服务平台AMiner
https://www.aminer.cn/pub/619b9d031c45e57ce930ea31?fr=fwh_v1

在数学的浩瀚版图中，和差集问题如同一个藏在深谷中的秘境，虽不似哥德巴赫猜想那般广为人知，却在数论与组合数学的交界处散发着独特魅力。

简单来说，这个问题关注的是整数集合通过加法和减法运算后的“生长”规律。

给定两个有限整数集合A和B，当它们的和集|A+B|被一个常数K限制时，差集|A-B|能有多大的“规模”？
这里的关键，在于找到那个决定差集增长速度的最大指数θ，它就像一把尺子，丈量着集合在加减运算下的神秘边界。
或许你会好奇，研究几个数加加减减有什么意义？

但别小看这个问题，它就像数学中的 “基础零件”，其结论能在密码学、编码理论等多个领域发挥作用。

想象一下，当我们需要设计更高效的编码方式时，对集合运算规律的深刻理解可能就是那把关键的钥匙。
而数学家们对θ的追逐，本质上是在探索数学结构内在的增长极限，是对数字世界底层规律的不懈追问。

历史上，数学家们为了这个θ值可谓煞费苦心。

从最初的朴素构造到引入复杂的组合方法，每一次微小的提升都凝聚着智慧的光芒。
直到2007年，Gyarmati、Hennecart和Ruzsa三位数学家提出了一个重要框架，他们发现可以通过构造特殊集合U，利用其和集与差集的大小关系来推导θ的下界，这就像为探索者指明了一条可能的路径。
而这条路径的尽头，正是华人数学家Fan Zheng与AlphaEvolve先后抵达的新高度。

AlphaEvolve：AI叩开数学突破之门

当DeepMind的AlphaEvolve带着白皮书走进公众视野时，它带来的不仅是一个数字的更新，更是一种跨学科思维的震撼。

这个曾在围棋、蛋白质结构预测等领域掀起风暴的AI系统，如今将触角伸向了纯数学的硬核地带——和差集问题。

AlphaEvolve的突破并非偶然，它依托的是DeepMind在大语言模型与算法优化方面的深厚积累。

来源：全球科技情报服务平台AMiner
https://www.aminer.cn/pub/6064571d91e011538305d040?fr=fwh_v1

与传统数学家手工构造集合的方式不同，这个AI系统像一个不知疲倦的“数学建筑师”，通过大规模搜索和进化算法，在浩瀚的整数空间中寻找那些“恰到好处”的集合结构。

它的核心思路是：既然θ的下界与集合U的和差集大小密切相关，那为何不通过算法自动生成并优化这样的集合呢？

AlphaEvolve运行中的演化与评估过程

在实际操作中，AlphaEvolve采用了类似“数学达尔文主义”的策略：先随机生成大量候选集合，然后根据和差集大小的评估标准进行筛选，让“好”的集合通过“变异”和“组合产生下一代，如此迭代进化。

AlphaEvolve的结构总览

这种方法看似“暴力”，却在计算能力的支撑下展现出惊人的效率。

最终，它用一个包含54,265个整数的集合，将θ值提升到了1.1584。这个数字不仅超越了此前的手工构造结果，更标志着AI在纯数学问题上已具备独特的“创造力”。

DeepMind将AlphaEvolve投放到多个开放问题

消息传出，学界一片哗然。有人惊叹于AI探索数学的潜力，也有人担忧传统数学研究的模式是否会被颠覆。

但DeepMind的研究者们更愿意将这视为一次合作的开始。

AI负责在数据海洋中打捞可能的结构，人类数学家则负责理解背后的原理，这种人机协同或许正是破解复杂数学难题的未来之路。

然而，就在人们还在热议AI的这一成就时，一位华人数学家的名字悄然出现在学术预印本平台上，带来了更令人振奋的消息。

华人数学家Fan Zheng：从追随到超越的智慧飞跃

当Fan Zheng的论文出现时，数学界意识到，和差集问题的突破接力棒，已经传到了华人数学家手中。

来源：全球科技情报服务平台AMiner
https://www.aminer.cn/pub/683e64a8163c01c850b9e8ec?fr=fwh_v1

这位研究者没有依赖复杂的AI系统，而是通过纯粹的数学智慧，将θ的下界进一步提升至1.173077，再次刷新了人类对这个问题的认知极限。

此次的突破建立在前人研究的基础之上，但他巧妙地引入了新的数学工具——大偏差估计。

这个听起来有些晦涩的概念，本质上是用来描述随机变量偏离均值的极端情况概率。

在和差集问题中，他将集合构造转化为对整数划分的约束问题，每个坐标的取值就像独立的随机变量，而大偏差估计则帮助他精准计算出满足特定条件的集合数量，从而更精确地评估和差集的大小。

具体来说，他构造了一系列特殊集合W (m, L, B)，每个坐标的取值都被限制在0到B之间，同时满足坐标和不超过L。

通过分析这类集合在m和L趋于无穷大时的渐近行为，结合大偏差理论，他得到了比AlphaEvolve更优的θ下界。

大偏差理论的部分展示

值得一提的是，AlphaEvolve使用的集合包含数万个元素，而Fan Zheng的方法在理论上可以构造任意大的集合，这意味着他的结论具有更普遍的数学意义。

论文中的表格数据清晰展现了这一突破的说服力：当B=5且精度达到10^-8 时，计算得到的θ-1值稳定在0.173077左右，加上1后得到的新下界远超AlphaEvolve的1.1584，甚至比此前另一位研究者的显式构造结果1.173050还要高出一丝。

数值数据表

这并非简单的数字游戏，而是对数学结构理解的深化。

Fan Zheng通过理论分析，找到了比AI搜索更优的集合构造范式，证明了人类数学家在洞察问题本质方面的独特优势。

在AI与人类智慧的交汇处，数学之光照得更远

从DeepMind的AlphaEvolve到华人数学家Fan Zheng，和差集问题的突破历程就像一场精彩的接力赛。

AI凭借其强大的搜索能力和算法创新叩开了新的大门，而人类数学家则凭借深厚的理论功底和洞察力，将这扇门开得更大，看到了更远处的风景。

这不是一次非此即彼的竞争，而是一次完美的互补——AI为数学研究提供了强大的探索工具，人类则为这些工具注入了理解和创新的灵魂。

在这个AI与人类智慧交织的时代，数学研究的范式正在悄然改变。

我们既看到了算法在海量搜索中展现的潜力，也见证了人类思维在抽象理论构建中的不可替代性。

华人数学家的成果告诉我们：即使在AI日益精进的今天，人类数学家的创造性思维依然具有不可替代的价值，他们能从算法的结果中提炼规律，从数据的海洋中发现本质，将具体的案例升华为普遍的理论。

而这一切，都指向一个更宏大的命题：科学的进步从来不是单一力量的独角戏，而是不同领域、不同思维方式的碰撞与融合。

当AlphaEvolve的“蛮力” 遇上人类的“巧思”，当算法的效率邂逅数学的深邃，我们有理由相信，更多像和差集问题这样的数学秘境将被揭开面纱，人类对宇宙规律的认知也将在这场智慧的接力中不断抵达新的高度。

数学的星辰大海，正等待着更多这样的携手探索，让真理的光芒照亮更远的未知！

这里是

AMiner-AI赋能科技情报平台

——全球领先的学术数据挖掘与分析平台，您身边的科研助手，有关学术趋势洞察、学者网络分析问题都可以与我们探讨！