Meta ผนึกกำลังนักคณิตศาสตร์ ใช้ Muse Spark แก้โจทย์วิจัยระดับโลก

นักคณิตศาสตร์และ Muse Spark ร่วมมือกันสร้างสรรค์บทความวิจัย 6 ฉบับ

เมื่อต้นปีที่ผ่านมา โมเดลของเราประสบความสำเร็จในระดับเหรียญทอง จากการแข่งขันโอลิมปิกวิชาการระดับมัธยมปลาย 5 รายการในสาขาคณิตศาสตร์ ฟิสิกส์ และเคมี ผลลัพธ์ดังกล่าวกลายเป็นแรงบันดาลใจให้เราทดสอบว่า AI จะสามารถช่วยนักวิทยาศาสตร์แก้ปัญหาการวิจัยแบบเปิด (open research problems) ที่ยังไม่มีคำตอบได้หรือไม่

โจทย์จากการแข่งขันอาจมีความยากมหาศาล แต่ปัญหาเหล่านั้นยังมีคำเฉลยรออยู่ ต่างจากการวิจัยแบบเปิดที่ไม่มีกุญแจคำตอบและไม่มีการรับประกันวิธีการที่ได้ผล ความก้าวหน้าจึงหมายถึงการลองผิดลองถูก การเรียนรู้จากความผิดพลาด และบางครั้งอาจต้องกลับไปเริ่มต้นใหม่ทั้งหมด

ในช่วงหลายเดือนที่ผ่านมา เราได้จับมือกับนักคณิตศาสตร์เพื่อสำรวจปัญหาในหลายแขนง โดยพวกเขาใช้ Muse Spark 1.1 และ 1.2 ใน Thinking Mode ผ่านอินเทอร์เฟซ meta.ai ตามปกติ โดยไม่มีการปรับแต่งโครงสร้างการวิจัยเป็นพิเศษ เนื่องจากการวิจัยแบบเปิดต้องใช้เวลา เป้าหมายของเราจึงไม่ใช่การผลิตบทความจำนวนมาก แต่เป็นการส่งเสริมให้นักวิจัยพัฒนาความเข้าใจเชิงลึกทางคณิตศาสตร์ที่ผู้อื่นสามารถต่อยอดได้ โดยความร่วมมือนี้ยึดหลักการสำคัญคือ ทีมนักคณิตศาสตร์เป็นผู้ชี้แนะการวิจัยและทำงานร่วมกับ Muse Spark จากนั้นจะมีนักคณิตศาสตร์กลุ่มที่สองตรวจสอบผลงาน พร้อมระบุส่วนที่ร่างโดยมนุษย์และ AI อย่างชัดเจน รวมถึงให้เครดิตงานวิจัยก่อนหน้าเสมอ

วันนี้เราได้แบ่งปันบทความ 6 ฉบับจากความร่วมมือดังกล่าว ซึ่งมี 5 ฉบับที่เป็นการนำเสนอคำตอบสำหรับคำถามวิจัยที่เคยเป็นปัญหาเปิด โดยเราขอยอมรับและชื่นชมทีมวิจัยอื่นนอกเหนือจาก Meta ที่ได้ประกาศวิธีแก้ปัญหาสำหรับโจทย์เดียวกันนี้โดยอิสระ ซึ่งเราได้ระบุถึงผลงานเหล่านั้นไว้ในบทความวิจัยแล้ว

Probability: The Strict Threshold for Gaussian Ellipsoid Fitting

Aykut Arslan ร่วมกับ Muse Spark ผ่าน meta.ai ตรวจสอบโดย Babak Modami, Alexander Roitershtein, Mark Sepanski และ Grigory Sokolov

บทความวิจัย: The Strict Threshold for Gaussian Ellipsoid Fitting

บทความนี้ตอบคำถามที่ค้างคามานานเกี่ยวกับการประมาณค่าจุดสุ่มแบบ Gaussian ในมิติสูงให้เข้ากับทรงรี (ellipsoid) ผลลัพธ์หลักคือการระบุเกณฑ์การเปลี่ยนสถานะที่ชัดเจน (sharp threshold) สำหรับจำนวนจุดที่สามารถฟิตเข้าได้ ซึ่งช่วยให้นักวิจัยมีเกณฑ์มาตรฐานเชิงทฤษฎีที่แม่นยำ

กลยุทธ์การพิสูจน์นี้ได้รับการพัฒนาและปรับปรุงโดย Muse Spark ภายใต้การชี้แนะของ Aykut Arslan นอกจากนี้เรายังรับทราบถึงผลงานอิสระจาก Misiakiewicz and Wen, De la Cerda, Potechin, Tulsiani, and Xu และ Koehler and Sohn ที่พัฒนาผลงานออกมาในช่วงเวลาใกล้เคียงกันด้วยวิธีการที่แตกต่างกัน

รูปที่ 1: แผนผังแสดงการเปลี่ยนผ่านที่ชัดเจนจากการฟิตทรงรีที่แม่นยำไปสู่ความเป็นไปไม่ได้ เมื่อจำนวนจุดสุ่มเพิ่มขึ้นในมิติสูง

Differential Equations: Finite-Time Blow-Up of Radial Negative-Energy Solutions for the Mass-Critical Biharmonic Nonlinear Schrödinger Equation

Leonard Dinh ร่วมกับ Muse Spark ผ่าน meta.ai ตรวจสอบโดย Fazel Hadadifard และ Salem Selim

บทความนี้ไขปริศนาการยุบตัวของคลื่น (wave collapse) ในโมเดลฟิสิกส์เลเซอร์ โดยพิสูจน์ว่าในคลื่นที่มีความสมมาตรรอบจุดศูนย์กลางและมีพลังงานเป็นลบ การยุบตัวจะต้องเกิดขึ้นภายในเวลาที่จำกัด (finite time) ซึ่งเป็นการยืนยันการคาดการณ์จากการจำลองคอมพิวเตอร์ในปี 2002 และคลี่คลายคำถามที่ค้างไว้ตั้งแต่ปี 2015 โดย Muse Spark ช่วยในส่วนของการคำนวณและทดสอบข้อโต้แย้ง

รูปที่ 2: แผนผังแสดงคลื่นที่แคบลงและสูงขึ้นเมื่อเข้าใกล้การยุบตัวในเวลาที่จำกัด

Group Theory: Semiabelian Groups Need Not Be Monomial

Joseph Phillip Brennan และ Milana Golich ร่วมกับ Muse Spark ผ่าน meta.ai ตรวจสอบโดย Andres Barei และ John Portin

บทความวิจัย: Semiabelian Groups Need Not Be Monomial

บทความนี้หักล้างข้อคาดการณ์ของ M. Kida ในปี 2024 โดยการหาตัวอย่างค้าน (counterexample) ในกลุ่มที่มีสมาชิก 384 ตัว ซึ่งแสดงให้เห็นว่าคุณสมบัติ "semiabelian" และ "monomial" ไม่ได้มาคู่กันเสมอไป Muse Spark มีบทบาทสำคัญในการสร้างโปรแกรมค้นหาผ่านระบบ GAP จนพบข้อยกเว้นนี้ นอกจากนี้ยังมีการรับทราบถึง เอเจนต์ AI ที่ชื่อ Nilradical ที่รายงานตัวอย่างค้านที่แตกต่างกันในช่วงเวลาไล่เลี่ยกัน

รูปที่ 3: การแสดงภาพการกระทำของตัวอย่างค้านอันดับ 384 ในรูปแบบของกลุ่มสมมาตร

Optimization: Tightness of the Cycle-Based Relaxation for Completed Length-Three Alpha-Cycles

Aykut Arslan ร่วมกับ Muse Spark ผ่าน meta.ai ตรวจสอบโดย Kien Trung Le

บทความวิจัย: Tightness of the Cycle-Based Relaxation for Completed Length-Three Alpha-Cycles

บทความนี้ตอบคำถามของ Del Pia และ Khajavirad เกี่ยวกับความแม่นยำในการผ่อนปรนปัญหาการหาค่าเหมาะสมที่สุดของพหุนามเลขฐานสอง โดย Muse Spark ช่วยปรับกรอบปัญหาใหม่ด้วยหลักความน่าจะเป็นและระบุตัวอย่างค้าน จนนำไปสู่การกำหนดกฎที่ชัดเจนว่าเมื่อใดที่การทำให้ปัญหาเรียบง่ายขึ้นจะไม่สูญเสียความแม่นยำ

รูปที่ 4: การประมาณค่าสีน้ำเงินตรงกับพื้นที่ที่แม่นยำสีส้มทางด้านซ้าย แต่รวมความเป็นไปได้เพิ่มเติมทางด้านขวา

Arithmetic Physics: String Two-Point Function = Height Function on a Curve

Anindya Dey, Gabriel Herczeg, An Huang, Nicolas Jaramillo Torres, และ Jacob H. Swenberg ร่วมกับ Muse Spark ผ่าน meta.ai

บทความวิจัย: String Two-Point Function = Height Function on a Curve

Muse Spark ช่วยเชื่อมโยงทฤษฎีจำนวนและทฤษฎีสตริงแบบ p-adic ตามแนวทางของ Yuri Manin ในทศวรรษ 1980 โดยแสดงให้เห็นว่าการคำนวณจากสองสาขาที่ต่างกันสามารถอธิบายปริมาณเดียวกันได้ ซึ่งช่วยให้นักวิจัยมีวิธีแปลแนวคิดระหว่างสองสาขาได้อย่างเป็นรูปธรรม

รูปที่ 5: แบบจำลองกราฟของเส้นโค้ง Mumford ประเภทสอง (genus-two) ที่มีวงกลางสองวงและกิ่งก้านแตกสาขาออกไปด้านนอก

Non-Associative Algebra: On Solvable Evolution Algebras and a Conjecture by García-Martínez and Pérez-Rodríguez

Andres Barei ร่วมกับ Muse Spark ผ่าน meta.ai ตรวจสอบโดย Nicolás Jaramillo Torres

บทความวิจัย: On Solvable Evolution Algebras and a Conjecture by García-Martínez and Pérez-Rodรียguez

บทความนี้หักล้างข้อคาดการณ์ของ García-Martínez และ Pérez-Rodríguez เกี่ยวกับการจำแนกพีชคณิตวิวัฒนาการ โดย Muse Spark ได้สร้างตัวอย่างค้านและเสนอการพิสูจน์ทางเลือกที่แม่นยำยิ่งขึ้น นอกจากนี้ยังมีผลงานอิสระโดย Hu และ Wen ที่รายงานตัวอย่างค้านสำหรับข้อคาดการณ์เดียวกันนี้เช่นกัน

ต่อยอดจากผลงานนี้

งานชิ้นนี้คือส่วนหนึ่งของการลงทุนอย่างต่อเนื่องในงานวิจัยทางวิทยาศาสตร์ เราเชื่อมั่นว่าความก้าวหน้าในอนาคตจะเกิดขึ้นจากความร่วมมือที่ใกล้ชิดระหว่างผู้เชี่ยวชาญและ AI โดยยึดถือความโปร่งใสและการตรวจสอบที่เข้มงวดเป็นสำคัญ

กิตติกรรมประกาศ

ขอขอบคุณนักวิจัยและผู้ตรวจสอบทุกคนที่ทุ่มเทแรงกายแรงใจ รวมถึงชุมชนคณิตศาสตร์ในวงกว้างซึ่งเป็นรากฐานสำคัญให้ผลงานเหล่านี้สามารถต่อยอดไปได้ไกลยิ่งขึ้น