🔢 mathematics

A Milestone in Formalization: The Sphere Packing Problem in Dimension 8

تناقش هذه الورقة التحقق الرسمي الناجح لحل مارينا فيازوفسكا لعام 2016 لمسألة تعبئة الكرات في ثمانية أبعاد باستخدام مثبت النظريات "Lean"، مع تسليط الضوء على علامة فارقة تعاونية بين علماء الرياضيات البشر ونموذج الأتمتة الصورية "Gauss".

المؤلفون الأصليون: Sidharth Hariharan, Christopher Birkbeck, Seewoo Lee, Ho Kiu Gareth Ma, Bhavik Mehta, Auguste Poiroux, Maryna Viazovska

نُشر 2026-04-28

📖 3 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Sidharth Hariharan, Christopher Birkbeck, Seewoo Lee, Ho Kiu Gareth Ma, Bhavik Mehta, Auguste Poiroux, Maryna Viazovska

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

لغز الرياضيات العظيم: حزم الحقيبة المثالية

تخيل أنك تحاول حزم حقيبة سفر بأكبر عدد ممكن من البرتقال. إذا قمت برميها عشوائياً، فستترك فراغات كبيرة من الهواء بينها. ولكن، إذا رتبتها وفق نمط إيقاعي محدد للغاية، يمكنك حشر المزيد منها.

لقد ظل الرياضيون لقرون مهووسين بهذا الأمر: ما هي أفضل طريقة على الإطلاق لتعبئة "الكرات" (مثل البرتقال أو الماربل) في مساحة ما بحيث لا تضيع أي مساحة؟

في عالمنا ثلاثي الأبعاد الطبيعي، لدينا فكرة جيدة عن الإجابة. ولكن في الأبعاد الأعلى — وهي عوالم رياضية لا يمكننا رؤيتها ولكن يمكننا حسابها — تصبح الأنماط معقدة للغاية. في عام 2016، حلت عالمة الرياضيات مارينا فيازوفسكا هذا اللغز بالنسبة لـ البعد الثامن. لقد وجدت نمطاً "سحرياً" (يسمى شبكة $E_8$ ) وهو مثالي للغاية، لدرجة أنه يشبه العثور على الطريقة المثالية الوحيدة لترصيف الكتل في كون لا يمكننا حتى لمسه.

المشكلة: عامل "الخطأ البشري"

على الرغم من أن رياضيات فيازوفسكي كانت عبقرية، إلا أن الرياضيات صعبة. حتى أذكى البشر يمكنهم ارتكاب "خطأ مطبعي" بسيط في عملية حسابية تمتد لمئات الصفحات. وللتأكد بنسبة 100% من أن الإجابة مثالية، يستخدم الرياضيون التحقق الرسمي (Formal Verification).

فكر في هذا الأمر كأنه "مدقق إملائي للرياضيات". بدلاً من أن يقرأ إنسان ورقة بحثية ويقول: "نعم، يبدو هذا صحيحاً"، يقومون بترجمة البرهان بأكمله إلى لغة حاسوبية صارمة للغاية تسمى Lean. إن "Lean" يشبه القاضي الرقمي: فهو لا يهتم بمدى ذكائك؛ إذا وجد حتى شقاً مجهرياً في منطقك، فسيرفض القول بأن النتيجة "صحيحة".

الاختراق: فريق العمل البشري-الذكاء الاصطناعي

يصف هذا البحث علامة فارقة هائلة تم الوصول إليها في فبراير 2026. لم يكتفِ الفريق باستخدام البشر لكتابة الكود؛ بل استخدموا نموذج ذكاء اصطناعي متخصصاً يسمى "Gauss".

فكر في هذا التعاون مثل بناء كاتدرائية ضخمة:

البشر (المهندسون المعماريون): قاموا بتصميم المخططات. قرروا أي "أحجار" (تعريفات رياضية) سيستخدمون وأين ستوضع "الأقواس" (المبرهنات الرئيسية). لقد قاموا بالعمل الشاق المتمثل في الأجزية الأكثر تعقيداً وإبداعاً.
الذكاء الاصطناعي، Gauss (البنّاء الماهر): بمجرد أن أصبحت المخططات جاهزة، بدأ "Gauss" العمل. كان سريعاً للغاية، حيث وضع آلاف "اللبنات" (أسطر الكود) في خمسة أيام فقط. لقد ملأ الفجوات الضخمة والمملة التي كانت ستستغرق شهوراً من الكتابة لو قام بها البشر.

الواقع "الفوضوي" للذكاء الاصطناعي

يعترف البحث أيضاً بأن العمل مع الذكاء الاصطناعي يشبه توظيف متدرب سريع جداً وحرفي جداً.

كان "Gauss" مذهلاً في إتمام المهمة، لكنه لم يكن "أنيقاً". بينما يحاول عالم الرياضيات كتابة برهان يكون جميلاً وموجزاً (مثل قصيدة مكتوبة بإتقان)، كتب "Gauss" برهاناً ضخماً ومتكرراً (مثل دليل تعليمات ضخم يكرر جملة "انعطف يساراً" كل خمس ثوانٍ).

اضطر الفريق للعودة و"تنظيف" عمل الذكاء الاصطناعي — تقليم الزوائد وجعل الكود قابلاً لإعادة الاستخدام لعلماء الرياضيات في المستقبل.

لماذا يهم هذا الأمر؟

قد تسأل: "من يهتم بحزم البرتقال في 8 أبعاد؟"

بينما المسألة نفسها نظرية، فإن الأدوات التي يتم بناؤها ثورية. من خلال تعليم الذكاء الاصطناعي العمل جنباً إلى جنب مع البشر لحل أصعب المشكلات في الوجود، نحن نبني مستقبلاً حيث:

الحقيقة الرياضية مطلقة: يمكننا الانتقال من مرحلة "نعتقد أن هذا صحيح" إلى مرحلة "لدينا إثبات رقمي على أن هذا صحيح".
الذكاء الاصطناعي يصبح شريكاً، وليس مجرد أداة: نحن نتعلم كيفية توجيه الذكاء الاصطناعي للقيام بالاستنتاج رفيع المستوى، وليس فقط تلخيص النصوص أو توليد الصور.

باختصار: لقد نجحنا في استخدام "قاضٍ رقمي" و"بنّاء ذكاء اصطناعي" لإثبات أن أجمل نمط في البعد الثامن هو، بالفعل، نمط مثالي.

ملخص تقني: علامة فارقة في الصياغة الرسمية: مسألة تعبئة الكرات في البعد الثماني

1. المسألة: تعبئة الكرات في $\mathbb{R}^8$

تتساءل مسألة تعبئة الكرات عن الترتيب الأكثر كثافة للكرات غير المتداخلة ذات الأبعاد $n$ في الفضاء الإقليدي $\mathbb{R}^n$ . وبينما تُعد الحلول للأبعاد $n=1$ و$2 $و$ 3 $راسخة ومعروفة، ظلت المسألة في البعد الثماني تحديًا رئيسيًا حتى عام 2016، عندما أثبتت مارينا فيازوفسكا أن **شبكة$ E_8$** توفر التعبئة المثلى.

استخدمت فيازوفسكا في برهانها حد البرمجة الخطية لكوهن-إلكيز، والذي ينص على أنه إذا وُجد نوع محدد من دالة "شوارتز السحرية" $f$ (التي تستوفي شروطًا معينة من الإيجابية وتحويل فورييه)، فإنه يمكنها تقديم حد أعلى لثابت تعبئة الكرات $\Delta_d$ . وقد قامت فيازوفوفسكا ببناء هذه الدالة باستخدام الأشكال شبه النمطية (quasimodular forms).

2. المنهجية: الصياغة الرسمية عبر Lean والتحويل الآلي للصيغ (Autoformalization)

كان الهدف الأساسي لهذا المشروع هو نقل البرهان الرياضي غير الرسمي لفيازوفسكا إلى برهان مُتحقق منه رسميًا ومُفحص آليًا باستخدام مُثبت المبرهنات Lean. تضمنت المنهجية نهجًا هجينًا:

البنية التحتية بقيادة بشرية: قام المنسقون البشريون (بقيادة هاريهران وفيازوفسكا) ببناء المكتبات الرياضية الأساسية اللازمة للبرهان. وشمل ذلك تعريف هندسة تعبئة الكرات، وخصائص شبكة $E_8$ ، ونظرية الأشكال النمطية (سلاسل آيزنشتاين، دالات جاكوبي ثيتا، إلخ).
التحويل الآلي للصيغ (نموذج 'Gauss'): لسد الفجوة بين التعريفات المكتوبة بشريًا والبرهان الكامل، وظف المشروع نموذج 'Gauss'، وهو نموذج تحويل آلي للصيغ طورته شركة Math, Inc. كُلِّف "غاوس" بمهمة توليد الجزء الأكبر من كود البرهان بناءً على مخططات (blueprints) وتعريفات مقدمة من البشر.
البرمجة الميتا (Metaprogramming): للتعامل مع المتطلبات الحسابية الثقيلة لحساب الأعداد المركبة وبراهن النهايات، طور الفريق أدوات (tactics) مخصصة في Lean، مثل norm_numI (لتطبيع الأعداد المركبة) وtendsto_cont (لتبسيط براهن النهايات عبر الاستمرارية).

3. المساهمات التقنية الرئيسية

بناء الدالة "السحرية": نجح الفريق في صياغة بناء الدالة $g(x)$ كتركيبة خطية من الدوال الشعاعية من نوع "شوارتز فورييه" ذات القيم الذاتية $\pm 1$ . ولأن مكتبة mathlib في Lean كانت تفتقر إلى آليات التكامل الكنتوري المتقدمة، اضطر الفريق إلى تعريف كنتورات مستطيلة محددة للسماح بتشويه المسارات غير المحدودة، مما مكن من إثبات خصائص الدالة كدالة ذات قيمة ذاتية.
نظرية الأشكال النمطية: قام المشروع بصياغة هويات أساسية تتضمن سلسلة آيزنشتاين ذات الوزن 2 ( $E_2$ )، والشكل المميز ( $\Delta$ )، وهويات رامانوجان. كان هذا أمرًا حاسمًا لإثبات المتراجحات المطلوبة لاستيفاء شروط كوهن-إلكيز.
مما ساهم في إثبات أن بعض الكنتورات يمكن تشويهها حتى عندما تلامس الخط الحقيقي (حيث قد تكون الدوال غير معرفة). ساهم "غاوس" في إثبات هويات تشويه الكنتورات المحددة هذه.
التحسينات الخوارزمية: سمح تطوير أدوات البرمجة الميتا المتخصصة بالتبسيط الآلي للتعبيرات الرياضية المعقدة التي كانت ستكون مرهقة للغاية للصياغة اليدوية.

4. النتائج

التحقق الرسمي: في فبراير 2026، حقق المشروع إنجازًا متمثلًا في تحقق رسمي كامل وخالٍ من الـ "sorry" (بمعنى أن كل خطوة تم التحقق منها بواسطة نواة Lean دون استخدام الرمز sorry للخطوات غير المثبتة) بأن التعبئة المثلى للكرات في $\mathbb{R}^8$ هي شبكة $E_8$ .
توسيع قاعدة الكود: وسع المشروع قاعدة الكود الصياغية من حوالي 20,000 سطر إلى نسخة نهلة مُعاد هيكلتها تتكون من حوالي 60,000 سطر من كود Lean.
أداء الذكاء الاصطناعي: أظهر نموذج 'Gauss' القدرة على توليد براهن معقدة مكونة من مئات الأسطر في غضض أيام، رغم أنه أنتج "تضخمًا في الكود" (تعريفات مساعدة) تطلب إعادة هيكلة بشرية لتلبية معايير المكتبة.

5. الأهمية

يمثل هذا البحث إنجازًا تاريخيًا عند نقطة التقاء الرياضيات البحتة والذكاء الاصطناعي.

الدقة الرياضية: يوفر سجلًا دائمًا ومُفحصًا آليًا لواحد من أهم النتائج في الهندسة المتقطعة، مما يضمن صحته المطلقة.
الذكاء الاصطناعي في الرياضيات: يثبت أن نماذج التحويل الآلي للصيغ يمكنها التعامل مع رياضيات "الحدود القصوى" عالية المستوى، متجاوزة البراهن التافهة إلى الحجج النظرية المعقدة متعددة الخطوات.
مستقبل الصياغة الرسمية: يسلط المشروع الضوء على سير عمل جديد: يصمم البشر "المخطط" والبنية التحتية عالية المستوى، بينما يتولى الذكاء الاصطناعي "العمل الشاق" المتمثل في توليد خطوات البرهان التفصيلية. يشير هذا التعاون إلى مستقبل يمكن فيه لسرعة التحقق الرسمي أن تواكب سرعة الاكتشاف الرياضي.