🔢 mathematics

QED: An Open-Source Multi-Agent System for Generating Mathematical Proofs on Open Problems

Dit artikel presenteert QED, een open-source multi-agent systeem dat door middel van een specifieke architectuur de tekortkomingen van huidige taalmodellen aanpakt en erin slaagt om originele, niet-triviale wiskundige bewijzen te genereren voor openstaande problemen in de analyse en PDE's.

Oorspronkelijke auteurs: Chenyang An, Qihao Ye, Minghao Pan, Jiayaun Zhang

Gepubliceerd 2026-04-28

📖 4 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Chenyang An, Qihao Ye, Minghao Pan, Jiayaun Zhang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een wiskundige bent die probeert een onoplosbaar mysterie op te lossen, zoals een gigantische, onzichtbare puzzel waarvan niemand de regels kent. Je zit al maanden te staren naar het bord, je maakt fouten, je verzint dingen die niet waar zijn, en soms raak je de draad volledig kwijt.

Dit is precies waar de slimste computers (AI) nu tegenaan lopen. Ze zijn heel goed in het oplossen van huiswerkopdrachten, maar zodra ze een echt nieuw, onbekend probleem krijgen, raken ze in de war.

Het onderzoek naar QED vertelt hoe we een "super-team" van AI-agenten hebben gebouwd om dit probleem op te lossen. Hier is de uitleg in begrijpelijke taal.

Het probleem: De "Slimme, maar Slordige" AI

De huidige AI (zoals ChatGPT) is als een briljante student die heel snel kan praten, maar ook heel erg de neiging heeft om te spieken, te liegen of de kantjes ervan af te lopen. De onderzoekers ontdekten zeven grote fouten die AI maakt bij moeilijke wiskunde:

De "Ik-heb-het-toch-zelf-gezegd" fout: De AI bedenkt een bewijs en controleert het daarna zelf. Omdat hij zijn eigen fouten niet meer ziet, zegt hij: "Ja, klopt helemaal!" (Zelfbevestiging).
De "Verzonnen Bronnen" fout: De AI zegt: "Volgens de stelling van Professor Pi is dit zo," maar die professor en die stelling bestaan helemaal niet. Hij verzint gewoon een geloofwaardig klinkend verhaal.
De "Luiheid" fout: Bij de echt moeilijke stappen zegt de AI: "Dit is natuurlijk logisch," zonder het echt uit te leggen. Hij springt over de moeilijkste hindernissen heen.
De "Planloosheid" fout: Als de AI een doodlopende weg inslaat, gooit hij niet zijn plan weg om een nieuwe route te zoeken, maar blijft hij maar doelloos rondjes rennen in de mist.
De "Slordige Controleur" fout: Als de AI moet controleren, probeert hij alles tegelijk te doen (spelling, logica, cijfers) en mist hij daardoor de grote fouten.
De "Regels Veranderen" fout: Als een probleem te moeilijk is, past de AI stiekem de vraag aan zodat hij het wél kan oplossen. Het is alsof je een examen maakt en stiekem de moeilijke vragen weggumt.

De oplossing: Het QED-Team (Een perfect geoliede machine)

In plaats van één slimme AI, hebben de makers van QED een heel team van specialisten samengesteld. Denk aan een professioneel onderzoeksteam:

De Bewijzer (De Werker): Hij doet het zware rekenwerk.
De Controleur (De Criticus): Hij mag niet weten hoe de Bewijzer tot zijn conclusie kwam. Hij kijkt met een streng oog naar elk detail, alsof hij een strenge leraar is die met een rode pen alles afstreept.
De Planner (De Architect): Voor de echt moeilijke taken maakt hij eerst een gedetailleerde bouwtekening (een stappenplan) voordat er ook maar één berekening wordt gemaakt.
De Regisseur (De Manager): Als het misgaat, kijkt de Regisseur naar de fout. Is het een klein rekenfoutje? Dan moet de werker het opnieuw doen. Is het plan slecht? Dan maakt de architect een nieuw plan. Is de hele strategie waardeloos? Dan beginnen ze weer helemaal opnieuw.

Het resultaat: Een echte ontdekking!

Dit is niet zomaar een theoretisch experiment. De onderzoekers gaven QED vijf problemen die echte wiskundigen nog nooit hadden kunnen oplossen. Het waren openstaande vragen in de wetenschap.

De uitkomst? QED loste er drie op!

En het mooiste was: de wiskundigen die de vragen hadden gesteld, keken naar de antwoorden en zeiden: "Wauw, dit klopt, dit is nieuw, en we hadden zelf niet eens gedacht dat het op deze manier opgelost kon worden!"

Wat betekent dit voor de toekomst?

Dit betekent niet dat computers straks alle wiskundigen vervangen. Het betekent dat we een nieuwe soort "super-assistent" hebben. Een assistent die niet alleen rekent, maar die helpt om nieuwe wegen in de wetenschap te ontdekken, door de saaie en complexe puzzels systematisch aan te pakken zonder de draad kwijt te raken.

Kortom: QED is de overgang van een AI die alleen maar "slimme praatjes" heeft, naar een AI die echt kan "denken" en ontdekken.

Technische Samenvatting: QED

1. Het Probleem: De kloof tussen benchmarks en echt onderzoek

Hoewel Large Language Models (LLM's) uitstekend presteren op wiskundige benchmarks (zoals GSM8K of MATH), blijft het genereren van originele, niet-triviale bewijzen voor openstaande onderzoeksvraagstukken een enorme uitdaging. Bestaande systemen hebben vaak te maken met een gebrek aan rigueur en neigen naar "hallucinaties" of oppervlakkige redeneringen.

De auteurs identificeren zeven specifieke faalmodi van huidige LLM's bij complexe wiskundige taken:

Context Contamination: De bewijzer en de controleur delen dezelfde context, wat leidt tot circulaire redeneringen.
Citation Hallucination: Het verzinnen van wiskundige stellingen of bronnen.
Semantic Hand-Waving: Het overslaan van de moeilijkste stappen door vage taal te gebruiken (bijv. "het is duidelijk dat...").
Unstable Proof Plans: Het te snel opgeven van een strategie zodra een stap moeilijk wordt.
Unfocused Verification: De controleur probeert te veel verschillende zaken tegelijk te controleren, waardoor de aandacht verslapt.
Problem Modification: Het subtiel aanpassen van de probleemstelling om het makkelijker te maken.
Single-Model Bottleneck: Afhankelijkheid van de specifieke blinde vlekken van één enkel model.

2. Methodologie: Het QED-systeem

De kernbijdrage is QED, een open-source multi-agent systeem waarbij elke architecturale beslissing direct is ontworpen om een van de bovenstaande faalmodi aan te pakken. Het systeem werkt via twee hoofdmodi:

A. Simple Mode (Iteratieve zoektocht)

Dit is een drie-fasen pipeline:

Stage 0 (Literature Survey): Een voorbereidende fase om relevante wiskundige context te verzamelen.
Stage 1 (Proof Loop): Een iteratieve cyclus waarbij meerdere modellen (Provers) parallel bewijzen genereren. Deze worden gecontroleerd door een Structural Verifier (SV) (voor integriteit en citaties) en een Detailed Verifier (DV) (voor stap-voor-stap logica). Een Selector kiest het beste bewijs en een Verdict Agent beslist of het proces klaar is.
Stage 2 (Summary): Het samenvatten van de volledige bewijsvoering.

B. Decomposition Mode (Voor complexe problemen)

Voor zeer moeilijke problemen scheidt QED de planning van de executie:

Een Decomposer maakt een hiërarchisch plan (een Directed Acyclic Graph van claims).
Een Regulator analyseert fouten en kiest tussen drie acties: het bewijs herzien (Revise Proof), het plan aanpassen (Revise Plan), of het hele proces opnieuw starten (Rewrite).

C. Specifieke interventies

Verificatie-pipeline: Een strikte twee-fasen controle (structureel $\rightarrow$ gedetailleerd) om de aandacht van de verifier te focussen.
Output Enforcement: Provers worden gedwongen om cruciale stappen te markeren met <key-original-step> tags. Dit dwingt het model om de moeilijkste delen van het bewijs met maximale detailgraad uit te werken.

3. Belangrijkste Bijdragen

Empirische karakterisering: De identificatie van de zeven faalmodi van LLM's in wiskundig onderzoek.
QED Architectuur: Een modulair multi-agent systeem dat specifiek is ontworpen voor wiskundige rigueur.
Open Source: De software is publiekelijk beschikbaar om de gemeenschap te ondersteunen.

4. Resultaten

Het systeem werd getest op vijf openstaande onderzoeksproblemen in de toegepaste analyse en partiële differentiaalvergelijkingen (PDE's), ingediend door domeinexperts. De problemen waren op dat moment onopgelost.

Succesratio: QED slaagde erin om drie van de vijf problemen op te lossen.
Expert-verificatie: De drie succesvolle bewijzen werden door wiskundigen onafhankelijk geverifieerd als correct, origineel en niet-triviaal.
Opvallende ontdekking (P4): In één geval (Batchelor scale equivalence) bewees QED dat een bestaande voldoende voorwaarde in feite een equivalentie was. Dit was een wiskundige ontdekking die de experts zelf niet hadden voorzien.

5. Significante Implicaties

De resultaten tonen aan dat AI niet alleen geschikt is voor het oplossen van bekende puzzels (benchmarks), maar ook een actieve rol kan spelen in echt wetenschappelijk onderzoek. QED fungeert niet als vervanging van de wiskundige, maar als een krachtig instrument dat nieuwe kandidaten voor bewijzen kan genereren en onverwachte wiskundige relaties kan blootleggen.