🔢 mathematics

High-Precision Approximation of Riemann Zeros via the Truncated Weil Form

本文首次公开实现了 Connes-van Suijlekom 截断 Weil 二次型，证明其基态特征值随截断参数增加而单调收敛于黎曼零点，精度极高（高达 329 位），同时在经验上验证了收敛速率与谱性质，但并未声称对黎曼猜想提供形式化证明。

原作者： Akiva Groskin

发布于 2026-05-21

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Akiva Groskin

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是论文《通过截断韦伊形式高精度逼近黎曼零点》的通俗解释。

全景：调谐收音机以寻找隐藏频道

想象黎曼ζ函数是一个巨大的、复杂的广播电台，在数学宇宙中广播着信号。隐藏在这个信号中的是一些特定的“频率”，称为黎曼零点。这些零点之所以著名，是因为如果它们都位于一条特定的“临界线”（图表上的一条直线）上，就能证明黎曼猜想——这是数学中最大的未解之谜之一。

几十年来，数学家们一直在尝试寻找这些频率。2026 年，由阿兰·孔涅（Alain Connes）领导的一个小组提出了一种新方法，利用一种称为韦伊二次型的数学机器来“调谐”这些频率。他们建议，如果你用特定的“截断”（即限制进入机器的素数数量）来构建这台机器，它将产生一个“基态”（其最低能量状态）。这个基态的零点应该与黎曼零点完美对齐。

核心问题： 这台机器真的有效吗？当你把机器做得更大，允许更多素数进入（增加截断值）时，这些零点是越来越接近真实的黎曼零点，还是只是随意游荡？

本文做了什么：从头构建机器

作者阿克维瓦·格罗斯金（Akiva Groskin）没有凭空猜测，而是用计算机从头构建了这台机器。

独立复现： 此前无人公开分享构建这台特定机器的代码。格罗斯金编写了自己的代码（使用 Python）来重现“孔涅 - 范·苏伊勒霍姆”矩阵。这就像根据蓝图复制一座著名且复杂的钟表引擎，以验证它是否真的能走字。
测试： 他们在 16 种不同的设置（截断值）下运行了这台机器，从较小的设置（允许素数直到 13）开始，逐渐增大（直到 100）。
结果： 机器表现极其出色。
- 在最小设置下，误差极小（约为 $10^{55}$ 分之一）。
- 在最大设置下（截断值 67），误差变得难以想象地微小（约为 $10^{168}$ 分之一）。
- 类比： 想象试图从银河系另一端击中一粒沙子大小的靶心。开始时，你偏离了几英寸；而到最后，你的偏差甚至小于一根原子的宽度。

"C = 100"实验：挑战极限

这篇论文并未止步于标准设置。他们将机器推向了更大的设置：截断值 100。这就像把音量调到最大，以观察信号是保持清晰还是发生失真。

挑战： 在这个高设置下，机器开始显示出一些“杂音”（数学上，某些本应仅为正数的地方出现了负数）。这就像收音机接收到了一些静电噪音。
解决方案： 作者仔细过滤掉了这些杂音，专注于信号的“正分支”。
发现： 即使存在杂音，机器仍能以300 多位正确数字预测前 10 个黎曼零点。这是迄今为止公开的最深、最准确的同类预测。
对比： 他们将结果与孔涅提出的“启发式预测”（一种明智的猜测）进行了比较。他们的结果与该猜测非常吻合，表明机器正朝着正确的方向前进，尽管他们并未证明该猜测是自然法则。

主要发现与“结构性”观察

论文充满了作者在构建机器过程中发现的有趣模式：

“形状”保持不变： 尽管“音量”（特征值）发生了巨大变化（缩小了数万亿倍），但信号的“形状”（特征向量）几乎完全相同。这就像一根吉他弦，声音越来越轻，但振动模式却始终保持一致。
不仅仅是关于素数： 他们发现，精度的提升主要来自于扩大“房间”（区间）的大小，而不仅仅是增加素数的数量。容器的尺寸才是最重要的。
没有简单公式： 他们尝试将数据拟合到简单的数学曲线（如直线或平滑曲线），但没有一种能完美匹配。收敛性（即改善的速度）很复杂，目前尚未遵循简单的规则。
随机性与秩序： 机器内部数字的“主体”（那些非主要零点的数字）表现得像随机、不相关的事件（泊松统计），而不是真实黎曼零点所著名的那种高度有序、相互排斥的模式（高斯酉系综统计）。这表明机器中的“噪音”与我们寻找的“信号”是不同的。

他们未声称的内容（“诚实的非声明”）

作者非常谨慎，避免过度承诺：

未证明黎曼猜想： 他们并未证明该猜想为真。他们只是展示了这台特定的机器能极其接近答案。
未证明收敛性： 他们并未证明随着机器无限变大，它最终会命中确切答案。他们只是展示了在测试范围内，它越来越接近。
非万能灵药： 在高设置下出现的“负数”（杂音）仍然是一个谜。它们可能是数学上的故障，也可能是真实的特征。作者并未解决这一问题，只是进行了报告。

结论

这篇论文是实验数学的一项巨大成就。作者构建了一台复杂的数学引擎，以极高的精度进行了调谐，并展示了它能以前所未有的精度预测黎曼零点。

不妨将其想象为一位制表大师制造了一种新型钟表。他们并未证明时间的运作方式正如爱因斯坦所言，但他们制造了一座计时如此精准的钟表，其结果几乎完全符合时间的理论预测。这为其他数学家研究这一谜题提供了一强大的新工具，即使最终的“证明”仍遥不可及。

论文最后做出了承诺： 所有代码、数据和结果均已公开。任何人都可以下载这台“机器”，运行它，并亲自验证结果。

技术摘要：基于截断 Weil 形式的黎曼零点高精度近似

问题陈述
本文探讨了 Alain Connes 及其合作者提出的黎曼假设（RH）谱解释中的一个未决问题。具体而言，它研究了截断 Weil 二次型的基态零点随着截断参数 $c$ （控制素数 $p \le c$ ）趋于无穷大时，向实际黎曼零点的收敛性。尽管 Connes–van Suijlekom (2025) 已证明对于任意有限 $c$ ，这些零点均位于临界线上，但随着 $c \to \infty$ 收敛至真实黎曼零点的问题仍未获证明。在此项工作之前，尚无独立公开的 Connes–van Suijlekom Galerkin 矩阵实现，也未发表过对 Connes (2026) 或 Connes–Consani–Moscovici (2025) 所报告数值数据的独立复现。

方法论
作者使用 Python 和 mpmath 库进行任意精度算术，提出了 Connes–van Suijlekom 命题 4.1 Galerkin 矩阵的高精度数值实现。

算子构建：该实现在 $L^2([0, \log c])$ 上构建了截断 Weil 二次型的偶数扇区投影。矩阵元素源自一个包含阿基米德 Mellin 乘子（涉及双伽玛函数）的核，以及关于素数 $p \le c$ 的有限求和。
酉等价性：本文确立了所实现的矩阵与 Connes–Consani–Moscovici (2025) 引理 5.1 中定义的矩阵是酉等价的，从而确认计算针对的是同一谱对象。
数值策略：
- 精度：计算利用高达 1000 位十进制数字（dps）以避免反向误差下限，并在 dps=500 和 dps=1000 处进行了特定扫描。
- 求积法：阿基米德积分采用自适应 tanh–sinh 求积法，并验证了 $T=800$ 的截断值以确保收敛。
- 特征值提取：计算偶数扇区矩阵的最小正特征值（ $\lambda_{\min}^{even}$ ）。利用对应的特征向量，通过基态的 Fourier–Mellin 变换提取黎曼零点（ $\gamma_k$ ）。
- 验证：研究包括与 $c=13$ 和 $c=14$ 处已发表值的交叉验证，以及在 $c=100$ 处针对基组大小 $N \in \{100, 150, 200, 250\}$ 的扫描进行的样本外测试。

主要贡献

首个独立实现：这是首个公开、独立复现 Connes–van Suijlekom Galerkin 矩阵的工作。它复现了 $c=13$ 处第一个零点的误差，其结果在 Connes (2026) 和 Connes–Consani–Moscovici (2025) 报告值的 1.3 倍因子范围内。
扩展数值扫描：该研究将测量扩展至十五个截断值（ $c=13$ 至 $67 $）以及第十六个截断值$ c=100 $。在样本内窗口（$ c \le 67 $）且$ N=100 $时，绝对误差$ |\gamma_1 - \gamma_{\text{Riemann}}| $从$ \sim 2 \times 10^{-55} $单调递减至$ \sim 1.5 \times 10^{-168}$，跨越了 113 个数量级。
$c=100$ 处的样本外测试：在 $c=100$ 处，作者执行了 $N$ 扫描以测试收敛行为。利用 Aitken- $\Delta^2$ 外推法对最小正特征值序列进行处理，估计的极限 $\log_{10}|\lambda_{\min}^{even}(\infty)|$ 约为 $-533.7 $至$ -536.8$。这与 Connes (2026) 的启发式连续统预测（ $\approx -530.4$ ）的差距为 3.3 至 6.4 个数量级，提供了与理论启发式的一致性实证。
结构特征：本文识别了有限- $N$ $N$ 算子的若干结构性质：
- 特征向量不变性：尽管特征值变化达 113 个数量级，但不同截断下的基态特征向量表现出高度重叠（ $>0.95$ ），表明存在近似的 $c$ 不变性。
- 收敛速率：所有十个可检测零点（ $\gamma_1$ 至 $\gamma_{10}$ ）的收敛速率彼此差异在 3.8% 以内。
- Sobolev 正则性：识别出一个经验 Galerkin 收敛指数 $s(c) \approx 55 \log c - 128$ ，表明正则性随 $c$ 增加而增强。
- 体统计：体谱（排除基态）遵循泊松统计（ $\beta < 0.05$ ），表明没有能级排斥；作者指出，这是截断算子的结构诊断，而非对 Montgomery 猜想（适用于局部重标度零点）的检验。
扩展到狄利克雷 L-函数：初步移植到 $L(s, \chi_3)$ 揭示了在特定截断值（ $c=23, 29$ ）处存在振荡的正定性破坏，这与黎曼 zeta 情形下 $c \le 67$ 观察到的稳定正定性形成对比。

结果与数据

误差缩减：在 $c=100, N=250, \text{dps}=500$ 时，前十个黎曼零点的提取实现了 307–329 位匹配数字。
简单模型的证伪：八个双参数平滑收敛模型（线性、二次、关于 $L$ 或 $\pi(c)$ 的指数模型）被测试并拒绝。一个五参数对数周期模型也在 $c=53$ 处被样本外证伪。
有限- $N$ 与连续统：从 $c \le 67$ 数据导出的经验拟合 $|\log_{10} \lambda| \approx 13.24 c^{0.634}$ 被证明是有限- $N$ 速率，而非连续统渐近线。它在 $c=100$ 处被证伪，偏差达 49 个数量级，方向为衰减更快。
负特征值：在 $c=100$ 处，原始有限- $N$ 矩阵包含一小块负号特征值。作者报告了最小的正特征值作为经验上稳定的分支，并指出将该分支与理论基态的对应关系是有条件的，取决于这些负值的性质（可能是条件驱动的伪影）。

主张与意义
本文明确不声称证明黎曼假设或验证 Connes 的收敛猜想。

贡献性质：该工作被呈现为“实验数学”，在现有的 Connes–van Suijlekom/Connes–Consani–Moscovici 框架下提供可复现的数值数据和谨慎的解读。
一致性而非证明： $c=100$ 处的 Aitken 外推与 Connes (2026) 启发式之间的一致性被报告为经验一致性检验，而非定理。作者强调，Aitken 加速依赖于对收敛序列局部形式的假设。
假设状态：由于原始矩阵中存在负特征值（在连续统极限中假设不存在），将 Connes–Consani–Moscovici 定理 1.1 应用于 $c=100$ 数据时，被视为带有“假设状态保留条款”。
意义：主要意义在于提供了 Connes–van Suijlekom 框架的首个独立、高精度数值验证，扩展了测试截断值的范围，并刻画了截断算子的结构行为（特征向量稳定性、收敛速率和谱统计）。数据通过量化有限- $N$ 效应并证明简单平滑模型无法捕捉测量范围内的收敛行为，从而对理论工作构成了约束。