Positivity in classical enumerative geometry: a case study in synchronized AI-assisted mathematics

技术摘要：经典枚举几何中的正性

问题陈述
本文研究了向量丛对称幂的总陈类（total Chern class）的结构性质，具体针对 $Sym_d(\mathbb{C}^n)$。将其视为环面表示，其总陈类由以下乘积给出：
$$c(Sym_d E) = \prod_{\alpha \in A_{n,d}} (1 + \alpha_1 x_1 + \cdots + \alpha_n x_n),$$
其中 $A_{n,d} = \{\alpha \in \mathbb{Z}_{\ge 0}^n : |\alpha| = d\}$。齐次 $k$ 次部分，记为 $c_k(n, d)$，是一个对称多项式。尽管这些类在枚举几何中至关重要（例如计算 Fano 方案的次数），但在标准对称函数基（初等对称函数、Schur 函数）中，其系数的通用闭式公式却十分微妙，且往往缺乏清晰的结构模式。

作者聚焦于两个核心问题：

1. 多项式性：$c_k(n, d)$ 在初等对称函数基下的系数是否表现出对参数 $n$（秩）和 $d$（次数）的特定多项式依赖关系？
2. 正性与对数凹性：这些系数，或其在他种基下的展开，是否满足正性和对数凹性性质？具体而言，本文考察了当 Schur 系数按关于 $d$ 的二项式基展开时，是否产生非负且对数凹的序列。

方法论：同步 AI 辅助数学
本工作的一个定义性特征是其方法论，被描述为一种“同步 AI 辅助”的工作流。作者并未将 AI 视为单一的黑盒，而是协调了多个具有不同角色的系统：

• AlphaEvolve（Google DeepMind）：用作进化式编码代理，用于发现低次情形（特别是 $c_2(n, d)$）的闭式公式，并充当系数表中结构递推关系的“侦探”。它识别出了近似恒等式和候选递推关系，从而引导了人类的直觉。
• ChatGPT 5.5 Pro：作为符号推导的交互式助手。它成功推导出了强二项式定理，提供了二项式正性中 $j=0$ 和 $j=1$ 情形的证明，并生成了 K 理论类比。
• Co-Mathematician（Google DeepMind）：在最终阶段部署，用于处理最困难的证明（特别是正性中的 $j=2$ 和对数凹性中的 $j=1$），这些是之前的工具无法解决的。它基于 AlphaEvolve 发现的结构线索生成了证明草稿。
• 人类洞察：数学家负责选择问题、基于 AI 生成的数据提出猜想、改变基（从 Schur 基变为二项式基）以揭示隐藏模式，并验证最终的严格证明。

主要贡献与成果

1. 强二项式定理（第 2 节）
本文证明了关于 $c_k(n, d)$ 在初等对称函数基下系数的“强二项式”猜想。

• 结果：对于任意固定的 $k$，展开式 $c_k(n, d) = \sum f_\lambda(n, d) e_\lambda$ 中的系数 $f_\lambda(n, d)$ 属于由一组特定二项式系数生成的多项式环：
  $$T_r(n, d) = \binom{d+n-1}{n+r-1}, \quad 1 \le r \le k.$$
• 意义：这确立了这些系数不仅仅是关于 $n$ 和 $d$ 分别的多项式，而是关于一组特殊的二项式系数的多项式。证明利用了弱组合的阶乘矩和牛顿恒等式。
• K 理论类比：作者建立了一个乘法 K 理论类比 $NN_{n,d}$，表明其对角线系数恢复了陈类，且其非对角线系数具有相同的二项式依赖结构。

2. 秩二情形的二项式正性与对数凹性（第 3 节与第 5 节）
本文聚焦于秩二情形（$n=2$），将陈类在 Schur 基 $s_{(k-j, j)}$ 下展开，随后将 Schur 系数 $A_{k,j}(d)$ 在 $d$ 的二项式基下展开：
$$A_{k,j}(d) = \sum_r B_{k,j,r} \binom{d}{r}.$$
作者针对前几个模式（$j$）提出并证明了两个猜想：

• 猜想 3.2（二项式正性）：$B_{k,j,r} \ge 0$。
• 猜想 3.3（二项式对数凹性）：序列 $(B_{k,j,r})_r$ 是对数凹的（$B_{k,j,r}^2 \ge B_{k,j,r-1}B_{k,j,r+1}$）。

证明：

• 定理 3.4：确立了二项式对数凹性蕴含数值序列 $A_{k,j}(d)$ 的普通对数凹性。
• 定理 3.6 与 3.7：利用涉及具有指定循环缺陷的无不动点置换的组合解释，证明了 $j=0$ 和 $j=1$ 情形的正性与对数凹性。
• 定理 5.2：证明了 $j=2$ 情形的二项式正性。该证明依赖于从陈类结构推导出的递推关系，将 $\Delta A_{k,2}$ 表示为低阶模式（$j=0, 1$）和线性因子的组合，利用了已确立的低阶模式正性。
• 定理 5.4：证明了 $j=1$ 情形的二项式对数凹性。这涉及将系数表示为置换数 $D(N, K)$，并通过 Abel 求和将不等式简化为对多项式非负性的有限检查。

3. 普吕克系数与移位对数凹性（第 6 节）
作者将探究扩展到重合根轨的普吕克系数，这些系数计算了超曲面上具有指定相交重数的直线。

• 观察：与陈类情形不同，这些多项式的普通二项式展开可能具有负系数。然而，在将次数变量 $d$ 按余维数 $N = |\lambda|$ 进行移位后，移位二项式基中的系数似乎是非负且对数凹的。
• 猜想 6.1：提出普吕克多项式的移位二项式系数是非负且对数凹的。
• 现状：本文提供了基于等变上同调类递归公式的证明策略，但指出了一个“缺失的步骤”：一个保持对数凹性的正变换公式（核），该公式需在 Schur 指标求和时保持对数凹性。作者指出，标准的实根论证在这些情形下失效。

意义与主张
本文声称是首批详细案例研究之一，展示了如何协调多个 AI 工具在连贯的数学研究项目中取得实质性进展。

• 数学贡献：它解决了关于陈类系数多项式结构的长期猜想，并在秩二情形下确立了新的正性与对数凹性现象。它提供了此前未知的显式公式和递归结构。
• 方法论贡献：它展示了一种工作流，其中 AI 工具被分配特定角色（公式发现、递推检测、证明起草），而人类数学家提供战略方向、基变换和最终验证。作者强调，人类在“改变视角”（例如转向二项式基）以揭示仅靠 AI 可能无法识别的模式方面起着关键作用。
• 谦逊态度：作者明确指出，秩二对数凹性定理的高阶模式版本仍然未解，而普吕克扩展被呈现为一个具有已知障碍的猜想方向，而非已解决的问题。他们并未声称解决了所有 $j$ 或所有轨的通用对数凹性，而是确立了首个非平凡情形以及未来研究的框架。