Cet été, le monde des mathématiques a été secoué par une série d'événements —
Le modèle Astra d'OpenAI a résolu d'un coup 10 problèmes mathématiques de longue date (incluant l'existence de groupes non sofic, de nouveaux résultats sur l'empilement de sphères en haute dimension, etc.) ; Claude Fable 5 a trouvé un contre-exemple à la conjecture de Jacobian, vieille de près d'un siècle, et a ensuite grandement fait avancer l'hypothèse de Riemann !
Cela a rendu Sidharth Hariharan, étudiant en mathématiques à l'Université Carnegie Mellon, encore plus désemparé.
Plus tôt, après avoir reçu un e-mail de Maryna Viazovska, lauréate 2022 de la médaille Fields, il a appris que ses recherches avaient été publiées en premier par l'agent IA « Guass ». Les larmes lui sont montées aux yeux.
Il y a un an, on pouvait encore considérer ce genre d'avancées comme de la « curiosité ou de l'exagération, pas très utiles », mais la situation a changé. Le lauréat de la médaille Fields, Terence Tao, a même reconnu : Maintenant, ce genre d'argument ne tient plus.
Alors que les remous dans le monde des mathématiques n'étaient pas encore apaisés, le physicien Gavin E. Crooks a soumis un problème ouvert à Claude, et en quelques jours, le problème a été entièrement résolu. Et même un étudiant diplômé en physique ayant une solide formation en mathématiques pourrait prendre plusieurs mois sur ce problème.
En physique aussi, l'humanité est soumise à une attaque de l'IA de dimension inférieure !
C'est dans ce contexte que lui, l'un des fondateurs de la mécanique statistique hors équilibre, a affirmé :
La physique suivra aussi les traces des mathématiques.
Il a reconnu que le monde académique était sur le point de vivre un changement majeur.
Le monde académique a deux rôles : faire progresser les connaissances et enseigner/former/guider la prochaine génération.
La science pourrait bientôt progresser à une vitesse que les humains ne pourront pas suivre. Et l'autre rôle est également confronté à des perturbations :
Alors, quand toute question que je pose peut être répondue plus rapidement par Claude, comment pouvons-nous enseigner et former les étudiants ?
En quoi consiste le problème lui-même ?
Pour comprendre l'importance de cette affaire, il faut revenir à Crooks lui-même. Gavin E. Crooks est très réputé en thermodynamique et mécanique statistique hors équilibre.
En 1998-1999, alors qu'il était encore étudiant diplômé à Berkeley, il a proposé le célèbre théorème de fluctuation de Crooks, reliant précisément le travail hors équilibre à la différence d'énergie libre à l'équilibre, devenant l'une des pierres angulaires de la thermodynamique stochastique.
Le seul article de 1999 a déjà été cité plusieurs milliers de fois.
Ses recherches ont longtemps traversé la zone d'intersection entre la thermodynamique, la théorie de l'information et l'informatique, influençant profondément la thermodynamique à l'échelle nanométrique, les méthodes d'estimation de l'énergie libre, et même la formation ultérieure des paradigmes de calcul thermodynamique.
Il a reçu le prix du président américain pour les scientifiques et ingénieurs en début de carrière (PECASE, l'une des plus hautes distinctions accordées par le gouvernement américain aux chercheurs en début de carrière), et a été élu Fellow de l'American Physical Society (APS Fellow) en 2019, jouissant d'un grand prestige dans les milieux académiques concernés.
Ce que Claude a résolu cette fois est un problème de thermodynamique stochastique donné par Crooks.
Dans le monde microscopique, un système peut occasionnellement « aller à l'encontre de la seconde loi de la thermodynamique » brièvement, mais le rapport de probabilité entre les événements inverses et normaux n'est pas arbitraire ; il est précisément contrôlé par la production d'entropie et décroît exponentiellement rapidement.
Cela est décrit par le beau et symétrique théorème de fluctuation détaillé (Detailed Fluctuation Theorem, DFT) —
La question est : sous cette contrainte fonctionnelle, quelles sont les conditions de contrainte sur les statistiques de production d'entropie ?
Cela a déjà donné lieu à une série de résultats.
La TUR d'échange (relation d'incertitude thermodynamique d'échange) de Timpanaro et al. en 2019, partant du théorème de fluctuation d'échange, a donné une borne sous forme matricielle saturable. Le travail de Salazar a continué à exploiter les bornes serrées du DFT sur l'asymétrie, les probabilités de queue et la quantité d'information.
La TUT de 2023 a élevé la TUR d'une inégalité à un « théorème », clarifiant le courant exact atteignant la variance d'échelle minimale, et soulignant l'influence des moments d'ordre supérieur de la production d'entropie.
Ils ont été découverts l'un après l'autre, mais il manquait toujours une image géométrique unificatrice.
Claude a identifié tous ces résultats locaux comme différentes projections d'un même corps convexe, et a donné une caractérisation complète de la hiérarchie des moments.
L'article, dès le résumé, a été entièrement rédigé par Claude.
La réponse unificatrice de Claude : une région convexe, seulement une borne inférieure
L'aperçu central de Claude est extrêmement clair :
Chaque distribution satisfaisant le DFT correspond de manière unique à une distribution d'« écart » ν (c'est-à-dire la distribution de |σ|).
Chaque distribution P_a à écart fixe a n'a que deux résultats ±a, les poids étant strictement fixés par e^σ.
Par conséquent, toute distribution DFT est un mélange unique de ces deux distributions de résultats fondamentaux.
La région jointe accessible des statistiques est donc un corps convexe (corps de moments). Plus crucial encore, ce corps convexe a une caractérisation précise à chaque ordre :
Étant donnés les n−1 premiers moments, le n-ième moment ne peut prendre que [une certaine borne inférieure nette, +∞), il n'y a pas de borne supérieure. La borne inférieure est atteinte par une unique distribution avec un nombre fini de niveaux de résultats symétriques.
Chacune des bornes DFT déjà publiées peut être récupérée comme une projection en basse dimension de cette région convexe unifiée.
Cela explique aussi pourquoi une même distribution peut presque simultanément saturer toutes ces bornes.
Cette théorie peut aussi être généralisée au théorème de fluctuation de Crooks général à deux distributions.
Le mécanisme provient d'un fait structurel négligé : la fonction moyenne a·tanh(a/2) du DFT peut s'écrire comme une somme de simples termes de relaxation à poids positifs, avec des pôles situés aux carrés impairs.
Cela mappe directement l'ensemble du problème au problème classique des moments, et, en utilisant les identités exactes du wronskien et des déterminants de Hankel, toute l'optimisation se réduit à quelques distributions atomiques.
Le résultat : presque toutes les bornes DFT publiées deviennent des projections en basse dimension (ombres) de ce corps convexe unifié. Une même distribution à deux résultats sature souvent simultanément plusieurs bornes différentes — car au point de moyenne fixe, c'est le point anguleux du corps convexe.
Pour le théorème de fluctuation de Crooks général à deux distributions, le canal symétrique (somme des moments dans les deux sens) hérite complètement de la même hiérarchie, tandis que le canal asymétrique est presque sans contrainte. Cela explique précisément pourquoi les estimateurs d'énergie libre unidirectionnels peuvent être arbitrairement mauvais, et pourquoi les estimateurs bidirectionnels sont essentiellement nécessaires.
Une nouvelle physique
Le théorème d'incertitude thermodynamique lui-même n'est pas une découverte entièrement nouvelle de Claude. La version de base de ce théorème a été publiée en 2023 par Kyle J. Ray, Alexander B. Boyd, Giacomo Guarnieri et James P. Crutchfield.
Claude a replacé toutes ces « projections » dans le même objet géométrique et a prouvé que cet objet pouvait être entièrement décrit.
Ce qui est nouveau et fascinant, c'est le processus de recherche piloté par l'IA.
Claude n'a pas été simplement invité à expliquer un concept physique existant.
Il a été utilisé pour explorer une question théorique difficile, relier des idées existantes et rechercher de nouvelles structures mathématiques.
Cela pourrait devenir une histoire plus importante qu'un seul résultat thermodynamique :
L'IA passe de la résolution de problèmes que les humains savent déjà résoudre à l'aide aux scientifiques pour explorer des problèmes que nous ne savons pas encore comment résoudre.
La physique entre dans sa propre ère d'accélération par l'IA.
Références :
https://www.nytimes.com/2026/06/08/science/ai-scoop-young-mathematicians.html
https://x.com/SciTechera/status/2088872862254084449https://x.com/gavincrooks/status/2088643200038883830
https://x.com/gavincrooks/status/2088643200038883830
https://x.com/gavincrooks/status/2088590113463013582?s=20
Cet article provient du compte officiel WeChat « New Zhiyuan », auteur : ASI Apocalypse, éditeur : David
