Come GPT-5.6 Sol ha aiutato a confutare la congettura di Maxwell vecchia di 150 anni

Metti tre cariche elettriche uguali ai vertici di un triangolo equilatero: il campo risultante ha quattro punti di equilibrio, dove ogni spinta e trazione si annulla: uno al centro e tre appena all'interno dei lati. Ora aggiungi due cariche molto piccole appena sopra e appena sotto quel centro. Il punto di equilibrio centrale si frantuma in ventuno, e l'intera configurazione salta a ventiquattro.

Questa costruzione è apparsa su arXiv il 29 luglio come controesempio alla congettura di Maxwell, un limite sui punti di equilibrio elettrostatici che risale al trattato di Maxwell del 1873. Gli autori hanno anche rivelato che l'idea proveniva da un modello linguistico di grandi dimensioni. Qui sotto spiego cosa affermava la congettura, come funziona il controesempio, cosa ha fatto e non ha fatto GPT-5.6 Sol e perché la disclosure è probabilmente la metà più interessante della storia.

La risposta breve: come è caduta la congettura di Maxwell

La congettura fissava un tetto al numero di punti di equilibrio che il campo di n cariche puntiformi poteva avere: al massimo (n−1)^². Per cinque cariche, fa 16. Philip Arathoon, Gavin Ball e Matthew Kvalheim hanno costruito una configurazione di cinque cariche con almeno 24 punti, un controesempio diretto. GPT-5.6 Sol ha suggerito l'idea geometrica; i tre autori hanno svolto l'analisi, eseguito l'algebra computazionale e scritto la dimostrazione.

Con questo riassunto in mente, vediamo da dove veniva la congettura e perché ha retto così a lungo.

Cos'era la congettura di Maxwell?

James Clerk Maxwell sollevò la questione in un breve passaggio del suo Treatise on Electricity and Magnetism del 1873, chiedendo quanti punti di equilibrio potesse produrre un sistema di cariche. Rimase un'osservazione marginale per quasi un secolo, finché Marston Morse e Stewart Cairns posero lo stesso problema nel 1969, apparentemente ignari che Maxwell ci fosse arrivato per primo. È un dettaglio da poco che mi piace più di quanto dovrei.

L'enunciato preciso su cui oggi tutti discutono arrivò nel 2007, quando Andrei Gabrielov, Dmitry Novikov e Boris Shapiro lessero da vicino il passaggio di Maxwell e lo trasformarono in una congettura: se i punti di equilibrio del potenziale generato da n cariche sono tutti non degeneri, ce ne possono essere al massimo (n−1)^². È l'unica formula che ti serve davvero, quindi se l'algebra ti mette in tensione, il peggio è passato. Il limite vale banalmente per due cariche. Per tre, nessuno sa se quattro sia davvero il massimo, tranne nel caso speciale in cui tutte e tre le cariche sono uguali.

Per capire perché questo limite conta, aiuta capire cosa sono davvero i punti di equilibrio.

Capire la congettura di Maxwell con un esempio semplice

Ogni carica crea un campo. Metti diverse cariche in una stanza e i loro campi si sovrappongono, spingendo e tirando in direzioni diverse in ogni punto dello spazio. In certi punti, le forze di ciascuna carica si annullano esattamente, e una particella di prova lì non sentirebbe alcuna forza netta. Quelli sono i punti di equilibrio, detti anche punti critici del potenziale elettrostatico.

Contarli non è una questione di semplice contabilità. Il numero e la disposizione di questi punti vincolano la forma dell'intero campo, come i pianori in una catena montuosa vincolano come può essere disposta quella catena. Quindi un limite sul conteggio è in realtà un'affermazione su quanto possa diventare complesso un campo elettrostatico, ed è per questo che una domanda sollevata di sfuggita nel 1873 ha tenuto impegnati i matematici per un secolo e mezzo.

Ora che abbiamo un'idea di ciò che la congettura proteggeva, vediamo esattamente come è stata smontata.

Come è stata confutata la congettura di Maxwell

La costruzione è abbastanza breve da poterla descrivere in quattro passaggi. A meno che tu non voglia i calcoli dell'hessiano, evita la nota su arXiv; è la struttura dell'argomento a essere interessante:

• Posiziona tre cariche unitarie ai vertici di un triangolo equilatero. Questo campo ha quattro equilibri: uno al centro, tre spostati verso l'interno lungo i lati.
• Aggiungi due cariche molto più piccole sull'asse di simmetria, una leggermente sopra il piano e una leggermente sotto, formando un bipiramide triangolare poco profonda.
• I tre equilibri sui lati sopravvivono all'aggiunta. Quello centrale no. Si biforca in una famiglia di 21 equilibri, 10 con un indice di Morse e 11 con l'altro.
• Tre più ventuno fa almeno 24 punti critici non degeneri con cinque cariche, contro un tetto previsto di 16.

Le intensità delle cariche non sono arbitrarie. Gli autori scelgono un valore specifico tarato in modo che il termine principale del potenziale delle cariche piccole cancelli il termine corrispondente del triangolo, ed è questo che mette in luce la struttura più fine che produce i 21 punti. C'è anche un passaggio che è facile perdere a una prima lettura: l'argomento fin qui non esclude punti critici degeneri altrove nella configurazione, quindi gli autori applicano un argomento di transversalità a un insieme leggermente perturbato di intensità di carica, che ripulisce quei casi.

Poi arriva la parte che i titoli hanno saltato. Lo stesso trucco può essere iterato. Aggiungi un'altra coppia di cariche piccole e ottieni 20 punti critici in più al costo di 2 cariche in più, ottenendo configurazioni di 3 + 2m cariche con almeno 4 + 20m equilibri. È un rapporto asintotico di 10 punti critici per carica, contro i 25/7 ottenuti da Herbert Edelsbrunner, Christopher Fillmore e Gonçalo Oliveira all'inizio di quest'anno. Il controesempio è il titolo; il rapporto è il risultato su cui altri costruiranno.

Chiarita la costruzione, ecco dove la storia si fa un po' insolita: chi, o cosa, ha effettivamente avuto l'idea.

Che ruolo ha avuto GPT-5.6 Sol?

La disclosure è in una sua breve sezione dell'articolo, ed è piacevolmente chiara su ciò che è successo: "L'idea alla base di questa costruzione è stata suggerita da un LLM (GPT-5.6 Sol di OpenAI)." Gli autori aggiungono di aver verificato loro stessi la matematica e di aver scritto l'argomentazione con parole proprie, e che Mathematica e Maple hanno gestito i calcoli e le figure.

Il modello ha quindi contribuito con una strategia: perturbare una configurazione simmetrica con piccole cariche fuori asse e osservare un punto degenere che si scompone; e gli autori l'hanno trasformata in sviluppi di Taylor di polinomi armonici, una classificazione di 21 punti critici per segno dell'hessiano, tre applicazioni del teorema delle funzioni implicite e un argomento di transversalità. Generare un'idea e dimostrare un teorema sono attività diverse con diversi modi di fallire. Un'idea che non funziona ti costa un pomeriggio. Una dimostrazione che non funziona ti costa una rettifica. Il modello ha indicato un punto improbabile sulla mappa; tre matematici hanno costruito la strada.

Vale però la pena spingere su questa cornice. "Solo un'idea" svilisce la cosa. Chiunque può proporre di perturbare una configurazione simmetrica. La parte utile è proporre quella perturbazione, con piccole cariche assiali, su quella configurazione di base, in un problema in cui lo spazio di ricerca delle cose da provare è praticamente illimitato. Il gusto per cosa tentare è una grande parte della matematica di ricerca. Che il suggerimento sia arrivato da un modello piuttosto che da un decennio di intuizioni di uno specialista è la sostanza della storia.

Perché questo risultato conta

Una domanda matematica vecchia di 150 anni

La questione risale all'osservazione di Maxwell del 1873, da cui viene il "150 anni" in ogni titolo. Vale la pena essere precisi: Maxwell pose una domanda e fece un'osservazione. Non enunciò la congettura appena caduta.

Cade una congettura moderna di lunga data

Come enunciato formale, la congettura di Maxwell ha 19 anni, e per gran parte di quel tempo è stata l'assunto organizzatore del campo, la cosa da dimostrare e il bersaglio verso cui ogni limite migliorato si avvicinava. Ora sembra essere falsa. Il controesempio è una preprint di quattro pagine su arXiv che non è ancora passata per peer review, e il suo passaggio centrale è una classificazione tramite hessiano verificata con algebra computazionale, quindi valgono le solite cautele. Ma l'argomento è breve, esplicito e facile da verificare per altri.

Nuove domande sostituiscono le vecchie

Sapere che il tetto non è (n−1)^² non ci dice quale sia. La costruzione iterata degli autori spinge il limite inferiore noto a circa 10 punti critici per carica, che è un pavimento, non una risposta. E quelle tre cariche di prima? Se possano mai produrre più di quattro equilibri è ancora aperto, il che è una cosa strana da dire ancora sul caso minimo interessante dopo tutto questo tempo.

Il ruolo crescente dell'IA nelle scoperte matematiche

Qualcosa è cambiato nell'ultimo anno. Tra ottobre 2025 e inizio 2026, gli strumenti di IA hanno contribuito a spostare circa un centinaio di problemi dal database dei problemi di Erdős nella colonna dei risolti, e Terence Tao ha mantenuto una pagina aggiornata che tracciava questi contributi fino a quando non ha smesso di essere aggiornata a fine giugno 2026. Molto è stato ricerca bibliografica, il modello trova l'articolo del 1974 che aveva già risolto la questione. Alcune cose no. Una manciata di soluzioni erano argomentazioni originali assemblate in larga parte dal modello, e Tao ne ha segnalata almeno una come un vero traguardo.

Lo schema in questi casi è coerente, e corrisponde a quanto accaduto con la congettura di Maxwell. I modelli sono bravi a proporre candidati, a scandagliare una letteratura che nessuno può tenere tutta in testa e a esplorare uno spazio di costruzioni durante la notte senza annoiarsi. La verifica resta agli umani e ad assistenti alla dimostrazione come Lean. Se vuoi una base concettuale su come funzionano questi sistemi prima di farti un'idea, la nostra track AI Fundamentals è un buon punto di partenza.

L'IA potrà un giorno scoprire dimostrazioni matematiche?

La generazione di congetture è già routine. L'assistenza alla dimostrazione è abbastanza comune da non fare più notizia. La dimostrazione formale di teoremi — un modello che produce un argomento completo, verificato a macchina, per un problema a livello di ricerca senza intervento umano — è il confine attuale, e ci sono risultati su entrambi i lati a seconda di quanto rigorosamente definisci "a livello di ricerca".

Il vincolo non è chiaramente la creatività. I modelli attuali ancora inventano riferimenti, ancora perdono il filo in lunghe catene di ragionamento e sono ancora molto più bravi a generare candidati che a sapere quale candidato sia giusto. Questa ultima asimmetria è esattamente il motivo per cui la verifica umana è portante, non cerimoniale. Un modello che sapesse valutare in modo affidabile il proprio output sarebbe un sistema di tipo diverso da ciò che abbiamo, e al momento nessuno può dire quanto lontano sia.

GPT-5.6 Sol e il futuro della ricerca scientifica

La matematica è un caso di prova insolitamente pulito perché le dimostrazioni sono o giuste o sbagliate. Ma la stessa dinamica — l'IA accelera la fase di generazione delle idee mentre gli umani mantengono la verifica — si sta manifestando in diverse discipline.

Questo va ben oltre la matematica. Fisica, chimica, scienza dei materiali e ingegneria condividono lo stesso collo di bottiglia: la generazione di ipotesi costa molto tempo umano e la maggior parte delle ipotesi fallisce. Un ricercatore può perseguire seriamente una manciata di strutture o meccanismi candidati in un anno. Lo spazio dei candidati è molto più grande di così.

La generazione di idee potrebbe rivelarsi la capacità di ricerca che conta di più, proprio perché è il passaggio in cui la produttività umana è minima e il costo di un'ipotesi sbagliata è minimo. Un modello che può esaminare uno spazio enorme e dire "guarda qui" cambia la velocità della scoperta senza dover avere spesso ragione. Che è più o meno ciò che è successo qui.

Errori comuni su questa scoperta

Prima di trarre conclusioni più ampie, vale la pena chiarire alcune cose che la copertura mediatica ha sbagliato.

GPT-5.6 Sol non ha dimostrato autonomamente il teorema

Il modello ha suggerito la costruzione geometrica. La dimostrazione, gli sviluppi, la classificazione tramite hessiano, l'argomento di transversalità, sono opera degli autori.

I ricercatori umani hanno verificato ogni passaggio

Mathematica e Maple hanno verificato i calcoli e prodotto le figure. La verifica matematica è stata svolta dai tre autori, e lo dichiarano esplicitamente nell'articolo.

La congettura di Maxwell non era un teorema formale di Maxwell

Maxwell fece un'osservazione nel 1873. Gabrielov, Novikov e Shapiro formularono la congettura nel 2007 in base alla loro lettura di quel passaggio.

Il problema matematico non è completamente risolto

Assumendo che il controesempio regga, sappiamo che (n−1)^² è sbagliato. Non sappiamo quale sia il limite corretto, e il caso delle tre cariche resta aperto.

Conclusione

La congettura di Maxwell è caduta grazie a una collaborazione: un'idea geometrica generata da un'IA e tre matematici che hanno investito lo sforzo per trasformarla in qualcosa di verificabile. L'articolo è insolitamente onesto su quale metà ha fatto cosa. Una sezione di disclosure di tre frasi che probabilmente verrà citata più del teorema.

Ciò che rende questa vicenda degna della tua attenzione è la natura del contributo più che la sua dimensione. Un modello senza interessi in gioco ha proposto una costruzione che le persone più coinvolte nel problema non avevano provato su questa configurazione, e ha funzionato. La questione più ampia su quanti equilibri possano avere n cariche è ancora aperta, così come la domanda su come sarà la ricerca quando la generazione di idee smetterà di essere la risorsa scarsa. Se vuoi seguire come questi sistemi vengono applicati nella pratica piuttosto che come vengono commercializzati, i nostri corsi di IA coprono tutto, dai concetti al deployment.