Hur GPT-5.6 Sol hjälpte till att motbevisa den 150 år gamla Maxwells förmodan

Placera tre lika stora elektriska laddningar i hörnen på en liksidig triangel, och det resulterande fältet får fyra jämviktspunkter där alla knuffar och drag tar ut varandra: en i mitten och tre precis innanför kanterna. Släpp nu två mycket små laddningar strax ovanför och strax under den där mitten. Den centrala jämviktspunkten splittras i tjugoen, och hela konfigurationen hoppar till tjugofyra.

Den konstruktionen lades upp på arXiv den 29 juli som ett motexempel mot Maxwells förmodan, en gräns för elektrostatisk jämvikt som går tillbaka till Maxwells avhandling från 1873. Författarna avslöjade också att idén kom från en stor språkmodell. Nedan går jag igenom vad förmodan hävdade, hur motexemplet fungerar, vad GPT-5.6 Sol gjorde och inte gjorde, och varför just avslöjandet kanske är den mer intressanta halvan av historien.

Det snabba svaret: Hur Maxwells förmodan föll

Förmodan satte ett tak för hur många jämviktspunkter fältet från n punktladdningar kunde ha: högst (n−1)^². För fem laddningar betyder det 16. Philip Arathoon, Gavin Ball och Matthew Kvalheim byggde en femladdningskonfiguration med minst 24, ett direkt motexempel. GPT-5.6 Sol föreslog den geometriska idén; de tre författarna gjorde analysen, körde datoralgebran och skrev beviset.

Med den sammanfattningen i hand, låt oss se var förmodan kom ifrån och varför den stod sig så länge.

Vad var Maxwells förmodan?

James Clerk Maxwell tog upp frågan i ett kort stycke i sin avhandling från 1873 Treatise on Electricity and Magnetism, där han frågade hur många jämviktspunkter ett system av laddningar kunde ge upphov till. Det förblev en förbipasserande anmärkning i nästan ett sekel, tills Marston Morse och Stewart Cairns ställde samma problem 1969, tydligen ovetande om att Maxwell varit där först. Det är en liten detalj jag gillar mer än jag förmodligen borde.

Den precisa formuleringen som alla nu diskuterar kom 2007, när Andrei Gabrielov, Dmitry Novikov och Boris Shapiro läste Maxwells stycke noggrant och gjorde det till en förmodan: om jämviktspunkterna för potentialen som genereras av n laddningar alla är icke-degenerata, kan det högst finnas (n−1)^² av dem. Det är den enda formeln du faktiskt behöver, så om algebra gör dig spänd har du passerat det värsta. Gränsen gäller trivialt för två laddningar. För tre vet ingen om fyra verkligen är maximum, utom i specialfallet där alla tre laddningarna är lika stora.

För att förstå varför denna gräns spelar roll hjälper det att veta vad jämviktspunkter faktiskt är.

Att förstå Maxwells förmodan med ett enkelt exempel

Varje laddning skapar ett fält. Placera flera laddningar i ett rum och deras fält överlappar, trycker och drar i olika riktningar i varje punkt i rummet. På vissa ställen tar krafterna från varje laddning ut varandra exakt, och en testpartikel som placeras där skulle inte känna någon resulterande kraft alls. Det är jämviktspunkterna, även kallade kritiska punkter för den elektrostatiska potentialen.

Att räkna dem är ingen bokföringsövning. Antalet och placeringen av dessa punkter begränsar hela fältets form, ungefär som platåer i en bergskedja begränsar hur kedjan kan vara utlagd. Så en gräns för antalet är egentligen ett påstående om hur komplicerat ett elektrostatiskt fält får bli, vilket är anledningen till att en fråga som nämndes i förbifarten 1873 sysselsatte matematiker i ett och ett halvt sekel.

Nu när vi har en känsla för vad förmodan skyddade, låt oss gå igenom exakt hur den löstes upp.

Hur Maxwells förmodan motbevisades

Konstruktionen är kort nog att beskrivas i fyra steg. Om du inte vill ha Hessian-beräkningarna kan du hoppa över arXiv-notisen; det är argumentets form som är intressant:

• Placera tre enhetsladdningar i hörnen på en liksidig triangel. Detta fält har fyra jämvikter: en i mitten, tre förskjutna inåt längs kanterna.
• Lägg till två mycket mindre laddningar på symmetriaxeln, en strax ovanför planet och en strax under, så att en grund triangulär bipyramid bildas.
• De tre kantjämvikterna överlever tillägget. Den centrala gör det inte. Den förgrenar sig till en familj om 21 jämvikter, 10 av en Morse-index och 11 av den andra.
• Tre plus tjugoen ger minst 24 icke-degenerata kritiska punkter från fem laddningar, mot ett förutspått tak på 16.

Laddningsstyrkorna är inte godtyckliga. Författarna väljer ett specifikt värde inställt så att den ledande termen i de små laddningarnas potential tar ut motsvarande term från triangeln, och det är det som blottlägger den finare struktur som ger upphov till de 21 punkterna. Det finns också ett steg som är lätt att missa vid första läsningen: argumentet så långt utesluter inte degenerata kritiska punkter på andra ställen i konfigurationen, så författarna tillämpar ett transversalitetsargument på en lätt störd uppsättning laddningsstyrkor, vilket städar bort dem.

Sedan kommer den del som rubrikerna hoppade över. Samma trick kan itereras. Lägg till ytterligare ett par små laddningar och du får 20 fler kritiska punkter till priset av 2 fler laddningar, vilket ger konfigurationer av 3 + 2m laddningar med minst 4 + 20m jämvikter. Det är en asymptotisk kvot på 10 kritiska punkter per laddning, mot 25/7 som Herbert Edelsbrunner, Christopher Fillmore och Gonçalo Oliveira uppnådde tidigare i år. Motexemplet är rubriken; kvoten är resultatet som andra kommer att bygga vidare på.

Med själva konstruktionen klar blir det här historien blir lite ovanlig: vem, eller vad, kom faktiskt på idén.

Vilken roll spelade GPT-5.6 Sol?

Avslöjandet står i en egen kort sektion i artikeln, och det är uppfriskande rakt på sak om vad som hände: "Idén bakom denna konstruktion föreslogs av en LLM (OpenAI:s GPT-5.6 Sol)." Författarna tillägger att de själva kontrollerade matematiken och skrev argumentet med egna ord, och att Mathematica och Maple skötte beräkningarna och figurerna.

Modellen bidrog alltså med en strategi: perturbation av en symmetrisk konfiguration med små laddningar utanför axeln och observera hur en degenererad punkt bryts upp, och författarna förvandlade det till Taylorutvecklingar av harmoniska polynom, en klassificering av 21 kritiska punkter efter Hessiansignatur, tre tillämpningar av den implicita funktionens sats och ett transversalitetsargument. Att generera en idé och att bevisa en sats är olika aktiviteter med olika felrisker. En idé som inte fungerar kostar dig en eftermiddag. Ett bevis som inte fungerar kostar dig en tillbakadragen artikel. Modellen pekade ut en osannolik plats på kartan; tre matematiker byggde vägen.

Det är ändå värt att pressa på den inramningen. "Bara en idé" undersäljer det. Vem som helst kan föreslå att perturbatera en symmetrisk konfiguration. Det användbara är att föreslå just den perturbationen, med små axiala laddningar, på just den baskonfigurationen, i ett problem där sökrymden av saker att prova i praktiken är obegränsad. Smak för vad man ska försöka är en stor del av forskningsmatematiken. Att förslaget kom från en modell snarare än från en specialists decennium av intuition är själva kärnan i historien.

Varför detta resultat spelar roll

En 150 år gammal matematisk fråga

Frågan går tillbaka till Maxwells anmärkning från 1873, vilket är därifrån "150 år" i varje rubrik kommer. Värt att vara exakt, dock: Maxwell ställde en fråga och gjorde en observation. Han formulerade inte förmodan som just föll.

En långvarig modern förmodan faller

Som formellt påstående är Maxwells förmodan 19 år gammal, och under större delen av den tiden var den fältets organiserande antagande, det du försökte bevisa, och målet som varje förbättrad gräns närmade sig. Nu verkar den vara falsk. Motexemplet är ett fyrasidigt arXiv-förtryck som ännu inte genomgått peer review, och dess centrala steg är en Hessian-klassificering kontrollerad med datoralgebra, så de vanliga förbehållen gäller. Men argumentet är kort, explicit och lätt för andra att verifiera.

Nya frågor ersätter de gamla

Att veta att taket inte är (n−1)^² talar inte om vad det är. Författarnas itererade konstruktion skjuter upp den kända undergränsen till ungefär 10 kritiska punkter per laddning, vilket är ett golv, inte ett svar. Och de där tre laddningarna från tidigare? Om de någonsin kan ge upphov till mer än fyra jämvikter är fortfarande öppet, vilket är märkligt att fortfarande säga om det minsta intressanta fallet efter all denna tid.

AI:s växande roll i matematisk upptäckt

Något skiftade under det senaste året. Mellan oktober 2025 och början av 2026 hjälpte AI-verktyg till att flytta ungefär hundra problem från Erdős problem-databasen till kolumnen lösta, och Terence Tao upprätthöll en pågående sida som följde dessa bidrag tills den slutade uppdateras i slutet av juni 2026. Mycket av det var litteratursökning, modellen hittar artikeln från 1974 som redan avgjorde saken. En del var det inte. En handfull lösningar var originella resonemang huvudsakligen sammanställda av modellen, och Tao har markerat minst en som når en verklig milstolpe.

Mönstret i dessa fall är konsekvent, och det matchar vad som hände med Maxwells förmodan. Modeller är bra på att föreslå kandidater, skanna en litteratur som ingen individ kan ha i huvudet, och söka igenom en rymd av konstruktioner över en natt utan att bli uttråkade. Verifieringen ligger kvar hos människor och hos bevisassistenter som Lean. Om du vill ha den begreppsliga grunden för hur dessa system fungerar innan du bildar en uppfattning om något av det, är vårt AI Fundamentals-spår en bra startpunkt.

Kan AI så småningom upptäcka matematiska bevis?

Generering av förmodanden är redan rutin. Bevisassistans är så vanligt att det är oansenligt att beskriva det. Formell satsbevisning, att en modell producerar ett komplett, maskinkontrollerat argument för ett forskningsproblem utan människa i loopen, är där gränsen ligger just nu, och det finns resultat på båda sidor om den beroende på hur strikt du definierar "forskningsnivå".

Begränsningen är inte uppenbart kreativitet. Nuvarande modeller halluncinerar fortfarande referenser, tappar fortfarande tråden över långa resonemangskedjor och är fortfarande mycket bättre på att generera kandidater än att veta vilken kandidat som är rätt. Den sista asymmetrin är just varför mänsklig verifiering är bärande snarare än ceremoniell. En modell som pålitligt kunde utvärdera sin egen output skulle vara en annan typ av system än vad vi har, och ingen kan för närvarande säga hur långt borta det är.

GPT-5.6 Sol och den vetenskapliga forskningens framtid

Matematik är ett ovanligt rent testfall eftersom bevis antingen är rätt eller fel. Men samma dynamik, att AI accelererar idégenereringsfasen medan människor behåller verifieringen, utspelar sig i flera discipliner.

Detta sträcker sig långt bortom matematiken. Fysik, kemi, materialvetenskap och ingenjörsvetenskap delar alla samma flaskhals: hypotesgenerering är dyr i mänsklig tid, och de flesta hypoteser faller. En forskare kan seriöst följa upp en handfull kandidatstrukturer eller mekanismer på ett år. Rymden av kandidater är mycket större än så.

Idégenerering kan visa sig vara den forskningsförmåga som betyder mest, just för att det är steget där mänsklig genomströmning är lägst och kostnaden för en felgissning är minst. En modell som kan skanna en enorm rymd och säga "titta här" förändrar upptäcktens hastighet utan att behöva ha rätt särskilt ofta. Vilket i stort sett är vad som hände här.

Vanliga missuppfattningar om denna upptäckt

Innan du drar bredare slutsatser är det värt att reda ut några saker som rapporteringen fick fel.

GPT-5.6 Sol bevisade inte satsen självständigt

Modellen föreslog den geometriska konstruktionen. Beviset, utvecklingarna, Hessian-klassificeringen, transversalitetsargumentet, var författarnas arbete.

Mänskliga forskare verifierade varje steg

Mathematica och Maple kontrollerade beräkningar och tog fram figurerna. Den matematiska verifieringen gjordes av de tre författarna, och de säger det uttryckligen i artikeln.

Maxwells förmodan var inte Maxwells formella sats

Maxwell gjorde en observation 1873. Gabrielov, Novikov och Shapiro formulerade förmodan 2007 baserat på sin läsning av det stycket.

Det matematiska problemet är inte helt löst

Under antagandet att motexemplet håller vet vi att (n−1)^² är fel. Vi vet inte vad den korrekta gränsen är, och fallet med tre laddningar är fortfarande öppet.

Slutsats

Maxwells förmodan föll genom ett samarbete: en AI-genererad geometrisk idé och tre matematiker som lade ner arbetet för att göra den kontrollerbar. Artikeln är ovanligt ärlig om vilken halva som gjorde vad. En avslöjandesektion på tre meningar som förmodligen kommer att citeras mer än satsen.

Det som gör detta värt din uppmärksamhet är bidragets karaktär snarare än dess storlek. En modell utan egen insats i problemet föreslog en konstruktion som de som brydde sig mest om det inte hade provat på just denna konfiguration, och det visade sig fungera. Den bredare frågan om hur många jämvikter n laddningar kan ha är fortfarande öppen, och det är också frågan om hur forskning ser ut när idégenerering slutar vara den knappa resursen. Om du vill följa hur dessa system tillämpas i praktiken snarare än hur de marknadsförs, täcker våra AI-kurser området från koncept till driftsättning.