庞加莱猜想之后，Thurston几何化猜想被AI完整形式化
丘成桐弟子再立功，广义庞加莱猜想证明首次形式化验证！
新智元报道
新智元报道
数学圈刚传来一个大新闻。
今年9月，庞加莱猜想被AI成功形式化验证，这件事已经在学界引发震动。
这一回，Ayush Khaitan带队的学术团队联手NVIDIA Humanfia团队，把Thurston几何化猜想的Lean形式化完整做完了。
哈密尔顿-佩雷尔曼给出的那份「世纪证明」有数百页之厚，即便是顶尖学者也得花上好几年才能读完。
今年9月拿下庞加莱猜想之后，这次的工作在AI辅助下变成了一行行代码。
代码总量470万行，耗时仅两周左右。
数学史又添一座丰碑，高阶几何分析也由此被AI辅助推入了「狂飙时代」。
人类最深奥的高阶几何分析「无人区」，如今已被AI辅助形式化数学正式攻入。
要是有人跟你说，某支团队花两周时间就写出了470万行现代数学代码，而且一行错都没有，你多半会觉得这人脑子出问题了。
可这件事就刚刚发生了。
斯坦福大学数学助理教授 Jared Duker Lichtman 近日发文感叹：
这工作真叫人惊叹。
几何化猜想被完整推广开来，庞加莱证明也随之涵盖其中——而所有这些，都是在 Lean 里跑完的。
成果的发布者是普林斯顿数学与AI学者 Ayush Khaitan。他在推文里把这次跨界阵容的规模讲了一遍。
团队名单相当硬核：
- 其中，Bennett Chow（周培能）是丘成桐弟子、加州大学圣地亚哥分校数学系教授，Ricci流方向上公认的权威人物；Ziyang Qin 和 Yuan Liao 则挑起了项目形式化工作的主要担子。
- Ayush Khaitan 本人是普林斯顿大学学者，也是项目的主要推动者之一；名单里还出现了 NVIDIA Humanfia团队（Jui-Hui Chung & Ligeng Zhu），这支力量来自全球算力最强的AI巨头英伟达。
这支阵容联手，做出了一个此前没人做到的结果。
据 Ayush 介绍，整个证明的代码量在470万行左右。
Chow、Liao 和 Qin 之前已经写了约200万行，在此基础上又添了270万行，而这些新增部分只用了大约两周就写完。
眼下，这个工程已经完整开源到 GitHub 上。
https://github.com/qinz1yang/differential-geometry
它为什么让斯坦福的数学家这么兴奋？
先说说Thurston几何化猜想，它究竟难到什么程度。
庞加莱猜想这个名字，多数人应该都听过。它要回答的是：一个三维空间里，所有封闭曲线都能收缩成一点，那这个空间是否必然与三维球面等价？
2002年至2003年，俄罗斯数学奇才格里戈里·佩雷尔曼出现了，三篇预印本论文把庞加莱猜想证了出来，之后百万美元奖金他不要，人也就此隐没。
可庞加莱猜想放在一张更大的蓝图里，只是露出来的一角。这张蓝图叫「瑟斯顿几何化猜想」。
说白了，庞加莱猜想管的是怎么认出一个「圆球」；瑟斯顿几何化猜想做的，是给整个三维宇宙列一张「元素周期表」。
按照它的说法，任何三维流形最后都能被准确地切成若干块。而且每一块，必定落在8种标准几何结构中的某一种里。
佩雷尔曼当年就是把瑟斯顿几何化猜想证下来，庞加莱猜想也就顺带被证了。
他手里那张王牌，就是「Ricci流与手术理论」。
打个比方，这相当于拿一只「几何熨斗」（Ricci流方程）去把拧巴的空间一点点烫平。碰上烫不开的死结，也就是奇点，就动一次「外科手术」，剪掉再封口，接着往下熨。
这套东西有多难懂？全球最顶尖的几十位数学家联手，把佩雷尔曼的证明彻底核完，也用掉了两三年。
到了今天，这批学者和工程师干成的事，是把这个人类智力顶端的理论，一字不差地装进了计算机里。
Thurston几何化猜想在Lean里被完整证明，说明机器已经能对付高阶的微分几何、拓扑学以及偏微分方程。
高阶几何这片「无人区」，机器算是正式踏进去了。
去GitHub上翻那个叫 differential-geometry 的仓库，扑面而来的就是一股「硬核暴击」。
链接：https://github.com/qinz1yang/differential-geometry
这座「现代微分几何数字长城」，是用机器语言一块块垒起来的。
在 Lean 这个交互式定理证明器里，计算机根本不吃「显然可得」那一套，它认的只有最底层的逻辑公理。要让机器读懂瑟斯顿几何化猜想，团队只能从零起步，把整个宇宙的规则用代码一条条写出来。
翻看仓库的技术细节，Lean 官方数学库（Mathlib）里大量缺失的基础基建，都被这支团队硬生生补上了——他们从底层把黎曼几何重新搭了一遍。
流形（Manifold）、切丛（Tangent Bundle）、张量场（Tensor Fields）、黎曼度量（Riemannian Metrics），这些极其复杂的对象都在代码里有了定义；靠着严密的泛型编程，机器总算「认识」了弯曲的空间是什么。
在传统的数学论文里，Ricci流不过就是一个偏微分方程 
。
可到了 GitHub 仓库这一层，事情就变成了成千上万行代码的苦工：把「时间依赖的度量演化」抠准，把「Ricci曲率张量的局部计算」抠准，还要给极其复杂的偏微分方程解的存在性划出边界。
佩雷尔曼证明里最硬的一块骨头，是「手术理论」。一个抽象空间怎么在代码里被「剪裁」、再被「缝合」？
团队的办法，是在代码库中引入复杂的拓扑连通和几何分解算法，把几何上的奇点处理，变成计算机能逐步运行、逐步校验的逻辑树。
两周时间，代码库新增近270万行，累计达到470万行。放在软件工程领域，270万行的项目够几十人的资深开发团队连轴转一整年。更何况是 Lean 这种逻辑密度极高、每行代码编译验证都极耗时的语言，两周写完，光靠人力根本办不到。
那他们靠什么做到的？答案指向 NVIDIA Humanfia 团队——大模型加上自动化推理，直接来了场「降维打击」。
英伟达拿出的不只是地表最强算力，它还在试水一件事：让AI直接介入最前沿的基础科学研究。官方目前没有把AI生成的所有细节都摆出来，但代码量在短时间内暴涨，已经能让人看出这条「工业化」证明流水线的大致轮廓。
Chow、Liao、Qin 这些顶尖数学家先画好「战术地图」，把庞大的几何化猜想切成数以千计的引理和子目标。
接着，NVIDIA 团队用LLM和自动化脚本，照着人类给出的上下文，大批量生成底层证明代码，把繁琐的代数推演、边界条件穷举一一补全。
这些代码最后全被送进 Lean 编译器做「逻辑质检」，通不过就退回去重写，一直改到亮绿灯为止。
这件事在数学界是大事，放在AI的进化历程里同样是个焦点。
眼下的大语言模型，一碰上复杂的长链条逻辑推理就容易「幻觉」。而要补上这个逻辑短板，数学形式化正是终极手段。
假如AI能熟练写出 Lean 代码，去证明「瑟斯顿几何化猜想」这类人类智力巅峰的成果，那它自己「提出新猜想并给出证明」，就真的只差一步了。
把瑟斯顿几何化猜想完整地形式化，并不是只做成了一次难度极高的「代码翻译」。它给世界留下的，是一笔数字财富。在 GitHub 上的 differential-geometry 项目里，团队为全人类攒下了一套微分几何代码库，这套代码经过了「绝对真理验证」。
换句话说，往后全球的数学家要在计算机里研究多维流形、黑洞的几何结构，乃至时空怎么演化，直接把他们写好的库拿来用就行。
前人栽树、后人乘凉，这是一项了不起的工程。
一百多年前庞加莱写下那个著名的猜想，后来瑟斯顿又画出三维宇宙的宏大蓝图。
从佩雷尔曼在圣彼得堡的公寓里演算，到如今 Ayush Khaitan、秦子洋、廖源、周培能等学者联手英伟达，用470万行代码让机器彻底「顿悟」……
人类对真理的追求，像一场接力赛。AI 没有抢走数学家的饭碗，反倒递给他们一套探索宇宙的「星舰」。
人类破解难题的脚步，会爆发出前所未有的加速度。
参考资料：
