AI 推导出“外星数学”！38 年无解混沌难题被 GPT-6 终结

理论神经科学家 David Clark 近日宣布成功解析了 Sompolinsky 1988 模型的完整李雅普诺夫谱。该成果通过论文 arXiv 公开（链接：https://arxiv.org/abs/2610.12426），标志着理论神经科学领域近四十年来最难问题的突破。此次突破的核心推导工作由 GPT-6 Astra 独立完成，随后由 Claude Opus 5.5 负责辅助收尾与逻辑翻译。David Clark 在推文中表示，这一协作过程是他个人在理论神经科学领域取得的最重要纯理论突破。1988 年，Sompolinsky、Crisanti 和 Sommers 提出由随机耦合神经元组成的非线性循环网络模型，发现当耦合强度超过临界值时系统会陷入混沌状态。该模型虽成功计算了最大李雅普诺夫指数，但完整的解析解推导被学界公认为人力无法企及的难题，这一悬案持续了 38 年。2023 年，Engelken 等人曾利用强大算力通过数值方法勉强计算出完整谱，但这并非解析解。GPT-6 Astra 通过“三步走”战略实现了从数值计算到解析推导的跨越：首先通过降维转移利用最小范数解将复杂问题转化为衰减方向计数；其次打破时间壁垒，构建前向与后向演化的双向场系统；最后引入统计物理中的空腔方法，将高维混沌网络压缩为单点问题进行自洽计算。在 GPT-6 提供初步推导后，David Clark 与 Claude Opus 5.5 合作对结果进行了深入剖析，将复杂的数学公式转化为物理上透明、逻辑优美的推导过程，并重现了原作者基于薛定谔方程的基态能量结果。研究还发现，系统吸引子的维度和信息产生速度与神经元数量 N 成正比增长。这一成果被描述为一种“范式革命”，因为它代表了从数据驱动的模式识别向纯理论、严谨数学推导的重大转变。GPT-6 并非背诵已有知识，而是在高维动力学领域独立探索出一条通往真理的全新道路。