一、数学界を震撼させる発表

2026年5月20日、OpenAIはその内部汎用推論モデルが離散幾何学における中心的未解決問題——エルデシュ単位距離問題を自律的に解決し、同分野を約80年にわたって支配してきた予想を覆したと発表した。

これはAIシステムが初めて以下のすべてを達成したことを示す：

• 🤖 独自にオリジナルの証明を提案
• 🔗 異なる分野を接続（代数体論 ↔ 組合せ幾何学）
• ✅ 世界クラスの数学者による厳格な査読を通過
• 🏆 成熟した数学のサブ分野における中心的な未解決問題を解決

「約80年にわたり、数学者たちは最適配置はおおむね正方形格子に似ていると信じてきました。OpenAIのモデルは今、その信念を覆し、より優れた性能を持つ全く新しい構成のファミリーを発見しました。」 — OpenAI、2026年5月20日

二、問題：エルデシュの一見単純な問い

1946年、ハンガリーの数学者ポール・エルデシュ（1913–1996）は、子どもに説明できるほど単純でありながら、一流の頭脳を約一世紀にわたって困惑させるほど深遠な問題を提起した：

問い

平面上に$n$個の点があるとき、ちょうど1単位離れている点のペアの最大数はいくつか？

正式には、$u(n)$を$n$個の点における単位距離ペアの最大数と定義する：

$$u(n) = \max_{\substack{P \subset \mathbb{R}^2 \ |P| = n}} \big|{{p, q} \subset P : |p - q| = 1}\big|$$

視覚的直感

紙の上に点を置くことを想像してほしい。課題は：できるだけ多くのペアがちょうど1単位離れるように、点をどのように配置するか？

    •─────•                    •──•──•
    │\   /│                    │\/|\/|
    │ \ / │                    │/\|/\|
    •──X──•         vs.        •──•──•
    │ / \ │                    │\/|\/|
    │/   \│                    │/\|/\|
    •─────•                    •──•──•

  ランダム配置               正方形格子（エルデシュ構成）
  （単位距離が少ない）       （単位距離が多い）

三、80年の数学的コンセンサス

下界：エルデシュの格子構成（1946年）

エルデシュ自身が、エレガントでシンプルな構成——リスケールされた正方形格子——を用いて基礎的な下界を提供した。

    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•

多くの距離が正確に1になるよう格子を注意深くスケーリングすることで、エルデシュは以下を証明した：

$$u(n) \geq n^{1 + \frac{c}{\log\log n}} \quad \text{（ある定数 } c > 0\text{ に対して）}$$

$n \to \infty$のとき$\frac{c}{\log\log n} \to 0$であるため、これは**「ほぼ線形」**——指数は1に近づくが、1より大きな固定値に達することはない。

上界：Spencer–Szemerédi–Trotter（1984年）

1984年、Joel Spencer、Endre Szemerédi、William T. Trotterが、当時革命的だった交差数不等式を用いて既知の最良上界を確立した：

$$u(n) = O(n^{4/3})$$

この上界は40年間揺るがなかった。

中心予想

数学者の圧倒的コンセンサスは、エルデシュの下界が本質的に最適であるというものだった：

予想（エルデシュ、1946年）： 単位距離の最大数は$n^{1+o(1)}$で増大する。言い換えれば：

$$$$

u(n) = n^{1 + o(1)}

<span class=“katex-error” title=“ParseError: KaTeX parse error: Expected 'EOF', got '#' at position 23: …構成は本質的に最適である。

#̲## ギャップの概要

| 結…” style=“color:#cc0000”>> 正方形格子構成は本質的に最適である。

ギャップの概要

四、AIのブレークスルー：予想を覆す

結果

OpenAIの汎用推論モデル——強化学習で訓練され、拡張思考連鎖能力を備える——は1回の生成セッションで完全な証明を完了した。

> 定理（AI生成、2026年）： 無限個のnに対して、単位距離ペアの数が少なくとも以下となるような、平面点集合構成の無限族が存在する： > $$ u(n) \geq n^{1 + \delta}

ここで$\delta > 0$は固定された正の定数である。

これはエルデシュの$n^{1+o(1)}$予想を根本的に否定する——単位距離の数は「ほぼ線形」だけでなく、線形を多項式的に超えて増大しうる。

重要指標

五、証明：分野横断の独創性

数学者を驚かせたのは結果そのものだけでなく、方法だった。モデルは初等幾何学問題に代数体論のツールを導入した——これまでどの人間の数学者も探求したことのない関連性だった。

二つの視点転換

数論学者Arul Shankarが姉妹論文「単位距離予想の反証に関する注記」（arXiv:2605.20695）で説明した：

転換1：素数を固定し、体を変える

伝統的に、数論学者は数体を固定して素数を変化させる。AIの証明はこの視点を逆転させた：

伝統的： 体$K$を固定し、素数$p$を変化させる

AI証明： 素数集合$S$を固定し、体$K$を変化させる——固定された素数集合上で数体を変化させる

この技法は算術統計では一般的だが、固定次元の組合せ幾何学ではほぼ前例がない。

転換2：類体塔

証明は有界次数の数体を使用する代わりに、類体塔——類体論からの無限体拡大塔——を採用した：

$$K = K_0 \subset K_1 \subset K_2 \subset \cdots \subset K_n \subset \cdots$$

ここで各$K_{i+1}$は$K_i$のHilbert類体である。

類体塔構成

Golod-Shafarevichとの関連

証明は類体塔が無限になる条件を提供するGolod-Shafarevich理論を活用している：

Golod-Shafarevichの定理： 数体$K$がその次数に対して十分に多くの分岐素数を持つならば、その類体塔は無限である。

この無限拡大は、所望の$n^{1+\delta}$単位距離を持つ点集合を生成するのに十分な代数構造を創り出す。

六、独立検証と学術的承認

2025年10月の論争（GPT-5がエルデシュ問題を解決したと主張したが、数学者Thomas Bloomによって単なる文献検索であると暴露された）から学び、OpenAIは厳格な独立検証を実施した：

検証した数学者

姉妹論文

姉妹論文「単位距離予想の反証に関する注記」はオールスターチームによって執筆された：

• Noga Alon（プリンストン）
• Thomas Bloom（オックスフォード）
• Tim Gowers（ケンブリッジ）
• Daniel Litt（トロント）
• Will Sawin（プリンストン）
• Arul Shankar（トロント）
• Jacob Tsimerman（トロント）
• Melanie Matchett Wood（ハーバード）

📄 arXiv: 2605.20695

七、タイムライン：予想から覆されるまで

八、主要コード例

単位距離カウントの参照実装

import numpy as np
from itertools import combinations
from typing import List, Tuple

def count_unit_distances(points: List[Tuple[float, float]],
                         eps: float = 1e-9) -> int:
    """
    点集合内の単位距離ペアの数を数える。

    これはエルデシュが提起した基本的な計算問題である。

    Args:
        points: (x, y) 座標のリスト
        eps: 浮動小数点比較の許容誤差

    Returns:
        距離が正確に1のペアの数（許容誤差内）

    時間計算量：O(n²)——すべてのペアをチェック
    空間計算量：O(1) 追加
    """
    count = 0
    n = len(points)

    for i, j in combinations(range(n), 2):
        x1, y1 = points[i]
        x2, y2 = points[j]

        dist_sq = (x2 - x1)**2 + (y2 - y1)**2

        if abs(dist_sq - 1.0) < eps:
            count += 1

    return count


def erdos_grid_construction(n: int) -> List[Tuple[float, float]]:
    """
    エルデシュのオリジナル・リスケール正方形格子構成。

    この構成は約 n^(1 + c/log(log(n))) の単位距離を達成する。
    """
    m = int(np.sqrt(n))
    scale = 1.0

    points = []
    for i in range(m):
        for j in range(m):
            points.append((i * scale, j * scale))

    return points[:n]


# 例：構成の比較
if __name__ == "__main__":
    n = 100

    random_points = [(np.random.random(), np.random.random())
                     for _ in range(n)]
    random_count = count_unit_distances(random_points)

    grid_points = erdos_grid_construction(n)
    grid_count = count_unit_distances(grid_points)

    print(f"n = {n} 個の点")
    print(f"ランダム配置: {random_count} 個の単位距離")
    print(f"格子構成: {grid_count} 個の単位距離")
    print(f"理論的最大値（予想）: ~{n:.0f}")
    print(f"AI下界 (n^1.014): {n**1.014:.1f}")

九、なぜ今回は違うのか

これまでのAI数学の成果は異なるカテゴリーに属していた。今回のブレークスルーはパラダイムシフトを表している：

数学におけるAIの役割
├── 競技数学（IMO金メダルレベル問題——構造化されており、革新は限定的）
├── 形式検証（Lean/Coq——既存定理の検証、独自の発見はない）
├── 文献合成（GPT-5 2025年10月——既知の結果を検索、暴露される）
└── 🏆 今回のブレークスルー
    ├── 独自の証明生成
    ├── 分野横断的接続
    ├── 人間の段階的指導不要
    ├── 専門家による査読
    └── 中心的な未解決問題を解決

十、より深い意義

数学を超えて

今回のブレークスルーは幾何学をはるかに超えた能力を示している：

• 🧬 生物学——新薬とタンパク質構造の発見
• ⚛️ 物理学——新しい理論とモデルの提案
• 🧪 材料科学——新材料の設計
• 🔬 医学——新しい治療法の発見
• 🏗️ 工学——複雑な設計問題の解決

OpenAIの評価

「複雑な推論連鎖全体で一貫性を維持し、分野を超えてアイデアを接続し、研究者が探求しなかったかもしれない経路を見つける——これらの能力は生物学、物理学、材料科学、工学、医学にも等しく適用できます。これはより自動化された研究への一歩です。」

人間の役割は依然として不可欠

Thomas Bloom——2025年10月のOpenAIの主張を暴露したまさにその数学者——が言ったように：

「どのような目に見えない驚異がまだ発見されるのを待っているのだろうか？」

参考來源

1. 📝 OpenAI公式ブログ（2026年5月20日）：An OpenAI model has disproved a central conjecture in discrete geometry
2. 📄 姉妹論文：Noga Alon, Thomas Bloom, Tim Gowers, Daniel Litt, Will Sawin, Arul Shankar, Jacob Tsimerman, Melanie Matchett Wood, “Remarks on the disproof of the unit distance conjecture”, arXiv:2605.20695. リンク
3. 🌐 エルデシュ問題サイト：erdosproblems.com——ステータスが 反証済み に更新
4. Interesting Engineering: “80-year-old geometry mystery cracked by OpenAI using deep number theory”
5. Yahoo Tech: “OpenAI claims it solved an 80-year-old math problem”
6. AI Wins News: “OpenAI Model Disproves 80-Year-Old Unit Distance Conjecture”