TL;DR: 7月23日、2026年フィールズ賞が授与された。北京大学の卒業生である王鴻（ワン・ホン）と鄧宇（デン・ユー）が、同年に中国人として初めて同時受賞を果たした。ただし、これは単なるニュース記事ではない。これは「強奪」だ。これら4人の数学者の論文には、今日すぐに盗用して使える思考法が4つ隠されている。

重要ではない部分

誰が受賞したか、どの機関に所属しているか、年齢は何歳か——ニュースはすでにそれらを報じている。以下がそのスナップショットだ：

受賞者 所属 主要な貢献
王鴻（ワン・ホン） NYU Courant 3次元角谷予想（100年来の未解決問題）
鄧宇（デン・ユー） シカゴ大学 ヒルベルト第6問題における突破
Jacob Tsimerman トロント大学 André-Oort予想
John Pardon ストーニーブルック大学 3次元Hilbert-Smith予想

私が関心を持つのは、これら4人の論文に4つのメンタルモデルが含まれている点だ。AIエンジニアリング、ライティング、プロダクト決定にも、数学と同じように応用できるモデルである。

これは「初心者向けの数学」ではない。「方法論の盗用」だ。

王鴻：3つの言葉で解かれた100年来の問題——多尺度解析

角谷予想とは何か。一文で：3次元空間に長さ1の線分を取り、180°回転させる。その掃過する最小体積は？ ゼロ。

2次元の場合、1917年に解決済み——面積はゼロに近づけられる。しかし3次元は？ 1世紀以上未解決だった。直観では3次元角谷集合の次元は3であるべきだが、厳密な証明はなかった。

2025年、王鴻とJoshua Zahlは14の図を含む127ページの論文を発表し、厳密に証明した：3次元空間において、全方向に単位線分を含む任意の集合は、Minkowski次元およびHausdorff次元がちょうど3である。

彼らの言葉で述べられた核心の方法：多尺度解析。

3次元空間内の全チューブ配置を一度に把握しようとはしない。問題を異なる尺度に分割する。大まかな尺度では：分布パターン——どの方向が凸集合内でクラスターを形成するか？ 細かな尺度では：局所密度——ある領域でチューブが密集している場合、体積への寄与は？ この2つの尺度を別々に扱い、組み合わせ推定で繋ぎ合わせる。

具体的には、彼らは次を研究した：3次元におけるδチューブが同じ凸集合内に過度に詰め込めない場合、その和集合はほぼ最大体積を持つ必要がある。この一見狭い中間結果こそが、角谷予想全体を導くのに十分だった。

影響は純粋数学を超える。CT/MRI再構成アルゴリズムはフーリエ解析に依存しており、これは角谷予想のまさにその領域だ。MIMOアンテナのビームフォーミングやレーダーの方向推定もこの研究から直接恩恵を受ける。

ただし、覚えておくべきは方法だ：複雑な問題に直面したら、まず大まかな尺度から、次に細かな尺度へ。

「ブログのトラフィックを2倍にする方法」を一度に考えようとしてはいけない。まず大まかな尺度で分類する：ツールレビューは業界分析より3〜10倍多く読まれ、バイラルヒットの95%以上が推薦から来ている。次に各カテゴリ内で微調整する：数字入り見出しの構造、効果的なカバー画像スタイル、公開に最適な時間。尺度を分離することで問題は解けるようになる。

鄧宇：4年かけてミクロからマクロへの橋を架ける

アナロジーから始めよう。

ニューラルネットワークの訓練規則は極めて単純——勾配降下法で、1兆個のパラメータを各ステップごとにわずかに変化させる。このミクロの規則は、ばかばかしいほど退屈だ。しかし訓練後、モデルは突然推論し、コードを書き、記事を編集するようになる。その1兆個のパラメータを見つめても、そこに隠された知能は見つからない。

これは本質的に、鄧宇が波動乱流理論で研究している問題と同じだ。

2023年、鄧と共同研究者のZaher Haniは44の図を含む138ページの論文を発表した。彼らが成し遂げたこと：立方非線形Schrödinger方程式（光ファイバー内の光伝播や海の波を記述）から、スケーリング極限の下で波動運動方程式を厳密に導出した。

設定：大きな箱（辺の長さL）の中で、波が非常に弱く（パラメータα）相互作用する。L → ∞、α → 0、かつα ~ L⁻¹というスケーリング関係の下で、系の長時間統計的振る舞いは、運動学的時間スケールT ~ α⁻²まで完全に波動運動方程式で記述される。

翻訳：無数の単純な波が、それぞれ同じミクロ規則に従う → 十分な時間が与えられれば → 予測可能なマクロレベルの統計法則が自動的に現れる。

この枠組みは、プラズマ物理学（核融合のためのレーザープラズマ相互作用シミュレーション）、気象予報における大気非線形波動モデリング、および海洋学における長時間の海流変化に直接影響を与える。

鄧はHaniおよびMa Xiaoと共に、もう一つの方向でも突破を果たした：硬球力学から出発し、従来の定理をはるかに超える時間スケールでBoltzmann方程式を厳密に導出した。これはヒルベルト第6問題（物理学の公理化、1900年に提唱）の核心を前進させる。

あなたにとって覚えておくべきこと：ミクロ規則 × 長い時間 × 多数の粒子 = 予測可能なマクロ法則。

これは単なる数学ではない。1日1本の記事を書くのはミクロの行動に見える。100本の記事を書いた後、マクロパターンが自然に現れる——どの見出しがトラフィックを得るか、どのトピックが爆発するか、アルゴリズムが好む冒頭は何か。

近道ではなく複利を信じよ。これは動機付けの綺麗事ではない。鄧宇が138ページの数学で証明したことだ。

Tsimerman：論文は撤回された。そして彼はフィールズ賞を受賞した。

TsimermanのAndré-Oort予想論文v2には、何度読み返しても印象に残る注記がある：

"The previous version (v2) claiming to prove the general case has a serious error, as was kindly pointed out by Klingler, Ullmo and Yafaev. As such, the article is being reverted..."

翻訳：前バージョンには深刻な誤りがあった。撤回された。

その通りだ。フィールズ賞受賞者の論文に「深刻な誤り」があり、仲間から指摘され、撤回された。そして彼はそれを修正して再投稿し、まさにその研究で数学界最高の栄誉を受賞した。

それは単に「頭が良かった」からではない。方法がより重要だ。

TsimermanはA_gに対するAndré-Oort予想を証明した——高次元モジュライ空間における楕円曲線の「特殊点」（CM点）の分布に関する核心的問題だ。楕円曲線は現代暗号の基盤であり、これらの特殊点の分布は特定の耐量子暗号方式の安全性に直接影響する。

しかし、彼が受賞した本当の理由は結論ではない。彼が組み立てたツールだ。彼は全く無関係に見える3つの分野を繋ぎ合わせた：

  1. 解析数論：数体類群のGalois軌道の下界
  2. モデル理論：特殊点の位相的振る舞いを制御するためのo-minimal構造
  3. 代数幾何学：モジュライ空間の幾何学的構造を記述するためのShimura多様体理論

単一分野からのツールでは不十分だった。それらを組み合わせたとき、ちょうど十分だった。

Bakkerらと共に、彼はo-minimal枠組みを活用してGAGA理論をさらに発展させ、周期写像像に関するGriffiths予想を解決した——モデル理論とHodge理論の間に新しい橋を架けた。

これはまさに現在のAIの状態だ。次の突破はおそらく「より良いTransformer」ではない。代数トポロジーをニューラルネットワークアーキテクチャに移植したり、波動乱流理論の言語で訓練ダイナミクスを再記述したりすることだろう。

Tsimermanが教えることは2つだ：

  1. 撤回は恥ずかしいことではない。修正して再投稿せよ。
  2. 最も得意な分野で研ぎ澄ますな。本当の突破は交差点にある。

Pardon：彼の論文全体がやっていること——正しい窓を見つける

Pardonは3次元Hilbert-Smith予想を証明した。24ページ。

問題：3次元空間に「住む」ことのできる対称性とはどのようなものか？ p進整数Z_pは可能か？ Pardonの答え：不可能。

彼はその後、シンプレクティック幾何学でさらに多くの貢献をした——仮想基本鎖、wrapped Fukaya圏の局所化、Calabi-Yau 3次元多様体上の曲線カウント（MNOP予想）。この研究は現在、位相量子誤り訂正符号の数学的基盤となっている——量子コンピュータはまだ構築されていないが、その誤り訂正はすでに彼の基盤上に構築されている。

しかし、私が最も魅了されるのは、Hilbert-Smith論文に現れる単一の方法論的フレーズだ："Approach is local on M."

証明全体が3次元多様体Mの全幾何学的性質を理解する必要はない。彼が必要なのは、M上のZ_p不変開集合Uを見つけ、U内に非圧縮曲面Fを特定し、Z_pのFの同位類への作用によって誘導される写像類群準同型を解析すること——そして矛盾が現れる。

全体像をスキャンするな。一つの窓を見つける。その窓内の情報だけで大域的結論を導くのに十分だ。

これは直接使える。

55本のAICDragon記事のデータを分析して、読者数を決定する要因を把握したいとする。全データを統計処理することもできる——しかしそれは自分に余計な仕事を作ることになる。最高読者数、最低読者数、中央値の3本だけを選べばよい。それらの差異に、すでにほとんどのパターンが含まれている。

エンコーディングの破損をデバッグしたいとする。OpenClawのコードパス全体を追跡する必要はない。1つのファイルの最初の4バイトを見るだけでよい——E9 94 98 3F——これはGBKを通じてデコードされたUTF-8 BOMだ。根本原因が特定され、大域的調査は不要。

Pardonの教訓：より多くの情報を持つことではない。正しい窓内の正しい情報を持つことだ。

では、これらの論文とAIは何の関係があるのか？

「この公式でTransformerを最適化できる」ということではない。

それは思考の仕方についてだ。

あなたが日常的に行うこと——トピック選定、ライティング、デバッグ、データ分析、プロダクト決定——はすべて数学レベルの複雑さを持つ。唯一の違いは、あなたがそれに気づいていないことだ。

王鴻は言う：多尺度思考、まず大まかに、次に細かく。
鄧宇は言う：ミクロ規則 × 十分な時間 = マクロ法則。近道ではなく複利を信じよ。
Tsimermanは言う：一つの分野で研ぎ澄ますな。本当の突破は交差点にある。そして撤回は恥ずかしいことではない——修正して出荷せよ。
Pardonは言う：すべてを理解しようとするな。正しい窓を見つける。

これら4つの方法論は数学者の特権ではない。継続的に思考し反復する必要がある人にとっての武器だ。

あなたを含む。

参考文献