[논문] 명시적 단위 거리 하한 증명 최적화
개요
2026년에 이루어진 Erdős의 단위거리 추측에 대한 반증과 그 후 Sawin이 제시한 명시적 정량적 정제가, $n$개의 평면 점들 사이에서 가능한 최대 단위거리 개수 $u(n)$이 고정된 양의 $\varepsilon$에 대해 $n^{1+\varepsilon}$를 초과할 수 있음을 보여준다. Sawin의 명시적 경계는 임의로 큰 $n$에 대해 $n^{1.014}$보다 많은 단위거리를 제공하며, 선택이 완전히 최적화되지 않은 정수 파라미터들을 드러낸다. 본 보고서는 Sawin의 비선형 정수 최적화 문제를 출발점으로 삼아 오픈소스 Python 검증 파이프라인을 개발한다. 이 파이프라인은 먼저 Sawin이 발표한 파라미터 선택을 재현함으로써 검증하고, 이후 계산적으로 개선된 증명서에 적용된다. 우리는 소수 집합 $T$와 $S_Q$, 정수 배수 $k(p)$, 그리고 유리수로 인코딩된 실수 파라미터 $R$을 포함하는 증명서를 최적화하고 검증한다. 구현은 의도적으로 간결하게 설계되어, 모든 결과를 일반적인 하드웨어에서 재현할 수 있고 절차를 확장할 수 있다. 우리는 결정론적 탐욕적 휴리스틱, 양측 기하학적(또는 이산 라플라스) 정수 변이·복구 연산자를 이용한 맞춤형 정수 진화 전략, 그리고 두 부모를 이용한 이산 재조합 변형을 비교한다. 네 가지 증명서 수준을 보고한다: $δ=0.0141144286784982\ldots$인 Sawin의 발표 예시, $δ=0.0151718056372133\ldots$인 탐욕적 증명서, $R=6672416/100000$ 및 $δ=0.0152616610684193\ldots$인 맞춤형 정수 진화 전략 증명서, 그리고 동일한 $R$에 $δ=0.0152628688170072\ldots$를 갖는 재조합 변형. 따라서 현재 가장 좋은 증명서는 임의로 큰 $n$에 대해 $u(n)>n^{1.0152}$라는 신중한 명제를 뒷받침한다. 이 단위거리 적용을 넘어, 본 연구는 무작위 최적화 휴리스틱이 순수 수학 및 조합 기하학에서 명시적 증명서를 어떻게 향상시킬 수 있는지를 보여준다.
핵심 기여
이 논문은 다음 분야의 연구를 제시한다:
- math.OC
- cs.AI
- cs.CG
- cs.NE
- math.CO
방법론
자세한 방법론은 전체 논문을 참고하시기 바랍니다.
실용적 함의
이 연구는 math.OC 분야의 발전에 기여한다.
저자
- Michael T. M. Emmerich
논문 정보
- arXiv ID: 2606.03419v2
- 분류: math.OC, cs.AI, cs.CG, cs.NE, math.CO
- 발표일: 2026년 6월 2일
- PDF: PDF 다운로드