OpenAI 公布了一项由 GPT-6 Astra 参与的新研究结果：相邻素数间隔的上界从 240 被压缩到了 186。这是 AI 首次在纯数学证明领域交出实质性成果，但论文的形式化审查仍停留在"自评"阶段，尚未经过独立的人类语义审查。

这项工作的核心是 DHL[40,2] 定理的应用。团队同时发布了 Lean 4 代码和 Python 数值证书，试图让机器可验证的路径走得更远。不过，形式化证明过程中仍将两项有限域估计作为公理使用，这意味着整个证明链条的可靠性，目前还缺少数学界的独立核查。

打开网易新闻 查看精彩图片

AI 参与数学证明，边界在哪里？

过去几年，AI 在数学领域的角色更多是"辅助工具"——帮忙算例、找规律、验证猜想。GPT-6 这次直接参与将上界从 240 压到 186，属于实质性推进。但问题也随之而来：当证明的关键步骤依赖 AI 给出的估计，而人类数学家尚未逐行验证时，这个结果算"被证明"了吗？

OpenAI 的做法是公开全部代码和数值证书，把验证的主动权交给数学界。这种开放姿态值得肯定，但"自评"状态也说明，距离一个被广泛接受的数学证明，还有一段路要走。

果蝇大脑图谱：1.242 亿个突触的完整地图

神经科学领域，一支研究团队利用增强型聚焦离子束扫描电镜和机器学习，首次绘制出雄性果蝇包含腹神经索在内的完整神经系统连接组。这个图谱包含 166700 个神经细胞和 1.242 亿个突触连接。

更值得关注的是雌雄差异的发现：差异主要集中在高级信息处理脑区，而感觉和运动回路则较为相似。研究团队还完成了从感觉神经元到控制进食、求偶等行为的运动神经元的完整追踪，为理解"味觉如何驱动行为"提供了前所未有的神经回路基础。

低云能帮风电场多发电？

荷兰特文特大学的研究给出了一个反直觉的答案。通过大涡模拟，团队发现海洋低云通过辐射冷却效应加深大气边界层，能把风电场上游尾流的恢复距离从 32 千米缩短到 17 千米以内。尾流恢复得越快，下游风电场能捕获的风能就越多。

原理并不复杂：层积云顶部向外辐射红外能量后冷却，加强空气垂直运动，让边界层更深、更不稳定，风速恢复因此加速。不过，这项结论目前仍基于模拟，尚需更多实地观测数据来验证。

量子自旋玻璃：AI 记忆容量的 7 倍跃升

斯坦福团队用超冷原子和光子构建了一个量子光学自旋玻璃网络，让它承担联想记忆功能。即使在自旋玻璃态下，系统也能根据残缺信息恢复完整记忆，记忆容量最高达到传统霍普菲尔德网络的 7 倍。

这项工作的意义在于，它展示了物理系统直接承担 AI 计算任务的潜力。玻色-爱因斯坦凝聚体让光子在不同原子间建立连接，模拟神经突触的短时可塑性。不过，目前系统仍依赖超低温和真空环境，距离实用化还有相当距离。

中国天眼颠覆造星衰退认知

依托 FAST 和 DESI 的高精度测量，天文学家发现了一个挑战传统认知的现象：近 45 亿年来，宇宙恒星形成率下降了约 2.5 倍，但中性氢密度仅减少了约 1.4 倍。

传统假设认为，造星衰退是因为气体耗尽。但新数据显示，作为星系重要气体储备的中性原子氢并没有同步枯竭。真正的诱因可能是中性氢向分子氢的转化效率下降了——气体还在，但"点燃"恒星的材料转化环节出了问题。这一发现为宇宙晚期气体循环研究确立了新的基准。