AI 모델이 에르되시의 80년 된 ‘단위 거리 추측’을 반박하다

약 80년 동안 수학자들을 괴롭혀 온 간단한 질문이 있다. 평면 위에 점 n개를 놓았을 때, 정확히 거리 1만큼 떨어진 점 쌍은 최대 몇 개까지 만들 수 있을까?

이 문제는 헝가리 출신 수학자 **폴 에르되시(Paul Erdős)**가 1946년에 제기한 것으로, 이후 **단위 거리 문제(unit distance problem)**로 불리며 이산기하학의 대표적인 난제로 남아 있었다. 최근 OpenAI의 추론 AI 모델이 제시한 새로운 수학적 구성은 이 문제와 관련된 핵심 추측을 뒤집는 결과를 내놓았다.

연구에 따르면 특정한 점 집합에서는 단위 거리 쌍의 수가 최소 n^(1+δ) (δ > 0)까지 증가할 수 있으며, 이런 사례가 무한히 많은 n에 대해 존재한다. 이는 오랫동안 믿어온 에르되시의 거의 선형적 성장 추측을 직접적으로 반박한다.

단위 거리 문제란 무엇인가

평면에 유한한 점 집합 P가 있다고 하자. 이때 다음을 정의한다.

• ν(P): 점 집합 P에서 정확히 거리 1만큼 떨어진 점 쌍의 수
• ν(n): n개의 점으로 만들 수 있는 ν(P)의 최대값

문제의 핵심은 n이 커질 때 ν(n)이 얼마나 빠르게 증가하는가를 이해하는 것이다.

에르되시의 추측

에르되시는 약 **√n × √n 형태의 격자(grid)**에 점을 배치하는 방법을 제시했고, 이 구성에서는 대략

n^(1 + Ω(1 / log log n))

개의 단위 거리 쌍이 만들어진다.

그는 이것이 사실상 최적이라고 추측했다. 즉 ν(n)은 거의 선형에 가까운 수준(n^(1+o(1)))을 넘지 않을 것이라고 본 것이다.

한편 1984년 **스펜서, 세메레디, 트로터(Spencer–Szemerédi–Trotter)**는 다음과 같은 상한을 증명했다.

ν(n) = O(n^(4/3))

이 결과는 상한과 하한 사이에 큰 간격이 남아 있음을 보여주며, 이후 수십 년 동안 이 간격을 줄이는 것이 중요한 연구 과제가 되었다.

AI가 제시한 반례

OpenAI 연구에서 제시된 구성은 다음을 보인다.

ν(n) ≥ n^(1+δ)

여기서 δ는 고정된 양수이며, 이런 현상이 무한히 많은 n에 대해 성립한다.

에르되시의 추측은 ν(n)이 **n보다 조금 더 큰 정도(n^(1+o(1)))**에 머물 것이라 예측했기 때문에, 고정된 지수 증가(n^(1+δ))가 존재한다는 사실 자체가 추측과 모순된다.

즉 특정한 점 배치에서는 기존에 가능하다고 생각했던 것보다 훨씬 많은 단위 거리 관계가 만들어질 수 있다는 뜻이다.

핵심 아이디어: 격자가 아니라 ‘대수적 수론’

기존의 대부분의 구성은 격자나 기하학적 패턴에 기반했다. 하지만 새로운 접근법은 완전히 다른 분야에서 아이디어를 가져왔다.

바로 **대수적 수론(algebraic number theory)**이다.

증명의 핵심에는 다음과 같은 고급 수학 구조들이 등장한다.

• 특정 분해 성질을 가진 **완전히 실수인 수체(totally real number fields)**의 무한 클래스 필드 타워
• 이러한 타워의 존재를 보장하는 Golod–Shafarevich 유형의 구성
• 여기에 허수 단위 i를 추가해 얻는 CM 필드

이 구조들은 노름(norm)이 1인 원소가 매우 많은 고차원 격자를 만들어낸다. 이 격자를 유클리드 평면의 점 배치로 변환하면, 이러한 노름 관계들이 대량의 단위 거리 간선으로 대응된다.

결과적으로 대수적 구조를 이용하면 격자 방식보다 훨씬 풍부한 거리 관계를 만들어낼 수 있다는 것이 핵심이다.

왜 이 결과가 중요한가

차이는 작아 보이지만 수학적으로는 결정적이다.

에르되시의 추측:

n^(1 + o(1))

새로운 구성:

n^(1 + δ)

여기서 δ가 고정된 양수라는 점이 중요하다. n이 커질수록 두 값의 차이는 점점 커지며, 결국 추측과 양립할 수 없게 된다.

수학자들의 검증

이 결과가 발표된 뒤 여러 수학자들이 내용을 검토했고, 핵심 아이디어를 정리한 인간 검증 요약 논문도 발표되었다.

이 문서에는 다음과 같은 연구자들이 참여했다.

• 노가 알론 (Noga Alon)
• 티머시 가워스 (Timothy Gowers)
• 토머스 블룸 (Thomas Bloom)
• 윌 소윈 (Will Sawin)
• 멜라니 매쳇 우드 (Melanie Matchett Wood)

이들은 증명의 구조를 요약하고, Golod–Shafarevich 이론과 관련된 수론적 아이디어가 어떻게 기하학적 구성으로 이어지는지 설명했다.

왜 ‘AI 수학의 이정표’로 불리는가

이번 결과가 큰 관심을 끄는 이유는 AI가 스스로 새로운 수학적 증명을 만들어냈다고 보고되었기 때문이다.

과거 AI 수학 연구에서는 모델이 정답을 찾았지만 이미 문헌에 존재하던 해결책을 재발견한 경우도 있었다. 그러나 이번 결과는 1946년부터 열린 채로 남아 있던 추측에 대한 새로운 반례로 제시되고 있다.

만약 수학계의 장기적인 검증 과정을 통과한다면, 이는 AI가 주요 수학 난제 해결에 직접 기여한 첫 사례 중 하나로 기록될 가능성이 있다.

앞으로의 과제

대형 수학 결과는 보통 수년 동안 검증과 단순화 과정을 거친다. 연구자들은 앞으로 다음과 같은 작업을 진행할 가능성이 크다.

• 증명의 세부 단계 재검증
• 더 단순한 설명 또는 대체 증명 탐색
• 관련 기하학 및 조합론 문제로의 확장 연구

결과가 최종적으로 어떻게 평가되든, 이번 사례는 자동화된 추론 시스템과 인간 수학자의 협업이 새로운 수학적 발견 방식으로 떠오르고 있음을 보여주는 사례로 평가된다.