结果族 015：Torus-packet equidistribution in prime, quartic, and sextic degrees · 学科：Number theory · 验证状态：暂无形式化证明，请以社区核验为准
素数次的轨道束想变均匀，几乎是水到渠成；复合次数（比如六次）却暗藏陷阱：轨道可能”偷懒”，缩进大厅的某个角落原地打转，拒绝铺满全厅。这篇论文证明：对本原六次全实域的极大序理想类束，所有偷懒模式都不可能存活——墨水终究染遍全局。
关键词卡片
@@M@@(s/2)R_K@@看个具体例子
六次时对角群的维数是 5。若某个极限测度偷懒，分类定理迫使它住在非平凡对角元的不动点集里——恰好只剩图示两种分块。论文的”全活性”论证显示：任何分块都会让某些方向彻底休眠，而算术给出的管道估计强制高混合速度，两者矛盾；于是唯一幸存的极限是 Haar 均匀测度，且尖端无质量流失。
为什么值得关心
六次是首个不带任何附加条件（无需伽罗瓦群或分裂假设）被攻克的复合次数；”算术分离驱动熵下界”的路线在此经受住最严苛的测试。
暂无形式化证明（AI 结果待核验）
承接《Equidistribution of Primitive Sextic Torus Packets》入门导读，通往”一句话结论 / 问题背景”
第一级台阶
导读的比喻是”偷懒的轨道”：复合次数下，一束轨道可能不铺满大厅，而是缩进某个角落原地打转。翻成交白的话：把六次数域极大序的各理想类嵌成单位体积的格后，理想类的对角轨道捆成一束；定理要证明的是，随域判别式增大，束的加权平均趋向全空间的均匀分布。与素数次的差别在于：测度分类定理在复合次数下允许”分块”式的均匀——六个坐标缩成 3+3 或 2+2+2 两块，块内均匀、块间不动——必须把这两种偷懒模式逐一排除。
第二级台阶
术语化：本原六次域指不含真中间域的六次全实域。舞台是幺模格空间 X_6 = SL_6(Z)\SL_6(R)，对角群 A_6 是各坐标按行列式为一的比例伸缩群，维数为五；束由各理想类的紧轨道连同全部 2^6 个坐标符号平移组成，按轨道体积加权，每条轨道的体积恰为 (s/2)R_K，R_K 是反映单位群大小的调节子；Haar 测度是”绝对均匀”的参照，熵度量混合速度。
第三级台阶
| 定理的语境：取本原全实六次域序列，极大序的完整理想类束。假设的分工——本原性保证任何非有理元素都生成整个域，这使对偶格的迹切片足够小、算术分离估计得以成立，同时把分块极限逼到只剩 3+3 与 2+2+2 两种候选；极大序则排除局部结构失控的干扰。结论用这些话说：当域判别式 | Disc(K_i) | → ∞，体积加权的束测度弱收敛到 Haar 概率测度且无质量逃逸；证明路线是小球估计压出正熵、EKL 分类把分量归为齐性测度、”全活性”论证杀死一切分块退化，最终唯一幸存的极限是均匀。 |
证明了全实本原六次数域（无真中间域）极大序的完整理想类 torus packet，按对角轨道体积加权后，随域判别式 @@M@@|\Disc(K)|\to\infty@@ 在幺模格空间中均衡分布于 Haar 概率测度且无质量逃逸，把 Duke 型定理推进到不带任何辅助条件的复合次数六。
全实数域的理想经各实嵌入变成格，单位群使对角群轨道紧化，理想类把这些紧轨道拼成有限的 packet（包）。实二次域时 packet 投影为模曲面上的闭测地线：Linnik 的遍历方法给出均衡分布但需附加分裂条件，Duke（1988）以解析方法对基本判别式去掉条件，ELMV（2012）再给出覆盖任意非平方判别式的动力学证明。次数升高后对角轨道维数大于一，Einsiedler–Katok–Lindenstrauss（2006）的测度分类定理说：正熵的 @@M@@A@@-遍历概率必是某齐性代数轨道上的不变测度。素数次时它直接就是 Haar 测度；复合次数（如六次）却存在真分块子群，其闭轨道同样能承载有限不变测度，识别并排除这些多余的极限分量正是复合次数的主要障碍。此前 Khayutin（2019）要求 Galois 群在嵌入上双传递，Wieser–Yang（2026）处理带二次子域的四次 packet 还需固定分裂位，六次本原域一直悬而未决。
主定理：设 @@M@@K_i@@ 为全实六次本原域（primitive，即不存在中间域 @@M@@\mathbb{Q}\subsetneq F\subsetneq K_i@@），@@M@@|\Disc(K_i)|\to\infty@@，并任意选取嵌入排序 @@M@@\sigma_i@@，则体积加权的 packet 概率测度满足
@@M@@D\int_{X_6} f\,\dd\mu_{K_i,\sigma_i}\longrightarrow\int_{X_6} f\,\dd m_6\qquad(f\in C_c(X_6)),@@
极限是幺模格空间 @@M@@X_6=\SL_6(\mathbb{Z})\backslash\SL_6(\mathbb{R})@@ 上的 Haar 概率测度 @@M@@m_6@@；且无质量逃逸（no escape of mass）：对每个 @@M@@\epsilon>0@@ 存在紧集 @@M@@C@@ 使 @@M@@\mu_{K_i,\sigma_i}(C)\ge 1-\epsilon@@ 对一切充分大的 @@M@@i@@ 成立。packet 的构造是：理想 @@M@@I@@ 经六个实嵌入成格，归一化协体积为 1 得 @@M@@\Lambda_{I,\sigma}@@；每个普通理想类取一代表，再乘遍全部 @@M@@2^6@@ 个坐标符号对角阵 @@M@@w@@，得到紧轨道 @@M@@\Lambda_{I,\sigma}wA_6@@，按各轨道的 @@M@@A@@-体积加权求平均。乘遍所有符号使 packet 不依赖理想类代表的选取。论文还精确算出每条轨道体积为 @@M@@(s/2)R_K@@（@@M@@R_K@@ 为调节子）、轨道数 @@M@@h_K2^6/s@@、总权重为 @@M@@Q\kappa@@（@@M@@Q=D^{1/2}@@，@@M@@\kappa@@ 为 @@M@@\zeta_K@@ 在 @@M@@s=1@@ 的留数）。
先做算术估计。向量展开公式把格向量计数化为理想计数：@@M@@\int_X\widehat f\,\dd\mu=\frac1{Q\kappa}\sum_{l\ge1}d_K(l)V_f(l/Q)@@；结合 Stark 的有效无零点信息与 Shiu–Pollack 短区间界得理想数一致上界，进而得尖点一致界（保证 tightness）与极限测度的小球估计 @@M@@\mu(xB(r))\le Cr^6@@。最关键的管道估计要同时数一个普通向量与一个对偶向量：二者逐坐标乘积 @@M@@v_jy_j=\sigma_j(z)@@ 落在余微分（codifferent）@@M@@\mathfrak D_K^{-1}@@ 中，且其部分迹被限制在长 @@M@@O(e^{-t})@@ 的区间内；本原性保证任何非有理元素生成全域，使对偶迹切片格有直径 @@M@@O(D^{-1/30})@@ 的基本平行体，这样的 @@M@@z@@ 只有 @@M@@O(Qe^{-t})@@ 个，而理想除子数 @@M@@\exp(C\log D/\log\log D)@@ 在 @@M@@t\in[\log D/(\log\log D)^{2/3},\ \log D/(\log\log D)^{1/3}]@@ 内被 @@M@@e^{-t}@@ 压倒，故双侧对角管道的测度不超过 @@M@@e^{-t/3}@@。
再做测度分类：小球估计经 ELMV 熵判据给出几乎每个 @@M@@A@@-遍历分量的正熵，EKL 定理使这些分量成为齐性测度；而真齐性轨道必含于某个非平凡代数对角阵的不动点集，六次时只剩 @@M@@3+3@@ 与 @@M@@2+2+2@@ 两种分块替代。
然后是本文最核心的中间分辨率构造。紧轨道沿根群 @@M@@U_{jk}@@ 的精确条件测度集中在一点，表达不出管道估计检测到的扩散；于是先在取极限之前按横向小胞条件化，胞腔的对数深度取在增长区间内的一个”平台”上，使条件概率在很宽的深度范围内几乎不变，由此得到既携带算术信息、又有图表间射影一致性与对角等变性、并满足乘积规则 @@M@@m^{WU}=m^W\times m^U@@ 的极限叶状测度。
接着用熵论证排除惰性：若跨某切割的根群不活跃，长轨道段的名字可用膨胀率至多 @@M@@\delta@@ 的慢方向网格编码，单位时间熵上界可压到 @@M@@C_6\delta+o(1)@@，与管道估计强制的熵下界 @@M@@\eta/3@@ 矛盾；故任何被 @@M@@\mu_i@@ 支配的概率沿长段必有正活性，组合论证再升级为极限状态几乎处处全活性。
最后组装：真齐性分量集中于不动点片，其固定对角元必有两不等对角元，相应根的斑块与该片至多交于一点，迫使该根不活跃，与全活性矛盾；故极限只能是 @@M@@m_6@@。所有子序列极限相同即得收敛，尖点界保证无质量逃逸。
本文主结果暂无 Lean 形式化证明，请以社区核验为准。它与同族两篇姊妹篇——固定素数次（@@M@@\ge5@@、任意局部型）篇与本原四次（任意序）篇——共享同一套 ordinary-vector 算术框架，论文明确沿用其展开与计数方法，三者在素数、四、六三个方向互相印证”算术分离驱动熵下界”的路线；四次篇的立方预解式估计是处理序指标的平行分支。按 OpenAI 官方声明，未经形式化的结果可能存在问题，引用前宜等待专家复核。
针对《Equidistribution of Primitive Sextic Torus Packets》，基于论文原文（摘要与各节结构：arithmetic / homogeneous / conditioning / product / activity / entropy / combination / assembly）
问 1：六次比素数次数到底难在哪，多出来的论证是什么？
答：EKL 测度分类在素数维直接判定正熵分量为 Haar，而六次存在真分块子群：3+3 与 2+2+2 分块的闭轨道同样承载有限不变测度。论文必须既证紧性与正熵（arithmetic 一节），又造出足够细的中间分辨率极限（conditioning、product 两节）、证明”全活性”（activity、entropy 两节），再逐一排除分块（combination、assembly 两节）——这正是素数次姊妹篇不需要的整段论证。
问 2：证明中最关键也最脆弱的一步？
答：双侧管道估计（arithmetic 一节）：同时数一个普通向量与一个对偶向量，其逐坐标乘积落入余微分理想、部分迹被压在 O(e^{-t}) 区间；本原性使对偶迹切片格有直径 O(D^{-1/30}) 的基本平行体，理想除子数 exp(C·log D/log log D) 在所选 t 窗口内被 e^{-t} 压倒。指数 1/30 与窗口选取是全文的承重墙。
问 3：本原性能否去掉？
答：不能。它一身兼两职：使任何非有理元素生成全域（对偶切片的直径估计因此成立）；并把分块极限排除到只剩两种可枚举的模式。带真中间域的六次域不在本文范围，此前 Khayutin 要双传递伽罗瓦群、Wieser–Yang 要固定分裂位——任意六次域的完全解决仍是开放。
问 4：与已有工作相比真正的新意？
答：六次是首个不带任何辅助条件（无伽罗瓦群、无分裂假设）被攻克的复合次数；”算术分离驱动熵下界”的路线在此经受最严苛测试。条件化构造——在取极限前按横向小胞条件化、深度取在”平台”区间——是为携带算术信息又保持射影一致性与乘积规则而新造的部件。
问 5：AI 生成证明最可能出错的模式？
答：叶状极限测度的记账。条件概率须在很宽深度范围内几乎不变、图表间射影一致、对角等变、且满足乘积规则 m^{WU} = m^W × m^U；熵上界用慢方向网格编码长轨道段名字（C_6δ + o(1)）再与下界 η/3 比较——任何一处等变性或可测性被默默假设，整座分类论证就会松动。这是 AI 证明的典型病灶。
问 6：为什么只做极大序？
答：束取自极大序的理想类，局部结构干净，问题集中在分块排除；六次的任意序版本论文未处理（四次姊妹篇才处理任意序，且需三次预解式估计），这是诚实的边界。
问 7：谁会用到它？
答：与素数次、四次两篇合成族 015 的三部曲，互相印证同一框架；六次数域的算术统计（类数分布、格点几何）直接受益，方法对其他复合次数（八次、九次）是模板。
总评
这是复合次数环面束均分布的一项无条件突破，条件化与全活性论证技术含量高；最大风险在管道估计的指数细节与叶状测度构造的严格性，未经形式化前宜逐节核验。