结果族 107：Matrix multiplication with exponent at most 9/4 · 学科：Theoretical computer science · 验证状态：主结果已 Lean 形式化
两个 @@M@@n\times n@@ 矩阵相乘，课本方法老老实实做 @@M@@n^3@@ 次乘法；1969 年 Strassen 发现 2×2 的小矩阵可以偷一次懒，从此全人类开始挤这个指数，五十年只从 3 挤到 2.37 附近。这篇论文干脆换赛道，丢下统治领域三十年的旧框架，一口气把纪录砍到 2.25。
关键词卡片
@@M@@n\times n@@ 乘法只需 @@M@@O(n^{\omega+\varepsilon})@@ 的最小 @@M@@\omega@@；已知 @@M@@2\le\omega\le3@@看个具体例子
先看节省是怎么发生的：按定义算 @@M@@2\times2@@ 乘法要 8 次乘法，Strassen 精简到 7 次；把大矩阵层层二分、反复套用，指数便从 3 落到 @@M@@\log_2 7\approx2.807@@。渐近账单：@@M@@n=2^{100}@@（约 @@M@@10^{30}@@ 规模）时，@@M@@n^{2.25}@@ 与 @@M@@n^{2.371}@@ 相差约 @@M@@10^{12}@@ 倍。已知下界只有 @@M@@\omega\ge2@@，2.25 离地板尚有距离，但已是无先例的一跃。
为什么值得关心
@@M@@\omega@@ 同时给行列式、矩阵求逆、解方程组等基本线性代数运算定价。而且这不是修修补补：旧框架三十年的精化已趋饱和，新赛道重新开出一整片可耕耘的地，单次降幅就超过 0.12。
已 Lean 形式化
第一级台阶
导读里”2×2 小技巧层层复制”的老故事，抽象出来是：把一次矩阵乘法看成一张三元乘积的账单表，每行是”三个数相乘”这样的一次标量乘法；省事的办法是先对账单表做改写、合并，再反复套用。本文的换赛道在于：不再死磕一张特定账单表的幂次，而是给所有账单表定价——用一个像体温计的数值泛函，直和时相加、张量积时相乘、改写后只降不升。
第二级台阶
用代数的语言：张量是三线性型，三组变量称为腿；限制是在每条腿上独立做线性代换，退化是带参数版本的限制，张量秩 R(A) 是把 A 拆成纯三乘积的最少份数。矩阵乘法本身是张量 T_n，指数 ω 由 R(T_n) 的渐近增长率决定。张量特征 λ 是直和可加、张量积可乘、限制下单调且 λ(1)=1 的数值泛函；探测引理说：只要 R(T_d) 足够大，就有某个特征在 T_d 上读出高值。
第三级台阶
定理在复数域上陈述：对每个 ε>0，两个 n×n 复矩阵可用 O_ε(n^{9/4+ε}) 次算术运算相乘。假设与结论的通路是：由探测引理，只需证明每个特征都满足 λ(T_d)≤d^{9/4}；对多项式乘法张量定义对称化轮廓 P(a,b)，分离引理给出熵式下界，行列式滤波给出离散凹性，三扇区分解给出平移三倍式，三者纯离散地逼出 P(a,a)≥a^{4/3}，与插值上界对撞即得 t≤3/4。渐近性质是刻意的：证明不指定有竞争力的有限矩阵规模。
本文证明复数域上矩阵乘法指数满足 @@M@@\omega\le 9/4=2.25@@：对任意 @@M@@\varepsilon>0@@，两个 @@M@@n\times n@@ 复矩阵只需 @@M@@O_\varepsilon(n^{9/4+\varepsilon})@@ 次算术运算即可相乘。这比此前 2.371177 的世界纪录下降逾 0.12，而且完全绕开了统治该领域三十余年的 Coppersmith–Winograd 框架，是路线级的突破。
两个 @@M@@n\times n@@ 矩阵相乘，朴素算法需 @@M@@n^3@@ 次乘法；矩阵乘法指数 @@M@@\omega@@ 是使 @@M@@O(n^{\tau+\varepsilon})@@ 次算术运算可行的最小 @@M@@\tau@@，它同时决定行列式、矩阵求逆等基本线性代数运算的复杂度。Strassen 于 1969 年用 @@M@@2\times2@@ 矩阵的七次乘法算法证明 @@M@@\omega\le\log_2 7\approx2.81@@；此后 Bini 的近似—精确转换、Schönhage 的渐近和不等式与 Strassen 的激光方法确立了张量框架，Coppersmith 与 Winograd 在 1990 年结合 CW 张量与无等差数列集合把纪录推进到 2.375477。近十余年，Stothers、Vassilevska Williams、Le Gall、Alman–Vassilevska Williams、Duan–Wu–Zhou 等在同一框架内层层精化，Dupont 等人于 2026 年用大规模优化得到 2.371177。这条路线的改进已趋饱和，且被怀疑存在内在壁垒。本文彻底更换赛道：回到 Strassen 的渐近谱理论，转而分析多项式乘法张量，一举把指数压到 2.25。
主定理：对每个 @@M@@\varepsilon>0@@，两个 @@M@@n\times n@@ 复矩阵可用 @@M@@O_\varepsilon(n^{9/4+\varepsilon})@@ 次标量算术运算相乘；特别地 @@M@@\omega\le 9/4@@。作者说明这是渐近算术复杂度意义下的结果，证明不指定有竞争力的有限矩阵规模；另由秩分解方程组具有有理系数及 Nullstellensatz，算法系数可取在 @@M@@\overline{\mathbb Q}@@ 的一个数域中。
证明的主轴是把指数问题转化为对一族数值不变量的一致估计。张量视为三线性型（trilinear form），其三组变量称为腿；限制（restriction）在每条腿上独立做线性代换，张量秩 @@M@@\mathrm R(A)@@ 是满足 @@M@@m\ge A@@ 的最小整数。记精确秩指数 @@M@@\nu=\inf_n\log_n\mathrm R(T_n)@@。Strassen 渐近谱理论中的张量特征（tensor character）@@M@@\lambda@@ 是在直和下可加、张量积下可乘、限制下单调且 @@M@@\lambda(1)=1@@ 的数值泛函。关键的探测引理（detecting characters，附录用有限维分离、紧性与 Schauder–Tychonoff 不动点定理证明）指出：只要 @@M@@k<d^\nu@@，就存在特征使 @@M@@\lambda(T_d)\ge k@@。于是只需证明每个特征都满足 @@M@@\lambda(T_d)\le d^{9/4}@@。
先看特征的取值如何参数化。对点积张量 @@M@@B_X(m)@@，乘法性论证给出幂律 @@M@@\lambda(B_X(m))=m^{p_X}@@；三个取向的点积之积同构于 @@M@@T_m@@，故 @@M@@\lambda(T_m)=m^{3t}@@，其中 @@M@@t=(p_X+p_Y+p_Z)/3>0@@。目标于是等价于证明 @@M@@t\le 3/4@@。
核心是分离引理。设张量由 @@M@@M@@ 个块求和而成，各块共享 @@M@@X@@ 腿，而 @@M@@Y@@、@@M@@Z@@ 扇区两两配对且互不相交。取 @@M@@L=5M@@ 份拷贝，以 @@M@@L@@ 次单位根做 Fourier 线性代换，使存活项满足 @@M@@u-v+2(g-h)=0@@；再给变量赋权 @@M@@g^2@@、@@M@@hu-h^2@@、@@M@@-hv@@，则存活项的总权恰为 @@M@@(g-h)^2\ge0@@。退化取权零部分后只有 @@M@@g=h@@ 的正确标签存活，得到完整直和 @@M@@\bigoplus_h(A_h\otimes B_X(M))@@——每块还附带一个 @@M@@M@@ 维点积。配合固定频率计数与 Stirling 公式，得熵不等式 @@M@@\lambda(T)\ge e^{p_XH(q)}\prod_i\lambda(T_i)^{q_i}@@。这里难点在于”共享变量的块无法直接直和”，Fourier 投影与平方失配权重的组合恰好把共享腿撕开，而输出块数在指数尺度上补偿了拷贝代价。
接着把熵不等式用于多项式乘法张量 @@M@@C(a,b)=\sum x_iy_jz_{i+j}@@，其秩恰为 @@M@@a+b-1@@。对六种腿置换取几何平均定义对称化轮廓 @@M@@P(a,b)@@，则 @@M@@P(1,b)=b@@、@@M@@P(a,b)\le(a+b-1)^{1/t}@@。再添两条组合性质：其一用基于一次 Clebsch–Gordan 正合列的行列式滤波（determinant filtration）构造退化，得离散凹性 @@M@@2P(a,b)\ge P(a,b+1)+P(a,b-1)@@；其二把指标区间切成左中右三扇区、对中间扇区赋 @@M@@\pm1@@ 权，得平移三倍式 @@M@@P(a,3h+a-1)\ge3P(a,h)@@。
最后是纯离散推理：凹性使相邻增量不增，三倍式迫使归一化对角增量 @@M@@H_a\ge\prod_{m<a}(1+1/3m)@@，再用初等不等式 @@M@@(1+1/3m)^3\ge1+1/m@@ 放大得 @@M@@P(a,a)\ge a^{4/3}@@。与上界比较并令 @@M@@a\to\infty@@ 得 @@M@@t\le3/4@@，于是每个特征满足 @@M@@\lambda(T_d)\le d^{9/4}@@；由探测引理即 @@M@@\nu\le9/4@@。收尾的算术转换是标准的：固定一个维数 @@M@@u@@ 的精确秩分解做递归，即得 @@M@@O_\varepsilon(n^{9/4+\varepsilon})@@ 算法。
论文宣称的主结果已有 Lean 形式化证明，可信等级最高。它是结果族 107 的旗舰篇：姊妹篇”低于 2.258 的复矩阵乘法与矩形界”给出特征零域上的 @@M@@\omega<2.258@@、@@M@@\alpha>0.465@@ 及矩形界并做正特征转移，另一篇”错峰抽取”在所有固定域上给出 @@M@@\omega<2.371055@@；三者的共同主题都是”以辅助代价换取共享变量的分离”。按 OpenAI 官方声明，未经形式化的结果可能存在问题；本文主定理已形式化，可放心引用，但证明为存在性论证，未给出可实现的算法常数。
问 1：证明里最关键也最脆弱的一步是什么？
（答：有限分离命题（Proposition separation）。M 个块共享 X 腿时，取 L=5M 份拷贝、以 L 次单位根做 Fourier 代换，存活项满足 u−v+2(g−h)=0；再赋权 g²、hu−h²、−hv，存活项总权恰为 (g−h)²，退化取零权部分后错误标签全灭，只剩完整直和，每块还白得一个 M 维点积。权重的平方失配设计是全文引擎，一处符号错掉整个熵不等式失效。）
问 2：5M 份拷贝这么贵，怎么不亏本？
（答：在熵推论里 5M 因子被 N 次张量幂摊平：5M·λ(T)^N ≥ M^{1+p_X}·C_N，两边开 N 次方取极限，常数 5 消失，Stirling 公式把词频计数 M 变成熵 e^{H(q)}。拷贝代价是多项式级的，输出块数在指数尺度上偿还——这是”指数尺度补偿”的典型账目。）
问 3：与 Coppersmith–Winograd 框架相比真正的新意是什么？
（答：CW 路线三十年精化已在 2.371 附近饱和；本文完全绕开 CW 张量与激光方法的组合优化，回到 Strassen 渐近谱理论，用”特征的一致上界”替代”单张量的幂次分析”，分析对象换成多项式乘法张量。单次降幅超过 0.12，且路线重启意味着改进空间可能远未到头。）
问 4：为什么只在复数域上证？其他域怎么办？
（答：分离构造的 Fourier 代换要用单位根，退化取零权部分也依赖域上有足够元素；论文在 ℂ 上陈述与证明。正特征与其他域的转移由同族姊妹篇分别处理：特征零域上 ω<2.258、所有固定域上 ω<2.371055，本文未展开跨域论证。）
问 5：这类 AI 生成证明最可能在哪里出错？
（答：三处高危。一是附录中探测引理的存在性证明——有限维分离、紧性加 Schauder–Tychonoff 不动点，把泛函分析接进组合论证；二是纯离散收官：凹性+三倍式经 ∏(1+1/3m) 与 (1+1/3m)³≥1+1/m 推出 P(a,a)≥a^{4/3}，链条长且无直观；三是”证明是存在性论证、不指定有竞争力的有限矩阵规模”——若有人误读为可用算法，就是传播错误。主结果已 Lean 形式化，是硬背书。）
问 6：谁会用到它？
（答：ω 同时给行列式、矩阵求逆、解线性方程组等基本线性代数运算定价，任何以快速矩阵乘法为黑盒的算法复杂度自动下调；张量特征方法本身也给代数复杂度社区一件新工具。族内姊妹篇直接继承其分离思想。）
总评
路线级突破：丢下 CW 框架一举压到 2.25，且主定理已形式化；最大风险是整套”特征一致界”方法目前只有这一族工作背书，方法边界与可改进空间尚无人复核。