结果族 161：Counterexamples to Sidorenko’s conjecture and the forcing conjecture · 学科：Combinatorics · 验证状态：暂无形式化证明，请以社区核验为准
在一张朋友关系网里数”图案”：比如数三角形出现了多少次。直觉说，在连接比例相同的网络中，最”乱”的那种——纯靠抽签连边——图案应该最少。Sidorenko 在 1991 年提出的猜想正是这句话：任何网络都不会比抽签网络更少地包含某个图案。这篇论文造出一个 35 个顶点、66 条边的图案 H，并找到一张网络，让 H 在其中出现得比抽签网络还少——猜想被推翻。
关键词卡片
@@M@@t(H,G)@@。看个具体例子
Sidorenko 猜想断言：任何图 G 都满足 @@M@@t(H,G)\ge p(G)^{66}@@，而边密度 p 的抽签网络恰好取等——右边就是”底线”。反例的数字版：存在有限简单图 G，使 @@M@@t(H,G)<p(G)^{66}@@。以 @@M@@p=\tfrac12@@ 为例，底线约为 @@M@@(1/2)^{66}\approx 1.4\times 10^{-20}@@，构造出的网络把这个宇宙级小数再往下压。同一张 H 还顺带否定强迫猜想：存在网络让 H 的数量与抽签网络一样达标，网络却依然有结构、并不拟随机（例如四边形数量超出随机基准）。
为什么值得关心
它一举终结了”随机最少”这一流行三十余年的直觉，表明图不等式的世界存在系统性例外。
暂无形式化证明（AI 结果待核验）
第一级台阶
入门导读用”在朋友关系网里数图案”作比：连接比例相同的网络中，纯靠抽签连边的最乱网络里图案应该最少。翻译成半数学语言：对象是有限图和要数的固定图案，操作是统计图案在网络中留下的痕迹次数；猜想说任何网络都不会比抽签网络更少地包含这个图案。
第二级台阶
用本科术语精确化：二部图是顶点分两摞、边只在两摞之间连的图；边密度 @@M@@p(G)@@ 是实际边数占满额连接的比例；同态密度 @@M@@t(H,G)@@ 是图案 @@M@@H@@ 在 @@M@@G@@ 中痕迹的归一化计数。Sidorenko 猜想即：对任何至少一条边的二部图 @@M@@H@@，任何图 @@M@@G@@ 都满足 @@M@@t(H,G)\ge p(G)^{|E(H)|}@@，而随机图恰好取等，充当这条底线。
第三级台阶
论文定理在这样的语境下陈述：显式写出 13 个点、22 个三元组的关联图 @@M@@H@@——连通二部、35 个顶点、66 条边——并证明存在有限简单图 @@M@@G@@ 使上述不等式反向。组合骨架的”33 个点对每个恰属两个面”挡住了符号干扰互相抵消的麻烦；”存在 @@M@@G@@“则通过先在带符号的核上造出严格亏损、再随机采样传回有限图来实现，绕开直接写出庞大 @@M@@G@@ 的困难。结论用这些术语说：@@M@@t(H,G)<p(G)^{66}@@，同一张 @@M@@H@@ 还在图元层面否定强迫猜想。
本文显式构造了一个 35 个顶点、66 条边的连通二部图 @@M@@H@@（13 个点、22 个三元组的关联图），并证明存在有限图 @@M@@G@@ 使 @@M@@t(H,G)<p(G)^{66}@@，推翻了悬置三十余年的 Sidorenko 猜想；同一 @@M@@H@@ 还否定 Skokan–Thoma 强迫猜想。
Sidorenko 于 1991 年前后（问题可溯至 Erdős–Lovász–Spencer 与 Simonovits 的超饱和 supersaturation 问题）提出猜想：对任何至少含一条边的二部图 @@M@@H@@ 与任何有限图 @@M@@G@@，都有 @@M@@t(H,G)\ge p(G)^{|E(H)|}@@，其中 @@M@@t(H,G)=\mathrm{hom}(H,G)/|V(G)|^{|V(H)|}@@ 是同态密度（homomorphism density），@@M@@p(G)=2|E(G)|/|V(G)|^2@@ 是边密度。直观说：在边密度相同的图里，随机图中的 @@M@@H@@ 拷贝应当最少。三十余年来，树、偶圈、完全二部图，以及 Conlon–Fox–Sudakov、Hatami（弱范数 weakly norming）、反射群、树可排列等大类均被证明满足猜想，但已知方法都只能给出”正”的比较不等式，一般情形始终缺乏反例机制。本文补上这块拼图，而答案是否定的。
主定理：取 13 个点上的 22 个三元组（论文表 1 显式列出），其关联图（incidence graph）@@M@@H@@ 是连通二部图，两部分各 13、22 个顶点，共 35 点 66 边；点一侧度数为 4、5、6，面一侧度数全为 3。定理断言存在有限简单图 @@M@@G@@ 使 @@M@@t(H,G)<p(G)^{66}@@，直接违反 Sidorenko 不等式。定理另带两条系果：其一（放大），张量幂（tensor power）可使 @@M@@t(H,F)/p(F)^{66}@@ 任意小，而平衡膨胀（balanced blow-up）在固定正极限边密度下使 @@M@@H@@ 的单射拷贝（injective copies）数低于随机图基准 @@M@@(n)_{35}d^{66}@@，与 Erdős–Simonovits 型超饱和基准矛盾；其二（强迫猜想失败），存在 @@M@@p\in(0,1)@@ 与非常数图元（graphon）@@M@@W@@ 满足 @@M@@t(K_2,W)=p@@、@@M@@t(H,W)=p^{66}@@，但 @@M@@t(C_4,W)>p^4@@，故边密度与 @@M@@H@@ 密度同时渐近达标并不能迫使图序列拟随机（quasirandom）——@@M@@H@@ 虽是含圈的二部图，却不是 forcing 的。
整体路线是”先在有限核（kernel）上造出严格密度亏损，再采样传回有限图”。先固定组合骨架：该三元系有 33 个点对，每个恰好同属两个面，”恰两次出现”把点对的局部符号信息耦合成四个角（corner，点–面入射）的奇偶相关。再在奇素域 @@M@@\F_q@@ 上搭”秩层”模型：取偶数维 @@M@@D=2r@@ 的对称矩阵，@@M@@K_\xi@@ 是”秩恰为半秩 @@M@@r@@、判别式符号为 @@M@@\xi@@“的归一化指示。半秩是几何关键：当面中心与两点的矩阵差同时为秩 @@M@@r@@ 时两像互补，三个行列式符号被锁成 @@M@@\chi(\det(X_i-X_k))=c_0\xi_{ij}\xi_{kj}@@。秩层极限引理证明矩阵平均渐近等于带独立均匀符号 @@M@@\eta_e@@ 的纯符号模型，而对 @@M@@\eta_e@@ 再平均，恰在”点对的两条面同时激活”处留下四符号奇偶因子 @@M@@1+\prod\xi@@。其中非退化部分用分裂型正交几何的极大迷向子空间（maximal isotropic subspace）计数中心矩阵，限制符号集中补出因子 @@M@@1/2@@；33 个点对行列式符号的联合独立性靠二次 Gauss 和的秩界（Gowers–Wolf）建立；退化尾巴概率虽仅 @@M@@O(q^{-1})@@，但归一化指示随 @@M@@q@@ 增长，作者把秩缺陷化为 Lagrangian 子空间交的维数，沿连通复形传播计数并证明严格衰减，该部分技术性较强，此处从略。接着是纯有限的符号设计：每个角配一个独立坐标，在入射类型对上各以 @@M@@1/2@@ 概率启用 7 坐标或 6 坐标支撑、偏置 @@M@@\pm\sigma_\kappa\theta@@ 恰好相反，使一阶符号矩全部抵消为零，却保留带符号重叠矩 @@M@@\sigma_\kappa\theta/2@@；支撑强迫引理表明恒等类型指派下仅一种非零标记存活，66 个因子中恰一个为负，得系数 @@M@@-(\theta/2)^{66}@@。随后用颜色细化（color refinement）导出的评分把恒等指派钉成所有保部映射中的唯一最大元，指数先验把竞争项指数级压低，使一个取向下极限系数 @@M@@t_0<0@@。再稀释：加入概率 @@M@@1-\varepsilon@@ 的不活跃类型，负项与另一取向的未知项分别带 @@M@@\varepsilon^{13}@@、@@M@@\varepsilon^{22}@@ 因子，取 @@M@@\varepsilon@@ 足够小、@@M@@q@@ 足够大，两取向密度之积小于 1；交叉积 @@M@@V((x,y),(x',y'))=W(x,y')W(x',y)@@ 对称化并缩放进 @@M@@[0,1]@@，得 @@M@@t(H,U)<\mu^{66}@@。最后以 @@M@@U@@ 为边概率独立采样，碰撞误差用 @@M@@\binom{35}{2}/n@@ 联合界控制，凸性保证存在实现满足 @@M@@t(H,G)<p(G)^{66}@@。强迫系果则在邻接核（密度低于 @@M@@p^{66}@@）与秩一扰动核 @@M@@W_1=p+\delta ab@@（高于 @@M@@p^{66}@@，因 @@M@@H@@ 含圈）之间做多项式插值，得到精确的图元等式。
本篇任务元数据标注 formalized=false：主结果尚无 Lean 形式化证明，请以社区核验为准，且 OpenAI 官方声明”未经形式化的结果可能有问题”。论文对构造的有限部分（表 1 复形性质、颜色细化离散化等）逐项给出证明，而秩层极限与奇异尾巴两节属传统分析论证，是核验重点。结果族 161 目前仅此一篇：Sidorenko 反例与强迫猜想反例出自同一张图 @@M@@H@@，放大与单射系果进一步表明亏损在张量幂与固定密度下依然稳健，两个否定结论互相支撑。论文还核实了 @@M@@H@@ 恰好避开已知正面定理的适用范围（如 Hatami 的逐部正则必要条件、Coregliano 的度数计数判据），并与 Lovász 的局部 Sidorenko 定理相容——反例必然远离常数核。
问 1：证明中最关键、也最脆弱的一步是哪里？
答：秩层极限引理——有限域对称矩阵上”秩恰为半秩、判别式符号固定”的归一化指示，其矩阵平均渐近等于带独立均匀符号的纯符号模型。它的退化尾巴概率虽只有 @@M@@O(q^{-1})@@，但归一化指示随 @@M@@q@@ 增长，作者必须把秩缺陷化为 Lagrangian 子空间交的维数、沿连通复形传播计数并证严格衰减（论文 tail 一节），这是全文最该逐行核验的传统分析段落。
问 2：13 点、22 三元组这个组合骨架为什么是必需的，不是装饰？
答：33 个点对每个恰好同属两个面，”恰两次出现”把点对的局部符号信息耦合成四个角（点–面入射）的奇偶相关，符号设计才能做到一阶符号矩全部抵消、却保留带符号重叠矩，使 66 个因子的乘积中恰一个为负、极限系数严格为负。换一个骨架，这套奇偶机制就搭不起来。
问 3：与三十年的正面结果相比，真正的新意是什么？
答：此前树、偶圈、完全二部图、Hatami 弱范数等都是在圈定满足猜想的类；本文首次给出反例机制——半秩层的符号干涉。论文还核实 @@M@@H@@ 避开了已知正面定理（Hatami 逐部正则条件、度数计数判据）的适用范围，并与 Lovász 的局部 Sidorenko 定理相容：反例必然远离常数核。
问 4：这种 AI 参与生成的反例证明最可能在哪里出错？
答：符号巧合的假阳性。一阶符号矩全部抵消为零的设计中，任何一对偏置 @@M@@\pm\sigma_\kappa\theta@@ 的方向弄反，亏损即消失；33 个点对行列式符号的联合独立性靠二次 Gauss 和的秩界，若存在隐藏相依，四符号奇偶因子 @@M@@1+\prod\xi@@ 就不成立。本篇暂无形式化证明，这些纯符号簿记处风险最高。
问 5：反例能更小吗？亏损能量化吗？
答：论文未讨论最小反例问题，也未给出亏损的数值大小；但放大系果说明亏损稳健——张量幂可使 @@M@@t(H,F)/p(F)^{66}@@ 任意小，平衡膨胀在固定密度下使单射拷贝低于随机基准 @@M@@(n)_{35}d^{66}@@。
问 6：谁会用到它？
答：图极限与拟随机性理论。强迫猜想的否定意味着”哪些图案的密度能刻划拟随机”的清单必须重写，研究 commonality、弱范数与强迫序列的人都得检查自己的正面类是否与新反例相邻；Erdős–Simonovits 型超饱和基准也需相应修订。论文未展开对超图版 Sidorenko 问题的讨论。
总评
一张 35 点小图同时终结 Sidorenko 与强迫两个悬置三十年的猜想，若经独立核验通过将是图极限领域的地标级反例；最大风险集中在秩层极限与奇异尾巴两段硬分析，且目前没有形式化背书。