结果族 302：Radius of comparison equals half the mean dimension · 学科：Operator algebras · 验证状态：暂无形式化证明，请以社区核验为准
这一篇是纯拓扑的”机械车间”，专门给姊妹篇供应引擎。定理一说的是”零会成批传染”：一种高灵敏度的拓扑检测试剂（复配边 MU）若在某小块上测得零，那么把空间复印很多份、只要有一半份数落进该小块，整批的检测便也是零。定理二是”收纳”问题：一列取值于高维立方体的映射，每个坐标分量叫一个”槽”；只要槽丛想装进的空间维数不够（秩亏），就能把固定正比例的槽推到立方体的边界内壁上，而原本贴墙的槽一个都不许动。
关键词卡片
看个具体例子
以 t=2（槽是小方块）示意压缩；结论的数字版：在任意大的乘幂 u 上，至少 (a/8)·un 个槽被贴到边界，条件是存在秩 K<2pn 的嵌入。
文末的反例同样锋利：当 K=2pn（恰好装得下）且取恒等映射时，这样的压缩不存在——严格秩不等式一丝一毫不能放松。
为什么值得关心
它是姊妹篇证明”比较半径=平均维数之半”时所依赖的唯一拓扑输入，展示代数拓扑如何跨领域咬合算子代数。
暂无形式化证明（AI 结果待核验）
第一级台阶
导读把复配边比作”高灵敏度的检测试剂”，把两个定理说成”零会成批传染”与”收纳”。翻译过来：研究对象是取值于立方体乘积的连续映射；检测手段是一种格外灵敏的上同调理论（复配边）；第一个现象是：试剂若在一小块上测得零，把空间复印很多份后，只要一半份数落进该小块，整批检测便都是零；第二个现象是：当要装的东西比可用维数多（秩亏）时，能把固定正比例的坐标分量推到立方体内壁上，而原本贴墙的分量一个不动。
第二级台阶
用本科术语精确化：设 E 是带基点的有限 CW 复形，v 是 E 到球面 S^d 的映射；称 v 在子复形 G 上 MU-零伦，指它与单位映射到复配边谱 MU 的复合零伦；稳定零伦则发生在悬浮谱层面。砸积把基点全部捏在一起，是带基点空间的标准乘法。立方体乘积 C(t,n) 的一个点有 n 个”槽”，每个是 t 维向量；映射 f 附带一个秩为 pn 的复向量丛（槽丛），秩亏指它连续嵌入秩 K 平凡丛且 K 严格小于 2pn。
第三级台阶
定理在这样的语境下陈述：其一，若 v 在 G 上 MU-零伦，则对充分大的 ℓ，v 的 ℓ 次砸幂在”至少一半因子落在 G 中”的子复形之并上稳定零伦。其二，在秩亏条件下，对任意大的乘幂存在新映射，使每点至少固定正比例的槽落在边界上，且原边界槽逐点精确保持。”严格秩不等式”挡住的是端点反例——恰好装得下时恒等映射无此压缩；”任意大乘幂、参数空间无维数上限”挡住了旧方法的适用门槛。结论正是姊妹篇所需的拓扑引擎。
证明了两件事：复配边（complex cobordism）@@M@@MU@@ 意义下的零化可在砸积中”成批传播”的过滤乘积定理；以及由此得到的保边界压缩定理——在秩亏丛嵌入条件下，任意大乘幂上的立方体值映射能把固定正比例的槽压到边界并逐一保住原边界值。这是姊妹篇证明 @@M@@\rc=\tfrac12\mdim@@ 的拓扑引擎。
比较半径（radius of comparison）下界估计的经典策略，是把 C*-代数中的 Cuntz 比较证据转化为向量丛嵌入，再用逆陈类（Chern class）制造阻碍；Hirshberg–Phillips 与 Phillips 的下界工作都走这条路线。要把该路线推到任意紧可度量（可以无限覆盖维数）的参数空间和任意大的乘幂上，需要一个纯拓扑引擎：取值于立方体乘积 @@M@@C(t,n)=([-1,1]^t)^n@@ 的连续映射，何时能在不改动任何原有边界坐标的前提下，把固定正比例的槽（slot，即单个 @@M@@t@@ 维向量坐标）推到边界上？本文以复配边论为检测手段独立解决了这个问题，其输出正是姊妹篇下界论证所需的压缩机械。
定理一（过滤乘积，filtered products）：设 @@M@@G\subset E@@ 为有限带基点 CW 对，@@M@@v:E\to S^d@@ 为映射，若 @@M@@v@@ 在 @@M@@G@@ 上的限制经单位 @@M@@\mathbb S\to MU@@ 后零伦，记 @@M@@U_\ell\subset E^{\wedge\ell}@@ 为至少 @@M@@\lceil\ell/2\rceil@@ 个因子落在 @@M@@G@@ 中的子复形之并，则对一切充分大的 @@M@@\ell@@，@@M@@v^{\wedge\ell}|_{U_\ell}@@ 稳定零伦；比例 @@M@@1/2@@ 可换成任意固定正数。结论作用于并本身，因此所得零伦可沿任何映入该并的映射拉回。
定理二（环面压缩，torus compression）：固定 @@M@@t=2p+1@@、带标架法线的嵌入 @@M@@L\cong(\mathbb T^2)^p@@、以及由每个二维环面因子上度一线丛组成的秩 @@M@@p@@ 丛 @@M@@H@@。对任意紧可度量空间 @@M@@Y@@ 与连续 @@M@@f:Y\to C(t,n)@@，若槽丛 @@M@@E_f@@（秩 @@M@@pn@@）在稀疏参数轨迹 @@M@@\mathcal T(f,Z_{an})@@ 上连续嵌入秩 @@M@@K<2pn@@ 的平凡复丛，则对任意大的 @@M@@u@@ 存在 @@M@@G:Y^u\to C(t,un)@@，使每点至少 @@M@@(a/8)un@@ 个槽落在边界上，且 @@M@@f@@ 的每个边界槽被逐点精确保持。文末的端点反例（Remark 5.4）用度数论证说明取 @@M@@K=2pn@@ 与恒等映射时此类压缩不存在，故严格秩不等式不可去掉。
机械分四步。先定义点测试（point test）：把差 @@M@@f(x)-z@@ 经原点坍缩映到球面 @@M@@S^M@@，得到相对稳定上同伦类 @@M@@\omega_{\mathbb S}@@ 及其 @@M@@MU@@ 像；点测试在砸积下逐因子相乘，这是”批量传播”的接口。第二步证定理一，难点在不同受限因子的零伦选择必须在交集上一致：作者对一般交换环谱构造相容提升，用单纯形切片引理把一个单纯形参数切成 @@M@@\ell@@ 份、使至多 @@M@@j@@ 份非顶点，从而在低维度上必有一个受限因子被坍缩，一次性在整个并上得到穿过单位纤维砸积 @@M@@I_R^{\wedge n}@@ 的提升，即 Adams 滤阶至少等于受限因子数；再调用定量幂零性（quantitative nilpotence）定理，其截断阈随次数亚线性增长，而滤阶随 @@M@@\ell@@ 线性增长、源复形胞维数也至多线性增长，故 @@M@@\ell@@ 充分大后类必为零；大素数处改用 @@M@@I_{BP}@@ 的高连通性直接压倒胞维数，小素数只有有限多个，取阈值之最大者，最后由逐素数局部化为零推出整体消失。第三步把稳定消失变成真实映射：证明坍缩—对偶（Thom–Atiyah 式）的坐标版本，盒子余核同构于测试空间的函数谱且在盒子与安排两个变量上自然，于是单个全局零伦给出所有单纯形上相容的稳定提升，补集的连通性加 Freudenthal 稳定化把它实现为位移小于 @@M@@1/2@@ 且避开稀疏安排的映射；径向归一化随即产生新的边界槽并精确恢复所有原边界值。乘幂会让参数域维数爆炸，填充（padding）技巧把每一步的问题域换成”旧输出加一批新参数”：旧输出的维数被其环境立方体控制，回避所需的维数范围因此恒成立，总比例损失为 @@M@@a\to a/8@@。最后证环面判据：秩亏嵌入给出秩小于 @@M@@r=pn@@ 的补丛，@@M@@MU@@ 的连通性使各一阶陈类平方为零，Whitney 公式强制其乘积在管状邻域上拉回为零，标架法向的 Thom 类与相对切除把零化传给支集点类；再用 Tietze 扩张与 Stone–Weierstrass 逼近把任意紧空间上的映射精确分解穿过有限多面体并保持丛嵌入秩，拉回即得定理二。
本文与姊妹篇均无形式化证明，请以社区核验为准。本文的压缩定理被姊妹篇直接引为其下界论证的唯一拓扑输入，而姊妹篇负责把比较界转化为秩亏丛嵌入，二者严格互补；上界方向则采用 Niu 的已发表结果。按 OpenAI 官方声明，未经形式化的结果可能有问题。
问 1：证明里最关键、也最脆弱的一步是什么？
（答：定理一的”相容提升”。各受限因子的零伦选择必须在所有交集上一致，作者用单纯形切片引理把参数切成 ℓ 份、一次性坍缩整个受限并，得到 Adams 滤阶至少等于受限因子数的提升，再让定量幂零性收尾。脆弱在于三条增长率的赛跑：幂零性截断阈随次数亚线性增长、滤阶随 ℓ 线性增长、源复形胞维数也至多线性——三个”线性”错一位，大 ℓ 处就不是消失而是失控。）
问 2：严格秩不等式 K<2pn 凭什么不能放松？
（答：论文给出端点反例（Remark 5.4）：n=1、K=2p 时，立方体的恒等映射拥有典范的丛嵌入，却不存在任何带正边界比例的保边界压缩——度数论证直接堵死。所以”秩亏”不是技术方便，而是本质门槛；至于严格不等式下最优边界比例是多少，论文未展开。）
问 3：与已有工作相比真正的新意是什么？
（答：Hirshberg–Phillips 的比较半径下界也用补丛陈类障碍，但他们的机械到不了任意紧可度量参数空间与任意大乘幂。本文用支集点类加相容提升与填充（padding）技巧解除了维数限制，并把 Devinatz–Hopkins–Smith 幂零性的定量形式（Mathew、Burklund 记录的版本）首次接到压缩机械上。）
问 4：比例为什么从 a 损失到 a/8？
（答：填充技巧每一步只把旧输出当新参数，其维数由环境立方体控制，回避所需的维数范围因此恒成立；但每批要留出固定数目的不变批次，比例按几何折损到 a/8。这是构造性损耗，不是障碍所致。）
问 5：AI 生成证明最可能在哪里出错？
（答：谱论与几何的接口。坍缩—对偶（Thom–Atiyah 式）的坐标版本要在”盒子”与”安排”两个变量上同时自然，Freudenthal 稳定化又要求位移小于 1/2 且避开稀疏安排；大素数靠 I_BP 高连通性压胞维数、小素数只有有限多个取最大阈、再逐素数局部化——多层索引（ℓ,u,n,p,a）加自然性交换图，是最典型的 AI 簿记出错区。论文未形式化。）
问 6：谁会用到它？
（答：姊妹篇把它当作下界论证的唯一拓扑输入，结合动力学比较与覆盖重构证出 rc=½mdim；边界输出与单纯形坐标的一致性恰好对接姊妹篇的重构引理。独立的拓扑学者也可能拿它做高维参数化的回避定理，论文未讨论这类外推。）
把复配边幂零性锻造成可搬运的保边界压缩机械、无维数限制地供应姊妹篇的硬拓扑引擎，工艺扎实；最大风险在谱论—几何接口的自然性细节与大指标簿记，无形式化背书。