Levent Alpöge veröffentlicht Lean-Code für Behauptung eines Claude-gestützten Riemann-Beweises

Zusammenfassung der Nachricht
Am Freitag, dem 20. November 2026 (US-Ostküstenzeit), veröffentlichte der Mathematiker Levent Alpöge, der bei Anthropic arbeitet und an der Princeton University in Mathematik promoviert hat, auf seiner persönlichen Website eine vierseitige Erklärung. Darin schreibt er, er glaube, dass er und Claude einen Beweis der Riemannschen Vermutung gefunden haben. Der Ansatz beweise auch die Verallgemeinerte Riemannsche Vermutung für Dirichletsche L-Funktionen, erklärte er, und statt eines herkömmlichen, lesbaren Forschungsartikels stellte er eine umfangreiche Lean-Formalisierung bereit. Die Ankündigung ist eine Behauptung, noch keine anerkannte Lösung: Eine unabhängige mathematische Prüfung des Arguments und seiner formalen Aussagen bleibt unerlässlich.
Warum die Riemannsche Vermutung wichtig ist
Die erstmals 1859 von Bernhard Riemann formulierte Vermutung betrifft die nichttrivialen Nullstellen der Zetafunktion. Sie besagt, dass jede dieser Nullstellen auf einer bestimmten vertikalen Geraden in der komplexen Ebene liegt, deren Realteil einhalb beträgt. Diese Aussage ist eng mit der Verteilung der Primzahlen verknüpft: Ein Beweis würde Mathematikern eine deutlich präzisere Kontrolle darüber geben, wie stark Primzahlzählungen von ihren erwarteten Schätzungen abweichen.
Die Verallgemeinerte Riemannsche Vermutung überträgt die Idee auf Dirichletsche L-Funktionen, die helfen, Primzahlen in arithmetischen Progressionen zu beschreiben. Ein Beweis dieser weiterreichenden Aussage hätte Folgen für die gesamte Zahlentheorie. Beide Behauptungen sind außerordentlich ambitioniert, und die klassische Vermutung wird vom Clay Mathematics Institute weiterhin als ungelöstes Millennium-Preisproblem geführt, während die neue Behauptung geprüft wird.
Was Alpöge angekündigt hat
In Alpöges Mitteilung heißt es, er habe in den vergangenen Monaten mit Claude gearbeitet. Er beschreibt, wie er die Arbeit auf eine Analogie zu Methoden gelenkt habe, mit denen Zetafunktionen über endlichen Körpern untersucht werden, während Claude zentrale Schritte eines Ansatzes vorschlug, der Ketten von Theta-Lifts einbezieht. Die Mitteilung stellt die Verallgemeinerte Riemannsche Vermutung als Teil des behaupteten Ergebnisses dar und nennt die Erweiterte Riemannsche Vermutung als mögliche künftige Richtung.
Der Autor legte kein übliches Beweismanuskript vor. Er schrieb, eine vollständig ausformulierte Darstellung in Prosa wäre außergewöhnlich lang und schwer zu lesen, und kündigte an, das Argument tiefer verstehen, vereinfachen und schriftlich ausarbeiten zu wollen. Die Veröffentlichung besteht stattdessen aus einer kurzen erläuternden Notiz und einem mehrteiligen Archiv mit Lean-Code.
Was Lean belegen kann
Lean ist ein Beweisassistent: eine Programmiersprache mit einem kleinen, vertrauenswürdigen Prüfsystem, mit dem mathematische Definitionen und Beweise kodiert werden. Wenn eine Lean-Entwicklung erfolgreich gebaut wird, prüft der Kernel, ob die formalen Schritte aus den angegebenen Annahmen und Definitionen folgen. Das kann einen wirksamen Schutz gegen Lücken in einer formalen Herleitung bieten.
Diese Prüfung allein belegt jedoch nicht, dass die formale Aussage genau das erfasst, was ein Forscher gemeint hat, dass importierte Definitionen und Abhängigkeiten angemessen sind oder dass Menschen verstehen, warum das Ergebnis wahr ist. Gutachter müssen die Theoremaussagen, Annahmen, die Abhängigkeitskette und die Beweisentwicklung prüfen und sie mit den üblichen mathematischen Formulierungen vergleichen. Ein erfolgreicher Build ist ein wichtiger Hinweis auf die formale Gültigkeit, ersetzt aber nicht die fachliche Prüfung der Mathematik.
Die nächste Phase der Prüfung
Die Veröffentlichung lädt technisch versierte Leser ein, das Archiv zu kompilieren und seine wichtigsten Deklarationen zu prüfen. Unabhängige Kontrollen sollten bestätigen, dass das Lean-Theorem für die klassische Vermutung und die Aussagen für Dirichletsche L-Funktionen den beabsichtigten Versionen entsprechen und dass keine ungeprüften Annahmen über Bibliotheken oder Abhängigkeiten eingeschleust werden. Eine lesbare Darstellung würde zudem Zahlentheoretikern helfen, die mathematische Strategie zu bewerten und Vereinfachungen oder Lücken zu erkennen.
Stand Samstag, dem 21. November 2026 (US-Ostküstenzeit), sollte die Ankündigung daher als außergewöhnliche, noch in Prüfung befindliche Forschungsbehauptung behandelt werden und nicht als bestätigte Lösung. Wenn die Formalisierung und ihre Interpretation der unabhängigen Prüfung standhalten, könnte die Arbeit zu einem Meilenstein sowohl der Zahlentheorie als auch der computergestützten Mathematik werden. Falls nicht, könnte der Prüfprozess dennoch nützliche formale Techniken, Zwischenergebnisse oder Erkenntnisse darüber liefern, wie KI-Werkzeuge die Forschung unterstützen können.
Ein Fallbeispiel für KI-gestützte Mathematik
Die Ankündigung verdeutlicht eine entstehende Zusammenarbeit zwischen mathematischer Fachkenntnis und Sprachmodellen. Alpöge brachte jahrelange Vorbereitung ein und traf die Entscheidungen über die mathematische Richtung; Claude wird zugeschrieben, Ideen beigesteuert und bei der Formalisierung des Arguments geholfen zu haben. Diese Kombination bietet ein lehrreiches Beispiel dafür, wie KI an Forschung mitwirken kann, während es den Menschen überlassen bleibt, Fragen zu definieren, Behauptungen zu prüfen und Ergebnisse verständlich zu machen.
Für Studierende zeigt der Fall außerdem, warum ein mathematischer Durchbruch mehr umfasst als das Erzeugen von Code. Er erfordert präzise Definitionen, nachprüfbare Schlussfolgerungen, sorgfältige Kommunikation und eine Fachgemeinschaft, die das Ergebnis testen kann. Lean kann die formale Struktur eines Beweises überprüfbar machen, während eine klare Darstellung Forschern zeigen kann, wie seine Ideen zusammenhängen. Beide Formen der Prüfung sind wichtig, wenn eine Behauptung über einen einzelnen Spezialisten hinausreicht.
Dieser Artikel wurde von der AIBARS-Redaktion mit KI-Unterstützung zusammengestellt. KI kann Fehler machen, prüfe wichtige Angaben daher an der Originalquelle. Fehler entdeckt? Schreibe an [email protected].