{"content":"# AI聊菲尔茨数学奖｜第十六届菲尔茨奖｜陶哲轩（2006）\n\n**陶哲轩（Terence Chi-Shen Tao，1975— ）**，澳大利亚华裔数学家，拥有澳大利亚与美国双重国籍，1975年7月17日生于澳大利亚阿德莱德。父亲陶象国是儿科医生，生于上海；母亲梁惠兰毕业于香港大学，读的是物理与数学。这个移民家庭很快发现，家里最小的孩子对数字有一种近乎本能的好奇：他两岁就能做算术，九岁起就到弗林德斯大学（Flinders University）的课堂上听大学数学；1991年12月取得荣誉学士学位、1992年8月取得硕士学位时，他不过十六七岁。1996年6月，他在普林斯顿大学获得博士学位，导师是调和分析大师埃利亚斯·施泰因（Elias Stein），那一年他20岁；同年他加入加州大学洛杉矶分校（UCLA），1999年成为UCLA数学教授（时年24岁），任教至今，持有「詹姆斯与卡罗尔·柯林斯」数学讲席（James and Carol Collins Chair in Mathematics）。竞赛履历同样传奇：1986年，10岁的他登上国际数学奥林匹克（IMO）赛场，连续三年出战——1986年铜牌、1987年银牌、1988年在堪培拉夺得金牌（六题拿下34分，满分42）。2006年8月22日，马德里国际数学家大会把菲尔茨奖授予他，颁奖词写道：「表彰他对偏微分方程、组合学、调和分析与加性数论的贡献。」他是历史上第一位获得菲尔茨奖的澳大利亚人；同届得主还有佩雷尔曼、奥昆科夫与文德林·维尔纳（前两位已在本系列登场）。\n\n## 获奖主要成果：把相隔最远的数学连成一张网\n\n如果说佩雷尔曼是一口深井，陶哲轩就是一张大网。菲尔茨奖的颁奖词横跨偏微分方程、组合学、调和分析、加性数论四个方向，这在奖项历史上极为罕见。他的看家本领不是征服某一个孤立的难题，而是「翻译」：把一个领域里卡住的问题，翻译成另一个领域的语言。数学里最难的往往不是证明，而是找到正确的类比——而他一次次找到了。\n\n第一次著名的「翻译」，发生在素数身上。2004年，他与英国数学家本·格林（Ben Green）证明了一条漂亮的定理：素数中存在任意长的等差数列。例子随手就有——5、11、17、23、29，就是五个素数排成的等差队伍（公差为6）；定理说，无论你想要多长的队伍，理论上都一定存在。真正的难关在「稀薄」二字：1975年，匈牙利数学家塞迈雷迪（Endre Szemerédi）证明了任何足够稠密的整数集合都含有任意长的等差数列，可素数在整数中越来越稀，密度趋近于零，稠密世界的工具完全使不上劲。格林与陶哲轩发明了「转移原理」：把稀疏的素数像影子一样抬进一个精心构造的稠密世界，在那里借用塞迈雷迪定理，再把结论原样搬回素数世界；为把证明做实，他们还发展出一整套「结构定理」，用高尔斯范数（Gowers norms）度量一个集合有多随机、又藏着多少规律。这篇论文2008年正式发表于《数学年刊》，被视作加性组合学崛起的标志；此后格林—陶—齐格勒又把结论推广到「多项式构型」——等差只是最简单的一种花样；而陶哲轩与范·武（Van Vu）合著的《加性组合学》，成了这个领域的标准教科书。\n\n第二次「翻译」，发生在几何与傅里叶分析之间。1917年，日本数学家挂谷宗一提出一个怪问题：一根无限细的针在平面里打转、转满360度回到原方位，最少能扫出多大面积？答案是：可以任意小。这类「几乎不占地方，却朝所有方向都躺过一遍」的集合被称为贝西科维奇集（Besicovitch sets）；到高维空间，数学家猜想它的维数应当等于空间维数。1999年前后，陶哲轩与卡茨（Nets Katz）、瓦巴（Izabella Łaba）合作，证明三维空间里贝西科维奇集的维数至少是5/2再加一点——这是该问题数十年来最实质的推进之一。别小看这种「多尺度叠加」的估计：它与限制性猜想、博赫纳–里斯猜想同气连枝，是「振荡积分」这座大厦的三根承重柱，而振荡积分正是傅里叶分析的心脏。2003年，他又给出抛物面上「双线性限制性估计」的尖锐形式，为逼近整座大厦推开一扇侧门。\n\n第三次「翻译」，发生在方程的世界。非线性薛定谔方程（NLS）有一个「临界指数」：当能量恰好卡在临界值上，解会不会在有限时间内炸掉？这个问题悬了多年。陶哲轩与科尔兰德、基尔、斯塔菲拉尼、高冈四位同行（人称「I-team」）合作，用「集中紧性」技术把问题分解成可复原的积木，最终把能量临界情形的整体适定性与散射基本做通：解一直存在，并在时间里渐渐散开、趋于自由的波纹。类似的手法，他又与同行用到波映照（wave maps）、欧拉方程等对象上；他甚至证明了一类「平均化」的三维纳维–斯托克斯方程会在有限时间内爆破——这提醒人们，湍流难题真正的难处究竟在哪里。\n\n而最出圈的一次跨界，发生在信号处理。2006年前后，他与康代斯（Emmanuel Candès）、罗姆伯格（Justin Romberg）共同证明：只要信号本身是「稀疏」的，用远少于传统采样定理所要求的测量次数，也能把它近乎完美地还原——前提是测量足够「随机」。这套「压缩感知」（compressed sensing）理论颠覆了「采样必须密」的直觉，把数学里的 L1 范数变成工程界的热词；几年后，他与康代斯的「矩阵补全」理论又告诉人们：一张巨大的数据表，即使只有极小一部分格子有数据，只要它内在结构足够简单（低秩），也能被估出来。\n\n高峰之外，还有他另一种罕见的高产与慷慨：截至近年，他的论文已超过三百篇；自2007年起，他把研究笔记与思考公开写在博客「What's New」上；2009年，他发起 Polymath 协作项目，让几十位数学家在网络上合力攻关；2015年，他解决了悬置八十余年的埃尔德什差异问题（Erdős discrepancy problem）；2019年，他又证明「几乎所有」科拉茨（3n+1）轨道最终都会跌到任意给定的高度之下——离猜想的完全解决，只差「几乎」两个字。2020至2024年，他还在美国总统科技顾问委员会（PCAST）任职，把数学家的判断带上政策的桌面。\n\n## 现实应用\n\n陶哲轩的成果里，至少有两件离普通人的生活很近。\n\n第一件，藏在医院和你手机里。压缩感知告诉我们：采样不必求全，只要采得巧，缺掉的信息可以「算」回来。核磁共振（MRI）就是最典型的受益者——大脑与心脏的动态成像要一遍遍采集频率数据，采样越少、扫描越快，病人需要屏住呼吸的时间就越短；今天不少商用MRI的快速成像与稀疏重建算法，都浸染着这条思路。同样的数学，还用在单像素相机、雷达与天文成像里；你手机「夜景模式」把几张模糊照片合成一张清晰图像，所依赖的，也是同一类「从残缺数据里解出真相」的逆问题思想。\n\n第二件，藏在每次刷到的「猜你喜欢」里。推荐系统面对一张几亿用户乘千万商品的评分大表，绝大多数格子永远空着——矩阵补全原理说：只要这张表内在是低秩的，用极少数已知格子就能把整张表估出来；这正是协同过滤推荐的数学核心，同样的技术还被用来填补传感器网络中丢失的读数、修复基因表达数据里的空缺。至于「素数里藏着任意长的等差队伍」这种看似纯粹的好奇心，也并非无用：现代密码学（如RSA）把安全性押在分解两个大素数之积的难度上，而加性组合学里练出的工具，如今又出现在通信编码与随机性检测之中。当然，这些应用是整条「数学—工程」长链的合力，不能只记在一个人账上。倒是陶哲轩的工作方式本身给出了一种提醒：数学的美在于联系——把两个看似无关的世界接上，新的问题与新的答案，往往就从那条接缝里冒出来。","contentType":"text/markdown","attachments":[],"quotePin":""}