2026年9月8日、OpenAIはナビエ・ストークス問題の解決を報告し、論文とLeanによる形式化を公開した。［1］
主張の中心は、滑らかな外力を加えた3次元の流体で、運動エネルギーを有限に保ったまま速度が有限時間で非有界になる、という構成である。
この結果を理解するには、「何を解決したか」という量化の問題と、「有限の平均から無限のピークを排除できるか」という解析・統計の問題を分けて考える必要がある。

この記事では偏微分、積分、ベクトル解析の基礎を前提に、エネルギー評価から特異点のスケーリング、速度の共分散、数値データの外挿まで式を追う。一般的な恒等式と本稿の説明用計算を、今回の論文固有の主張と区別して記す。

2026年9月9日時点の公開資料に基づく解説である。論文の定理1.1、構成の説明と概略、外力の延長・比較を扱う第10節、および公開されたLeanの最終命題と検証設定を確認した。本稿は166ページの証明全体の独立査読ではなく、Leanのビルドや独立検証器の再実行も行っていない。

1. 「GPTが解いた」の主語と、解いた命題

OpenAIの発表によれば、証明探索に使われたのは、公開モデルGPT-6 Astraより高い能力を持つ内部モデルである。GPT-6 Astraは、その後のLean形式化と検証に使われたという。通常のChatGPTに一度質問した結果として説明するのは正確ではない。［1］

数学の側でも、単に「ナビエ・ストークス方程式を解いた」と言うと範囲が広すぎる。任意の流れを計算する一般公式が得られた、という発表ではない。

Clay Mathematics Instituteの公式問題文は、次の4つの選択肢のいずれかの証明を求めている。以下は量化を見やすくした表であり、滑らかさ・減衰などの条件は公式文書に従う。［2］

選択肢	空間	外力	問うこと
A	全空間 $\mathbb R^3$	なし	任意の許容される初期速度から、全時間で滑らかで、エネルギーが時間について一様有界な解が存在するか
B	周期空間 $\mathbb T^3$	なし	任意の許容される初期速度から、全時間で滑らかな周期解が存在するか
C	全空間 $\mathbb R^3$	滑らかな外力を許す	全時間で滑らか、かつエネルギーが一様有界な解を持たないデータが存在するか
D	周期空間 $\mathbb T^3$	滑らかな外力を許す	全時間で滑らかな周期解を持たないデータが存在するか

今回の論文が示すとしているのはCとDである。［3］

この表には見落としやすい論理がある。CはAの単純な否定ではない。Aでは外力がゼロに固定され、Cでは外力も構成できるからだ。したがって、今回の外力付きの構成から、そのまま外力なしのA・Bが偽だとは結論できない。

また「存在する」は「典型的に起きる」を意味しない。ある初期条件・外力で破綻することと、海流や航空機周囲の流れで高い確率で破綻することは、異なる命題である。

2. 方程式を読む：非線形性、圧力、粘性

密度を1に規格化した非圧縮流体を考える。速度を $u(x,t)\in\mathbb R^3$、密度で割った圧力を $p(x,t)$、単位質量当たりの外力を $f(x,t)$、動粘性係数を $\nu>0$ とすると、

\partial_tu+(u\cdot\nabla)u
=-\nabla p+\nu\Delta u+f,
\qquad \nabla\cdot u=0.

左辺は流体粒子に沿った加速度である。場所を固定して測る変化 $\partial_tu$ に、その粒子が別の場所へ移動することで経験する変化 $(u\cdot\nabla)u$ が加わる。

成分で書くと、移流項は

\bigl((u\cdot\nabla)u\bigr)_i
=\sum_{j=1}^{3}u_j\partial_j u_i.

未知の速度が、自身の空間微分に掛かっている。この二次の非線形性が、異なる空間スケールの間で運動量を移す。

圧力も自由に選べる補助変数ではない。方程式の発散を取り、$\nabla\cdot u=0$ を使うと、

-\Delta p
=\sum_{i,j=1}^{3}(\partial_i u_j)(\partial_j u_i)
-\nabla\cdot f.

速度場と外力から、ポアソン方程式を通じて圧力が決まる。境界・減衰条件も関わるため、一点の圧力はその点だけの速度で決まらない。

粘性項だけを残せば熱方程式になる。フーリエ空間では波数 $k$ の成分に $-\nu|k|^2$ が掛かり、細かな振動ほど速く減衰する。問題は、非線形項による細部の生成が、この平滑化を上回り得るかにある。標準的な導出と渦度の定式化はRyzhikの講義ノートでも確認できる。［4］

エネルギー恒等式を実際に導く

以下では、積分操作が正当化できる滑らかな解と十分な減衰、または周期境界を仮定する。運動エネルギーを

E(t)=\frac12\int |u(x,t)|^2\,dx

とする。方程式と $u$ の内積を取り、空間全体で積分する。

移流項は

\int u\cdot(u\cdot\nabla)u\,dx
=\int u\cdot\nabla\left(\frac{|u|^2}{2}\right)dx
=0

となる。最後は部分積分と $\nabla\cdot u=0$ による。同じ理由で圧力項も消え、粘性項には

\nu\int u\cdot\Delta u\,dx
=-\nu\int|\nabla u|^2\,dx

が成り立つ。よって、

\boxed{
\frac{dE}{dt}+\nu\|\nabla u\|_2^2
=\int f\cdot u\,dx
}

を得る。非線形項は局所的な集中を引き起こせても、この条件下では全体のエネルギーを直接増やさない。

ここから今回の外力の役割も分かる。$u(0)=0$ かつ $f=0$ なら、$E(0)=0$ と非負性から滑らかな有限エネルギー解は静止したままである。静止状態から動き始める構成には、外力による仕事が必要になる。

一方、Cauchy–Schwarzの不等式から

\frac12\frac{d}{dt}\|u\|_2^2
\leq \|f\|_2\|u\|_2,
\qquad
\|u(t)\|_2\leq\|u(0)\|_2+\int_0^t\|f(s)\|_2\,ds.

ゼロで割る問題は $\sqrt{|u|2^2+\varepsilon}$ を用いて極限を取れば処理できる。時間積分可能な外力は、有限時間内の $L^2$ ノルムを抑える。しかし、この評価の中に最高速度 $|u|\infty$ の上限は現れていない。

3. 有限エネルギーから、有限の最高速度は導けない

有限の2乗平均があっても、非常に狭い場所に高いピークを作れる。この点を、方程式の解とは別の簡単な関数族で確かめる。

ゼロでない滑らかなコンパクト台の発散ゼロベクトル場 $\phi$ を選び、

v_\lambda(x)=\lambda\phi(\lambda x),\qquad\lambda>0

とする。例えば滑らかなコンパクト台の関数 $\psi$ から、$\phi=(\partial_2\psi,-\partial_1\psi,0)$ を作れば発散はゼロになる。変数変換 $y=\lambda x$ により、

\|v_\lambda\|_\infty=\lambda\|\phi\|_\infty,
\qquad
\|v_\lambda\|_2^2=\lambda^{-1}\|\phi\|_2^2.

$\lambda\to\infty$ で最高速度は発散するのに、エネルギーはゼロへ向かう。これはナビエ・ストークス解の構成ではないが、エネルギーの上限だけではピークを排除できないことを厳密に示す。

方程式のスケーリングと臨界ノルム

全空間 $\mathbb R^3$ の方程式にも、粘性係数を固定したまま

\begin{aligned}
u_\lambda(x,t)&=\lambda u(\lambda x,\lambda^2t),\\
p_\lambda(x,t)&=\lambda^2p(\lambda x,\lambda^2t),\\
f_\lambda(x,t)&=\lambda^3f(\lambda x,\lambda^2t)
\end{aligned}

というスケーリングがある。各項が同じ $\lambda^3$ 倍になることを代入で確認できる。以下のノルムの式も全空間で考える。周期問題では任意の倍率を使うと周期の長さも変わる。

空間の $L^q$ ノルムは

\|u_\lambda(t)\|_q
=\lambda^{1-3/q}\|u(\lambda^2t)\|_q

と変換される。$q=3$ では倍率が1なので、$L^3$ はスケーリングに対して臨界である。$L^2$ は集中によって小さくなるため、細かいスケールで起こる問題をエネルギーだけで捕まえるのは難しい。

時間も含めると、対応する時間区間で

\|u_\lambda\|_{L^s_tL^q_x}
=\lambda^{1-2/s-3/q}\|u\|_{L^s_tL^q_x}.

したがって $2/s+3/q=1$ がスケーリング上の境界になる。ただし、次元計算だけで正則性定理が証明されるわけではない。どの関数空間の評価が必要そうかを教える計算である。

3次元で増える「渦の伸長」

渦度 $\omega=\nabla\times u$ に注目すると、

\partial_t\omega+(u\cdot\nabla)\omega
=(\omega\cdot\nabla)u+\nu\Delta\omega+\nabla\times f.

右辺の $(\omega\cdot\nabla)u$ が渦の伸長項である。2次元の流れを $u=(u_1,u_2,0)$、$\partial_3u=0$ として埋め込むと、渦度は第3成分だけを持ち、この項はゼロになる。3次元では消えない。［4］

エンストロフィー $\frac12|\omega|_2^2$ の時間変化を計算すると、

\frac12\frac{d}{dt}\|\omega\|_2^2
+\nu\|\nabla\omega\|_2^2
=\int\omega\cdot(\omega\cdot\nabla)u\,dx
+\int\omega\cdot(\nabla\times f)\,dx.

エネルギーの場合と違い、非線形項が残る。例えば

\left|\int\omega\cdot(\omega\cdot\nabla)u\,dx\right|
\leq\|\nabla u\|_\infty\|\omega\|_2^2

と評価しても、今度は速度勾配の上限が必要になる。粘性で減る量と、渦の伸長で増える量を同時に制御しなければならない。

4. 今回の定理を数式で読む

論文の定理1.1は、任意の $\nu>0$ に対して、

f\in C_c^\infty\bigl(\mathbb R^3\times(0,\infty);\mathbb R^3\bigr),
\qquad u(x,0)=0

となる外力と、$0\leq t<1$ で滑らかな解を構成し、

\sup_{0\leq t<1}\|u(t)\|_2<\infty,
\qquad
\limsup_{t\uparrow1}\|u(t)\|_\infty=\infty

を満たすと主張する。速度と圧力の空間的な台も、固定されたコンパクト集合に収まる。［3、定理1.1］

$C_c^\infty$ は「無限回微分可能で、コンパクトな台を持つ」という意味だ。外力については、特異時刻の直前だけ滑らかならよい、という条件ではない。$t=1$ をまたいで滑らかに定義され、時間方向にも有限の範囲でしか作用しない。

例えば $f(t)=(1-t)^{-1}$ を与えれば、$t<1$ では何回でも微分できる。しかし $t=1$ で発散するので、今回の条件を満たさない。この違いが構成の難しさを決める。

渦の長さと速度から、集中の意味を計算する

論文第2節に示される主要なコアのスケールを、$\tau=1-t$ として整理すると次のようになる。$h$ は構成で選ばれる $0<h<1/100$ のパラメーターで、$\asymp$ は $\tau$ に依存しない正の定数倍の範囲で同程度であることを表す。［3、第2節］

\ell_r\asymp\tau^{1/2},\qquad
\ell_z\asymp\tau^{1/2-h},\qquad
U_{\theta,z}\asymp\tau^{-1/2-h},\qquad
U_r=O(\tau^{-1/2}).

半径も軸方向の長さも縮むが、$\ell_r/\ell_z\asymp\tau^h\to0$ なので、相対的には細長くなる。軸方向の絶対長が無限に伸びる、という意味ではない。

以下は、これらのスケールから本稿で行う計算である。主要場を $u^{(0)}$ と書き、完成した解 $u$ と区別する。固定した相似座標領域で、無次元プロファイルの対応するノルムが有限かつ非零であるとして見積もる。主要なコアの体積と代表速度の2乗を掛けると、

V_{\rm core}\asymp\ell_r^2\ell_z
\asymp\tau^{3/2-h},

E_{\rm core}^{(0)}\asymp U_{\theta,z}^2V_{\rm core}
\asymp\tau^{-1-2h}\tau^{3/2-h}
=\tau^{1/2-3h}\longrightarrow0.

速度の増加より、エネルギーを積分する領域の縮小が速い。有限エネルギーとの両立が、指数の足し算として見える。

同じコアの $L^3$ ノルムを見れば、

\|u^{(0)}\|_{L^3({\rm core})}
\asymp U_{\theta,z}V_{\rm core}^{1/3}
\asymp\tau^{-4h/3}\longrightarrow\infty.

2乗積分では見えにくい集中が、臨界の3乗積分では現れる。

主要コアで見る量	スケール	$\tau\to0$ での挙動
周方向・軸方向の代表速度	$\tau^{-1/2-h}$	増大
体積	$\tau^{3/2-h}$	縮小
運動エネルギー	$\tau^{1/2-3h}$	ゼロへ
$L^3$ ノルム	$\tau^{-4h/3}$	増大

粘性散逸についても、主要プロファイルの半径方向微分だけを見積もると、

\int_{\rm core}|\partial_r u^{(0)}|^2\,dx
\asymp\left(\frac{U_{\theta,z}}{\ell_r}\right)^2V_{\rm core}
\asymp\tau^{-1/2-3h}.

この瞬間的な量は増大しても、時間積分

\int_0^\delta\tau^{-1/2-3h}\,d\tau
=\frac{\delta^{1/2-3h}}{1/2-3h}

は $h<1/6$ なら有限である。瞬間的な大きさと、時間積分した消費量も区別しなければならない。

これらは主要コアのスケール計算であり、細かな振動補正を含む全解の微分評価ではない。全体のエネルギー・散逸評価を、この表だけで証明したと解釈してはいけない。

5. 発散する速度から、滑らかな外力を作れるのか

任意の発散ゼロの速度 $u$ と圧力 $p$ に対して、

\mathcal R(u,p)
=\partial_tu+(u\cdot\nabla)u-\nu\Delta u+\nabla p

を計算し、$f=\mathcal R(u,p)$ と定義すれば、形式上はナビエ・ストークス方程式が成立する。

ただし、その外力まで特異になるなら問題は解決しない。必要なのは、速度が発散する一方で、残差とそのすべての時空間微分が滑らかに延長できる構成である。

論文では、背景渦と外部の流れを接続する環状領域に残る不均衡を、輸送比の異なる二系列の振動パルスで補う。微小な種は背景の剪断によって増幅されるが、波長が短くなると粘性減衰が優勢になる。その後の補正、局所化、全微分の接続によって、外力を特異時刻の先へ滑らかに延長する。［3、第2・3・10節］

二次項が役立つ理由は、残差を展開すると見える。背景速度 $U$ と振動 $w$ の両方を発散ゼロとする。速度に $w$、圧力に補正 $q$ を加えると、恒等的に

\begin{aligned}
\mathcal R(U+w,p+q)
={}&\mathcal R(U,p)\\
&+\partial_tw+(U\cdot\nabla)w+(w\cdot\nabla)U\\
&-\nu\Delta w+\nabla q+\nabla\cdot(w\otimes w).
\end{aligned}

となる。最後の二次項は、平均した後にも残って背景の不均衡を補う余地がある。ただし線形の項や、平均で消えない誤差も同時に制御する必要がある。

この仕組みの入口は、平均ゼロの振動でも、2つの速度成分の積は平均ゼロになるとは限らない、という事実にある。

平均ゼロでも運動量を運ぶ

ここでは構成そのものから離れ、位相 $\theta$ に関する一周期の平均で説明する。振幅は $a,b>0$ とする。

w_1(\theta)=a\cos\theta,\qquad
w_2(\theta)=b\cos(\theta+\varphi),
\qquad
\langle g\rangle=\frac1{2\pi}\int_0^{2\pi}g(\theta)\,d\theta.

各成分の平均はゼロだが、

\langle w_1w_2\rangle=\frac{ab}{2}\cos\varphi.

位相差が0なら正、$\pi/2$ ならゼロ、$\pi$ なら負になる。個々の振動を平均すると消えても、相関は残る。

テンソルで書けば、$R=\langle w\otimes w\rangle$ は二次モーメントである。任意のベクトル $a$ に対して

a^{\mathsf T}Ra=\langle(a\cdot w)^2\rangle\geq0

なので、$R$ は半正定値でなければならない。さらに、

|R_{ij}|^2\leq R_{ii}R_{jj}

という制約もある。欲しい運動量輸送を、好きな符号・大きさの行列として無制約に指定できるわけではない。

ここでは三角関数の積分だけを示した。実際の速度場では発散ゼロ条件、空間的な局所化、粘性減衰、背景流との相互作用も同時に満たす必要があり、この例はその代用にはならない。

「別の滑らかな解がある」をどう排除するか

特異になる候補を一つ作っただけでは、同じデータから別の滑らかな解が続く可能性を排除した説明にならない。

そこで同じ初期条件・外力を持つ2つの解 $u,v$ の差 $w=v-u$ を考える。必要な積分条件の下で、非圧縮性を使うと

\frac12\frac{d}{dt}\|w\|_2^2
+\nu\|\nabla w\|_2^2
=-\int w\cdot(w\cdot\nabla)u\,dx
\leq\|\nabla u\|_\infty\|w\|_2^2.

任意の $S<1$ 上で右辺の係数が時間積分可能なら、Gronwallの不等式と $w(0)=0$ から $w=0$ になる。ここでは比較の仕組みを示した。全空間で必要となる圧力や無限遠の処理は、別途正当化が必要である。

全時間で滑らかな競合解があると仮定すれば、それは特異時刻より前で構成された解と一致する。一方、その競合解は固定コンパクト集合と $0\leq t\leq1$ の積の上で有界なので、そこで速度が非有界になることと矛盾する。この比較により、局所的な爆発の構成が大域的な滑らかさの非存在へ結びつく。

6. 統計との接点は「平均したら閉じなくなる」こと

方程式自体は決定論的でも、乱流の解析では初期条件や観測のばらつき、アンサンブル平均を扱う。ここで

u=\bar u+u',\qquad
\bar u=\mathbb E[u],\qquad
\mathbb E[u']=0

と分解する。平均と微分の交換が正当化できると仮定すると、

\mathbb E[u_i u_j]
=\bar u_i\bar u_j+R_{ij},
\qquad
R_{ij}=\mathbb E[u_i'u_j'].

このため平均速度の方程式は

\partial_t\bar u+(\bar u\cdot\nabla)\bar u
=-\nabla\bar p+\nu\Delta\bar u+\bar f-\nabla\cdot R

となる。ここでは $R$ を半正定値の共分散テンソルとして定義した。レイノルズ応力を $-\rho R$ と定義する記法もあるため、符号を比較するときは定義を確認する必要がある。

平均流の式に未知の2次モーメントが現れる。$R$ の発展方程式を作ると、さらに高次の相関などが現れ、平均速度だけで式が閉じない。工学的な乱流モデルが扱う閉鎖の問題である。NASAも、CFDにおいて応力項を乱流モデルで近似することを説明している。［7］

前節の位相平均とこの確率平均には、二次の積が残るという共通した代数がある。ただし、今回の証明に使われる振動の平均を、そのままランダムな乱流のサンプリングと解釈してはいけない。位相についての厳密な積分と、観測標本から推定する共分散は、評価すべき誤差が異なる。

発散の存在と、その発生確率は別の問い

特異点を生むデータの集合を $\mathcal B$ と書く。存在証明の形は

\mathcal B\neq\varnothing.

初期条件・外力に確率分布 $\mu$ を与えたときの頻度は、

\mathbb P(\text{特異点が生じる})=\mu(\mathcal B)

である。非空の集合でも確率がゼロであることはある。どの分布を使うか、摂動しても性質が保たれるか、といった追加の情報なしに、存在定理を発生率へ変換することはできない。

また、全空間上の空間積分をそのまま確率平均と呼ぶこともできない。確率平均には、正規化された測度の指定が必要である。

7. 発散曲線を統計的に当てはめても、証明にはならない

シミュレーションで得た最大速度を $M(t)$ とする。有限時間特異点の候補として

M(t)\approx C(T-t)^{-\alpha},\qquad C>0,\quad\alpha>0

を当てはめるのは自然だ。対数を取れば

\log M(t)=\beta_0-\alpha\log(T-t),\qquad\beta_0=\log C.

$T$ を固定すれば直線回帰になる。しかし $T$ も未知なら、非線形回帰である。$T$ の候補、フィットする時間窓、格子幅によって推定結果が変わり得る。非線形最小二乗では初期値や局所最小、外れ値などにも注意が必要になる。［6］

有界な関数でも、ほぼ完全な発散フィットになる

次の2つは、本稿の説明用に用意したスカラー関数である。ナビエ・ストークス方程式の解でも、OpenAIの実験データでもない。

F(t)=\frac1{1-t},\qquad
G_\varepsilon(t)=\frac1{\sqrt{(1-t)^2+\varepsilon^2}},
\qquad \varepsilon=10^{-3}.

$F$ は $t\uparrow1$ で発散する。$G_\varepsilon$ はすべての実数 $t$ で滑らかで、最大値は $G_\varepsilon(1)=1000$ である。

$t<1$ で両者の比は

\frac{G_\varepsilon(t)}{F(t)}
=\left(1+\frac{\varepsilon^2}{(1-t)^2}\right)^{-1/2}
=1-\frac12\frac{\varepsilon^2}{(1-t)^2}
+O\!\left(\frac{\varepsilon^4}{(1-t)^4}\right)

となり、$1-t$ が $\varepsilon$ より十分大きい範囲では非常によく似る。

時刻 $t$	発散する $F(t)$	有界な $G_\varepsilon(t)$	$F$ に対する相対差
0.500	2.000000	1.999996	0.000200%
0.900	10.000000	9.999500	0.005000%
0.990	100.000000	99.503719	0.496281%
0.999	1000.000000	707.106781	29.289322%

ここで $G_\varepsilon$ だけを $t=0,0.05,\ldots,0.90$ の19点で観測し、$T=1$ を固定して発散モデルを対数回帰する。Python標準ライブラリだけで再現できる。

import math

eps = 1e-3
times = [i * 0.05 for i in range(19)]
x = [-math.log(1 - t) for t in times]
y = [-0.5 * math.log((1 - t) ** 2 + eps ** 2) for t in times]

x_mean = sum(x) / len(x)
y_mean = sum(y) / len(y)
alpha = sum((a - x_mean) * (b - y_mean) for a, b in zip(x, y))
alpha /= sum((a - x_mean) ** 2 for a in x)
intercept = y_mean - alpha * x_mean

sse = sum((b - intercept - alpha * a) ** 2 for a, b in zip(x, y))
sst = sum((b - y_mean) ** 2 for b in y)
print(f"alpha = {alpha:.8f}")
print(f"R^2 = {1 - sse / sst:.10f}")
print(f"G(1) = {1 / eps:.0f}")

実行結果は次のとおりである。

alpha = 0.99998501
R^2 = 0.9999999999
G(1) = 1000

$R^2$ はほぼ1、指数もほぼ1である。それでも元の関数は発散しない。ここで測ったのは対数スケール上の標本内適合度であり、$t=1$ で発散する確率ではない。

さらに任意の観測終了時刻 $t_{\max}<1$ に対して、$\varepsilon$ を十分小さくすれば、この有界な曲線を発散曲線にいくらでも近づけられる。有限区間の有限精度データだけから無限大への外挿を確定することには、原理的な難しさがある。

信頼区間もモデルの外側までは保証しない

対数データを $y_i$、モデルを $m_i(\vartheta)=\beta_0-\alpha\log(T-t_i)$ と書く。$T>\max_i t_i$ とし、誤差ベクトルに平均ゼロ、正定値の共分散行列 $\Sigma$ を持つ正規分布を仮定すれば、対数尤度の主要部分は

-2\ell(\vartheta)
=(y-m(\vartheta))^{\mathsf T}\Sigma^{-1}(y-m(\vartheta))
+\log\det\Sigma+\text{定数}.

独立・等分散なら $\Sigma=\sigma^2I$ となり、通常の最小二乗につながる。時間的に相関する誤差を独立と仮定すれば、不確かさの評価は変わる。

ただし数値計算の離散化誤差は、そもそも独立な正規ノイズとは限らない。滑らかな系統誤差もある。正規分布を採用するなら、それはデータ生成について置いた仮定である。

未知の $T$ に対する感度は

\frac{\partial m_i}{\partial\alpha}=-\log(T-t_i),
\qquad
\frac{\partial m_i}{\partial T}=-\frac{\alpha}{T-t_i}

となる。観測窓によってはパラメーターの効果を分離しにくく、推定量は強く結びつく。ある発散モデルの下で $T$ の区間推定が狭くても、有界モデルの可能性まで排除できたことにはならない。

8. 格子幅と残差を、どのノルムで確かめるか

主要コアの半径が $\ell_r\asymp\sqrt{\tau}$ なら、格子幅 $\Delta x$ で半径方向に $m$ 点程度を確保するには、スケール上

\Delta x\lesssim\frac{\sqrt{\tau}}{m},
\qquad
\tau\gtrsim(m\Delta x)^2

が必要になる。固定格子には、特異時刻へ近づく際の解像度の限界がある。振動補正がさらに短い波長を持てば、その解像も必要になる。

「格子を細かくしても最大速度が増える」という観察は研究の手掛かりになる。しかし、各格子で別の誤差を見ている可能性があり、それだけで連続方程式の爆発を証明したことにはならない。

同じ問題は、ニューラルネットワークでPDEの近似解を作る場合にも現れる。例えば有限個の点 $z_k=(x_k,t_k)$ で残差を最小化する損失

\mathcal L_N
=\frac1N\sum_{k=1}^{N}
|\mathcal R(u_\theta,p_\theta)(z_k)-f(z_k)|^2

が小さくても、点の間にある鋭いピークや、微分した残差の大きさは直接保証されない。サンプル点を避けて台を持つ滑らかなバンプ関数を考えれば、標本上でゼロでも関数全体がゼロとは限らないことが分かる。

必要な検証は、主張する性質に合わせて設計することになる。

主張したいこと	確かめるべき対象
観測区間の近似精度	格子・時間刻み・計算精度を変えた誤差の収束
発散モデルの統計的な妥当性	有界モデルとの比較、時間窓への感度、誤差相関、外挿性能
連続方程式の厳密な性質	離散化誤差を含む数学的評価、または解析的・形式的証明
外力が特異時刻でも滑らか	残差の値だけでなく、任意次数の微分とその延長

数値計算が数学的証明に使えないわけではない。丸め誤差を包む区間演算や、近似解から真の解の存在・性質へつなぐ厳密な誤差評価があれば、計算機援用証明になる。通常の浮動小数点シミュレーションとの違いは、その橋渡しが証明されているかにある。

9. 多数のAIエージェントと、証明の確かさ

OpenAIは、約1万の同時エージェントを含むグループが探索し、開始から約88時間で結果に到達し、その後のLean形式化・検証に17時間を要したと報告している。エージェント間で知見を共有し、途中でモデルも更新したという。これらは同社が報告した探索過程の数値である。［1］

「1万体が考えたから、正しい確率も高い」という読み方はできない。

仮に独立な試行が1回当たり確率 $p$ で成功するなら、$N$ 回のうち少なくとも1回成功する確率は

P(\text{少なくとも1回成功})=1-(1-p)^N.

しかし、知見を共有するエージェント群には、そのまま独立同分布の仮定を置けない。共通の誤解を共有することも、別のエージェントの成果で成功率が変わることもある。同時実行数は、独立な追試の本数ではない。

さらに、この式が表すのは探索の成功率である。既に出てきた特定の証明の正しさを、そのまま確率へ変換する式ではない。単一の成功事例から一般的な数学研究能力の成功率を推定することも難しい。再現可能な評価には、問題の選び方、計算予算、失敗例、途中の介入を含む評価設計が必要になる。

Leanで確認するのは、形式化された命題と推論

公開リポジトリには、全空間と周期空間についての最終命題が置かれている。確認したコミットは 8937a8f4cbc7abaab5e9e97d1cc7f5d2319d9538 である。［5］

NavierStokes.Comparator.navier_stokes_breakdown_R3
NavierStokes.Comparator.navier_stokes_breakdown_periodic

Leanでは命題を型、証明をその型の項として表す。検証器が確かめるのは、記述された定義と公理の下で、その項が命題の証明になっているかである。［8］

したがって、確認には少なくとも二つの層がある。Leanの公式文書も、証明が有効かという問いと、命題が何を意味するかという問いを区別している。［9］

形式的な推論の検証：証明項がカーネルの検査を通り、意図しない追加公理や未証明の穴に依存していないか。
命題の対応の確認：コードで定義した滑らかさ、外力、エネルギー、時間区間、量化が、数学者が解きたい命題と一致しているか。

公開プロジェクトにはComparatorによる独立検証の手順もある。検証設定で許可される公理は propext、Quot.sound、Classical.choice である。これはソースと設定の確認結果であり、本稿で検証器を再実行して合格を確認したという意味ではない。［5］

文章が説得的であること、数値的な残差が小さいこと、形式的な証明検査を通ることは、それぞれ異なる種類の証拠である。AIが候補を発見する過程と、その候補を受け入れる基準を分けて評価する必要がある。

10. この結果から、まだ言えないこと

今回の報告を評価する際には、結論の射程を保ちたい。

外力を使った存在構成から、外力なしのすべての流れの挙動は決まらない。
特異点を持つデータの存在から、その発生頻度や摂動に対する安定性は決まらない。
非圧縮・一定密度の連続体モデルの特異点は、現実の分子が無限の速度になることを意味しない。
正則性についての結果から、乱流の共分散を閉じる普遍的な工学モデルや、実用CFDの誤差保証が直ちに得られるわけではない。
形式化の公開と、その命題の対応を含む独立した検証・数学的な評価は、区別して追う必要がある。

研究や実装でこのニュースを読むなら、まず自分が必要としている量を明確にするとよい。運動エネルギーなのか、最高速度なのか、速度勾配なのか、時間積分された散逸なのか。それによって、必要なノルムも誤差評価も変わる。

今回の数学を読む鍵は、平均的な大きさを抑える条件と、局所的な集中を抑える条件の違いにある。統計でも同じく、観測された平均や良好な適合度だけでは、未観測領域の極端な挙動は決まらない。方程式、関数空間、データの誤差モデル、形式化された命題を順に確認することが、この報告の内容と限界を理解する具体的な方法になる。

参考リンク

［1］OpenAI — On the Navier–Stokes Millennium Prize Problem（2026年9月8日）

［2］Charles L. Fefferman — Existence and Smoothness of the Navier–Stokes Equation（Clay公式問題文）

［3］OpenAI — Finite time blowup for Navier–Stokes（定理1.1、第2・3・10節）

［4］Lenya Ryzhik — Lecture notes for Math 256B, Version 2015（方程式の導出、渦度、エネルギー評価）

［5］OpenAI — NavierStokesAndEuler（確認したコミットに固定）

［6］NIST/SEMATECH e-Handbook — Nonlinear Least Squares Regression

［7］NASA Glenn Research Center — Navier-Stokes Equation

［8］Lean Language Reference — Propositions

［9］Lean Language Reference — Validating a Lean Proof