La IA habría resuelto el problema de los grupos no sofic (Non-sofic groups — existencia de grupos no sóficos)

 

La IA no “buscó un grupo raro al azar”. Construyó una máquina algebraico-sistémica en la que, si el grupo fuera sofic, obligaría a otro grupo conocido —el grupo de Thompson 

$V$— a tener una propiedad imposible. Esa contradicción demuestra que el grupo construido no es sofic

Un grupo es sofic si cualquier parte finita de su tabla de multiplicar puede aproximarse mediante permutaciones de un conjunto finito: multiplicar en el grupo debe parecerse, casi siempre, a componer permutaciones; y los elementos no triviales deben mover casi todos los puntos. La pregunta abierta era: ¿todos los grupos contables son sofic? El manuscrito de OpenAI formula precisamente esa pregunta y afirma que la responde negativamente.

En lenguaje simple:un grupo sofic es un grupo infinito cuya estructura puede ser “simulada” cada vez mejor por sistemas finitos de permutaciones. Un grupo no sofic sería un grupo cuya lógica interna no cabe ni siquiera aproximadamente en modelos finitos.

2. Qué construyó la IA

El resultado afirma que el grupo de unidades de la álgebra de Leavitt binaria no es sofic:

$$𝑅={𝐿}_{{\mathbb{𝐹}}_2}(1,2)$$

y el grupo concreto es:

$${𝑅}^{\times }$$

El paper lo enuncia así: el grupo de unidades ${𝐿}_{{\mathbb{𝐹}}_2}(1,2{)}^{\times }$ no es sofic. Según el resumen del capítulo, esto refuta la conjetura de soficidad, y la prueba usa expansores de grupos con propiedad $𝑇$, la obstrucción de Kun–Thom y el álgebra binaria de Leavitt.

La gracia de esta álgebra es que tiene una propiedad de auto-similitud: contiene dentro de sí copias reescaladas de su propia estructura. Técnicamente, permite descomponer el espacio en “cilindros” binarios, como si trabajáramos con ramas de un árbol infinito de ceros y unos. Esa arquitectura permite meter distintos grupos en distintas zonas del sistema y luego comprimirlos o trasladarlos mediante conjugaciones.

3. La idea central de la demostración

La prueba funciona por contradicción.

Supongamos que el grupo construido sí fuera sofic. Entonces tendría aproximaciones finitas por permutaciones.

Pero dentro de ese grupo la IA coloca tres piezas:

1. Un subgrupo $\mathrm{\Gamma }$ con propiedad $𝑇$.
2. Dos elementos de compresión $𝑢$ y $𝑣$, que mueven copias de $\mathrm{\Gamma }$ dentro de $\mathrm{\Gamma }$.
3. Un subgrupo $𝐽$, isomorfo al grupo de Thompson $𝑉$, que conmuta con $\mathrm{\Gamma }$ pero puede ser movido por una compresión dentro de $\mathrm{\Gamma }$.

La estructura clave es:

$$\mathrm{\Gamma }\times 𝐽\le 𝐺$$

con $𝐽\cong 𝑉$.

Y aquí aparece el golpe: el grupo de Thompson $𝑉$ es finitamente presentado, infinito y simple, por lo que no es LEF, es decir, no es localmente embebible en grupos finitos. El paper lo usa explícitamente como contradicción final.

4. Qué papel juegan los expansores

La propiedad $𝑇$ tiene una consecuencia muy fuerte: cuando intentas aproximar un grupo con propiedad $𝑇$ mediante permutaciones finitas, aparecen grafos expansores.

Un expander es un grafo finito que está muy bien conectado: no puedes partirlo en dos grandes trozos cortando pocas aristas. Esto sirve como mecanismo de rigidez. Según el manuscrito, el teorema de Kun dice que una aproximación sofic de un grupo con propiedad $𝑇$ se descompone, tras cambiar pocos bordes, en una unión de expansores.

El problema era que eso no bastaba. Kun produce muchos expansores, mientras que la obstrucción de Kun–Thom necesita un solo expander donde actúe también el grupo que conmuta. Este era el cuello de botella.

La IA encontró la forma de pasar de “muchos expansores sueltos” a “un expander útil”. Ese es el corazón técnico del avance.

5. La obstrucción Kun–Thom

El teorema de Kun–Thom dice, simplificando:

Si $𝐾$ tiene propiedad $𝑇$, y una aproximación sofic de $𝐾\times 𝐽$ tiene un único grafo expansor para la parte $𝐾$, entonces $𝐽$ tiene que ser LEF.

El paper lo enuncia así: si $𝐾\times 𝐽$ tiene una aproximación sofic cuyo grafo generado por $𝐾$ es un expander uniforme, entonces $𝐽$ es LEF.

Por tanto, la estrategia es:

1. Construir $𝐺$ con una parte rígida $\mathrm{\Gamma }$.
2. Meter dentro un grupo $𝐽\cong 𝑉$.
3. Suponer que $𝐺$ es sofic.
4. Extraer de la aproximación sofic un único expander donde actúan $\mathrm{\Gamma }$ y $𝐽$.
5. Aplicar Kun–Thom.
6. Concluir que $𝐽$ sería LEF.
7. Pero $𝐽\cong 𝑉$, y $𝑉$ no es LEF.
8. Contradicción.
9. Luego $𝐺$, y por extensión ${𝑅}^{\times }$, no es sofic.

6. La innovación técnica: emparejar componentes

El gran problema era que una aproximación finita podía esconder el defecto repartiendo la acción entre muchos componentes expansores. La IA introduce una técnica de emparejamiento de componentes.

Define, para cada punto $𝑧$, el tamaño $𝑀(𝑧)$ del componente de $\mathrm{\Gamma }$ al que pertenece. Pero no usa directamente $𝑀(𝑧)$, porque puede ser enorme e incontrolable. En su lugar normaliza con una mediana local:

$$𝑓(𝑧)=\frac{𝑀(𝑧)}{𝑀(𝑧)+{𝑚}_{𝐴}}$$

donde ${𝑚}_{𝐴}$ es la mediana de los tamaños dentro de un componente ambiental $𝐴$. La expansión fuerza que esta función quede cerca de $1\mathrm{/}2$ en casi todos los puntos. Eso permite demostrar que los componentes transportados por las compresiones tienen casi el mismo tamaño que sus componentes destino y, por tanto, pueden emparejarse de forma inyectiva.

En lenguaje menos técnico:

La IA encontró una forma de impedir que la aproximación finita “haga trampa” repartiendo la acción entre muchos trozos. Usó medianas y expansión para demostrar que esos trozos deben alinearse casi perfectamente.

Una vez alineados, se puede seleccionar un solo componente expansor, reparar los pequeños errores de las permutaciones parciales y aplicar Kun–Thom.

7. Por qué entra el álgebra de Leavitt

El álgebra de Leavitt binaria es el escenario perfecto porque permite tres cosas a la vez:

Primero, contiene grupos elementales con propiedad $𝑇$.
Segundo, permite comprimir copias de esos grupos dentro de sí misma mediante su estructura autosimilar.
Tercero, permite insertar una copia del grupo de Thompson $𝑉$ en un cilindro disjunto y luego moverla mediante una compresión.

Es decir, la Leavitt algebra funciona como una arquitectura de habitaciones comunicadas:

• en una habitación vive la parte rígida $\mathrm{\Gamma }$;
• en otra vive $𝐽\cong 𝑉$;
• las compresiones conectan habitaciones;
• la propiedad $𝑇$ genera expansores;
• los expansores impiden esconder los errores;
• Kun–Thom convierte esa rigidez en una contradicción.

8. Qué significa “la IA lo resolvió”

Según OpenAI, el resultado forma parte de diez avances obtenidos por una versión interna de Astra; los argumentos fueron preparados en manuscritos con ayuda humana y luego formalizados por el modelo en Lean.

La aportación no fue solo calcular. Fue encontrar una arquitectura de prueba:

grupos con propiedad $𝑇$ + expansores + álgebra de Leavitt + grupo de Thompson $𝑉$ + obstrucción LEF.

Ese ensamblaje es muy “RMS”: no resuelve mirando una pieza aislada, sino conectando recursos, mecanismos y sistema.

9. Lectura RMS / pensamiento sistémico

En clave RMS:

Recursos: álgebra de Leavitt, grupo de unidades, propiedad $𝑇$, grupo de Thompson $𝑉$, expansores, aproximaciones por permutaciones.

Mecanismos: compresión autosimilar, emparejamiento de componentes, rigidez expansora, obstrucción Kun–Thom, contradicción LEF.

Sistema: una máquina matemática donde cualquier intento de aproximación finita queda forzado a producir algo imposible: hacer que $𝑉$ sea LEF.

La enseñanza sistémica es muy potente:

Un problema que parecía sobre “si todos los grupos se aproximan por objetos finitos” se resuelve construyendo un sistema donde la aproximación finita genera una consecuencia estructural imposible.

Síntesis final

La IA habría resuelto el problema de los grupos no sofic construyendo explícitamente un grupo que no puede ser aproximado por permutaciones finitas: el grupo de unidades del álgebra de Leavitt binaria.

 La prueba supone que sí es sofic, extrae de esa hipótesis una estructura expansora rígida, obliga al grupo de Thompson $𝑉$ a ser LEF, y obtiene una contradicción porque $𝑉$ no lo es. 

La clave no fue un truco aislado, sino una arquitectura compleja: autosimilitud algebraica, compresiones, propiedad 𝑇 expansores y obstrucción de centralizadores trabajando juntos

Los diez problemas

https://intafuturo.blogspot.com/2026/08/ia-y-matematicas-el-verdadero-salto-de.html

1. High-dimensional sphere packing — empaquetamiento de esferas en altas dimensiones.
2. Binary and spherical codes — códigos binarios y esféricos.
3. Non-sofic groups — existencia de grupos no sóficos.
4. Connes’s rigidity conjecture — conjetura de rigidez de Connes.
5. Arithmetic circuit complexity — complejidad de circuitos aritméticos.
6. Quantum parallel repetition — repetición paralela cuántica.
7. Closest Vector Problem — problema del vector más cercano.
8. Ehrhart’s volume conjecture — conjetura del volumen de Ehrhart.
9. Multicolor Ramsey numbers — números de Ramsey multicolor.
10. Compactness and degeneracy conjectures en teoría extremal de grafos.

OpenAI presenta los diez resultados como avances generados por una versión interna de Astra, después preparados en manuscritos y formalizados en Lean. 

La lista oficial incluye: empaquetamiento de esferas, códigos binarios/esféricos, grupos no sóficos, rigidez de Connes, circuitos aritméticos, repetición paralela cuántica, closest vector problem, conjetura de Ehrhart, Ramsey multicolor y extremal graph theory.

 High-dimensional sphere packing

. Idea clave: el problema geométrico de empaquetar esferas se traduce en un problema de Fourier y de incertidumbre de signo. El resultado determina el límite asintótico del método Cohn–Elkies y mejora el exponente general desde Kabatianskii–Levenshtein 1978.

. Binary and spherical codes
 Es el hermano natural del empaquetamiento de esferas. En vez de preguntar “cuántas esferas caben en un espacio continuo”, pregunta “cuántas palabras binarias o puntos sobre una esfera pueden separarse suficientemente entre sí”. OpenAI afirma mejoras exponenciales en cotas superiores para códigos binarios a distancia mínima prescrita y resultados análogos para códigos esféricos de alta dimensión.

 Connes’s rigidity conjecture
Aquí entramos en álgebras de von Neumann y teoría de grupos. La idea fuerte: refutar que ciertos grupos queden determinados de forma rígida por su álgebra de von Neumann. OpenAI afirma que construye infinitas familias de grupos con propiedad $𝑇$, no isomorfos entre sí, pero con la misma álgebra de von Neumann.

Arithmetic circuit complexity
Complejidad algebraica. Pregunta de fondo: ¿cuántos recursos necesita un circuito aritmético para calcular el permanente? Es el análogo algebraico de grandes problemas tipo P vs NP. OpenAI declara nuevas cotas inferiores, incluyendo una cota de fórmulas aritméticas del orden ${𝑛}^4\mathrm{/}\log 𝑛$.

Quantum parallel repetition
Teoría de juegos cuánticos y complejidad. La pregunta: si repites muchas veces un juego cuántico, ¿la probabilidad de ganar cae exponencialmente como en el caso clásico? OpenAI afirma un teorema de repetición paralela exponencial para juegos cuánticos bipartitos finitos.

Closest Vector Problem
Problema central en retículos/lattices: dado un retículo y un punto, encontrar el vector del retículo más cercano. Es importante en criptografía postcuántica. OpenAI afirma dureza de aproximación con factor polinómico para CVP euclídeo.

 Multicolor Ramsey numbers
Combinatoria extrema. Pregunta: ¿cuántos vértices necesitas para garantizar un triángulo monocromático si coloreas las aristas con muchos colores? OpenAI afirma una cota inferior superexponencial para números de Ramsey multicolor de triángulos.

Compactness and degeneracy conjectures en teoría extremal de grafos
También combinatoria extrema. Aquí la IA habría construido grafos bipartitos que refutan dos conjeturas: la de compactness de Erdős–Simonovits y una conjetura de degeneracy de Erdős.

Clave común de todos

La pauta que se repite es muy RMS:

La IA no resuelve solo calculando más; resuelve cambiando la arquitectura del problema.

En sphere packing cambia geometría por Fourier.
En códigos cambia separación discreta por programación lineal/esférica.
En grupos no sóficos cambia aproximabilidad finita por expansores y rigidez.
En Connes cambia identidad algebraica por construcción de grupos no isomorfos.
En circuitos cambia cálculo concreto por barreras estructurales.
En CVP cambia búsqueda geométrica por reducción de complejidad.
En Ramsey/grafos cambia azar/combinatoria por construcciones extremales.

Los modelos matemáticos generados por IA comienzan a generar conocimiento científico original, verificable y económicamente barato.

https://articulosclaves.blogspot.com/2026/08/los-modelos-matematicos-generados-por.html