دوندهٔ تنها سرانجام کمی جا برای نفس کشیدن پیدا می‌کند

پیستی دایره‌ای به طول یک دور را تصور کنید. چند دونده در یک لحظه از یک نقطه راه می‌افتند، هر کدام با سرعت ثابت خودش، و همهٔ سرعت‌ها متفاوت‌اند. حدس دوندهٔ تنها می‌گوید هر دونده در لحظه‌ای خود را تنها خواهد یافت: وقتی روی هم n + 1 دونده وجود دارد، در فاصلهٔ دست‌کم 1/(n + 1) دور از همهٔ دیگران.

این مسئله از نامش قدیمی‌تر است. به گفتهٔ شی‌یو هو (Xiyu Hu، دانشگاه آکادمی علوم چین) و ییفان جینگ (Yifan Jing، دانشگاه ایالتی اوهایو)، ریشهٔ آن به رسالهٔ دکتری یورگ ویلز (Jörg Wills) در 1965 دربارهٔ تقریب اعداد با کسرها بازمی‌گردد. کیوزیک (Cusick) نسخه‌ای هم‌ارز بر حسب خطوط دیدی که موانع سدشان می‌کنند ارائه داد؛ دونده‌ها بعدها، با بازنویسی گادین (Goddyn)، وارد شدند. از آن زمان این مسئله به مسیرهای بیلیارد، رنگ‌آمیزی گراف‌ها و شارش‌ها در ساختارهای انتزاعی به نام ماترویید پیوند خورده است.

سنجیدن تنهایی

ریاضی‌دانان معمولاً یک دونده را ثابت می‌گیرند و به سرعت‌های دیگران نسبت به او نگاه می‌کنند: مجموعه‌ای V از n عدد صحیح مثبتِ متمایز. در زمان t، دونده‌ای با سرعت v در موقعیت vt دور پیست قرار دارد و فاصله‌اش از نقطهٔ شروع به صورت ∥vt∥ نوشته می‌شود — فاصلهٔ vt تا نزدیک‌ترین عدد صحیح. بیشینهٔ تنهایی V برابر است با

ML(V) = بیشینه روی t از کمینه روی v در V از ∥vt∥

بهترین لحظه، با معیار نزدیک‌ترین دونده. حدس ادعا می‌کند ML(V) ≥ 1/(n + 1)، و این کران تیز (بهترین ممکن) خواهد بود: برای سرعت‌های 1، 2، …، n بیشینهٔ تنهایی دقیقاً 1/(n + 1) است. برای نمونه، با دو دوندهٔ متحرک با سرعت‌های 1 و 2، دوندهٔ ثابت حداکثر می‌تواند یک‌سوم دور از هر دو فاصله داشته باشد — در زمان 1/3.

نیمهٔ آسان

نیمی از پاسخ ارزان به دست می‌آید. لحظه‌هایی که یک دوندهٔ معین در فاصلهٔ کمتر از δ از نقطهٔ شروع است، کسری برابر 2δ از ساعت را پر می‌کنند. با n دونده، اگر 2nδ کمتر از 1 باشد، این پنجره‌های زمانی نمی‌توانند همه چیز را بپوشانند، پس لحظه‌ای هست که از همه‌شان آزاد است. اگر δ را تا حدش بزرگ کنیم به دست می‌آید

ML(V) ≥ 1/(2n)

این تقریباً نیمِ چیزی است که حدس پیش‌بینی می‌کند. فراتر رفتن از آن سرسختانه دشوار از کار درآمده است. نویسندگان تاریخچه را برمی‌شمارند: ده‌ها سال تنها دستاوردهایی از مرتبهٔ 1/n²؛ سپس بهبودهایی از پراراناو و سرا (Perarnau و Serra)، از ترنس تائو در 2018، و از بنجامین بدرت (Benjamin Bedert) در 2025. اما همهٔ آن‌ها یک ضعف مشترک دارند: با افزایش تعداد دونده‌ها، بهبود نسبت به 1/(2n) به صفر میل می‌کند.

دستاوردی که محو نمی‌شود

قضیهٔ تازه این را تغییر می‌دهد:

ML(V) > (1 + c)/(2n)

برای ثابتی معین c > 0 و برای هر مجموعه‌ای از n ≥ 2 سرعت. حاشیهٔ اضافی اکنون کسری ثابت از کران آسان است، هر قدر هم دونده باشد. این ثابت صریح است اما در مقاله محاسبه نشده، و نویسندگان کوششی برای بهینه کردنش نمی‌کنند. به 1/(n + 1) حدس‌زده‌شده نمی‌رسد؛ نخستین دستاوردی است که آب نمی‌شود.

اثبات به این می‌پردازد که «پنجره‌های خطر» دونده‌های مختلف چگونه با هم همپوشانی دارند. برخی همپوشانی دارند چون مرکز مشترکی دارند — دونده‌هایی که سرعت‌هایشان مقسوم‌علیه مشترک دارد با هم به نقطهٔ شروع می‌رسند. برخی دیگر در مرکزهای متفاوت همپوشانی دارند. برای نوع نخست، نویسندگان استدلالی دربارهٔ مقسوم‌علیه‌های مشترک بزرگ را که از گرین و واکر (Green و Walker) است ظریف‌تر می‌کنند. برای نوع دوم، یک نابرابری هندسی تازه ثابت می‌کنند: وقتی پنجره‌ها دور مرکزهایشان پهن‌تر شوند، همپوشانی‌هایشان باید سریع‌تر از نسبت متناظر رشد کند. در هر دو حالت، زمانِ پوشیده‌نشده نمی‌تواند تا هیچ کوچک شود.

به‌عنوان جایزه، این نتیجه یک کران پایین را برای «مسئلهٔ پیژامه» بهبود می‌دهد: چند نسخهٔ چرخانده و کشیده از یک الگوی راه‌راه برای پوشاندن صفحه لازم است.

چه کسی چه کرد

مقاله بیانیه‌ای صریح دربارهٔ استفاده از هوش مصنوعی دارد. راهبرد و چارچوب از خود نویسندگان بود. ChatGPT 6 Pro و ChatGPT 6 Astra عمدتاً برای بررسی استدلال‌ها، تبدیل اثبات‌های غیررسمی به اثبات‌های دقیق و کاوش در ظریف‌کاری‌ها به کار رفتند. Pro پیشنهاد کرد که جمع‌هایی روی مقسوم‌علیه‌های مشترک وارد کار شوند، و بعدها «چند شکاف کوچک» را در نسخهٔ نخست اثبات نابرابری کلیدی برطرف کرد. اثبات‌های نهایی را نویسندگان نوشتند. داوری‌شان دربارهٔ این ابزارها دقیق است: «مدل‌ها به‌تنهایی نتوانستند کران دوندهٔ تنها را بهبود دهند.»

شصت سال پس از ویلز، تنهایی‌ای که برای هر دونده تضمین شده، برای نخستین بار حاشیه‌ای دارد که سر جایش می‌ماند.