Método: computação como parte da prova
Interessam-me os problemas em que o computador não serve só para gerar exemplos, mas entra em um fluxo de trabalho matemático disciplinado. Estas são as regras que sigo para que um número possa aparecer em um enunciado.
Separar o que é de cada tipo
Um teorema, um resultado condicional, uma observação empírica e uma pergunta em aberto são coisas diferentes, e um texto que as mistura induz o leitor ao erro mesmo sem conter uma única frase falsa. Nos meus preprints e neste site, cada afirmação é de um desses tipos e diz qual.
- Demonstrado
- Condicional
- Evidência computacional
- Conjectura
- Em aberto
Isso tem um custo de estilo: os resumos ficam cheios de ressalvas, e as frases mais fortes são as que dizem o que não foi provado. Prefiro esse custo ao outro.
O que conta como certificado
Quando um número de ponto flutuante participa de uma afirmação matemática, ele precisa vir com uma garantia sobre o erro. Uso aritmética de bolas (Arb, por meio do python-flint): cada operação devolve um intervalo que contém o valor verdadeiro, e a saída impressa da execução, com as bolas de entrada e o intervalo final, é o certificado.
Onde isso não é necessário, uso aritmética exata, inteira ou racional. Onde uso ponto flutuante de alta precisão sem certificado, o texto diz “avaliação numérica” e não tira conclusões que dependam dos últimos dígitos. Scripts que afirmam uma desigualdade rigorosa a verificam e terminam com erro se ela falhar.
Implementações independentes
Um resultado computacional caro merece uma segunda implementação, escrita de outro jeito, de preferência em outra linguagem. Na Cobertura Fraca, o motor principal é em Rust e o nível foi conferido por um programa em Python. No estudo do mapa , o enumerador em C só é usado depois de ser validado contra uma versão em Python.
Quando a segunda implementação não é viável, digo isso. Os dois últimos níveis da tabela da Cobertura Fraca aparecem no gráfico com um símbolo diferente por essa razão.
Verificações que podem falhar
Uma conferência que nunca foi vista falhar não é evidência de nada. Para as verificações mais importantes escrevo controles negativos: entradas deliberadamente erradas que o verificador precisa rejeitar, e que ficam no repositório junto com ele.
O mesmo vale para estimadores estatísticos. Antes de ler um expoente em um objeto desconhecido, leio o mesmo estimador em objetos construídos para ter um expoente conhecido. Foi assim que apareceu um viés de 0,038 no estudo do mapa , maior que o efeito que eu queria medir.
Arquivar o que foi rodado
Cada preprint tem um repositório organizado pelas seções do artigo, em que cada tabela e cada número citado aponta para o script que o produz e para o comando que o executa. As versões citadas são arquivadas no Zenodo e recebem DOI, de modo que o código referido no texto não muda depois.
Quando refazer o cálculo é caro demais, a saída fica armazenada, com o custo declarado: memória, tempo e máquina. E quando um número do artigo não se reproduz a partir do repositório, por exemplo porque depende de um pico de memória modelado e não medido, o repositório diz qual é e por quê.
Falsificar antes de promover
Uma ideia só vira conjectura depois de sobreviver a tentativas sérias de derrubá-la. As hipóteses de cada projeto ficam registradas com a situação de cada uma, e as refutadas continuam no registro. Os experimentos corrigidos mantêm um arquivo de correção ao lado do original, em vez de serem reescritos em silêncio.
Esse registro é público em dois casos: o caderno de hipóteses da Cobertura Fraca e o ResearchOS, com 136 pastas de experimentos sobre o problema de Collatz.
IA na pesquisa
Uso sistemas de inteligência artificial com vários agentes como instrumento de pesquisa: busca e leitura de literatura, geração de hipóteses, manipulação simbólica, escrita e auditoria de código de experimentos, tentativa de refutação de argumentos e crítica de manuscritos em rodadas sucessivas, por modelos diferentes que leem só o PDF.
Três coisas não delego. A direção da pesquisa: o que vale a pena perguntar. A decisão sobre o que é afirmado: nada entra em um enunciado sem que eu entenda a prova ou tenha um certificado que eu saiba ler. E a responsabilidade: os erros que restarem são meus.
As rodadas de crítica feitas por modelos são úteis, e encontraram erros reais nos meus rascunhos. Elas não são revisão por pares, e não as apresento como tal. Todos os meus trabalhos de matemática são, hoje, preprints à espera de leitores humanos.