LLM als wissenschaftlicher Co‑Pilot: ChatGPT löst komplexe Spektraltheorie

Large Language Models (LLMs) werden immer häufiger als wissenschaftliche Co‑Piloten eingesetzt, doch bisher gibt es nur wenige Belege dafür, dass sie auf Forschungsebene in der Mathematik tatsächlich Mehrwert schaffen. In einer ersten Fallstudie liefert ChatGPT‑5.2 (Thinking) nun überzeugende Ergebnisse.

Die Untersuchung konzentriert sich auf die Auflösung von Konjektur 20 von Ran und Teng (2024), die die exakte nicht‑reelle Spektralregion einer 4‑Zyklen‑Zeilen‑stochastischen, nicht‑negativen Matrixfamilie beschreibt. Durch die Analyse von sieben ChatGPT‑5.2‑Threads und vier versionierten Beweisentwürfen wurde ein iterativer Prozess aus Generieren, Prüfen und Reparieren entwickelt.

Der LLM erweist sich dabei besonders nützlich für die Suche nach hochrangigen Beweisstrategien, während menschliche Experten unverzichtbar bleiben, um die Korrektheit der Endergebnisse sicherzustellen. Das finale Theorem liefert die notwendigen und hinreichenden Bedingungen für die Region sowie konkrete Konstruktionen, die die Grenzwerte erreichen.

Darüber hinaus bietet die Studie einen Prozess‑Level‑Einblick, wann LLM‑Unterstützung tatsächlich hilft und wo noch Verifizierungsengpässe bestehen. Diese Erkenntnisse haben weitreichende Implikationen für die Bewertung von KI‑unterstützten Forschungsabläufen und die Gestaltung von Human‑in‑the‑Loop‑Theorem‑Proving‑Systemen.