10 · 研究纲领：把信道建模从手艺变成科学#
10.1 开放问题清单是一种研究基础设施#
1900 年 8 月，希尔伯特在巴黎第二届国际数学家大会上宣读了 23 个问题。一百多年后回头看，这场演讲留下的最大遗产是一种体裁：一份好的开放问题清单，本身就是研究基础设施。它把一个领域从"各自摸索的手艺"推成"有公共议程的科学"。清单规定了什么算进展、什么算工具、什么算解决。
信息论有自己的谱系来对接这个体裁。香农 1948 年的工作，本身就是"把手艺变成科学"的原型事件。在他之前，通信工程是滤波器、调制格式与经验规则的集合。在他之后，它有了单一的度量（比特）、单一的极限（容量）与单一的问题格式（给定资源，可靠传输速率的上确界是什么）。
四十年后，Cover 与 Gopinath 把散落的未解问题编成《Open Problems in Communication and Computation》[1]，收录了广播信道容量域、单纯形猜想、two-helper 问题等。其中不少至今未解，但它们定义了几代研究者的议程。
一份合格的清单条目必须带三件套：
- (a) 精确的问题陈述：不含"更好地理解"这类含混动词。
- (b) 已知工具箱：哪些现成定理与方法可以直接搬来。
- (c) 第一步：一个强度上肯定能做出来、做出来就有信息量的引理或特例。
2026 年之后，我们认为还应加上第四件：(d) 适合 AI 辅助证明的子问题清单，即把问题分解到"陈述清晰、工具经典、但需要长链条估计"的粒度。为什么这一件在今天才有资格入列，本章压轴一节给出实证。
本章按这个纪律为第一部收官：把 第 8 章 与 第 9 章 陈述的四个基本问题 Q1–Q4 组装成一个研究纲领，并为每一问补齐四件套。读下文时注意两点：
- 每一问先落到相邻领域最尖锐的形态：Q1 落到电磁信息论的噪声模型，Q2 落到 AI 空口的跨场景泛化，Q3 落到 ISAC 的折中边界，Q4 落到 MIMO 检测。
- 每份清单在 (a)–(d) 之外还多列一条"猜想"，即本站押注的方向。
需要事先声明学术产权。下面三项均为本站提法，不是文献共识：
- Q1–Q4 的"静力学 / 预测论 / 价值论 / 统计力学"四位一体框架。
- "把信道建模从手艺变成科学"的纲领命题。
- 把电磁信息论、ISAC、AI 空口划为"相邻纲领的接口"，不算本纲领内部问题的划界方式。
10.2 四位一体：纲领的组装逻辑#
四个基本问题各自对应经典物理课程表里的一门课。这种对应有实质内容，因为问题类型是同构的：
- Q1 是静力学。环境冻结在某一瞬间，信道作为 Maxwell 方程的确定性泛函（第 2 章）有什么结构：自由度是多少、空间相关长什么样、作为算子的谱如何衰减（第 4 章、第 8 章）。
- Q2 是预测论。已知此处此刻的信道，彼处彼刻的信道能预测到什么精度？答案是有效维度与预测半径（第 8 章）。
- Q3 是价值论。一比特环境知识值多少通信容量、值多少估计精度？这是环境知识的汇率（第 9 章）。
- Q4 是统计力学。对环境取系综平均后，衰落分布、普适类与算法的典型行为如何涌现（第 3 章、第 9 章）。三个术语的含义是：
- 系综 (ensemble)：全体可能环境连同其概率。
- 普适类：不依赖散射细节的统计规律，如瑞利衰落。
- 典型行为：绝大多数实现上的表现，与最坏情形相对。
接口的划界原则（本站提法）：接口领域不归本纲领吞并。它们是双向翻译的界面：本纲领向它们输出问题格式，它们向本纲领输出已被打磨的工具与阶段性定理。
flowchart TB
subgraph Core["本纲领：四个基本问题（本站提法）"]
Q1["Q1 静力学<br/>信道的结构理论"]
Q2["Q2 预测论<br/>可预测性与<br/>预测半径"]
Q3["Q3 价值论<br/>环境知识的<br/>比特汇率"]
Q4["Q4 统计力学<br/>信道系综与<br/>典型行为"]
end
subgraph Iface["相邻纲领的接口"]
EIT["电磁信息论 EIT<br/>连续孔径<br/>噪声之争"]
AIR["AI 空口泛化性<br/>3GPP LCM<br/>链级定理缺口"]
ISAC["ISAC 基本限<br/>CRB-rate<br/>容量-失真"]
RMT["随机矩阵与<br/>平均情形分析<br/>MIMO 检测<br/>AI 辅助证明"]
end
Q1 --> EIT
Q2 --> AIR
Q3 --> ISAC
Q4 --> RMT
AIR -.预告.-> P2["第二部《链的定理》"]关键结论
四个基本问题是同一纲领的四个投影：Q1 问结构，Q2 问外推，Q3 问定价，Q4 问系综。它们不是四篇综述的目录。每个接口领域，恰好是其中一问被推到极限的形态：
- EIT 是 Q1 在孔径连续化极限下的形态。
- AI 空口泛化性是 Q2 的工程镜像。
- ISAC 基本限把 Q3 的"感知价值"变成可计算对象。
- 随机矩阵系综上的平均情形 (average-case) 分析，是 Q4 的做题方式。
10.3 Q1 · 静力学的接口：电磁信息论#
10.3.1 信道不是矩阵，是算子#
天线阵越来越密。全息 MIMO (Holographic MIMO) 把阵元间距压到半波长以下，连续孔径阵列 (Continuous-Aperture Array, CAPA) 干脆让孔径趋于连续。当"第 \(i\) 根天线"的编号失去意义时，\(\mathbf{H}\) 矩阵是什么？
电磁信息论 (Electromagnetic Information Theory, EIT) [2] 的回答是：信道从来不是矩阵，而是 Maxwell 方程约束下的格林算子 (Green's operator)，把发射孔径上的电流分布映射为接收孔径上的场：
物理意义
这是 第 2 章 的"信道是环境的确定性泛函"在孔径连续化极限下的形态。\(\mathbf{G}\) 由环境（边界条件、散射体）唯一决定，离散 MIMO 的 \(\mathbf{H}\) 只是它在两组采样点上的截影。三个经典问题于是重现为算子问题：
- 自由度是算子的有效秩，也就是奇异值谱的"膝盖"在哪里。
- 容量是算子谱上的注水。
- 噪声是接收场随机分量的自相关算子。
行为分析
矩阵语言里被归一化约定藏起来的问题，在算子语言里全部暴露。阵元数 \(n\) 增大时，\(\mathbf{H}\) 的维度发散，但 \(\mathbf{G}\) 不变。所以任何"\(n \to \infty\) 时容量发散"的结论，都必须先问：发散的是物理量，还是离散化伪影？这个问题是后文噪声之争的伏笔。
直觉：双相位共轭谐振腔
Miller 2000 [3] 给出最早也最物理的图像：两个体积之间用波通信，其最优正交信道（"通信模式"）由两个耦合的本征值问题给出。这等价于在两个体积间来回相位共轭的谐振腔的腔模。耦合强度的平方和受体积对几何约束（sum rule）。【已解决】
信道模式是这个虚拟谐振腔里真实"驻"着的场型，不是数学装饰。
10.3.2 自由度为什么可数#
自由度可数这件事，经历了三步台阶，时间顺序恰好是逻辑顺序：
- Miller 2000 [3]：在光学侧建立体积间通信模式。
- Poon–Brodersen–Tse 2005 [4]：在信息论侧证明，受几何约束的多天线系统，其空间自由度 (Degrees of Freedom, DoF) 由"有效孔径 × 角谱展宽"决定【已解决；线阵情形量级为孔径长度乘角谱支撑，归一化常数各文献不一致】。这一思想可上溯到 1980 年代末散射场空间带宽有限性的工作，系统整合见 Franceschetti 的《Wave Theory of Information》[5]。
- Pizzo–Marzetta–Sanguinetti 2020 [6]：波数域 (wavenumber-domain) 范式。
三步共用同一个直觉：空间带宽有限的场，其自由度像时间带宽有限的信号一样可数。
波数域的计数分三步。
第一步：算波数圆盘的面积。 传播平面波的波矢满足色散关系 \(\|\mathbf{k}\| = 2\pi/\lambda\)。对平面孔径而言，可观测的横向波数 \((k_x, k_y)\) 被限制在圆盘内，支撑面积为
第二步：算每个模式占多大面积。 这是二维带限场的模式计数（Landau 型论证，严格版见 第 4 章 定理 4.6）：面积 \(A\) 的孔径上，每个正交模式在波数平面上占据面积 \((2\pi)^2/A\)。这来自傅里叶分辨率：
- 时长 \(T\) 的信号能分辨的角频率间隔是 \(2\pi/T\)。
- 同理，长度 \(L\) 的孔径能分辨的波数间隔是 \(2\pi/L\)。
- 边长 \(L_x\)、\(L_y\) 的矩形孔径两个方向各占一格，一个模式占据 \((2\pi/L_x)(2\pi/L_y)=(2\pi)^2/A\)。
一维时波数区间长 \(4\pi/\lambda\)，除以 \(2\pi/L\) 得 \(2L/\lambda\)，正是第 4 章的线孔径自由度。
第三步：两者相除。
物理意义
孔径是"空间时长"，波数圆盘是"空间带宽"，DoF 是二者乘积，是时频分析里 \(2WT\) 定理的空间孪生。远场各向同性散射下，孔径上的小尺度衰落是空间平稳高斯场，其全部二阶结构由这个圆盘上的谱决定 [6]。
行为分析
\(\mathrm{DoF} \propto A/\lambda^2\) 说明自由度随载频平方增长：毫米波不只带宽多，空间模式也多。有两点要注意：
- 归一化常数（\(\pi A/\lambda^2\) 还是别的系数）各文献约定不一，只有量级可靠。
- 这是远场各向同性散射的上限。真实环境的角谱支撑更窄，DoF 只会更少，这就是 第 4 章 里有效维度远小于名义维度的原因。
算例：一块 0.25 平方米的墙贴阵列
取载频 28 GHz（\(\lambda \approx 1.07\) cm）、孔径 \(A = 0.5\,\mathrm{m} \times 0.5\,\mathrm{m} = 0.25\,\mathrm{m}^2\)，则 \(\pi A/\lambda^2 \approx 3.14 \times 0.25 / (1.07 \times 10^{-2})^2 \approx 6.9 \times 10^3\)。
量级上，一块茶几大小的连续孔径，在理想散射下承载约七千个空间模式。若把载频提高到 100 GHz，同样孔径的模式数增至约 10 倍于此的量级。自由度不稀缺，稀缺的是环境提供的角谱展宽。
10.3.3 互信息的算子表示#
有了算子观点，容量问题的正确形态是：给定信号与噪声的自相关算子，互信息是多少。推导分三步（Wan–Zhu–Zhang–Dai–Chae 2023 [7]，【已解决（模型内）】）。
第一步：Mercer 展开。 对接收场信号分量的自相关核作 Mercer 展开，\(K\phi_i = \lambda_i \phi_i\)，得到一组正交场型 \(\{\phi_i\}\) 与本征值 \(\{\lambda_i\}\)。
第二步：投影。 把连续场投影到 \(\{\phi_i\}\) 上，展开系数互不相关，高斯场情形下相互独立。
第三步：逐模式相加。 每个模式成为一条标量高斯信道，白噪声谱密度 \(\sigma^2\) 下互信息逐模式相加：
其中第二个等号把无穷和写成 Fredholm 行列式，即"行列式等于特征值之积"的无穷维版（\(\mathrm{Id}\) 为恒等算子）。有色噪声情形则以噪声自相关算子白化后同理。公式括号内算子的精确归一化各文献约定不同，此处取结构性写法。
补充：展开系数为什么互不相关
Mercer 展开是协方差矩阵特征分解的连续版：
系数 \(a_i=\langle E,\phi_i\rangle\) 互不相关，因为
推导只用到两点：代入本征方程，再用 \(\{\phi_i\}\) 正交归一。记号提醒：\(\lambda_i\) 是本征值，不是波长 \(\lambda\)。
物理意义
这是"\(\log\det\) 容量公式"的连续极限。MIMO 的 \(\log\det(\mathbf{I} + \mathbf{H}\mathbf{Q}\mathbf{H}^{\mathsf{H}}/\sigma^2)\) 是它在有限采样下的截影。无限长空间模型与经典时域信息论有强对应 [7]：空间轴完全可以当"时间轴"用，波数就是"频率"。EIT 没有推翻香农，它是香农理论加上 Maxwell 约束后的细化。
行为分析
一切都压在谱 \(\{\lambda_i\}\) 的衰减律上：
- 若谱在有效秩（上一小节的 DoF）之后指数塌缩，则求和实际截断在 \(\pi A/\lambda^2\) 项附近，容量随孔径线性增长、随功率对数增长。
- 若错误地假设谱不衰减（等价于假设自由度无限），就会得到发散的容量。
发散永远出在假设里，不在物理里。
10.3.4 噪声模型之争：Q1 最尖锐的开放问题#
发散的病灶可以一行算出来。\(n\) 个阵元、最大比合并后：
物理意义
在"每阵元噪声独立同分布 (i.i.d.)、方差固定"的教科书归一化下，固定孔径内加密阵元使 \(\|\mathbf{h}\|^2 \propto n\)：信号相干叠加（能量随 \(n^2\)），噪声非相干叠加（能量随 \(n\)）。SNR 无界增长，容量发散。但孔径能截获的物理功率有限，发散违背能量守恒。
结论【物理论证已共识】：物理没有出错，出问题的是"i.i.d. 噪声 + 亚波长间距"这对假设，它们互不相容。阵元一旦靠得比半波长近，就浸泡在同一个电磁噪声场里，噪声必然相关。改用空间相关的电磁噪声场建模，发散即消失 [2]。
行为分析
真正难的是两头都要：
- 宏观上（\(\lambda/2\) 间隔），几十年的 i.i.d.-噪声 MIMO 理论运转良好，新模型必须与之兼容。
- 微观上（亚波长），必须有足够相关性来保证容量有限。
构造一个同时满足两头的噪声模型，即"桥接宏微观噪声"，被 EIT 综述明确列为开放问题 [2]。【开放】截至 2026-08 无公认构造。
一个自然的候选值得写出来：各向同性电磁噪声场的空间相关是 sinc 型的，在半波长间隔处恰好过零，所以宏观 i.i.d. 兼容性并非奢望。难点在于，同时满足容量有限性与互耦、天线效率等物理约束，还缺完整论证。
数值锚点
设 1 m 线阵孔径、3.5 GHz（\(\lambda\approx 8.57\) cm），信号法向入射、各阵元信道系数取 1。\(\lambda/2\) 间距放 24 个阵元，\(\lambda/10\) 间距放 117 个。
- 按 i.i.d. 噪声：\(\mathrm{SNR}_n\propto n\)，加密凭空"白赚" \(10\log_{10}(117/24)\approx 6.9\) dB。孔径与截获功率都没变，这是离散化伪影。
- 改用 sinc 相关 \(\sin(kd)/(kd)\)（\(k=2\pi/\lambda\)，\(d\) 为阵元间距）：
- \(\lambda/2\) 间距下，相关全部过零，协方差就是单位阵，与 i.i.d. 一致。
- \(\lambda/10\) 间距下，\(117\times117\) 相关矩阵的本征值在第 24 个前后陡降（第 26 个已不足最大值的 4%），噪声只有约 \(2L/\lambda\approx 23\) 个独立自由度（第 4 章 的线孔径自由度）。
合并分母随之变为 \(\sigma^2\mathbf{h}^{\mathsf{H}}\mathbf{R}\mathbf{h}\)（\(\mathbf{R}\) 为归一化相关矩阵）。117 阵元增益约 23.6 倍（13.7 dB），与 24 阵元的 24 倍（13.8 dB）几乎相同，SNR 饱和。
定理（CAPA 容量有限，Zhao–Ouyang–Zhang–Liu 2025）【已解决（模型内）】
- 连续孔径阵列的单用户容量有闭式表达。
- 孔径面积增大时，容量收敛到有限上界，不发散。
- 上行有容量域刻画，并存在上下行对偶 [8]。
这为"合理噪声模型下容量必须有限"提供了模型内的严格样板。
陷阱：两句不能写的话
- 第一句，"连续孔径容量无穷大"：发散是 i.i.d. 噪声假设的离散化伪影，CAPA 在合理模型下容量有限 [8]。
- 第二句，"EIT 推翻了香农"：EIT 是香农理论加物理约束的细化。问题格式（互信息、注水、行列式）原封不动，被替换的只是对信号与噪声空间结构的建模。
方法论上，这个领域正处在"活的争论"里。以随机场互信息为纲的一派 [2][7] 与主张多端口网络、互耦、物理一致性建模的一派 [9] 分歧未收口。2026 年出现的 CAPA 视角整合教程 [10]，作者横跨两派，可读作合流信号，但不能断言已统一。该方向已建制化（专刊、系列研讨会），正是清单条目最好的孵化环境。
Q1 四件套（本站整理）
- 精确陈述：构造噪声场自相关核族，满足下面三条。【开放】[2][9]
- (i) 在 \(\lambda/2\) 采样下协方差趋于对角（宏观 i.i.d. 兼容）。
- (ii) 给定孔径与功率时，容量关于阵元密度一致有界（不能靠加密阵元无限增长）。
- (iii) 与互耦、天线效率约束物理一致。
- 白话：(i) 半波长阵列的老理论照常成立；(ii) 给定孔径与功率时，容量不能靠加密阵元无限增长；(iii) 模型能由真实天线实现。
- 已知工具箱：Mercer/Fredholm 谱方法 [7]；波数域平面波展开 [6]；多端口网络与互耦建模 [9]；CAPA 闭式容量 [8]。
- 猜想（本站提法）：
- 动机来自上面的数值锚点。sinc 相关在 \(\lambda/2\) 下给出单位阵，管住 (i)；加密时把噪声自由度锁在约 \(2L/\lambda\)，管住 (ii) 的主体。
- 但纯 sinc 核加密后近乎奇异，最优合并会钻进噪声极弱的方向（超方向性）。逐阵元独立的器件热噪声正好垫底。
- 据此猜想：以各向同性噪声场的 sinc 型相关为微观结构、叠加器件级独立噪声的两成分核，可同时满足 (i)(ii)；主要障碍在 (iii)。
- 第一步可做的定理：对给定亚波长相关长度 \(\delta\) 的噪声核族，证明孔径面积固定时容量关于阵元密度一致有界，且 \(\delta \to 0\) 时逐点恢复 i.i.d. 极限的经典结论。
- AI 可攻子问题：线阵、圆环等特殊几何下 Fredholm 行列式的本征值衰减率闭式界；[8] 的闭式容量在非均匀功率约束下的推广。
10.4 Q2 · 预测论的接口：AI 空口的泛化性缺口#
Q2 问：信道可预测到什么程度、在哪个半径内可预测（第 8 章）。它的工程镜像不在论文里，在标准会场里。
3GPP Rel-18（2022–2023）开启第一个 AI/ML 空口研究项目，结题报告 TR 38.843 [11] 覆盖三个用例：CSI (Channel State Information) 反馈压缩、波束管理、定位。报告点名的核心难题，是换个场景、换个厂商之后还准不准：泛化性与互操作性。
标准的应对方式很诚实：不给理论保证，给逃生通道。
- Rel-19（2024–2025）：规范化单侧模型（波束管理、定位、UE 侧 CSI 预测），并落地生命周期管理 (Life Cycle Management, LCM) 信令：监测、切换、回退。
- Rel-20（2025–2026）：进攻最难的两侧模型 CSI 压缩的跨厂商训练协作，同时启动 6G 研究 [12]。
单侧模型只在终端或基站一侧运行。两侧模型把网络拆成两半：编码器在终端压缩 CSI，解码器在基站还原。两半常来自不同厂商，必须配套训练才能对上。
备注：LCM 是保险丝，不是定理
LCM 规范的是"泛化失败发生时怎么办"的信令流程，不是"泛化不会失败"的保证。把 Rel-19/20 读成"标准已解决泛化"是常见误读。真实状况有两点：
- 产业界已经在物理层大规模部署学习模型。
- 学习到的物理层模型的泛化误差，截至 2026-08 没有任何"链级"定理护航。"链级"指从环境几何一路推到模型部署风险的端到端界。
Q2 问信道可预测到什么程度。标准化实践证明，我们连"在哪些分布上可预测"都还没有定理。这是本部接给第二部《链的定理》的活扣。
下面把工程痛点翻译成 Q2 的问题格式（本站提法）。设环境类 \(\mathcal{E}\)，每个环境 \(e\) 经正向映射（第 5 章）诱导数据分布 \(P_e\)：
- \(\mathbf{x}\) 是学习器的输入（导频观测或历史 CSI）。
- \(\mathbf{s}\) 是预测目标（CSI、最佳波束编号或终端位置）。
学习器在源环境 \(e\) 上训练出 \(f\)，部署到目标环境 \(e'\)，以损失函数 \(\ell\) 衡量预测误差，风险为
我们要找的是一个环境间的度量 \(d(e, e')\)，它可由信道知识地图 (Channel Knowledge Map, CKM)（第 7 章）与实测数据估计，并使得形如
的界对物理层学习任务成立。读法：新环境的风险不超过老环境的风险加上"两环境相距多远"的代价，\(C\) 把距离折算成风险。【开放】截至 2026-08，不存在任何以物理环境参数为变量的此类定理。
领域自适应 (domain adaptation) 研究"此分布上训练、彼分布上部署"，已有形状相近的一般性界。但其距离是 \(P_e\)、\(P_{e'}\) 之间的统计距离，没有利用信道的电磁结构，因而在物理层任务上通常空洞 (vacuous)：右端比"随便猜"的风险还大，什么也没保证。
Q2 四件套（本站整理）
- 精确陈述：构造可由 CKM 数据估计的环境度量 \(d\)，使上式对 CSI 压缩、波束预测、定位三类任务成立且非空洞。【开放】
- 已知工具箱：波数域谱表示（第 4 章）；射线追踪正向映射与神经代理（第 5 章）；3GPP 的跨场景泛化测试数据协议 [11]。
- 猜想（本站提法）：
- 第一步可做的定理：在"单反射面、位置参数化"的玩具环境族上，证明线性 CSI 预测器的风险关于反射面位移满足 Lipschitz 型界，即环境连续形变，对应风险连续变化。
- AI 可攻子问题：该玩具族 Lipschitz 常数的显式计算；两径模型族上核回归预测器的泛化界；把 [11] 的泛化测试配置形式化为分布偏移的参数族。
10.5 Q3 · 价值论的接口：ISAC 的双重折中#
10.5.1 两条路径与容量–失真折中#
Q3 问：环境知识值多少（第 9 章）。通感一体化 (Integrated Sensing and Communication, ISAC) 把这个哲学问题变成了硬指标：一个波形打两份工。张力是本质的：
- 通信要信号随机，随机性即信息。
- 感知要信号确定，确定才能当好尺子。
同一份功率、同一段频谱，两种用途在拔河。
陷阱：两条路径，不要混写
ISAC 基本限有两条平行路径，指标不同构：
- 信息论路径：Ahmadipour–Kobayashi–Wigger–Caire 的容量–失真框架 [13]，感知性能用估计失真度量。
- 估计论路径：CRB–rate 框架 [14][15]，感知性能用克拉美–罗界 (Cramér–Rao Bound, CRB) 度量（无偏估计方差的下界，见预备篇 9.4）。
两组人马、两套指标，统一它们本身被十大开放挑战综述列为问题 [16]。本节分开陈述，不做未经证明的合并。
定理（ISAC 容量–失真折中，Ahmadipour 等 2022）【单用户已解决；广播信道部分结果】
考虑状态依赖无记忆信道加广义反馈（发端听到自己的回波）：输出由输入 \(X\) 与随机"状态" \(S\) 共同决定，\(S\) 即待感知参数，逐符号独立同分布。这时"以失真不超过 \(D\) 感知状态、同时可靠通信"的最大速率 \(C(D)\) 被完全刻画，形如
其中 \(\mathcal{P}(D)\) 是使最优估计器（可逐符号地由输入与回波给出）的期望失真不超过 \(D\) 的输入分布集合（精确表达式与条件以原文 [13] 为准）。物理退化广播信道的折中域已刻画，一般广播信道只有内外界。
物理意义
\(C(D)\) 是一条价格曲线：横轴是你要求的感知质量，纵轴是通信速率的上确界。\(D \to \infty\) 时退回普通容量；\(D\) 收紧时可行输入分布收缩，速率下降。感知从"免费副产品"变成"有标价的商品"。
10.5.2 CRB–rate 折中与确定–随机折中#
估计论路径揭示了折中的双层结构。Xiong–Liu–Cui–Yuan–Han–Caire 2023 [14]【部分结果】以 CRB–rate 区域刻画高斯信道下的 ISAC 折中，主定理分离出两个机制：
- 子空间折中 (Subspace Tradeoff, ST)：功率与自由度在感知子空间与通信子空间之间的分配。
- 确定–随机折中 (Deterministic–Random Tradeoff, DRT)：数据调制的随机性本身损害感知精度。
DRT 的机制值得写透，分三步。
第一步：样本协方差围绕设计协方差起伏。 随机码本下，实际发出的样本协方差
围绕设计协方差起伏，量级 \(O(1/\sqrt{T})\)。
第二步：起伏抬高期望意义下的 CRB。 Fisher 信息依赖于实际实现 \(\hat{\mathbf{R}}_x\) 而非设计值，起伏经由估计精度的非线性依赖，抬升期望意义下的 CRB。确定性波形能精确坐在设计协方差上，随机码本不能。
第三步：用单天线玩具例子看零均值起伏为何抬高平均 CRB。 回波 \(y_t=\theta x_t+n_t\)，\(n_t\sim\mathcal{CN}(0,\sigma^2)\)，估计复幅度 \(\theta\)，则
其中 \(\hat{r}=\frac{1}{T}\sum_t|x_t|^2\) 是实际发出的平均功率。
- 恒模波形：\(\hat{r}\equiv1\)。
- 高斯码本（\(x_t\sim\mathcal{CN}(0,1)\) 独立）：\(\hat{r}\) 均值仍是 1，但 \(1/\hat{r}\) 是凸函数，由 Jensen 不等式 \(\mathbb{E}[1/\hat{r}]\ge1\)，精确值为 \(T/(T-1)\)。
在这个玩具里，\(T=10\) 时平均 CRB 被抬高约 11%。起伏是 \(O(1/\sqrt{T})\)，损失是它的平方量级 \(O(1/T)\)。这个 11% 只属于单天线玩具。这就是"随机性损害感知"的定量骨架（具体损失因子依赖场景，此处不给数）。
MIMO ISAC 情形下，点目标与扩展目标的发射协方差最优解有"SVD 加注水"的半闭式，给出 CRB–rate 区域的 Pareto 边界（沿这条边界，想再降 CRB 就得让出速率，反之亦然）[15]【部分结果】。2025 年已推广到相关信道与部分输入分布，但一般输入分布的完整刻画未收口。
10.5.3 边际价格：汇率的字面意义#
把 Pareto 边界记为 \(\epsilon^{\star}(R)\)（速率 \(R\) 下可达的最小 CRB），第 9 章 的"汇率"在这里获得字面意义（本站提法）：
物理意义
\(\nu(R)\) 是边界上的边际价格：在当前工作点再买一单位速率，需要支付 \(\nu(R)\) 的估计方差。感知价值第一次与比特进入同一坐标系，成为可交易量。
行为分析
边界通常有两个角点：感知最优点（确定性信号、最小 CRB）与通信最优点（高斯码本、容量）。凸边界情形下，\(\nu\) 在感知最优角点附近小（低速率区加通信几乎免费），趋近容量时陡增（最后一比特最贵）。系统设计的全部艺术，是在 \(\nu(R)\) 曲线上选驻点。
Q3 四件套（本站整理）
- 精确陈述：一般输入分布下 CRB–rate Pareto 边界的完整刻画；一般（非退化）广播与多址 ISAC 信道的折中域。【开放】[14][13]
- 已知工具箱：SVD 加注水的半闭式 [15]；DRT/ST 分解 [14]；容量–失真框架与逐符号估计器 [13]。
- 猜想（本站提法）：
- 动机是高斯线性观测模型里，最优估计的均方误差恰好等于相应版本的 CRB（确定参数由最小二乘、高斯随机参数由 MMSE 估计达到，见预备篇 4.10），两种度量可以直接互译。非线性参数（时延、角度）没有这种重合。
- 据此猜想：两条路径在高斯线性观测模型上存在换算字典。失真度量取为 CRB 的单调函数时，两套 Pareto 边界一一对应；一般情形无此对应。
- 第一步可做的定理：单目标、秩一发射协方差的特例下，写出任意输入分布的 CRB–rate 边界，并验证与 [14] 高斯极限一致。
- AI 可攻子问题：扩展目标三种 CRB 矩阵度量下协方差优化的闭式推导核对；相关信道特例的边界计算；离散星座输入下边界的数值—解析夹逼。
10.6 Q4 · 统计力学的接口：MIMO 检测与 AI 辅助证明#
10.6.1 模型与一阶门限#
Q4 的做题方式是统计力学式的：把信道矩阵当作系综，问算法的典型行为，不问最坏行为（第 9 章）。2026 年 8 月，这一问上了新闻头条。原因不是一个新模型，而是一个二十年悬案出现了候选解，以及解出它的方式。
模型是教科书级的。方形高斯二元 MIMO：
其中 \(\mathbf{H}\) 为 \(N \times N\) i.i.d. 高斯，\(\mathbf{w}\) 为单位方差高斯噪声。已知穷举最大似然 (Maximum Likelihood, ML) 在 \(\rho > 2\log N\) 时以高概率恢复 \(\mathbf{x}^{\star}\)。ML、ZF/MMSE、球形译码这条检测谱系，以及"整数最小二乘最坏情形 NP 难"的含义，见预备篇 5.7。
门限从哪来？一阶启发式分三步。
第一步：算两个信号点的距离。 翻转第 \(i\) 位得到最近的错误假设，两个信号点的距离平方为
这里 \(\mathbf{h}_i\) 有 \(N\) 个单位方差元素，所以 \(\mathbb{E}\|\mathbf{h}_i\|^2 = N\)。
第二步：算单个错误事件的概率。 单位方差高斯噪声下，该两点错误概率约为
"约为 \(Q(d_i/2)\)"的理由是：噪声在两点连线上的投影越过中点才判错，对应 预备篇 3.4 的 \(Q\) 函数。不等号是 Chernoff 界，推导见下面的折叠框。
Chernoff 界的推导
对标准高斯 \(Z\) 与任意 \(s>0\)，\(\Pr\{Z>x\}\le\mathbb{E}[e^{sZ}]e^{-sx}=e^{s^2/2-sx}\)，取 \(s=x\) 得 \(Q(x)\le e^{-x^2/2}\)。
第三步：对 \(N\) 个单比特错误事件取联合界。
物理意义
门限 \(2\log N\) 是随维度增长的标度，不是常数 SNR。维度越高，最近邻错误事件越多，需要的能量越高，但只以对数速度增长。
行为分析
难点从来不在 ML 的统计极限，而在计算。门限附近球译码的代价约为 \(\exp\{\Theta(N/\log N)\}\)，超多项式。多项式算法能否触到同一门限，是 2000–2010 年代无线通信界的著名开放问题。"计算–统计鸿沟 (computational-statistical gap)"是否存在，悬置了近二十年。
10.6.2 候选定理与诚实读法#
候选定理（多项式时间 MIMO 检测达到 ML 门限，Papailiopoulos 与 GPT-5.6、Claude Fable 5，2026-08）【候选结果，未经同行评审】
上述模型中，考虑"取整 LMMSE (Linear Minimum Mean Square Error) 初始化 + 最陡单比特下降（贪心翻转）"的两阶段算法：
- 先把 LMMSE 估计逐分量取符号作初值。
- 再每步翻转使 \(\|\mathbf{y}-\sqrt{\rho/N}\,\mathbf{H}\mathbf{x}\|^2\) 下降最多的那一位，直到翻哪一位都不再下降。
这个算法在同一一阶门限 \(\rho > 2\log N\) 之上，以 \(O(N^3)\) 运算量、对所有发送字一致地、以趋于 1 的概率恢复 \(\mathbf{x}^{\star}\)。也就是说，该模型中一阶意义下不存在计算–统计鸿沟 [17]。
如何诚实地读这个结果
四条边界，缺一不可：
- 平均情形：这是高斯系综上的结果，不触碰整数最小二乘的最坏情形 NP 难。后者仍然成立。
- 一阶意义：门限是 \(\rho = 2\log N\) 的标度陈述，"一阶意义"指不含二阶修正，勿引申为常数 SNR 下的结论。
- 候选状态：46 页手稿发布于作者 GitHub（2026-08-08），作者人工核验约 5 天，无独立评审、无形式化验证。
- 分工：Claude Fable 5 提出算法，GPT-5.6 修复并简化证明，人类出题、导演简化、核验、担责。
此前研究过该问题的学者的反应（"从没想过会被解决"）说明其分量，但分量不能替代评审。
这个案例对本纲领的意义超出结果本身：它标定了当前 AI 辅助证明的甜点区，即陈述清晰、工具经典（LMMSE 分析、高斯集中、联合界）、但需要长链条估计的问题。
旁证并非孤例。2025 年 Bubeck 将一个凸优化开放问题交给推理模型，17 分钟得到把已知界从 \(1/L\) 推进到 \(1.5/L\) 的正确证明，后被人类进一步收紧；系统性记录见 [18]。
可复制的工作流也已清晰：人类出题、模型出初证、人机多日打磨简化、人类核验并担责。据此本站提出"诚实报告 AI 证明"的四条规范（本站提法）：
- 标注候选状态与评审情况。
- 限定模型与阶数边界。
- 披露人机分工。
- 人类署名担责。
本章各 Q 的"AI 可攻子问题"，就是按甜点区粒度切好的清单。
10.6.3 Q4 四件套与四个接口一览#
Q4 四件套（本站整理）
- 精确陈述：[17] 的非方形（\(N \times M\)）、非二元星座、相关信道版本；以及候选结果本身的同行评审与形式化。【开放】
- 已知工具箱：LMMSE 谱分析；高斯集中不等式；联合界与一阶门限计算；随机矩阵系综技术（第 9 章）。
- 猜想（本站提法）：
- 动机是 [17] 的主要工具（LMMSE 分析、高斯集中、联合界）在非方形高斯系综上都有现成的对应物：第 9 章 的 Marchenko–Pastur 律对任意固定宽高比都成立，LMMSE 的误差可以照样用它刻画。
- 据此猜想：宽高比固定的非方形高斯系综下，同类两阶段算法在相应的一阶门限上同样无计算–统计鸿沟。
- 第一步可做的定理：QPSK 星座情形。复高斯模型按实虚部分解为两个实二元问题，验证门限与算法保证的搬运。
- AI 可攻子问题：贪心翻转步的能量下降引理在相关 \(\mathbf{H}\)（给定条件数界）下的重证；\(M/N \to \alpha \ne 1\) 时 LMMSE 初始化误码率的精确一阶渐近。
四个接口一览（定理与状态照录以上四节）：
| 基本问题 | 同构的物理课 | 接口领域 | 接口处的已有结果 | 最尖锐的缺口 | 路线图上的位置 |
|---|---|---|---|---|---|
| Q1 结构 | 静力学 | 电磁信息论（连续孔径） | CAPA 单用户容量有限（Zhao–Ouyang–Zhang–Liu 2025）【已解决（模型内）】 | 噪声模型之争：桥接噪声模型的构造与物理一致性 | 中线：桥接噪声模型；长线：连续孔径算子理论教科书化 |
| Q2 外推 | 预测论 | AI 空口泛化性（3GPP Rel-18/19/20） | 标准只给逃生通道：LCM 的监测、切换、回退，"是保险丝，不是定理" | 以物理环境参数为变量的泛化界 \(R_{e'}(f)\le R_e(f)+C\cdot d(e,e')\)【开放】 | 中线：两侧模型互操作的理论化；长线：链级泛化定理（第二部） |
| Q3 定价 | 价值论 | ISAC 基本限 | 容量–失真折中（Ahmadipour 等 2022）【单用户已解决】 | ISAC 两条路径的换算字典 | 短线：CRB–rate 推广收口；中线：换算字典 |
| Q4 系综 | 统计力学 | 随机矩阵与平均情形分析 | 多项式时间 MIMO 检测达到 ML 门限（2026-08）【候选结果，未经同行评审】 | 非方形、非二元、相关信道版本，以及候选结果本身的评审与形式化 | 短线：AI 可攻子问题清单落地 |
10.7 路线图：短线、中线、长线#
flowchart LR
S["短线 1-2 年<br/>AI 可攻子问题清单落地<br/>CRB-rate 推广收口：相关信道 · 一般输入"]
M["中线 3-5 年<br/>桥接噪声模型构造<br/>两侧模型互操作性理论<br/>ISAC 两条路径的换算字典"]
L["长线 5-10 年<br/>连续孔径算子理论教科书化<br/>链级泛化定理（第二部主题）"]
S --> M --> L短线（1–2 年）：把本章四份"AI 可攻子问题"清单变成可执行条目。每条按"模型、已知、求证、工具"四栏写成自包含问题页，交给人机工作流；同时收口 CRB–rate 的相关信道与一般输入分布推广 [14][15]。这一段的产出主要是引理与特例，价值在于把四个 Q 的"第一步"真正走出去。
中线（3–5 年）：三场硬仗。
- 桥接噪声模型的完整构造与物理一致性证明（Q1）。
- 两侧 AI/ML 模型跨厂商互操作的理论化，把 3GPP 的测试协议升级为可证明的兼容性判据（Q2）[11][12]。
- ISAC 两条路径的换算字典（Q3）[16]。
中线的标志是：接口领域开始反向引用本纲领的问题格式。
长线（5–10 年）：两件事。
- 连续孔径的算子理论沉淀为教科书内容，像今天的 \(\log\det\) 公式一样成为默认语言（Q1）。
- 链级泛化定理：从环境几何到学习模型风险的端到端界（Q2），那是第二部《链的定理》的主题。
判据从头到尾只有一条，也是本章标题的本义。手艺的进步表现为论文数量，科学的进步表现为清单状态的迁移：一个个条目从【开放】改成【部分结果】，再改成【已解决】。第一部到此为止的全部工作，就是把清单写到可以开工的精度。
跨部连线
- 第二部 7.7 节：第二部三条定理与本部知识汇率的接口表。
- 第三部第 9 章「一个模板，四次实例化」：四部共用的逆定理模板："资源不超过 \(R\)，任何方案的性能不超过 \(F(R)\)"。
- 第四部 9.8 节：四部合成表与全站闭环图。
开放问题#
- EIT 桥接噪声模型：宏观 i.i.d. 兼容、微观相关、容量一致有界的噪声场构造。【开放】文献明示 [2]。
- 物理约束下的电磁容量：含互耦、超方向性、天线效率约束的连续孔径容量；现有闭式解均在简化模型内。【开放】[2][9]
- 一般输入分布的 CRB–rate Pareto 边界完整刻画；一般广播、多址 ISAC 信道的折中域（现仅内外界）。【开放】[14][13]
- ISAC 两条路径的统一：容量–失真与 CRB–rate 指标不同构，统一被列为十大开放挑战之首。【开放】[16]
- 两侧 AI/ML 模型的跨厂商泛化与互操作：工程开放问题，非定理化；Rel-20 仍在攻 [11][12]。与之配套的理论问题是物理层学习的链级泛化定理，截至 2026-08 无定理。【开放】
- MIMO 检测候选结果的收口：[17] 的同行评审与形式化；非方形、非二元星座、相关信道推广。【开放】
- Q1–Q4 的组装本身：四个基本问题之间的定量关系（如有效维度如何同时控制预测半径与汇率）是本站提法的纲领性猜想，截至 2026-08 无定理。【开放】
参考文献#
- T. M. Cover, B. Gopinath (eds.), 《Open Problems in Communication and Computation》, Springer, 1987, https://link.springer.com/book/10.1007/978-1-4612-4808-8
- J. Zhu, Z. Wan, L. Dai, M. Debbah, H. V. Poor, 《Electromagnetic Information Theory: Fundamentals, Modeling, Applications, and Open Problems》, arXiv:2212.02882, 2022, https://arxiv.org/abs/2212.02882
- D. A. B. Miller, 《Communicating with waves between volumes: evaluating orthogonal spatial channels and limits on coupling strengths》, Applied Optics 39(11):1681, 2000, https://opg.optica.org/ao/abstract.cfm?uri=ao-39-11-1681
- A. S. Y. Poon, R. W. Brodersen, D. N. C. Tse, 《Degrees of Freedom in Multiple-Antenna Channels: A Signal Space Approach》, IEEE Trans. Inf. Theory 51(2), 2005, https://web.stanford.edu/~dntse/papers/ada_mea_dof.pdf
- M. Franceschetti, 《Wave Theory of Information》, Cambridge University Press, 2017, https://www.cambridge.org/core/books/wave-theory-of-information/8F3C47FFABA1A7F274026C812D117EA4
- A. Pizzo, T. L. Marzetta, L. Sanguinetti, 《Spatially-Stationary Model for Holographic MIMO Small-Scale Fading》, IEEE JSAC 38(9), 2020, https://www.researchgate.net/publication/342023388
- Z. Wan, J. Zhu, Z. Zhang, L. Dai, C.-B. Chae, 《Mutual Information for Electromagnetic Information Theory Based on Random Fields》, IEEE Trans. Commun., 2023, https://arxiv.org/abs/2111.00496
- B. Zhao, C. Ouyang, X. Zhang, Y. Liu, 《Continuous-Aperture Array (CAPA)-Based Wireless Communications: Capacity Characterization》, IEEE Trans. Wireless Commun. 24(12), 2025, https://arxiv.org/abs/2406.15056
- M. Di Renzo, M. D. Migliore, 《Electromagnetic Signal and Information Theory — Electromagnetically Consistent Communication Models for the Transmission and Processing of Information》, arXiv:2311.06661, 2023, https://arxiv.org/abs/2311.06661
- Z. Wang, C. Ouyang, K. R. R. Ranasinghe, S. S. A. Yuan, G. T. F. de Abreu, E. Björnson, Y. Liu, 《Electromagnetic Signal and Information Theory: A Continuous-Aperture Array Perspective》, arXiv:2605.12910, 2026, https://arxiv.org/abs/2605.12910
- 3GPP, 《TR 38.843 v2.0.1: Study on Artificial Intelligence (AI)/Machine Learning (ML) for NR air interface》, Rel-18, 2024, https://www.tech-invite.com/3m38/tinv-3gpp-38-843.html
- X. Lin（作者名以原文为准）, 《A Tale of Two Mobile Generations: 5G-Advanced and 6G in 3GPP Release 20》, arXiv:2506.11828, 2025, https://arxiv.org/abs/2506.11828
- M. Ahmadipour, M. Kobayashi, M. Wigger, G. Caire, 《An Information-Theoretic Approach to Joint Sensing and Communication》, IEEE Trans. Inf. Theory, 2022, https://arxiv.org/abs/2107.14264
- Y. Xiong, F. Liu, Y. Cui, W. Yuan, T. X. Han, G. Caire, 《On the Fundamental Tradeoff of Integrated Sensing and Communications Under Gaussian Channels》, IEEE Trans. Inf. Theory 69(9):5723–5751, 2023, https://arxiv.org/abs/2204.06938
- H. Hua, T. X. Han, J. Xu, 《MIMO Integrated Sensing and Communication: CRB-Rate Tradeoff》, IEEE Trans. Wireless Commun., 2024, https://arxiv.org/abs/2209.12721
- S. Lu, F. Liu, et al., 《Integrated Sensing and Communications: Recent Advances and Ten Open Challenges》, IEEE Internet of Things Journal, 2024, https://ieeexplore.ieee.org/document/10418473
- D. Papailiopoulos（与 GPT-5.6、Claude Fable 5）, 《Polynomial-Time MIMO Detection at the Maximum-Likelihood Threshold》, arXiv:2609.19405, 2026（2026-09-16 上线；此前为作者站点手稿）. https://arxiv.org/abs/2609.19405
- 《Early science acceleration experiments with GPT-5》, arXiv:2511.16072, 2025, https://arxiv.org/pdf/2511.16072