WHAT & WHY
你正在看到什么？
这是一张教学用的“策略地图”：把三维管束的行为概括成黏连与分离两种可观察趋势。真实证明中的分类、组织和估计更精细；本场景不把这种直观二分当成完整证明。
Sticky or Spreading Tubes
两难局：黏连还是分离
并排比较“长期黏连”与“方向分离”的管束，理解两类局面为何都不能任意压缩空间。
王虹—Zahl 三维挂谷方法导览 · 直观导览，不替代严格证明
一次改变一个参数，观察结构如何变化。快照仅存于此浏览器，不上传云端。
保存输入参数；不保存绘图、相机或操作历史。
交互数学空间— FPS
正在加载场景…
结构检查器
MATHEMATICAL CORE
核心公式
黏连：相近方向在粗尺度内共同传播 分离：横向展开提高空间占用；两者都受多尺度估计约束
进一步阅读与模型边界
画面由数学运算和有限采样生成。数值精度、迭代次数与绘制范围都有边界；具体限制见结构检查器。帧率受设备性能和参数规模影响。
IAS · A Three-Dimensional Breakthrough · Guth, Wang, Zahl · A streamlined proof of the Kakeya set conjecture in R3LEARN · TEST · EXPLAIN
本实验可以帮助你理解什么？
- 两难局：黏连还是分离｜挂谷猜想交互仿真说明什么现象？
- 并排比较“长期黏连”与“方向分离”的管束，理解两类局面为何都不能任意压缩空间。 在线调节参数、观察模型与数据变化，理解挂谷猜想的核心规律。
- 建议怎样开始探索？
- 先保持其他条件不变，只调整一个参数；再对照模型、测量读数与轨迹，记录变化是否符合核心公式。
- 结果可以直接用于真实工程或科研吗？
- 不能。该场景用于教学和直观理解，采用明确的简化假设与有限数值精度；请结合页面中的模型边界和参考资料解释结果。