反散射轉換（inverse scattering transform）

傅立葉轉換對「線性」偏微分方程是個奇蹟：它切換到頻率圖像，把困難的微分方程化成簡單的代數，在那裡每個模態各自獨立演化。數十年來，非線性方程似乎不可能有這種把戲——直到約 1967 年，一小群人替 KdV 方程找到了一個。反散射轉換本質上是個「非線性傅立葉轉換」：它藉由轉到恰當的彎曲座標、在那裡平凡地演化、再轉回來，把某些特殊的非線性偏微分方程線性化。

以下是 KdV（u_t = 6 u u_x - u_xxx）的方案。關鍵洞見是把未知函數 u(x, t) 當作薛丁格特徵值問題 -psi_xx + u psi = lambda psi 中的「位勢」。由 u 算出它的「散射資料」：離散特徵值（結果編碼了孤立子）與反射係數（編碼了色散輻射）——這是「正散射」步驟，相當於做傅立葉轉換。神奇之處在於：當 u 隨時間依 KdV 演化時，這組散射資料卻以平凡、顯式、「線性」的方式演化：特徵值保持不變，反射係數只乘上一個簡單的時間因子。最後你執行「反散射」——由演化後的散射資料，透過 Gelfand-Levitan-Marchenko 積分方程重建位勢 u(x, t)。三步：轉換成散射資料、平凡地演化、再轉換回來。特徵值之所以不變，正是孤立子在碰撞中保持身分的原因。

為什麼這是個勝利？它給出真正非線性偏微分方程的「精確」解——顯式的多孤立子公式——並從結構上（而非靠運氣）解釋了守恆律與粒子般的碰撞。它適用於一族特殊的「可積」方程（KdV、非線性薛丁格、正弦-戈登，以及少數其他），各自連結到自己的散射問題。誠實的局限正在於這份特殊性：可積性既罕見又脆弱。多數非線性偏微分方程「無法」這樣求解，這正是為什麼反散射儘管美麗，卻是與用於其餘一切的「估計與不等式」機器並列（而非取而代之）。