GPT‑5.2 выводит новый результат в теоретической физике
В новом препринте GPT‑5.2 предложила формулу для глюонной амплитуды, которая впоследствии была доказана внутренней моделью OpenAI и верифицирована авторами.
Мы опубликовали новый препринт, показывающий, что тип взаимодействия частиц, который, по мнению многих физиков, не должен происходить, на самом деле может возникать при определенных условиях. Работа посвящена глюонам — частицам, переносящим сильное ядерное взаимодействие. Препринт доступен на arXiv и направлен в печать. Тем временем мы приветствуем отзывы научного сообщества.
Авторами препринта под названием »Одноминусовые древесные глюонные амплитуды ненулевые» (англ. «Single-minus gluon tree amplitudes are nonzero») являются Альфредо Гевара (Институт перспективных исследований), Алекс Лупсаска (Университет Вандербильта и OpenAI), Дэвид Скиннер (Кембриджский университет), Эндрю Строминджер (Гарвардский университет) и Кевин Вейл (OpenAI) от лица компании OpenAI.
В препринте исследуется центральное понятие физики элементарных частиц — амплитуда рассеяния. Амплитуда рассеяния — это величина, используемая физиками для вычисления вероятности того, что частицы взаимодействуют определенным образом. Для глюонов, переносящих сильное ядерное взаимодействие, многие амплитуды принимают неожиданно простые формы «на древесном уровне» (то есть при вычислениях, учитывающих только простейшие диаграммы без квантовых петлей). Эти упрощения неоднократно выявляли более глубокую структуру в квантовой теории поля — концепции, объединяющей специальную теорию относительности с квантовой механикой.
Однако один из случаев традиционно считался отсутствующим (имеющим нулевую амплитуду). Когда один глюон имеет отрицательную спиральность (одно из двух возможных состояний спиновой ориентации безмассовой частицы), а остальные n−1 n-1 глюонов обладают положительной спиральностью, стандартные аргументы учебников предполагают, что соответствующая древесная амплитуда должна быть равна нулю. В результате этой конфигурацией в основном пренебрегали.
Препринт показывает, что этот вывод слишком категоричен. Стандартный аргумент предполагает типичные импульсы частиц, то есть их направления и энергии не находятся в каком-то особом выравнивании. Мы определяем специфическую и точно очерченную область пространства импульсов, где это рассуждение больше не работает, известную как полуколлинеарный режим. Полуколлинеарность здесь означает, что импульсы глюонов подчиняются особому условию выравнивания, которое не является типичным, но математически строго определено и согласованно. В этой области амплитуда не исчезает, и мы вычисляем ее в специальном кинематическом режиме. Этот результат открывает двери для множества новых вопросов, которые станут предметом дальнейших исследований. Важные продолжения включают вычисление аналогичных амплитуд для гравитонов (частиц, опосредующих гравитационное взаимодействие).
Центральным аспектом работы является методология. Итоговая формула, уравнение (39) в препринте, была впервые высказана в виде гипотезы моделью GPT‑5.2 Pro. Люди-авторы вручную рассчитали амплитуды для целых значений n n вплоть до n=6 n=6 , получив очень сложные выражения, приведенные в уравнениях (29)–(32), которые соответствуют «разложению по диаграммам Фейнмана», чья сложность растет суперэкспоненциально с ростом n. Модель GPT‑5.2 Pro смогла значительно снизить сложность этих выражений, предоставив гораздо более простые формы в уравнениях (35)–(38). Исходя из этих базовых случаев, она затем смогла заметить закономерность и предложить формулу, применимую для всех n n .
Внутренняя структурированная версия GPT‑5.2 затем потратила около 12 часов на логический анализ задачи, придя к той же формуле и создав ее формальное доказательство. Впоследствии уравнение было аналитически проверено на предмет решения рекуррентного соотношения Берендса — Гиле — стандартного поэтапного метода построения многочастичных древесных амплитуд из более мелких строительных блоков. Оно также было проверено на соответствие мягкой теореме, которая накладывает ограничения на поведение амплитуд при смягчении частицы.
С помощью GPT‑5.2 эти амплитуды уже были распространены с глюонов на гравитоны, и в разработке находятся другие обобщения. О результатах, полученных при поддержке ИИ, и многих других будет рассказано в последующих публикациях.
«Физика этих сильно вырожденных процессов рассеяния вызывала у меня интерес с тех пор, как я впервые столкнулся с ними около пятнадцати лет назад, поэтому отрадно видеть столь поразительно простые выражения в этой статье.
В этой области физики часто случается так, что выражения для некоторых физических наблюдаемых, рассчитанные с помощью стандартных методов из учебников, выглядят ужасно сложными, но на деле оказываются очень простыми. Это важно, поскольку зачастую простые формулы отправляют нас в путь к открытию и пониманию новых глубоких структур, открывая новые миры идей, где, помимо прочего, очевидной становится простота, заложенная в отправной точке.
Для меня «нахождение простой формулы» всегда было кропотливым занятием, и я долгое время чувствовал, что этот процесс может быть автоматизирован компьютерами. Похоже, во многих сферах мы начинаем наблюдать именно это; пример из данной работы кажется особенно подходящим для раскрытия потенциала современных инструментов ИИ. Я с нетерпением жду продолжения этой тенденции в направлении создания универсального инструмента «распознавания образов простых формул» в ближайшем будущем».
—Нима Аркани-Хамед, профессор физики Института перспективных исследований, специалист в области теоретической физики высоких энергий
«Я уже размышляю о том, какие последствия этот препринт окажет на направления исследований моей группы. Это определенно научная работа журнального уровня, раздвигающая границы теоретической физики, и ее новизна вдохновит будущие разработки и публикации. Этот препринт ощущается как взгляд в будущее науки с поддержкой ИИ, где физики рука об руку работают с искусственным интеллектом для генерации и проверки новых идей. Нет никаких сомнений в том, что диалог между физиками и языковыми моделями способен порождать фундаментально новые знания. Объединяя GPT‑5.2 с человеческими экспертами в предметной области, эта статья задает шаблон для проверки выводов, управляемых ИИ, и отвечает всем требованиям строгого научного поиска».
—Натаниэль Крейг, профессор физики в Калифорнийском университете в Санта-Барбаре (UCSB), специалист по физике высоких энергий, феноменологии частиц и космологии
Автор
Полный текст статьи читайте на OpenAI
