GPT‑5.2 donosi novi rezultat u teorijskoj fizici
U novom preprintu, GPT‑5.2 je predložio formulu za gluonsku amplitudu koju je kasnije dokazao interni model OpenAI-a i koju su autori verifikovali.
Objavili smo novi preprint koji pokazuje da se vrsta interakcije čestica, za koju su mnogi fizičari očekivali da se neće dogoditi, zapravo može pojaviti pod određenim uvjetima. Rad se fokusira na gluone, čestice koje prenose jaku nuklearnu silu. Preprint(otvara se u novom prozoru) je dostupan na arXiv-u i podnosi se za objavljivanje. U međuvremenu, rado primamo povratne informacije od zajednice.
Preprint pod nazivom „ Amplitude jednostrukog minus gluonskog stabla su različite od nule“ napisali su Alfredo Guevara (Institut za napredne studije), Alex Lupsasca (Univerzitet Vanderbilt i OpenAI), David Skinner (Univerzitet u Cambridgeu), Andrew Strominger (Univerzitet Harvard) i Kevin Weil (OpenAI) u ime OpenAI-a.
Preprint proučava središnji koncept u fizici čestica koji se naziva amplituda raspršenja. Amplituda raspršenja je veličina koju fizičari koriste za izračunavanje vjerovatnoće da čestice međudjeluju na određeni način. Za gluone, čestice koje prenose jaku nuklearnu silu, mnoge amplitude poprimaju neočekivano jednostavne oblike „na nivou stabla“ (što znači proračune koji zadržavaju samo najjednostavnije dijagrame bez kvantnih petlji). Ova pojednostavljenja su više puta otkrila dublju strukturu u kvantnoj teoriji polja, koja je okvir koji pruža opis fizike ujedinjujući specijalnu relativnost s kvantnom mehanikom.
Jedan slučaj, međutim, općenito se smatra odsutnim (s nultom amplitudom). Kada jedan gluon ima negativni helikitet (što znači jednu od dvije moguće orijentacije spina koje bezmasena čestica može imati), a preostalih gluona ima pozitivni helikitet, standardni argumenti iz udžbenika sugeriraju da odgovarajuća amplituda na razini stabla mora biti nula. Kao rezultat, ova konfiguracija je uglavnom zanemarena.
Preprint pokazuje da je ovaj zaključak previše jak. Standardni argument pretpostavlja generičke momente čestica, što znači da smjerovi i energije nisu u posebnom poravnanju. Identificiramo specifičan i precizno definisan dio prostora impulsa gdje se to rezonovanje više ne primjenjuje, poznat kao polukolinearni režim. Polukolinearno ovdje znači da momenti gluona poštuju poseban uslov poravnanja koji nije tipičan, ali je matematički jasno definiran i dosljedan. Na ovom presjeku, amplituda ne nestaje, a mi je računamo u posebnom kinematičkom režimu. Ovaj rezultat otvara vrata mnogim novim pitanjima koja će biti predmet daljnjih istraživanja. Važna proširenja uključuju izračunavanje analognih amplituda za gravitone (čestice koje posreduju gravitacijsku silu).
Jedan od ključnih aspekata rada odnosi se na metodologiju. Konačnu formulu, Eq. (39) u preprintu, prvi je pretpostavio GPT‑5.2 Pro. Ljudski autori su ručno izračunali amplitude za cijele brojeve do , dobivši vrlo složene izraze prikazane u jednadžbama. (29)--(32), koji odgovaraju „Feynmanovom dijagramskom proširenju“ čija složenost raste supereksponencijalno u n. GPT‑5.2 Pro je uspio značajno smanjiti složenost ovih izraza, pružajući mnogo jednostavnije oblike u jednadžbama. (35)--(38). Iz ovih osnovnih slučajeva, bilo je moguće uočiti obrazac i predložiti formulu koja vrijedi za sve .
Interna verzija GPT‑5.2 sa strukturiranim okvirom je zatim provela otprilike 12 sati u rezonovanju o problemu, dolazeći do iste formule i proizvevši formalni dokaz njene valjanosti. Jednačina je kasnije analitički provjerena kako bi se riješila Berends-Gieleova rekurzijska relacija, standardna metoda korak po korak za izgradnju višepartikularnih amplituda stabla iz manjih gradivnih blokova. Također je provjereno u odnosu na teorem o mekom teoremu, koji ograničava ponašanje amplituda kada čestica postane meka.
Uz pomoć GPT‑5.2, ove amplitude su već proširene s gluona na gravitone, a druge generalizacije su također u pripremi. Ovi rezultati uz pomoć AI-a, i mnogi drugi, bit će objavljeni na drugom mjestu.
„Fizika ovih visoko degeneriranih procesa raspršenja je nešto što me zanima otkad sam se s njima prvi put susreo prije otprilike petnaest godina, tako da je uzbudljivo vidjeti zapanjujuće jednostavne izraze u ovom radu.
Često se u ovom dijelu fizike događa da izrazi za neke fizičke opservable, izračunati pomoću udžbeničkih metoda, izgledaju užasno komplikovano, ali se ispostavi da su vrlo jednostavni. Ovo je važno jer nas jednostavne formule često vode na put ka otkrivanju i razumijevanju dubokih novih struktura, otvarajući nove svjetove ideja gdje se, između ostalog, jasno vidi jednostavnost prisutna u početnoj tački.
Za mene je „pronalaženje jednostavne formule“ oduvijek bilo pipkavo, a također nešto za što sam dugo osjećao da bi se moglo automatizirati pomoću računara. Čini se da u brojnim domenima počinjemo viđati da se ovo dešava; primjer u ovom radu djeluje posebno prikladno za iskorištavanje moći modernih alata umjetne inteligencije. Radujem se što ću u bliskoj budućnosti vidjeti kako se ovaj trend nastavlja prema alatu opće namjene za 'jednostavno prepoznavanje obrazaca formula'.“
—Nima Arkani-Hamed, profesor fizike, Institut za napredne studije, specijaliziran za teorijsku fiziku visokih energija
„Već razmišljam o implikacijama ovog preprinta na aspekte istraživačkog programa moje grupe. Ovo je očigledno istraživanje na nivou naučnog časopisa koje pomiče granice teorijske fizike, a njegova inovativnost će inspirisati budući razvoj i naredne publikacije. Ovaj preprint djelovao je kao uvid u budućnost nauke uz pomoć AI, gdje fizičari rade zajedno s AI kako bi generisali i potvrdili nove uvide. Nema sumnje da dijalog između fizičara i LLM-ova može generirati suštinski novo znanje. Povezivanjem GPT‑5.2 s ljudskim stručnjacima iz domena, rad pruža predložak za validaciju uvida vođenih LLM-om i zadovoljava ono što očekujemo od rigoroznog naučnog istraživanja.”
—Nathaniel Craig, profesor fizike na Univerzitetu Kalifornija, Santa Barbara (UCSB), specijaliziran za fiziku visokih energija, fenomenologiju čestica i kosmologiju
