Gå til hovedindhold
OpenAI

13. februar 2026

ResearchPublikation

GPT‑5.2 udleder et nyt resultat inden for teoretisk fysik

I et nyt preprint foreslog GPT‑5.2 en formel for en gluonamplitude, som senere blev bevist af en intern OpenAI-model og verificeret af forfatterne.

Indlæser ...

Vi har udgivet et nyt preprint, der viser, at en type partikelinteraktion, som mange fysikere ikke forventede ville forekomme, faktisk kan opstå under specifikke betingelser. Arbejdet fokuserer på gluoner, som er de partikler, der bærer den stærke kernekraft. Preprintet(åbner i et nyt vindue) er tilgængeligt i arXiv og er ved at blive indsendt til udgivelse. I mellemtiden byder vi feedback fra fællesskabet velkommen.

Preprintet med titlen “Single-minus gluon tree amplitudes are nonzero,” er skrevet af Alfredo Guevara (Institute for Advanced Study), Alex Lupsasca (Vanderbilt University og OpenAI), David Skinner (University of Cambridge), Andrew Strominger (Harvard University) og Kevin Weil (OpenAI) på vegne af OpenAI.

Preprintet undersøger et centralt begreb inden for partikelfysik kaldet en spredningsamplitude. En spredningsamplitude er den størrelse, som fysikere anvender til at beregne sandsynligheden for, at partikler interagerer på en bestemt måde. For gluoner, som er de partikler, der bærer den stærke kernekraft, antager mange amplituder uventet simple former “på træniveau” (hvilket betyder beregninger, der kun medtager de simpleste diagrammer uden kvanteloops). Disse forenklinger har gentagne gange afsløret en dybere struktur i kvantefeltteorien, som er den ramme, der giver en beskrivelse af fysikken, som forener speciel relativitetsteori med kvantemekanik.

Et tilfælde er dog generelt blevet betragtet som fraværende (med nul amplitude). Når én gluon har negativ helicitet (hvilket betyder en af de to mulige spinorienteringer, som en masseløs partikel kan have), og de resterende n1 n-1 gluoner har positiv helicitet, antyder standardargumenter fra lærebøger, at den tilsvarende træ-niveau amplitude må være nul. Derfor er denne konfiguration stort set blevet sat til side.

Preprintet viser, at denne konklusion er for vidtgående. Standardargumentet antager generiske partikelimpulser, hvilket betyder, at retningerne og energierne ikke er i nogen særlig speciel justering. Vi identificerer et specifikt og præcist defineret udsnit af momentumrummet, hvor den ræsonnering ikke længere gælder. Det kaldes også for det halvkollineære regime. Halv-kollinær betyder her, at gluonmomentum opfylder en særlig justeringsbetingelse, der ikke er typisk, men som er matematisk veldefineret og konsistent. På denne del forsvinder amplituden ikke, og vi beregner den i et særligt kinematisk regime. Dette resultat åbner døren for mange nye spørgsmål, der vil blive genstand for efterfølgende undersøgelser. Vigtige udvidelser inkluderer beregningen af de analoge amplituder for gravitoner (de partikler, der medierer tyngdekraften).

Et centralt aspekt af arbejdet vedrører metodikken. Den endelige formel som er ligning (39) i preprintet, blev først foreslået af GPT‑5.2 Pro. De menneskelige forfattere beregnede amplituderne for heltals n n op til n=6 n=6 manuelt og opnåede meget komplicerede udtryk, der er angivet i ligningerne (29)--(32), som svarer til en “Feynman-diagramudvidelse”, hvis kompleksitet vokser supereksponentielt i n. GPT‑5.2 Pro var i stand til at reducere kompleksiteten af disse udtryk betydeligt og levere de meget enklere former i ligningerne (35)--(38). Ud fra disse basistilfælde kunne den derefter identificere et mønster og foreslå en formel, der er gyldig for alle n n .

En intern, stilladseret version af GPT‑5.2 brugte derefter cirka 12 timer på at ræsonnere igennem problemet, komme frem til den samme formel og producere et formelt bevis for dens gyldighed. Ligningen blev efterfølgende verificeret analytisk for at løse Berends-Giele-rekursionsrelationen, som er en trinvis standardmetode til at opbygge multipartikel-træamplituder fra mindre byggeklodser. Det blev også kontrolleret mod det bløde teorem, som begrænser, hvordan amplituder opfører sig, når en partikel bliver blød.

Ved hjælp af GPT‑5.2 er disse amplituder allerede blevet udvidet fra gluoner til gravitoner. Flere generaliseringer er også på vej. Disse AI-assisterede resultater og mange andre vil blive rapporteret andre steder.

"Fysikken bag disse stærkt degenererede spredningsprocesser har været noget, jeg længe har været interesseret i, lige siden jeg første gang stødte på dem for omkring femten år siden, så det er spændende at se de slående simple udtryk i denne artikel."

Det sker ofte i denne del af fysikken, at udtryk for nogle fysiske observerbare størrelser, der beregnes ved hjælp af lærebogsmetoder, ser uhyre komplicerede ud, men viser sig at være ganske enkle. Dette er vigtigt, fordi simple formler ofte sender os på en rejse mod at afdække og forstå dybere strukturer, hvilket åbner op for nye idéer, hvor blandt andet den enkelhed, der ses i udgangspunktet, bliver tydelig.

For mig har det “at finde en simpel formel” altid været besværligt, og noget, som jeg længe har følt kunne automatiseres af computere. Det ser ud til, at vi på tværs af flere domæner begynder at se dette ske. Eksemplet i denne artikel synes særligt velegnet til at udnytte kraften i moderne AI-værktøjer. Jeg ser frem til at se denne tendens fortsætte mod et generelt anvendeligt værktøj til “simpel genkendelse af formelmønster” i den nærmeste fremtid.

—Nima Arkani-Hamed, professor i fysik ved Institute for Advanced Study, der specialiserer sig i teoretisk højenergifysik

"Jeg tænker allerede over konsekvenserne af dette preprint for visse aspekter af min gruppes forskningsprogram." Dette er tydeligvis banebrydende forskning, der skubber de nuværende grænser for teoretisk fysik. Dens betydning vil inspirere fremtidige udviklinger og efterfølgende publikationer. Dette preprint føltes som et glimt ind i fremtiden for AI-assisteret videnskab, hvor fysikere arbejder hånd i hånd med AI for at generere og validere nye indsigter. Der er ingen tvivl om, at dialog mellem fysikere og LLM'er kan skabe fundamentalt ny viden. "Ved at koble GPT‑5.2 sammen med menneskelige domæneeksperter giver artiklen en skabelon til at validere LLM-drevne indsigter og opfylder det, vi forventer af en stringent videnskabelig undersøgelse.”

—Nathaniel Craig, professor i fysik ved University of California, Santa Barbara (UCSB), med speciale i højenergifysik, partikelfænomenologi og kosmologi

Skrevet af

Alex Lupsasca