GPT‑5.2 leitet ein neues Resultat in der theoretischen Physik her
In einem neuen Preprint schlägt GPT‑5.2 eine Formel für eine Gluonenamplitude vor, die später von einem internen OpenAI-Modell bewiesen und von den Autoren verifiziert wurde.
Wir haben ein neues Preprint veröffentlicht, das zeigt, dass eine Art von Teilchenwechselwirkung, von der viele Physiker:innen annahmen, dass sie nicht auftritt, unter bestimmten Bedingungen doch entstehen kann. Die Arbeit konzentriert sich auf Gluonen, die Teilchen, die die starke Kernkraft tragen. Das Preprint(wird in einem neuen Fenster geöffnet) ist auf arXiv verfügbar und wird zur Veröffentlichung eingereicht. In der Zwischenzeit freuen wir uns über Feedback aus der Community.
Das Preprint mit dem Titel „Single-minus gluon tree amplitudes are nonzero“ wurde von Alfredo Guevara (Institute for Advanced Study), Alex Lupsasca (Vanderbilt University und OpenAI), David Skinner (University of Cambridge), Andrew Strominger (Harvard University) und Kevin Weil (OpenAI) im Namen von OpenAI verfasst.
Das Preprint untersucht ein zentrales Konzept der Teilchenphysik, die Streuamplitude. Eine Streuamplitude ist die Größe, mit der Physiker:innen die Wahrscheinlichkeit berechnen, dass Teilchen auf eine bestimmte Weise wechselwirken. Für Gluonen, die Träger der starken Kernkraft, nehmen viele Amplituden „auf Baumebene“ (also in Berechnungen, die nur die einfachsten Diagramme ohne Quantenschleifen berücksichtigen) unerwartet einfache Formen an. Diese Vereinfachungen haben wiederholt tiefere Strukturen in der Quantenfeldtheorie offengelegt – dem Rahmenwerk, das eine Beschreibung der Physik liefert, die die Spezielle Relativitätstheorie mit der Quantenmechanik vereint.
Ein Fall wurde jedoch im Allgemeinen als nicht vorhanden behandelt (Amplitude gleich null). Wenn ein Gluon negative Helizität hat (eine der zwei möglichen Drehorientierungen, die ein masseloses Teilchen haben kann) und die verbleibenden Gluonen positive Helizität besitzen, legen Standardargumente aus Lehrbüchern nahe, dass die entsprechende Baumamplitude null sein muss. Diese Konfiguration wurde daher weitgehend beiseitegelassen.
Das Preprint zeigt, dass dieses Fazit zu stark verallgemeinernd ist. Das Standardargument setzt generische Teilchenimpulse voraus, das heißt, Richtungen und Energien sind nicht speziell ausgerichtet. Wir identifizieren einen spezifischen, präzise definierten Ausschnitt des Impulsraums, in dem diese Argumentation nicht mehr gilt – das sogenannte „half-collinear regime“. Halb-kollinear bedeutet hier, dass die Gluonenimpulse eine besondere Ausrichtungsbedingung erfüllen, die zwar untypisch, aber mathematisch wohldefiniert und konsistent ist. Auf diesem Ausschnitt verschwindet die Amplitude nicht, und wir berechnen sie in einem speziellen kinematischen Bereich. Dieses Resultat öffnet die Tür zu vielen neuen Fragen, die Gegenstand weiterer Untersuchungen sein werden. Wichtige Erweiterungen umfassen die Berechnung der analogen Amplituden für Gravitonen (die Teilchen, die die Gravitationskraft vermitteln).
Ein zentraler Aspekt der Arbeit betrifft die Methodik. Die endgültige Formel, Gl. (39) im Preprint, wurde zuerst von GPT‑5.2 Pro vermutet. Die menschlichen Autoren haben die Amplituden für Ganzzahlen bis von Hand ausgerechnet und dabei sehr komplizierte Ausdrücke erhalten, die in Gl. (29)–(32) gezeigt werden und einer „Feynman-Diagramm-Entwicklung“ entsprechen, deren Komplexität in n überexponentiell wächst. GPT‑5.2 Pro konnte die Komplexität dieser Ausdrücke stark reduzieren und lieferte die deutlich einfacheren Formen in Gl. (35)–(38). Ausgehend von diesen Basisfällen konnte es dann ein Muster erkennen und eine Formel vorschlagen, die für alle gilt.
Eine interne, gestützt arbeitende Version von GPT‑5.2 verbrachte anschließend rund 12 Stunden mit Schlussfolgerungen für das Problem, kam auf dieselbe Formel und lieferte einen formalen Beweis ihrer Gültigkeit. Die Gleichung wurde anschließend analytisch verifiziert, indem gezeigt wurde, dass sie die Berends-Giele-Rekursionsrelation löst – eine Standardmethode, um Vielteilchen-Baumamplituden schrittweise aus kleineren Bausteinen aufzubauen. Außerdem wurde sie am Soft-Theorem geprüft, das einschränkt, wie sich Amplituden verhalten, wenn ein Teilchen weich wird.
Mit Hilfe von GPT‑5.2 wurden diese Amplituden bereits von Gluonen auf Gravitonen erweitert, und weitere allgemeine Ableitungen sind in Arbeit. Diese KI-gestützten Resultate und viele weitere werden an anderer Stelle vorgestellt werden.
„Die Physik dieser hochdegenerierten Streuprozesse hat mich beschäftigt, seit ich vor etwa fünfzehn Jahren zum ersten Mal auf sie gestoßen bin. Umso spannender ist es, in dieser Arbeit nun die auffallend einfachen Ausdrücke zu sehen.
In diesem Teil der Physik kommt es häufig vor, dass Ausdrücke für physikalische Größen, die mit Lehrbuchmethoden berechnet werden, furchtbar kompliziert aussehen, sich aber als sehr einfach herausstellen. Das ist wichtig, weil einfache Formeln uns oft auf eine Reise führen, auf der wir tiefgreifende neue Strukturen aufdecken und verstehen – und damit neue Ideenwelten eröffnen, in denen unter anderem die Einfachheit des Ausgangspunkts offensichtlich wird.
Für mich war es schon immer knifflig, „eine einfache Formel zu finden“ – und ich habe auch schon lange das Gefühl gehabt, dass Computer dies automatisieren könnten. Es sieht so aus, dass dies in mehreren Bereichen nun eintritt; das Beispiel in dieser Arbeit ist besonders gut geeignet, die Leistungsfähigkeit moderner KI-Tools zu nutzen. Ich freue mich darauf zu sehen, wie sich dieser Trend in Richtung eines universellen Werkzeugs für „Mustererkennung einfacher Formeln“ in naher Zukunft fortsetzt.“
–Nima Arkani-Hamed, Professor für Physik am Institute for Advanced Study, spezialisiert auf theoretische Hochenergiephysik
„Ich denke bereits darüber nach, welche Auswirkungen dieses Preprint auf Teile des Forschungsprogramms meiner Gruppe haben wird. Es handelt sich eindeutig um Forschung auf Fachzeitschriftsniveau, die die Grenzen der theoretischen Physik verschiebt, und ihre Neuartigkeit wird zukünftige Entwicklungen und weitere Veröffentlichungen inspirieren. Dieses Preprint war wie ein Blick in die Zukunft der KI-gestützten Wissenschaft, in der Physiker:innen Hand in Hand mit KI arbeiten, um neue Einsichten zu erzeugen und zu validieren. Es steht außer Frage, dass der Dialog zwischen Physiker:innen und LLMs fundamental neues Wissen hervorbringen kann. Indem GPT‑5.2 mit menschlichen Fachexpert:innen gekoppelt wird, liefert die Arbeit eine Blaupause dafür, wie sich von Modellen erarbeitete Einsichten validieren lassen, und erfüllt die Anforderungen, die wir an strenge wissenschaftliche Arbeit stellen.“
–Nathaniel Craig, Professor für Physik an der University of California, Santa Barbara (UCSB), spezialisiert auf Hochenergiephysik, Teilchenphänomenologie und Kosmologie
