GPT‑5.2 obtient un nouveau résultat en physique théorique
Dans un nouveau préprint, GPT‑5.2 a proposé une formule pour une amplitude de gluons, ensuite démontrée par un modèle interne d’OpenAI et vérifiée par les auteurs.
Nous avons publié un nouveau préprint montrant qu’un type d’interaction entre particules que beaucoup de physiciens pensaient impossible peut en réalité se produire dans des conditions spécifiques. Le travail porte sur les gluons, les particules qui véhiculent l’interaction forte. Le préprint(ouverture dans une nouvelle fenêtre) est disponible sur arXiv et est en cours de soumission pour publication. D’ici là, nous accueillons volontiers les retours de la communauté.
Le préprint, intitulé « Single-minus gluon tree amplitudes are nonzero », est signé par Alfredo Guevara (Institute for Advanced Study), Alex Lupsasca (Vanderbilt University et OpenAI), David Skinner (University of Cambridge), Andrew Strominger (Harvard University) et Kevin Weil (OpenAI) au nom d’OpenAI.
Le préprint étudie un concept central de la physique des particules : l’amplitude de diffusion. Une amplitude de diffusion est la quantité que les physiciens utilisent pour calculer la probabilité que des particules interagissent d’une certaine manière. Pour les gluons, les particules qui portent l’interaction forte, de nombreuses amplitudes prennent des formes étonnamment simples « au niveau arbre » (c’est-à-dire dans des calculs qui ne gardent que les diagrammes les plus simples, sans boucles quantiques). Ces simplifications ont à plusieurs reprises révélé une structure plus profonde en théorie quantique des champs, le cadre qui unifie la relativité restreinte et la mécanique quantique.
Un cas, toutefois, a généralement été considéré comme absent (amplitude nulle). Lorsqu’un gluon a une hélicité négative (l’une des deux orientations de spin possibles pour une particule sans masse) et que les gluons restants ont une hélicité positive, les arguments classiques des manuels suggèrent que l’amplitude correspondante au niveau arbre doit être nulle. En conséquence, cette configuration a été largement mise de côté.
Le préprint montre que cette conclusion est trop forte. L’argument standard suppose des moments de particules génériques, c’est‑à‑dire que les directions et les énergies ne présentent aucun alignement particulier. Nous identifions une tranche spécifique et précisément définie de l’espace des moments où ce raisonnement ne s’applique plus, connue sous le nom de régime demi-colinéaire. Demi-colinéaire signifie ici que les moments des gluons obéissent à une condition d’alignement spéciale qui n’est pas typique, mais qui est mathématiquement bien définie et cohérente. Sur cette tranche, l’amplitude ne s’annule pas, et nous la calculons dans un régime cinématique particulier. Ce résultat ouvre la voie à de nombreuses nouvelles questions qui feront l’objet de travaux ultérieurs. Parmi les prolongements importants figurent le calcul des amplitudes analogues pour les gravitons (les particules qui médiatisent la force gravitationnelle).
Un aspect central du travail concerne la méthodologie. La formule finale, équation (39) du préprint, a d’abord été conjecturée par GPT‑5.2 Pro. Les auteurs humains ont calculé à la main les amplitudes pour des entiers jusqu’à , obtenant des expressions très compliquées présentées dans les équations (29)–(32), qui correspondent à un « développement en diagrammes de Feynman » dont la complexité croît de façon super‑exponentielle en n. GPT‑5.2 Pro a pu réduire considérablement la complexité de ces expressions, en fournissant les formes beaucoup plus simples des équations (35)–(38). À partir de ces cas de base, il a ensuite été capable de repérer un motif et de proposer une formule valable pour tout .
Une version interne instrumentée de GPT‑5.2 a ensuite passé environ 12 heures à raisonner sur le problème, en retrouvant la même formule et en produisant une démonstration formelle de sa validité. L’équation a ensuite été vérifiée analytiquement comme solution de la relation de récurrence de Berends–Giele, une méthode standard, étape par étape, pour construire des amplitudes d’arbres à plusieurs particules à partir de briques élémentaires plus petites. Elle a également été confrontée au théorème de la limite soft, qui contraint le comportement des amplitudes lorsqu’une particule passe dans le régime soft.
Avec l’aide de GPT‑5.2, ces amplitudes ont déjà été étendues des gluons aux gravitons, et d’autres généralisations sont également en préparation. Ces résultats assistés par l’IA, et bien d’autres, seront présentés ailleurs.
« La physique de ces processus de diffusion hautement dégénérés m’intrigue depuis que je les ai rencontrés pour la première fois il y a une quinzaine d’années, donc c’est enthousiasmant de voir les expressions remarquablement simples présentées dans cet article.
Dans cette partie de la physique, il arrive souvent que les expressions de certains observables physiques, calculées avec les méthodes des manuels, paraissent terriblement compliquées, mais se révèlent en réalité très simples. C’est important, car des formules simples nous mettent souvent sur la voie de nouvelles structures profondes, ouvrant de nouveaux mondes d’idées où, entre autres, la simplicité observée au départ devient évidente.
Pour moi, « trouver une formule simple » a toujours été quelque chose de fastidieux, et aussi quelque chose que je pensais depuis longtemps pouvoir être automatisé par des ordinateurs. Il semble que, dans plusieurs domaines, nous commencions à voir cela se produire ; l’exemple de cet article paraît particulièrement bien adapté pour exploiter la puissance des outils d’IA modernes. J’ai hâte de voir cette tendance se poursuivre vers un outil généraliste de « reconnaissance de motifs de formules simples » dans un futur proche. »
—Nima Arkani-Hamed, professeur de physique à l’Institute for Advanced Study, spécialiste de la physique théorique des hautes énergies
« Je réfléchis déjà aux implications de ce préprint pour certains aspects du programme de recherche de mon groupe. Il s’agit clairement d’un travail de niveau publication scientifique, qui fait progresser les frontières de la physique théorique, et sa nouveauté inspirera de futurs développements et de prochaines publications. Ce préprint donne l’impression d’un aperçu du futur de la science assistée par l’IA, où les physiciens travaillent main dans la main avec l’IA pour générer et valider de nouvelles idées. Il ne fait aucun doute qu’un dialogue entre physiciens et LLM peut générer des connaissances fondamentalement nouvelles. En associant GPT‑5.2 à des experts humains du domaine, l’article fournit un modèle pour valider des idées issues de LLM et répond à ce que nous attendons d’une démarche scientifique rigoureuse. »
—Nathaniel Craig, professeur de physique à l’University of California, Santa Barbara (UCSB), spécialiste de la physique des hautes énergies, de la phénoménologie des particules et de la cosmologie
