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-ja, a autori su je potvrdili.
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 usredotočuje na gluone, čestice koje nose jaku nuklearnu silu. Ovaj preprint(otvara se u novom prozoru) dostupan je na arXiv i šalje se na objavu. U međuvremenu, pozdravljamo povratne informacije od zajednice.
Preprint pod naslovom „Single-minus gluon tree amplitudes are nonzero“ napisali su Alfredo Guevara (Institute for Advanced Study), Alex Lupsasca (Vanderbilt University i OpenAI), David Skinner (University of Cambridge), Andrew Strominger (Harvard University) i Kevin Weil (OpenAI) u ime OpenAI-ja.
Preprint proučava središnji koncept u fizici čestica, poznat kao amplituda raspršenja. Amplituda raspršenja je veličina koju fizičari koriste za izračunavanje vjerojatnosti da čestice međusobno djeluju na određeni način. Za gluone, čestice koje nose jaku nuklearnu silu, mnoge amplitude poprimaju neočekivano jednostavne oblike „na razini stabla“ (što znači izračune koji zadržavaju samo najjednostavnije dijagrame bez kvantnih petlji). Ova pojednostavljenja su više puta otkrila dublju strukturu u kvantnoj teoriji polja, okviru koji pruža opis fizike koji ujedinjuje specijalnu relativnost s kvantnom mehanikom.
Jedan slučaj, međutim, općenito se tretira kao odsutan (s nultom amplitudom). Kada jedan gluon ima negativni helicitet (što znači jednu od dvije moguće orijentacije spina koje čestica bez mase može imati), a preostalih gluona imaju pozitivni helicitet, standardni udžbenički argumenti sugeriraju da odgovarajuća amplituda na razini stabla mora biti nula. Kao rezultat toga, ova je konfiguracija uglavnom zanemarena.
Preprint pokazuje da je ovaj zaključak previše jak. Standardni argument pretpostavlja generičke momente čestica, što znači da smjerovi i energije nisu u nikakvom posebnom poravnanju. Identificiramo specifičan i precizno definiran odsječak prostora momentuma u kojem se to rasuđivanje više ne primjenjuje, poznat kao polukolinearni režim. Polukolinearno ovdje znači da momentumi gluona zadovoljavaju poseban uvjet poravnanja koji nije tipičan, ali je matematički jasno definiran i dosljedan. Na ovom odsječku amplituda ne nestaje, a izračunavamo je u posebnom kinematičkom režimu. Ovaj rezultat otvara vrata mnogim novim pitanjima koja će biti predmetom budućih istraživanja. Važna proširenja uključuju izračunavanje analognih amplituda za gravitone (čestice koje posreduju gravitacijsku silu).
Središnji aspekt rada odnosi se na metodologiju. Konačnu formulu, jednadžbu (39) u preprintu, prvi je pretpostavio model GPT‑5.2. Pro. Ljudski autori ručno su izračunali amplitude za cijeli broj do , dobivši vrlo složene izraze prikazane u jednadžbama (29)--(32), koji odgovaraju „razvoju Feynmanovih dijagrama“ čija složenost raste supereksponencijalno s n. GPT‑5.2 Pro je uspio uvelike smanjiti složenost ovih izraza, pružajući mnogo jednostavnije oblike u jednadžbama (35)--(38). Na temelju tih osnovnih slučajeva, zatim je bilo moguće uočiti obrazac i postaviti formulu koja vrijedi za sve .
Interna, nadograđena verzija GPT‑5.2 potom je provela otprilike 12 sati rasuđujući o problemu, dolazeći do iste formule i izrađujući formalni dokaz njezine valjanosti. Jednadžba je naknadno analitički provjerena kako bi se riješila Berends-Gieleova rekurzijska relacija, standardna postupna metoda za razvoj amplituda višečestičnog stabla iz manjih razvojnih blokova. To je također provjereno u odnosu na meki teorem, koji ograničava ponašanje amplituda kada čestica postane meka.
Uz pomoć modela GPT‑5.2 ove su amplitude već proširene s gluona na gravitone, a ostale generalizacije također su u pripremi. Ovi rezultati uz pomoć AI-ja, kao i mnogi drugi, bit će objavljeni na drugim mjestima.
„Fizika ovih visoko degeneriranih procesa raspršenja me zanima otkako sam se s njima prvi put susreo prije otprilike petnaest godina pa je uzbudljivo vidjeti zapanjujuće jednostavne izraze u ovom radu.
U ovom dijelu fizike često se događa da izrazi za neke fizikalne veličine, izračunani udžbeničkim metodama, izgledaju vrlo složeno, ali se pokaže da su zapravo jednostavni. Ovo je važno, jer nas jednostavne formule često vode na putovanje prema otkrivanju i razumijevanju novih dubokih struktura, otvarajući nove svjetove ideja u kojima se, između ostalog, jasno vidi jednostavnost prisutna na početnoj točki.
Za mene je „pronalaženje jednostavne formule” oduvijek bilo nezgodno, a također nešto za što sam dugo vjerovao da bi se moglo automatizirati računalima. Čini se da u raznim područjima počinjemo primjećivati da se to događa; primjer u ovom radu čini se posebno prikladnim za iskorištavanje moći suvremenih 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 istraživanje na razini znanstvenog časopisa koje jasno pomiče granice teorijske fizike, a njegova novost će nadahnuti budući razvoj i kasnije publikacije. Ovaj preprint djelovao je kao pogled u budućnost znanosti uz podršku umjetne inteligencije, kada fizičari surađuju s AI-jem kako bi generirali i potvrdili nove uvide. Nema sumnje da dijalog između fizičara i LLM-ova može stvoriti temeljno novo znanje. Spajanjem modela GPT‑5.2 sa stručnjacima iz ljudske domene, rad pruža predložak za validaciju uvida utemeljenih na LLM-u i zadovoljava ono što očekujemo od rigoroznog znanstvenog istraživanja.
Nathaniel Craig, profesor fizike na Sveučilištu Kalifornija, Santa Barbara (UCSB), specijaliziran za fiziku visokih energija, fenomenologiju čestica i kozmologiju
