GPT‑5.2 が理論物理学の新しい結果を導出
新しいプレプリントで、GPT‑5.2 が提案したグルーオン振幅の公式が、社内の OpenAI モデルによって証明され、著者らによって検証されました。
私たちは、多くの物理学者が起こりえないと考えてきたタイプの粒子相互作用が、特定の条件のもとでは実際に生じうることを示す新しいプレプリントを公開しました。この研究が焦点を当てるのは、強い核力を担う粒子であるグルーオンです。プレプリント(新しいウィンドウで開く)は arXiv で公開されており、論文誌への投稿を準備中です。引き続き、コミュニティからのフィードバックを歓迎します。
「Single-minus gluon tree amplitudes are nonzero(単一マイナスグルーオンツリー振幅はゼロではない)」と題されたこのプレプリントは、Alfredo Guevara(Institute for Advanced Study)、Alex Lupsasca(Vanderbilt University および OpenAI)、David Skinner(University of Cambridge)、Andrew Strominger(Harvard University)、Kevin Weil(OpenAI)により、OpenAI を代表して執筆されました。
プレプリントは、素粒子物理学の中心概念である散乱振幅を研究しています。散乱振幅は、粒子が特定のしかたで相互作用する確率を計算するために物理学者が用いる量です。強い核力を担うグルーオンの場合、多くの振幅は「ツリーレベル」(量子ループを含まない、もっとも単純な図だけを残した計算)で驚くほど単純な形をとります。こうした単純化は繰り返し、量子場理論におけるより深い構造を明らかにしてきました。量子場理論は、特殊相対性理論と量子力学を統一的に記述する枠組みです。
しかし、ある特定のケースは、これまで存在しない(振幅がゼロである)ものとして扱われてきました。1つのグルーオンが負のヘリシティ(質量のない粒子がとりうる2つのスピン向きのうちの1つ)を持ち、残りの 個のグルーオンが正のヘリシティを持つ場合、標準的な教科書の議論では、対応するツリーレベルの振幅はゼロでなければならないと示唆されています。その結果、この構成はほとんど顧みられてきませんでした。
プレプリントは、この結論が行き過ぎであることを示します。標準的な議論は、粒子の運動量が一般的であり、方向やエネルギーが特別な整列条件を満たしていないと仮定しています。私たちは、その推論が成り立たなくなる運動量空間の特定の、厳密に定義されたスライスを特定しました。これはハーフコリニア(半共線)領域として知られています。ここでハーフコリニアとは、グルーオンの運動量が典型的ではないものの、数学的に明確で一貫した特殊な整列条件を満たしていることを意味します。このスライス上では振幅はゼロにならず、私たちは特別な運動学的領域においてその値を計算しました。この結果は、今後の研究で扱われる多くの新しい問いへの道を開きます。重要な拡張としては、重力を媒介する粒子である重力子に対する類似の振幅の計算が含まれます。
この研究の中心的な側面の1つは手法に関するものです。プレプリント中の最終的な公式(式 (39))は、最初に GPT‑5.2 Pro によって予想されました。人間の著者たちは、整数 について までの振幅を手計算で求め、式 (29)〜(32) に示される非常に複雑な表現を得ました。これらは、n とともに超指数関数的に複雑さが増大する「ファインマン図展開」に対応します。GPT‑5.2 Pro はこれらの表現の複雑さを大幅に削減し、式 (35)〜(38) に示されるはるかに単純な形を与えました。これらの基本ケースからパターンを見抜き、すべての に対して成り立つ公式を提案することができたのです。
その後、内部で足場構築(scaffolding)されたバージョンの GPT‑5.2 が、およそ12時間をかけてこの問題について推論し、同じ公式に到達するとともに、その妥当性の形式的な証明を与えました。この方程式はその後、Berends-Giele 再帰関係を満たすことが解析的に検証されました。これは、多粒子ツリー振幅をより小さな構成要素から段階的に構築する標準的な手法です。また、粒子がソフトになる極限で振幅の挙動を制約するソフト定理とも照合されました。
GPT‑5.2 の助けを借りて、これらの振幅はすでにグルーオンから重力子へと拡張されており、他の一般化も進行中です。こうした AI 支援による結果やその他多くの成果については、別の機会に報告する予定です。
「これらの高度に縮退した散乱プロセスの物理学は、私が約15年前に初めて出会って以来、ずっと興味を持っていたものなので、この論文で驚くほど単純な数式を見て興奮しています。
物理学のこの分野では、教科書的な手法で計算された物理的観測量の数式が非常に複雑に見えることが多いですが、実際には非常に単純であることがよくあります。これは重要です。なぜなら、単純な公式がしばしば私たちを深い新しい構造を発見し理解する旅へと導き、出発点に見られる単純さが解明されるような、新たなアイデアの世界を切り開くからです。
私にとって「シンプルな公式を見つけること」は常に厄介で、コンピューターで自動化できるのではないかと長い間感じてきました。いくつかの分野でこの現象が見られ始めています。この論文の例は、現代の AI ツールの力を最大限に活用するのに特に適しているようです。近い将来、この傾向が汎用的な「シンプルな公式パターン認識」ツールへと進んでいくのを楽しみにしています。」
—Nima Arkani-Hamed(プリンストン高等研究所の物理学教授。専門は理論高エネルギー物理学)
「私はすでに、このプレプリントが私のグループの研究プログラムの側面にどのような影響を与えるかについて考えています。これは明らかに理論物理学の最先端を開拓するジャーナルレベルの研究であり、その斬新さは将来の進歩と後続の出版にインスピレーションを与えるでしょう。このプレプリントは、物理学者が AI と手を取り合って新たな知見を生み出し、検証するという、AI 支援科学の未来を垣間見ることができるものでした。物理学者と LLM の間の対話が、根本的に新しい知識を生み出し得ることは疑いようがありません。GPT‑5.2 を人間の専門家と組み合わせることで、本論文は LLM 主導の知見を検証するためのテンプレートを提示しており、これは厳密な科学的探究に求められる要件を満たしています。」
—Nathaniel Craig(カリフォルニア大学サンタバーバラ校(UCSB)物理学教授。専門は高エネルギー物理学、素粒子現象論、宇宙論)


