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。
「このような高い縮退度をもつ散乱過程の物理については、15年ほど前に初めて出会って以来ずっと気になっていたので、この論文で非常に単純な形の式が得られているのを見るのはとてもわくわくします。
この分野の物理ではよくあることですが、教科書的な方法で物理量を計算すると式がひどく複雑に見える一方で、実はとても単純であることがわかる、ということがしばしば起こります。これは重要なことで、単純な公式はしばしば、深い新しい構造を明らかにし理解するための旅へと私たちを導きます。その過程で、出発点で見られた単純さがなぜ当然なのかがわかるような、新しいアイデアの世界が開けていきます。
私にとって「単純な公式を見つける」ことは、いつも手間のかかる作業であり、同時にコンピュータで自動化できるのではないかと長く感じてきたことでもあります。いま、さまざまな分野でそれが現実になりつつあるように見えます。この論文の例は、とくに現代の AI ツールの力を活用するのに適したケースだと思います。この流れが続き、近い将来には汎用的な「単純な公式のパターン認識」ツールへと発展していくのを見るのを楽しみにしています。」
— Nima Arkani-Hamed、Institute for Advanced Study 物理学教授(理論高エネルギー物理学を専門)
「私はすでに、このプレプリントが自分の研究グループの研究計画のいくつかの側面に与える影響について考え始めています。これは明らかに、理論物理学の最前線を押し広げるジャーナルレベルの研究であり、その独創性は今後の発展や後続の論文を刺激するでしょう。このプレプリントは、物理学者が AI と協力して新しい洞察を生み出し検証するという、AI 支援科学の未来を垣間見せてくれました。物理学者と LLM の対話が、本質的に新しい知識を生み出しうることには疑いの余地がありません。GPT‑5.2 と人間のドメイン専門家を組み合わせることで、この論文は LLM 主導の洞察を検証するためのひな型を示し、厳密な科学的探究に対して私たちが期待する基準を満たしています。」
— Nathaniel Craig 氏、University of California, Santa Barbara(UCSB)物理学教授(高エネルギー物理学、素粒子現象論、宇宙論を専門)


