როგორ მიიღო GPT‑5.2‑მა თეორიულ ფიზიკაში ახალ შედეგი
ახალ პრეპრინტში GPT‑5.2‑მა გლუონის ამპლიტუდისთვის შემოგვთავაზა ფორმულა, რომელიც მოგვიანებით OpenAI-ს შიდა მოდელმა დაამტკიცა და ავტორებმა გადაამოწმეს.
ჩვენ გამოვაქვეყნეთ ახალი პრეპრინტი, რომელიც აჩვენებს, რომ ნაწილაკების ურთიერთქმედების ტიპი, რომლის არსებობასაც ბევრი ფიზიკოსი არ ვარაუდობდა, რეალურად შეიძლება წარმოიქმნას გარკვეულ სპეციფიკურ პირობებში. ნაშრომი ფოკუსირებულია გლუონებზე, ნაწილაკებზე, რომლებიც ძლიერ ბირთვულ ძალას ატარებს. პრეპრინტი(იხსნება ახალ ფანჯარაში) ხელმისაწვდომია arXiv-ზე და იგზავნება გამოსაქვეყნებლად. ამავდროულად, სიამოვნებით მივიღებთ უკუკავშირს საზოგადოებისგან.
ესაა ნაშრომის, სახელად „Single-minus gluon tree amplitudes are nonzero“, წინასწარი ვერსია. მისი ავტორები არიან ალფრედო გევარა (მოწინავე კვლევების ინსტიტუტი), ალექსანდრუ ლუპსასკა (ვანდერბილტის უნივერსიტეტი და OpenAI), დევიდ სკინერი (კემბრიჯის უნივერსიტეტი), ენდრიუ სტრომინგერი (ჰარვარდის უნივერსიტეტი) და კევინ ვეილი (OpenAI) OpenAI-ს სახელით.
პრეპრინტი იკვლევს ნაწილაკების ფიზიკის ცენტრალურ კონცეფციას, რომელსაც გაბნევის ამპლიტუდა ეწოდება. გაბნევის ამპლიტუდა არის სიდიდე, რომელსაც ფიზიკოსები ნაწილაკების გარკვეული გზით ურთიერთქმედების ალბათობის გამოსათვლელად იყენებენ. გლუონებისთვის, ნაწილაკებისთვის, რომლებსაც ძლიერი ბირთვული ურთიერთქმედება გადააქვს, ბევრი ამპლიტუდა იღებს მოულოდნელად მარტივ ფორმას „ხისებრ დონეზე“ (ანუ, გამოთვლებში, რომლებიც მხოლოდ უმარტივეს დიაგრამებს იყენებს კვანტური მარყუჟების გარეშე). ამგვარმა გამარტივებებმა არაერთხელ გამოავლინა უფრო ღრმა სტრუქტურა ველის კვანტურ თეორიაში, ჩარჩოში, რომელიც ფიზიკის ისეთ აღწერას გვთავაზობს, სადაც ფარდობითობის სპეციალური თეორია და კვანტური მექანიკა ერთიანდება.
თუმცა, ერთი შემთხვევა, როგორც წესი, განიხილებოდა არარსებულად (ნულოვანი ამპლიტუდის მქონედ). როცა ერთ გლუონს აქვს უარყოფითი სპირალობა (ანუ, სპინის იმ ორი შესაძლო ორიენტაციიდან ერთ-ერთი, რომლებიც უმასო ნაწილაკს შეიძლება ჰქონდეს), ხოლო დარჩენილ გლუონებს აქვს დადებითი სპირალობა, სახელმძღვანელოებში მოცემული სტანდარტული არგუმენტების თანახმად, შესაბამისი ამპლიტუდა ხის დონეზე ნულის ტოლი უნდა იყოს. ამ კონფიგურაციას დიდწილად უგულებელყოფდნენ.
პრეპრინტი აჩვენებს, რომ ეს დასკვნა ზედმეტად კატეგორიულია. სტანდარტული არგუმენტი ვარაუდობს ნაწილაკების ზოგად იმპულსებს, რაც ნიშნავს, რომ მიმართულებები და ენერგიები არ არიან რაიმე განსაკუთრებულ თანხვედრაში. ჩვენ ვადგენთ იმპულსის სივრცის კონკრეტულ და ზუსტად განსაზღვრულ ჭრას, რომელშიც ეს მსჯელობა აღარ არის რელევანტური. აღნიშნული ჭრა ცნობილია როგორც ნახევრად კოლინეარული რეჟიმი. აქ „ნახევრად კოლინარული“ ნიშნავს, რომ გლუონების იმპულსები ემორჩილება განლაგების განსაკუთრებულ პირობას, რომელიც არ არის ტიპური, მაგრამ მათემატიკურად მკაფიოდ განსაზღვრული და თანმიმდევრულია. ამ ჭრაში ამპლიტუდა არ ქრება და ჩვენ მას სპეციალურ კინემატიკურ რეჟიმში ვანგარიშობთ. ეს შედეგი გზას უხსნის ბევრ ახალ შეკითხვას, რომლებიც შემდგომი კვლევების საგანი გახდება. მნიშვნელოვანი გაფართოებები მოიცავს ანალოგიური ამპლიტუდების გამოთვლას გრავიტონებისთვის (ნაწილაკებისთვის, რომლებიც გრავიტაციულ ძალას გადასცემს).
ამ ნაშრომის ცენტრალური ასპექტი მეთოდოლოგიას ეხება. საბოლოო ფორმულა, (39) განტოლება პრეპრინტში, პირველად წამოაყენა GPT‑5.2 Pro-მ. ავტორებმა ხელით გამოთვალეს ამპლიტუდები მთელი -ისთვის -მდე, რის შედეგადაც მიიღეს ძალიან რთული გამოსახულებები, რომლებიც მოცემულია განტოლებებში. (29)--(32), რომლებიც შეესაბამება „ფეინმანის დიაგრამის გაშლას“, რომლის სირთულეც n-ის მიმართ სუპერექსპონენციალურად იზრდება. GPT‑5.2 Pro-მ შეძლო ამ გამოსახულებების სირთულის მნიშვნელოვნად შემცირება და უზრუნველყო ბევრად უფრო მარტივი ფორმები შემდეგ განტოლებებში: (35)--(38). ამ საბაზო შემთხვევებზე დაყრდნობით, მან შემდეგ შეძლო თავისებურების გამოვლენა და ყველა -ისთვის მოქმედი ფორმულის შემოთავაზება.
GPT‑5.2‑ის შიდა ვერსიამ, რომელიც გენერირების პრინციპით მუშაობს, დაახლოებით 12 საათი დახარჯა პრობლემაზე მსჯელობისთვის, მივიდა იმავე ფორმულამდე და შექმნა მისი სისწორის ფორმალური დამტკიცება. ამის შემდეგ განტოლება ანალიტიკურად გადამოწმდა Berends-Giele-ს რეკურენტული თანაფარდობის მეშვეობით: ეს არის სტანდარტული, ეტაპობრივი მეთოდი მრავალნაწილაკიანი ხისებრი ამპლიტუდების ასაგებად უფრო მცირე საშენი ბლოკებისგან. ის ასევე შემოწმდა სირბილის თეორემის მიმართ, რომელიც ზღუდავს, როგორ იქცევა ამპლიტუდები, როცა ნაწილაკი რბილი ხდება.
GPT‑5.2‑ის დახმარებით, ეს ამპლიტუდები უკვე განზოგადდა გლუონებიდან გრავიტონებზეც და სხვა ტიპის განზოგადებებიც უკვე გზაშია. AI-ს დახმარებით მიღებული შედეგებისა და მრავალი სხვა აღმოჩენის შესახებ ინფორმაცია სხვა პლატფორმებსა თუ ნაშრომებშიც იქნება მოხსენებული.
„ამ ძლიერ დეგენერირებული გაბნევის პროცესების ფიზიკა ისაა, რაც მას შემდეგ მაინტერესებს, რაც მათ პირველად დაახლოებით თხუთმეტი წლის წინ შევეჩეხე, ამიტომ ამ ნაშრომში ამ თვალშისაცემად მარტივი გამოსახულებების ხილვა ძალიან ამაღელვებელია.
ფიზიკის ამ ნაწილში ხშირად ხდება, რომ ზოგიერთი ფიზიკური დამკვირვებლისთვის მიღებული გამოსახულებები, რომლებიც სახელმძღვანელოს მეთოდებით არის გამოთვლილი, საშინლად რთულად გამოიყურება, მაგრამ საბოლოოდ ძალიან მარტივი აღმოჩნდება. ეს მნიშვნელოვანია, რადგან მარტივი ფორმულები ხშირად გვაგზავნის გზაზე, რომელიც ღრმა ახალი სტრუქტურების აღმოჩენისა და გააზრებისკენ მიდის, და იდეების ახალ სამყაროებს გვიხსნის, სადაც, სხვა საკითხებთან ერთად, საწყის წერტილში ნანახი სიმარტივე აშკარა ხდება.
ჩემთვის „მარტივი ფორმულის პოვნა“ ყოველთვის ფაქიზი საქმე იყო და ამასთან ერთად ისიც, რაც დიდი ხანია მეგონა, რომ კომპიუტერებით ავტომატიზებადი შეიძლებოდა ყოფილიყო. როგორც ჩანს, რამდენიმე დომენში უკვე ვიწყებთ ამის ხილვას; ამ ნაშრომის მაგალითი განსაკუთრებით კარგად არის მორგებული თანამედროვე AI ხელსაწყოების ძალის გამოსაყენებლად. მოუთმენლად ველი, რომ ეს ტენდენცია ახლო მომავალში გაგრძელდება ზოგადი დანიშნულების „მარტივი ფორმულის შაბლონების ამომცნობ“ ხელსაწყომდე.“
—Nima Arkani-Hamed, ფიზიკის პროფესორი, Institute for Advanced Study, სპეციალიზაცია: თეორიული მაღალი ენერგიების ფიზიკა
„უკვე ვფიქრობ ამ პრეპრინტის გავლენაზე ჩემი ჯგუფის კვლევითი პროგრამის გარკვეულ ასპექტებზე. ეს აშკარად ჟურნალის დონის კვლევაა, რომელიც თეორიული ფიზიკის საზღვრებს აფართოებს, და მისი სიახლე შთააგონებს მომავალ განვითარებებსა და შემდგომ პუბლიკაციებს. ეს პრეპრინტი AI-ით მხარდაჭერილი მეცნიერების მომავლის ერთგვარ ხედვად აღვიქვი, სადაც ფიზიკოსები და AI ხელიხელჩაკიდებულნი მუშაობენ ახალი მიგნებების შესაქმნელად და დასადასტურებლად. ეჭვგარეშეა, რომ ფიზიკოსებსა და LLM-ებს შორის დიალოგს ფუნდამენტურად ახალი ცოდნის გენერირება შეუძლია. GPT‑5.2-ის ადამიან ექსპერტებთან შერწყმით, ნაშრომი გვაძლევს შაბლონს LLM-ზე დამყარებული მიგნებების ვალიდაციისთვის და აკმაყოფილებს იმას, რასაც მკაცრი სამეცნიერო კვლევისგან ველით.“
—Nathaniel Craig, ფიზიკის პროფესორი, University of California, Santa Barbara (UCSB), სპეციალიზაცია: მაღალი ენერგიების ფიზიკა, ნაწილაკთა ფენომენოლოგია და კოსმოლოგია
