GPT‑5.2가 이론 물리학에서 새로운 결과를 도출하다
새 프리프린트에서 GPT‑5.2는 글루온 진폭에 대한 공식을 제안했으며, 이는 이후 내부 OpenAI 모델에 의해 증명되고 저자들에 의해 검증되었습니다.
많은 물리학자들이 발생하지 않을 것이라고 예상했던 한 유형의 입자 상호작용이 특정 조건에서는 실제로 발생할 수 있음을 보여주는 새 프리프린트를 발표했습니다. 이 연구는 강한 핵력을 매개하는 입자인 글루온에 초점을 맞춥니다. 프리프린트(새 창에서 열기)는 arXiv에서 확인할 수 있으며, 출판을 위해 제출 중입니다. 그동안 커뮤니티의 피드백을 환영합니다.
"Single-minus gluon tree amplitudes are nonzero"라는 제목의 프리프린트는 Alfredo Guevara(Institute for Advanced Study), Alex Lupsasca(Vanderbilt University 및 OpenAI), David Skinner(University of Cambridge), Andrew Strominger(Harvard University), 그리고 OpenAI를 대표한 Kevin Weil(OpenAI)이 공동 저자입니다.
이 프리프린트는 입자물리학의 핵심 개념인 산란 진폭을 다룹니다. 산란 진폭은 입자들이 특정 방식으로 상호작용할 확률을 계산할 때 물리학자들이 사용하는 양입니다. 강한 핵력을 매개하는 입자인 글루온의 경우, 많은 진폭은 '트리 레벨'에서(즉, 양자 루프가 없는 가장 단순한 도표만 남기는 계산에서) 예상외로 단순한 형태를 보입니다. 이러한 단순화는 특수 상대성 이론과 양자역학을 통합해 물리학을 기술하는 틀인 양자장 이론에서 더 깊은 구조를 반복적으로 드러내 왔습니다.
하지만 한 가지 경우는 일반적으로 존재하지 않는 것으로 취급되어 왔습니다(진폭이 0). 글루온 하나가 음의 헬리시티(질량이 없는 입자가 가질 수 있는 두 가지 스핀 방향 중 하나)를 가지고 나머지 개의 글루온이 양의 헬리시티를 가질 때, 표준 교과서적 논증은 해당 트리 레벨 진폭이 0이어야 한다고 말합니다. 그 결과 이 구성은 대체로 논의에서 제외되어 왔습니다.
이 프리프린트는 그 결론이 지나치게 강하다는 점을 보여줍니다. 표준 논증은 일반적인 입자 운동량을 가정하는데, 이는 방향과 에너지가 어떤 특별한 정렬 상태에 있지 않다는 뜻입니다. 우리는 그 추론이 더 이상 적용되지 않는, 운동량 공간의 구체적이고 정밀하게 정의된 특정 영역을 식별했으며, 이를 반-공선 레짐이라고 부릅니다. 여기서 반-공선이란 글루온 운동량이 일반적이지는 않지만 수학적으로 잘 정의되고 일관된 특수 정렬 조건을 따른다는 의미입니다. 이 영역에서는 진폭이 0이 아니며, 우리는 이를 특수한 운동학적 레짐에서 계산합니다. 이 결과는 이후 연구에서 다룰 많은 새로운 질문으로 이어집니다. 중요한 확장으로는 중력을 매개하는 입자인 중력자에 대해 유사한 진폭을 계산하는 일이 포함됩니다.
이 작업의 핵심은 방법론에 있습니다. 프리프린트의 식 (39)로 제시된 최종 공식은 처음에 GPT‑5.2 Pro가 추측한 것입니다. 인간 저자들은 정수 에 대해 까지의 진폭을 손으로 계산했고, 식 (29)~(32)에 제시된 매우 복잡한 식을 얻었습니다. 이는 n에 따라 복잡성이 초지수적으로 증가하는 '파인만 도표 전개'에 해당합니다. GPT‑5.2 Pro는 이러한 식의 복잡성을 크게 줄여 식 (35)~(38)에서 훨씬 더 단순한 형태를 제시할 수 있었습니다. 이러한 기본 사례를 바탕으로 패턴을 포착해, 모든 에 대해 성립하는 공식을 제안할 수 있었습니다.
이후 GPT‑5.2의 내부 스캐폴딩 버전은 약 12시간 동안 이 문제를 추론해 동일한 공식을 도출했고, 그 타당성에 대한 형식적 증명도 생성했습니다. 해당 방정식은 이후 분석적으로 검증되어, 더 작은 구성 요소로부터 다입자 트리 진폭을 단계적으로 구축하는 표준 방식인 Berends-Giele 재귀 관계를 만족함이 확인되었습니다. 또한 입자가 소프트해질 때 진폭의 거동을 제약하는 소프트 정리와도 대조해 검증했습니다.
GPT‑5.2의 도움으로 이러한 진폭은 이미 글루온에서 중력자로 확장되었고, 다른 일반화 작업도 진행 중입니다. 이러한 AI 지원 결과와 그 밖의 많은 결과는 다른 곳에서 보고할 예정입니다.
"이처럼 고도로 축퇴된 산란 과정의 물리학은 약 15년 전 처음 접한 이후로 줄곧 궁금해하던 주제였는데, 이 논문에서 놀랄 만큼 단순한 식을 보게 되어 흥미롭습니다.
이 물리학 분야에서는 교과서적인 방법으로 계산한 일부 물리적 관측량의 표현이 몹시 복잡해 보이지만, 실제로는 매우 단순한 경우가 자주 있습니다. 이는 단순한 공식이 우리를 깊고 새로운 구조를 발견하고 이해하는 여정으로 이끄는 경우가 많다는 점에서 중요합니다. 그 과정의 출발점에서 보였던 단순함이 분명해지며, 새로운 아이디어의 세계가 열립니다.
저에게 '간단한 공식을 찾는 것'은 늘 번거로운 일이었고, 오랫동안 컴퓨터로 자동화할 수 있을지도 모른다고 느껴왔습니다. 여러 분야에서 이러한 일이 실제로 일어나기 시작하는 듯합니다. 이 논문에 제시된 예시는 현대 AI 도구의 강점을 활용하기에 특히 적합해 보입니다. 가까운 미래에 이 흐름이 범용 '간단한 수식 패턴 인식' 도구로 발전하기를 기대합니다."
—Nima Arkani-Hamed, 고등연구소 물리학 교수, 이론 고에너지 물리학 전공
"저는 이미 이 프리프린트가 제 연구 그룹의 연구 프로그램에 미칠 여러 함의를 생각하고 있습니다. 이는 이론 물리학의 최전선을 확장하는 명백한 저널급 연구이며, 그 참신성은 향후 발전과 후속 연구에 영감을 줄 것입니다. 이 프리프린트는 물리학자들이 AI와 손잡고 새로운 통찰을 생성하고 검증하는, AI 지원 과학의 미래를 엿보는 듯한 느낌을 주었습니다. 물리학자와 LLM 간의 대화가 근본적으로 새로운 지식을 만들어낼 수 있다는 점에는 의심의 여지가 없습니다. GPT‑5.2를 인간 분야 전문가와 결합함으로써, 이 논문은 LLM 기반 통찰을 검증하는 템플릿을 제시하며 엄밀한 과학적 탐구에서 기대하는 기준을 충족합니다."
—Nathaniel Craig, 캘리포니아 대학교 샌타바버라(UCSB) 물리학과 교수, 고에너지 물리학, 입자 현상론, 우주론 전공
