GPT‑5.2 leidt een nieuw resultaat af in de theoretische natuurkunde
In een nieuwe preprint stelde GPT‑5.2 een formule voor een gluonamplitude voor, later bewezen door een intern OpenAI-model en geverifieerd door de auteurs.
We hebben een nieuwe preprint gepubliceerd waarin we laten zien dat een type deeltjesinteractie waarvan veel natuurkundigen verwachtten dat die niet zou optreden, in feite kan voorkomen onder specifieke voorwaarden. Het werk richt zich op gluonen, de deeltjes die de sterke kernkracht dragen. De preprint(opent in een nieuw venster) is beschikbaar op arXiv en wordt ter publicatie ingediend. In de tussentijd ontvangen we graag feedback van de gemeenschap.
De preprint, getiteld “Single-minus gluon tree amplitudes are nonzero”, is geschreven door Alfredo Guevara (Institute for Advanced Study), Alex Lupsasca (Vanderbilt University en OpenAI), David Skinner (University of Cambridge), Andrew Strominger (Harvard University) en Kevin Weil (OpenAI), namens OpenAI.
De preprint bestudeert een centraal concept in de deeltjesfysica: de verstrooiingsamplitude. Een verstrooiingsamplitude is de grootheid die natuurkundigen gebruiken om de kans te berekenen dat deeltjes op een bepaalde manier met elkaar interageren. Voor gluonen, de deeltjes die de sterke kernkracht dragen, nemen veel amplitudes onverwacht eenvoudige vormen aan “op boomniveau” (dat wil zeggen: berekeningen die alleen de eenvoudigste diagrammen zonder kwantumlussen meenemen). Deze vereenvoudigingen hebben herhaaldelijk diepere structuren in de kwantumveldentheorie blootgelegd, het raamwerk dat een beschrijving geeft van de fysica waarin de speciale relativiteit en de kwantummechanica worden verenigd.
Eén geval is echter doorgaans als afwezig behandeld (met amplitude nul). Wanneer één gluon negatieve heliciteit heeft (een van de twee mogelijke spinoriëntaties die een massaloos deeltje kan hebben) en de overige gluonen positieve heliciteit hebben, suggereren standaardargumenten uit leerboeken dat de overeenkomstige boomniveau-amplitude nul moet zijn. Daardoor is deze configuratie grotendeels terzijde geschoven.
De preprint laat zien dat deze conclusie te sterk is. Het standaardargument gaat uit van generieke deeltjesimpulsen, wat betekent dat de richtingen en energieën niet op een speciale manier zijn uitgelijnd. We identificeren een specifiek en precies gedefinieerd deel van de impulsruimte waar die redenering niet meer geldt, het zogenoemde half-collineaire regime. Half-collineair betekent hier dat de gluonimpulsen voldoen aan een speciale uitlijningsvoorwaarde die niet typisch is, maar wiskundig goed gedefinieerd en consistent. Op dit deel verdwijnt de amplitude niet, en we berekenen haar in een speciaal kinematisch regime. Dit resultaat opent de deur naar veel nieuwe vragen die onderwerp zullen zijn van vervolgonderzoek. Belangrijke uitbreidingen zijn onder meer de berekening van de analoge amplitudes voor gravitonen (de deeltjes die de zwaartekrachtkracht overbrengen).
Een centraal aspect van het werk betreft de methode. De uiteindelijke formule, vergelijking (39) in de preprint, werd eerst door GPT‑5.2 Pro geconjectureerd. De menselijke auteurs werkten de amplitudes voor gehele tot en met met de hand uit en kregen zeer ingewikkelde uitdrukkingen, weergegeven in vergelijkingen (29)–(32), die overeenkomen met een “Feynman-diagramuitbreiding” waarvan de complexiteit superexponentieel groeit in n. GPT‑5.2 Pro kon de complexiteit van deze uitdrukkingen sterk verminderen en leverde de veel eenvoudigere vormen in vergelijkingen (35)–(38). Vanuit deze basisgevallen kon het vervolgens een patroon herkennen en een formule voorstellen die geldig is voor alle .
Een interne, gestructureerde versie van GPT‑5.2 besteedde vervolgens ongeveer 12 uur aan redenering over het probleem, kwam met dezelfde formule en produceerde een formeel bewijs van de geldigheid ervan. De vergelijking is daarna analytisch geverifieerd als oplossing van de Berends-Giele-recursierelatie, een standaard stapsgewijze methode om meer-deeltjes-boomamplitudes op te bouwen uit kleinere bouwstenen. Ook is ze getoetst aan het soft-theorema, dat beperkt hoe amplitudes zich gedragen wanneer een deeltje zacht wordt.
Met behulp van GPT‑5.2 zijn deze amplitudes inmiddels al uitgebreid van gluonen naar gravitonen, en andere veralgemeningen zijn ook in voorbereiding. Deze door AI ondersteunde resultaten, en vele andere, worden elders gerapporteerd.
“De fysica van deze sterk gedegenereerde verstrooiingsprocessen heeft me al gefascineerd sinds ik ze zo’n vijftien jaar geleden voor het eerst tegenkwam, dus het is spannend om de opvallend eenvoudige uitdrukkingen in dit artikel te zien.
In dit deel van de fysica gebeurt het vaak dat uitdrukkingen voor bepaalde fysische grootheden, berekend met standaardmethoden uit leerboeken, er verschrikkelijk ingewikkeld uitzien, maar uiteindelijk heel eenvoudig blijken te zijn. Dat is belangrijk, omdat eenvoudige formules ons vaak op weg helpen naar het blootleggen en begrijpen van diepere nieuwe structuren, en zo nieuwe werelden van ideeën openen waarin onder meer de eenvoud van het uitgangspunt vanzelfsprekend wordt.
Voor mij is ‘het vinden van een eenvoudige formule’ altijd priegelwerk geweest, en ook iets waarvan ik al lang het gevoel heb dat computers het zouden kunnen automatiseren. Het lijkt erop dat we dit nu in verschillende domeinen beginnen te zien; het voorbeeld in dit artikel lijkt bijzonder geschikt om de kracht van moderne AI-hulpmiddelen te benutten. Ik kijk ernaar uit om te zien hoe deze trend zich ontwikkelt richting een algemeen bruikbaar hulpmiddel voor ‘patroonherkenning van eenvoudige formules’ in de nabije toekomst.”
—Nima Arkani-Hamed, hoogleraar natuurkunde aan het Institute for Advanced Study, gespecialiseerd in theoretische hoge-energiefysica
“Ik denk nu al na over de implicaties van deze preprint voor onderdelen van het onderzoeksprogramma van mijn groep. Dit is duidelijk onderzoek op tijdschriftniveau dat de grenzen van de theoretische natuurkunde verlegt, en de originaliteit ervan zal toekomstige ontwikkelingen en vervolgpublicaties inspireren. Deze preprint voelde als een blik in de toekomst van door AI ondersteunde wetenschap, waarin natuurkundigen hand in hand met AI werken om nieuwe inzichten te genereren en te valideren. Er bestaat geen twijfel over dat dialoog tussen natuurkundigen en LLM’s fundamenteel nieuwe kennis kan opleveren. Door GPT‑5.2 te koppelen aan menselijke domeinexperts biedt het artikel een blauwdruk voor het valideren van door LLM’s gestuurde inzichten en voldoet het aan wat we verwachten van rigoureus wetenschappelijk onderzoek.”
—Nathaniel Craig, hoogleraar natuurkunde aan de University of California, Santa Barbara (UCSB), gespecialiseerd in hoge-energiefysica, deeltjesfenomenologie en kosmologie
