GPT‑5.2 wyprowadza nowy wynik w fizyce teoretycznej
W nowym preprincie GPT‑5.2 zaproponował wzór na amplitudę gluonową, który później został dowiedziony przez wewnętrzny model OpenAI i zweryfikowany przez autorów.
Opublikowaliśmy nowy preprint pokazujący, że typ oddziaływania cząstek, który wielu fizyków uważało za niemożliwy, może w rzeczywistości zachodzić w określonych warunkach. Praca koncentruje się na gluonach, cząstkach przenoszących silne oddziaływanie jądrowe. Preprint(otwiera nowe okno) jest dostępny w serwisie arXiv i jest zgłaszany do publikacji. W międzyczasie jesteśmy otwarci na opinie społeczności.
Preprint zatytułowany „Single-minus gluon tree amplitudes are nonzero” został napisany przez Alfredo Guevarę (Institute for Advanced Study), Alexa Lupsascę (Vanderbilt University i OpenAI), Davida Skinnera (University of Cambridge) oraz Andrew Stromingera (Harvard University) i Kevina Weila (OpenAI), w imieniu OpenAI.
Preprint bada centralne pojęcie w fizyce cząstek, zwane amplitudą rozpraszania. Amplituda rozpraszania to wielkość, której fizycy używają do obliczania prawdopodobieństwa, że cząstki oddziałują w określony sposób. Dla gluonów, cząstek przenoszących silne oddziaływanie jądrowe, wiele amplitud przyjmuje nieoczekiwanie proste formy „na poziomie drzewiastym” (tree level), czyli w obliczeniach, które uwzględniają tylko najprostsze diagramy, bez pętli kwantowych. Te uproszczenia wielokrotnie ujawniały głębszą strukturę w kwantowej teorii pola — ramach opisujących fizykę, które łączą szczególną teorię względności z mechaniką kwantową.
Jeden przypadek był jednak na ogół traktowany jako nieobecny (o zerowej amplitudzie). Gdy jeden gluon ma ujemną heliczność (jedną z dwóch możliwych orientacji spinu cząstki bezmasowej), a pozostałe gluonów ma dodatnią heliczność, standardowe argumenty podręcznikowe sugerują, że odpowiadająca amplituda drzewiasta musi być równa zeru. W rezultacie tę konfigurację w dużej mierze odkładano na bok.
Preprint pokazuje, że ten wniosek jest zbyt mocny. Standardowy argument zakłada ogólne pędy cząstek, czyli że kierunki i energie nie są w żadnym szczególnym wyrównaniu. Identyfikujemy konkretny, precyzyjnie zdefiniowany wycinek przestrzeni pędu, w którym to rozumowanie przestaje obowiązywać, znany jako reżim półkolinearny (half-collinear). Półkolinearny oznacza tutaj, że pędy gluonów spełniają szczególny warunek wyrównania, który nie jest typowy, ale jest matematycznie dobrze określony i spójny. Na tym wycinku amplituda nie zanika i obliczamy ją w szczególnym reżimie kinematycznym. Ten wynik otwiera drogę do wielu nowych pytań, które będą przedmiotem kolejnych badań. Ważne rozszerzenia obejmują obliczenie analogicznych amplitud dla gravitonów (cząstek pośredniczących w oddziaływaniu grawitacyjnym).
Kluczowy aspekt pracy dotyczy metodologii. Końcowy wzór, równanie (39) w preprincie, został najpierw zaproponowany przez GPT‑5.2 Pro. Ludzcy autorzy wyliczyli amplitudy dla całkowitych do ręcznie, otrzymując bardzo skomplikowane wyrażenia przedstawione w równaniach (29)--(32), odpowiadające „rozwinięciu w diagramy Feynmana”, którego złożoność rośnie superwykładniczo z . GPT‑5.2 Pro zdołał znacznie zredukować złożoność tych wyrażeń, dostarczając znacznie prostsze formy w równaniach (35)--(38). Na podstawie tych przypadków bazowych był następnie w stanie dostrzec wzór i zaproponować formułę ważną dla wszystkich .
Wewnętrzna, „szkieletowa” (scaffolded) wersja GPT‑5.2 spędziła następnie około 12 godzin na rozumowaniu nad problemem, dochodząc do tej samej formuły i tworząc formalny dowód jej poprawności. Równanie zostało następnie analitycznie zweryfikowane jako rozwiązanie relacji rekurencyjnej Berendsa-Giele’a, standardowej, etapowej metody budowania wielocząstkowych amplitud drzewiastych z mniejszych bloków budulcowych. Sprawdzono je także względem tzw. twierdzenia soft (soft theorem), które ogranicza zachowanie amplitud, gdy cząstka staje się „miękka” (soft).
Przy pomocy GPT‑5.2 amplitudy te zostały już rozszerzone z gluonów na gravitony, a w drodze są także inne uogólnienia. Te wyniki uzyskane z udziałem AI, wraz z wieloma innymi, zostaną omówione w innych miejscach.
„Fizyka tych silnie zdegenerowanych procesów rozpraszania intryguje mnie od czasu, gdy po raz pierwszy zetknąłem się z nimi około piętnaście lat temu, więc cieszy mnie, że w tej pracy pojawiają się uderzająco proste wyrażenia.
W tej dziedzinie fizyki często zdarza się, że wyrażenia na pewne wielkości fizyczne, obliczone metodami podręcznikowymi, wyglądają na strasznie skomplikowane, ale ostatecznie okazują się bardzo proste. Ma to znaczenie, ponieważ proste wzory często prowadzą nas do odkrywania i rozumienia głębokich nowych struktur, otwierając nowe światy idei, w których między innymi prostota widoczna w punkcie wyjścia staje się oczywista.
Dla mnie „znalezienie prostego wzoru” zawsze było żmudne i od dawna miałem poczucie, że może to być zadanie, które da się zautomatyzować za pomocą komputerów. Wygląda na to, że w wielu dziedzinach zaczynamy właśnie to obserwować; przykład z tej pracy wydaje się szczególnie dobrze przystosowany do wykorzystania możliwości nowoczesnych narzędzi AI. Z niecierpliwością czekam, aż ten trend doprowadzi w niedalekiej przyszłości do uniwersalnego narzędzia do rozpoznawania „prostych wzorów”.
—Nima Arkani-Hamed, profesor fizyki w Institute for Advanced Study, specjalizujący się w teoretycznej fizyce wysokich energii
„Już teraz zastanawiam się nad konsekwencjami tego preprintu dla różnych aspektów programu badawczego mojej grupy. To bez wątpienia praca na poziomie czasopisma naukowego, przesuwająca granice fizyki teoretycznej, a jej nowatorstwo zainspiruje przyszłe rozwinięcia i kolejne publikacje. Ten preprint dał przedsmak przyszłości nauki wspieranej przez AI, w której fizycy współpracują z AI, aby generować i weryfikować nowe wglądy. Nie ma wątpliwości, że dialog między fizykami a LLM-ami może prowadzić do powstawania fundamentalnie nowej wiedzy. Łącząc GPT‑5.2 z ludzkimi ekspertami dziedzinowymi, artykuł dostarcza wzorca weryfikacji wniosków generowanych przez LLM i spełnia oczekiwania wobec rygorystycznego badania naukowego.”
—Nathaniel Craig, profesor fizyki na University of California, Santa Barbara (UCSB), specjalizujący się w fizyce wysokich energii, fenomenologii cząstek i kosmologii
