GPT‑5.2 கோட்பாட்டு இயற்பியலில் ஒரு புதிய முடிவை உருவாக்குகிறது
புதிய முன் அச்சில், GPT‑5.2 ஒரு குளூயான் வீச்சுக்கான சூத்திரத்தை முன்மொழிந்தது, பின்னர் அது உள் OpenAI மாடலால் நிரூபிக்கப்பட்டு ஆசிரியர்களால் சரிபார்க்கப்பட்டது.
பல இயற்பியலாளர்கள் எதிர்பார்க்கும் ஒரு வகையான துகள் தொடர்பு உண்மையில் குறிப்பிட்ட நிலைமைகளின் கீழ் எழக்கூடும் என்பதைக் காட்டும் ஒரு புதிய முன்பதிவை நாங்கள் வெளியிட்டுள்ளோம். இந்த ஆய்வு வலுவான அணுக்கரு விசையை ஏந்திச் செல்லும் துகள்களான குளூயான்கள் மீது கவனம் செலுத்துகிறது. இந்த முன்அச்சு(புதிய சாளரத்தில் திறக்கும்) arXiv இல் கிடைக்கிறது மற்றும் வெளியீட்டிற்காக சமர்ப்பிக்கப்பட்டுள்ளது. இதற்கிடையில், சமூகத்திடமிருந்து பின்னூட்டத்தை நாங்கள் வரவேற்கிறோம்.
“Single-minus gluon tree amplitudes are nonzero” என்ற தலைப்பிலான முன்தாள், Alfredo Guevara (Institute for Advanced Study), Alex Lupsasca (Vanderbilt University and OpenAI), David Skinner (University of Cambridge), Andrew Strominger (Harvard University), மற்றும் Kevin Weil (OpenAI) ஆகியோரால் OpenAI சார்பில் எழுதப்பட்டுள்ளது.
அந்த முன்பதிப்பு துகளியல் இயற்பியலில் “Scattering Amplitude” (சிதறல் வீச்சு) எனப்படும் ஒரு முக்கியக் கருத்தை ஆய்வு செய்கிறது. சிதறல் வீச்சு என்பது துகள்கள் ஒரு குறிப்பிட்ட முறையில் தொடர்பு கொள்கின்றன என்பதற்கான நிகழ்தகவை கணக்கிட இயற்பியலாளர்கள் பயன்படுத்தும் அளவாகும். குளூயான்கள், வலுவான அணுக்கரு விசையை ஏந்தும் துகள்கள், பல வீச்சுகள் 'ட்ரீ லெவல்' (அதாவது குவாண்டம் சுழல்கள் இல்லாத மிக எளிய வரைபடங்களையே வைத்துக் கணக்கிடும்) நிலையில் எதிர்பாராத எளிய வடிவங்களை எடுக்கின்றன. இந்த எளிமைப்படுத்தல்கள் குவாண்டம் புலக் கோட்பாட்டில் மீண்டும் மீண்டும் ஆழமான கட்டமைப்பை வெளிப்படுத்தியுள்ளன. இது சிறப்பு சார்பியலை குவாண்டம் இயக்கவியலுடன் ஒருங்கிணைக்கும் இயற்பியலின் விளக்கத்தை வழங்கும் ஒரு கட்டமைப்பாகும்.
எனினும், ஒரு நிலை பொதுவாக இல்லாததாக (பூஜ்ய அலைவீச்சு கொண்டதாக) கருதப்படுகிறது. ஒரு குளூயானுக்கு எதிர்மறை ஹெலிசிட்டி (அதாவது நிறை இல்லாத துகளுக்கு இருக்கக்கூடிய இரண்டு சுழற்சி திசைகளில் ஒன்று) இருந்தால், மீதமுள்ள குளூயான்களுக்கு நேர்மறை ஹெலிசிட்டி இருந்தால், அதற்குரிய ட்ரீ லெவல் வீச்சு பூஜ்யமாக இருக்க வேண்டும் என்று வழக்கமான பாடநூல் வாதங்கள் கூறுகின்றன. இதன் விளைவாக, இந்த கட்டமைப்பு பெரும்பாலும் புறக்கணிக்கப்பட்டுள்ளது.
இந்த முடிவு மிகையாக உள்ளது என்பதை முன்வெளியீடு காட்டுகிறது. நிலையான வாதம் பொதுவான துகள்களின் இயக்கவேகங்களை முன்வைக்கிறது, அதாவது திசைகளும் ஆற்றல்களும் எந்தவொரு சிறப்பு சீரமைப்பிலும் இல்லை. அந்த ரீஸனிங் இனி பொருந்தாத ஒரு குறிப்பிட்ட மற்றும் துல்லியமாக வரையறுக்கப்பட்ட உந்தம் (momentum) வெளி பகுதியை நாம் அடையாளம் காண்கிறோம்; அது “ஹாஃப்-கொலினியர் ரெஜீம்” (பகுதியளவு ஒருகோடமைந்தவை) என அழைக்கப்படுகிறது. இங்கே பகுதியளவு-ஒரு கோடமைந்தவை என்பது குளூயான் உந்தம் என்பது வழக்கமானதல்ல, ஆனால் கணித ரீதியாக நன்கு வரையறுக்கப்பட்ட மற்றும் சீரான ஒரு சிறப்பு சீரமைப்பு நிலைக்கு உட்படுகிறது என்பதைக் குறிக்கிறது. இந்த துண்டில், வீச்சு (ஆம்ப்ளிட்யூட்) பூஜ்யமாக மாறாது, மேலும் அதை ஒரு சிறப்பு இயக்கவியல் முறையில் கணக்கிடுகிறோம். இந்த முடிவு பல புதிய கேள்விகளுக்கு வாய்ப்புகளைத் திறக்கிறது, அவை அடுத்தடுத்த ஆய்வுகளின் பொருளாக இருக்கும். முக்கியமான நீட்டிப்புகளில் கிராவிடான்களுக்கான (ஈர்ப்பு விசையை சமநிலைப்படுத்தும் துகள்கள்) ஒத்த வீச்சுகளின் கணக்கீடு அடங்கும்.
வேலையின் மைய அம்சம் முறைமையைப் பற்றியது. முன் அச்சில் உள்ள இறுதி சூத்திரம், சமன்பாடு (39), முதலில் GPT‑5.2 ஆல் ஊகிக்கப்பட்டது. Pro. மனித ஆசிரியர்கள் முழு எண் க்கான வீச்சு (ஆம்ப்ளிட்யூட் )களை வரை கைமுறையாக கணக்கிட்டு, சமன்பாடுகளில் காட்டப்பட்டுள்ள மிகச் சிக்கலான வெளிப்பாடுகளைப் பெற்றனர். (29)--(32), இவை n இல் சிக்கல்தன்மை மிகை-அதிவேகமாக வளர்கின்ற “Feynman வரைபட விரிவாக்கம்” ஒன்றிற்கு ஒப்பானவை. GPT‑5.2 Pro இந்தசமன்பாடுகளின் சிக்கலான தன்மையை பெரிதும் குறைக்க முடிந்தது, சமன்பாடுகளில் மிகவும் எளிய வடிவங்களை வழங்கியது. (35)--(38). இந்த அடிப்படை நிலைகளிலிருந்து, பின்னர் ஒரு முறைமையை கண்டறிந்து, அனைத்து க்கும் பொருந்தும் ஒரு சூத்திரத்தை முன்வைக்க முடிந்தது.
GPT‑5.2 இன் ஒரு உள்நாட்டு ஸ்காஃபோல்டட் பதிப்பு பின்னர் சுமார் 12 மணி நேரம் பிரச்சினையை ரீஸனிங் செய்து, அதே சூத்திரத்தை உருவாக்கி, அதன் செல்லுபடித்தன்மைக்கான ஒரு முறையான நிரூபணத்தை உருவாக்கியது. அந்த சமன்பாடு பின்னர் பகுப்பாய்வாகச் சரிபார்க்கப்பட்டது, இது Berends-Giele மீளுருவாக்க உறவினை தீர்க்க, சிறிய கட்டமைப்பு தொகுதிகளிலிருந்து பல துகள்கள் ட்ரீ அலைவரிசைகளை உருவாக்கும் ஒரு நிலையான படிப்படையான முறையாகும். ஒரு துகள் மென்மையாக மாறும்போது வீச்சுகள் எவ்வாறு செயல்படுகின்றன என்பதைக் கட்டுப்படுத்தும் மென்மையான தேற்றத்திற்கும் இது எதிராகச் சரிபார்க்கப்பட்டது.
GPT‑5.2 இன் உதவியுடன், இந்த வீச்சுகள் ஏற்கனவே குளூயான்களிலிருந்து கிராவிடான்கள் வரை விரிவுபடுத்தப்பட்டுள்ளன, மேலும் பிற பொதுமைப்படுத்தல்களும் வருகையில் உள்ளன. இந்த AI உதவியுடன் கிடைத்த முடிவுகள் மற்றும் பல பிறவை வேறு இடங்களில் அறிக்கையிடப்படும்.
இந்த மிகவும் டீஜெனரேட் (Highly Degenerate) சிதறல் செயல்முறைகளின் இயற்பியல் குறித்து நான் சுமார் பதினைந்து ஆண்டுகளுக்கு முன்பு முதன்முதலில் அறிந்ததிலிருந்து ஆர்வமாக இருந்து வந்தேன். ஆகவே, இந்த ஆய்வுக் கட்டுரையில் காணப்படும் அதிசயமாக எளிய சமன்பாடுகளை பார்க்கும் போது அது மிகுந்த உற்சாகத்தை அளிக்கிறது.
இயற்பியலின் இந்தப் பகுதியில் இது அடிக்கடி நிகழ்கிறது: பாடநூல் முறைகளைப் பயன்படுத்தி கணக்கிடப்படும் சில இயற்பியல் அளவீடுகளுக்கான சமன்பாடுகள் மிகவும் சிக்கலானதாகத் தோன்றினாலும், அவை இறுதியில் மிகவும் எளிமையானவையாக மாறுகின்றன. இது முக்கியமானது, ஏனென்றால் பெரும்பாலும் எளிய சூத்திரங்கள் ஆழமான புதிய கட்டமைப்புகளைக் கண்டுபிடித்து புரிந்துகொள்வதை நோக்கிய பயணத்தில் நம்மை அனுப்புகின்றன, புதிய கருத்துக்களின் உலகங்களைத் திறக்கின்றன, மற்றவற்றுடன், தொடக்கப் புள்ளியில் காணப்படும் எளிமை தெளிவாகிறது.
எனக்கு, “ஒரு எளிய சூத்திரத்தை கண்டுபிடிப்பது” எப்போதும் சிக்கலானதாகவே இருந்துள்ளது, மேலும் இது கணினிகளால் தானியக்கமாக்கப்படக்கூடும் என்று நான் நீண்ட காலமாக உணர்ந்தேன். பல துறைகளில் இதுபோன்று நடக்கத் தொடங்கியிருப்பதை நாம் காண்கிறோம்; இந்தக் கட்டுரையில் உள்ள எடுத்துக்காட்டு, நவீன AI கருவிகளின் சக்தியைப் பயன்படுத்துவதற்கு மிகவும் பொருத்தமாகத் தெரிகிறது. எதிர்காலத்தில் இது ஒரு பொதுப் பயன்பாட்டு “எளிய சூத்திர வடிவமைப்பு அடையாளம் காணும்” கருவியாக மாறும் இந்தப் போக்கு தொடரும் என்பதை நான் ஆவலுடன் எதிர்பார்க்கிறேன்.
—Nima Arkani-Hamed, இயற்பியல் பேராசிரியர், மேம்பட்ட ஆய்வு நிறுவனத்தில், கோட்பாட்டியல் உயர்-ஆற்றல் இயற்பியலில் நிபுணத்துவம் பெற்றவர்
"எனது குழுவின் ஆராய்ச்சி திட்டத்தின் அம்சங்களில் இந்த முன்பதிவின் தாக்கங்களைப் பற்றி நான் ஏற்கனவே யோசித்து வருகிறேன்." இது தெளிவாகவே இதழ்-நிலையான (journal-level) ஆய்வாக இருந்து, கோட்பாட்டு இயற்பியலின் அதிநவீனங்களை முன்னேற்றுகிறது; அதன் புதுமை எதிர்கால முன்னேற்றங்களுக்கும் தொடர்ந்து வெளிவரும் ஆய்வுக் கட்டுரைகளுக்கும் ஊக்கமளிக்கும். இந்த முன்பதிப்பு AI உதவியுடன் நடைபெறும் அறிவியலின் எதிர்காலத்தை ஒரு சாளரமாகக் காட்டியது, இதில் இயற்பியலாளர்கள் AI உடன் கைகோர்த்து புதிய புரிதல்களை உருவாக்கவும் சரிபார்க்கவும் பணியாற்றினர். இயற்பியலாளர்களுக்கும் LLM-களுக்கும் இடையிலான உரையாடல் அடிப்படையாக புதிய அறிவை உருவாக்க முடியும் என்பதில் எந்த சந்தேகமும் இல்லை. "GPT‑5.2-ஐ மனித துறை நிபுணர்களுடன் இணைப்பதன் மூலம், இந்தக் கட்டுரை LLM-ஆல் இயக்கப்படும் உள்ளடக்கங்களை சரிபார்ப்பதற்கான ஒரு மாதிரியை வழங்குகிறது மற்றும் கடுமையான அறிவியல் ஆராய்ச்சியிலிருந்து நாம் எதிர்பார்ப்பதை பூர்த்தி செய்கிறது.”
—Nathaniel Craig, கலிபோர்னியா பல்கலைக்கழகம், Santa Barbara (UCSB) இல் இயற்பியல் பேராசிரியர், உயர் ஆற்றல் இயற்பியல், துகள் நிகழ்வியல் மற்றும் பிரபஞ்சவியல் ஆகியவற்றில் நிபுணத்துவம் பெற்றவர்
