GPT‑5.2 ค้นพบผลลัพธ์ใหม่ในฟิสิกส์เชิงทฤษฎี
GPT‑5.2 คิดค้นสูตรแอมพลิจูดของกลูออนในงานวิจัยล่าสุด โดยมีโมเดลเฉพาะของ OpenAI และทีมผู้วิจัยร่วมกันพิสูจน์และตรวจสอบความแม่นยำในภายหลัง
เราเผยแพร่บทความวิจัยฉบับร่างชิ้นใหม่ที่แสดงให้เห็นว่า อันตรกิริยาของอนุภาคบางประเภทที่นักฟิสิกส์จำนวนมากเคยคาดว่าไม่น่าจะเกิดขึ้นได้นั้น แท้จริงแล้วสามารถเกิดขึ้นได้ภายใต้เงื่อนไขเฉพาะ งานวิจัยนี้มุ่งเน้นไปที่กลูออน ซึ่งเป็นอนุภาคสื่อแรงนิวเคลียร์แบบเข้ม ขณะนี้บทความวิจัยฉบับร่าง(เปิดในหน้าต่างใหม่)พร้อมให้ศึกษาแล้วบน arXiv และเรากำลังส่งผลงานเพื่อขอตีพิมพ์ ระหว่างนี้พวกเรายินดีรับฟังข้อเสนอแนะจากทุกภาคส่วน
บทความวิจัยฉบับร่างหัวข้อ “Single-minus gluon tree amplitudes are nonzero” เขียนโดย Alfredo Guevara (สถาบันเพื่อการศึกษาขั้นสูง), Alex Lupsasca (มหาวิทยาลัยแวนเดอร์บิลต์ และ OpenAI), David Skinner (มหาวิทยาลัยเคมบริดจ์), Andrew Strominger (มหาวิทยาลัยฮาร์วาร์ด) และ Kevin Weil (OpenAI) ในนามของ OpenAI
งานวิจัยชิ้นนี้ศึกษาแนวคิดหลักในฟิสิกส์อนุภาคที่เรียกว่า แอมพลิจูดการกระเจิง ซึ่งเป็นค่าที่นักฟิสิกส์ใช้คำนวณโอกาสที่อนุภาคจะมีอันตรกิริยาต่อกัน สำหรับกลูออนนั้น แอมพลิจูดจำนวนมากมักจะมีรูปแบบที่เรียบง่ายอย่างไม่คาดคิดใน "ระดับต้นไม้" (หมายถึงการคำนวณที่พิจารณาเฉพาะไดอะแกรมพื้นฐานที่สุดโดยไม่มีลูปควอนตัม) ความเรียบง่ายเหล่านี้ช่วยเผยให้เห็นโครงสร้างที่ลึกซึ้งยิ่งขึ้นในทฤษฎีสนามควอนตัม ซึ่งเป็นกรอบแนวคิดที่รวมทฤษฎีสัมพัทธภาพพิเศษเข้ากับกลศาสตร์ควอนตัม
อย่างไรก็ตาม มีกรณีหนึ่งที่คนทั่วไปมักมองข้ามไป (โดยถือว่าแอมพลิจูดเป็นศูนย์) นั่นคือเมื่อกลูออนตัวหนึ่งมีค่าความหมุนเป็นลบ และกลูออนอีก $n-1$ ตัวที่เหลือมีค่าความหมุนเป็นบวก ซึ่งตำรามาตรฐานระบุว่าแอมพลิจูดระดับต้นไม้นี้ต้องเท่ากับศูนย์ ส่งผลให้นักวิจัยส่วนใหญ่ละทิ้งรูปแบบนี้ไป
บทความวิจัยฉบับร่างนี้ชี้ให้เห็นว่าข้อสรุปดังกล่าวนั้นเข้มงวดเกินไป ข้อโต้แย้งมาตรฐานมักตั้งอยู่บนสมมติฐานว่าโมเมนตัมของอนุภาคอยู่ในทิศทางทั่วไป แต่เราค้นพบพื้นที่เฉพาะในปริภูมิโมเมนตัมที่ตรรกะเดิมใช้ไม่ได้ผล ซึ่งเรียกว่า "สภาวะกึ่งร่วมเส้นตรง" (Half-collinear regime) ในสภาวะนี้โมเมนตัมของกลูออนจะเรียงตัวกันในลักษณะพิเศษที่แม้จะไม่ใช่สถานะปกติ แต่ก็มีความชัดเจนทางคณิตศาสตร์ แอมพลิจูดในสภาวะนี้จึงไม่เป็นศูนย์ ผลลัพธ์นี้เปิดประตูสู่คำถามใหม่ๆ มากมาย รวมถึงการคำนวณแอมพลิจูดที่คล้ายคลึงกันสำหรับกราวิตอน (อนุภาคสื่อแรงโน้มถ่วง) ด้วย
ประเด็นสำคัญของงานนี้อยู่ที่ระเบียบวิธีวิจัย สูตรสุดท้าย (สมการที่ 39) นั้นมาจากข้อสันนิษฐานของ GPT‑5.2 Pro ในตอนแรก คณะผู้วิจัยพยายามคำนวณแอมพลิจูดด้วยตนเองสำหรับอนุภาคค่า สูงสุดที่ ทำให้ได้สมการที่ซับซ้อนมากตามที่แสดงในสมการ (29)--(32) ซึ่งสอดคล้องกับ “การขยายไดอะแกรมเฟย์แมน” ที่มีความซับซ้อนเพิ่มขึ้นแบบซูเปอร์เอกซ์โปเนนเชียลตามค่า n แต่ GPT‑5.2 Pro สามารถลดความซับซ้อนของสมการเหล่านั้นลงจนได้รูปแบบที่เรียบง่ายกว่ามากในสมการที่ 35–38 จากนั้นมันจึงมองเห็นรูปแบบและเสนอสูตรที่ใช้ได้กับอนุภาคทุกจำนวน
หลังจากนั้น GPT‑5.2 รุ่นภายในที่ผ่านกระบวนการเสริมศักยภาพ (Scaffolded version) ได้ใช้เวลาประมาณ 12 ชั่วโมงในการวิเคราะห์ปัญหา จนได้สูตรเดียวกันและสร้างข้อพิสูจน์ที่เป็นทางการออกมา ต่อมาคณะผู้วิจัยได้ยืนยันสมการดังกล่าวในเชิงวิเคราะห์ว่าสามารถแก้ความสัมพันธ์เวียนเกิดของ Berends-Giele ได้จริง พร้อมทั้งตรวจสอบกับทฤษฎีบท Soft Theorem เป็นที่เรียบร้อย
ด้วยความช่วยเหลือจาก GPT‑5.2 เราได้ขยายผลแอมพลิจูดเหล่านี้จากกลูออนไปสู่กราวิตอนแล้ว และกำลังดำเนินการในส่วนอื่นๆ เพิ่มเติม โดยผลลัพธ์ที่ใช้ AI ช่วยเหล่านี้จะมีการรายงานในโอกาสต่อไป
“ผมสนใจเรื่องฟิสิกส์ของกระบวนการกระเจิงที่มีความเสื่อมถอยสูงเหล่านี้มาตั้งแต่ตอนที่เจอครั้งแรกเมื่อประมาณ 15 ปีที่แล้ว การเห็นผลลัพธ์ที่เรียบง่ายอย่างยิ่งในงานวิจัยชิ้นนี้จึงสร้างความตื่นตาตื่นใจให้ผมอย่างมาก
ในวงการฟิสิกส์ด้านนี้มักเกิดเหตุการณ์ที่สูตรของค่าสังเกตทางฟิสิกส์บางตัวที่คำนวณตามวิธีมาตรฐานในตำราดูยุ่งเหยิงเหลือเกิน แต่ท้ายที่สุดกลับสรุปออกมาได้ง่ายอย่างเหลือเชื่อ ความสำคัญของเรื่องนี้คือสูตรที่เรียบง่ายมักพาเราไปสู่การสืบเสาะและทำความเข้าใจโครงสร้างเบื้องหลังที่ลึกซึ้ง และช่วยเปิดพรมแดนความคิดใหม่ๆ ที่ทำให้ความเรียบง่ายในตอนแรกนั้นดูสมเหตุสมผลและชัดเจน
ส่วนตัวผมมองว่าการหาสูตรที่เรียบง่ายเป็นงานที่ต้องใช้ความพยายามสูงและน่าเบื่อหน่าย ซึ่งผมรู้สึกมานานแล้วว่าเราน่าจะใช้คอมพิวเตอร์ทำงานนี้แทนได้ และตอนนี้ดูเหมือนว่าหลายสาขาเริ่มทำได้จริงแล้ว ตัวอย่างในบทความนี้แสดงถึงการใช้พลังของ AI สมัยใหม่ได้ตรงจุดที่สุด ผมตั้งตารอที่จะเห็นแนวโน้มนี้พัฒนาสู่เครื่องมือจดจำรูปแบบสมการที่ใช้งานได้ครอบคลุมในอนาคตอันใกล้”
—Nima Arkani-Hamed ศาสตราจารย์ด้านฟิสิกส์, สถาบันเพื่อการศึกษาขั้นสูง, ผู้เชี่ยวชาญด้านฟิสิกส์ทฤษฎีพลังงานสูง
“บทความวิจัยชิ้นนี้ส่งผลต่อแง่มุมต่างๆ ในโครงการวิจัยของกลุ่มผมอย่างมาก นี่คืองานวิจัยคุณภาพสูงที่ผลักดันขีดจำกัดของฟิสิกส์ทฤษฎีให้ก้าวไกลยิ่งขึ้น ซึ่งความสดใหม่ของเนื้อหาจะจุดประกายให้เกิดการต่อยอดและงานตีพิมพ์ใหม่ๆ ต่อไปในภายหลัง ผมมองว่าบทความฉบับร่างนี้คือภาพสะท้อนของอนาคตในวงการวิทยาศาสตร์ที่นักฟิสิกส์ทำงานร่วมกับ AI เพื่อค้นหาและยืนยันข้อสรุปใหม่ๆ อย่างใกล้ชิด เราปฏิเสธไม่ได้เลยว่าการแลกเปลี่ยนทางความคิดระหว่างนักฟิสิกส์และ LLM นำไปสู่การค้นพบความรู้ใหม่ที่สำคัญ การผสานพลังของ GPT‑5.2 เข้ากับความเชี่ยวชาญของมนุษย์ในงานนี้ จึงเป็นรูปแบบการทำงานที่ช่วยยืนยันความถูกต้องของสิ่งที่ AI นำเสนอ และเป็นไปตามมาตรฐานการค้นคว้าทางวิทยาศาสตร์ที่น่าเชื่อถือ”
—Nathaniel Craig ศาสตราจารย์ด้านฟิสิกส์ มหาวิทยาลัยแคลิฟอร์เนีย ซานตาบาร์บารา (UCSB), ผู้เชี่ยวชาญด้านฟิสิกส์พลังงานสูง, ฟีโนเมโนโลยีของดอน และจักรวาลวิทยา


