借助 GPT‑5.2 实现理论物理领域的数学推导新进展
在最新的预印本论文里,GPT‑5.2 提出了一个胶子振幅公式;OpenAI 内部模型完成了证明,作者们也验证了这一结果
我们近日发布了一篇最新的预印本论文,证明了一类物理学家普遍认为不会发生的粒子相互作用,实际上在特定条件下是可以产生的。该项工作聚焦于传递强相互作用的粒子 — 胶子。目前这篇预印本(在新窗口中打开)论文已在 arXiv 上发布,并同步提交至学术期刊。在此期间,我们欢迎学术界提供反馈并参与讨论。
本篇预印本论文题为《单负胶子树级振幅非零》(Single-minus gluon tree amplitudes are nonzero),由 Alfredo Guevara(高等研究院)、Alex Lupsasca(范德堡大学及 OpenAI)、David Skinner(剑桥大学)、Andrew Strominger(哈佛大学)以及 Kevin Weil(OpenAI)代表 OpenAI 共同撰写。
该项研究探讨了粒子物理学中的核心概念 — 散射振幅。散射振幅是物理学家用于计算粒子特定相互作用概率的数学量。对于传递强核力的胶子而言,许多振幅在树级(即仅保留最简单的费曼图,忽略量子圈图效应的计算层级)表现出意想不到的简洁形式。这些简化规律不断揭示出量子场论(统一狭义相对论与量子力学的物理框架)中深层的底层结构。
然而,有一类构型通常被认为是不存在的(即振幅为零):当 n 个胶子中有一个具有负螺旋度(质量为零的粒子所能具有的两种自旋取向之一),而其余 个胶子具有正螺旋度时,教科书中的经典论证认为其对应的树级振幅必然为零。因此,这一构型在很大程度上一直被学术界所忽视。
预印本论文证明了上述结论过于绝对。传统的论证基于“粒子动量处于普适状态”的假设,即粒子的运动方向和能量不处于任何特殊的对齐状态。我们识别出了动量空间中一个特定且定义精确的切片 — 称为半共线区域(half-collinear regime),在该区域内,上述常规论证不再适用。所谓“半共线”,是指胶子动量遵循一种非普适但数学定义明确且自洽的特殊对齐条件。在这一动量切片上,振幅并不为零,我们计算出了其在特殊运动学区域下的解析表达式。这一结果为后续研究开启了诸多新方向,包括推导引力子(传递引力的粒子)的对应振幅等重要扩展。
本项工作的一个核心亮点在于研究方法。预印本中的最终公式 — 式 (39),最初由 GPT‑5.2 Pro 以猜想的形式提出。人类作者曾通过手算推导了 最高至 的整数情形,得到了如式 (29)-(32) 所示的极其复杂的表达式。这些表达式对应于费曼图展开,其复杂度随 n 的增加呈超指数级增长。GPT‑5.2 Pro 能够极大地简化这些表达式,给出了如式 (35)-(38) 所示的更为简洁的形式。基于这些基础案例,模型识别出了其中的规律,并提出了适用于所有 值的通项公式。
随后,一个带有推理框架的 GPT‑5.2 版本经过约 12 小时的逻辑推理,独立得出了相同的公式,并为其有效性提供了形式化证明。该方程随后通过了解析验证,证明其满足 Berends-Giele 递推关系(一种从简单单元逐步构建多粒子树级振幅的标准方法)。此外,研究者还根据软定理(soft theorem,用于约束粒子动量趋于零时振幅行为的理论)对其进行了校核。
在 GPT‑5.2 的帮助下,这些振幅研究已从胶子扩展到了引力子,其他的推广工作也正在进行中。这些 AI 辅助的科研成果及更多相关进展,将于后续另行报道。
“自十五年前初次接触这些高度简并的散射过程起,我便对其物理机制深感兴趣;因此在这篇论文中看到如此简洁的结果,确实令人振奋。
在这个研究方向里,经常会出现这样的情况:用教科书方法得到的某些可观测量看似复杂得难以处理,但最终却意外地简化为非常优雅的形式。这一点至关重要,因为简洁的公式往往会开启一场探索并理解深层新结构的旅程,带我们进入全新的思想领域;在那里,最初看到的简洁性将(与其他奥秘一同)变得显而易见。
对我而言,寻找简洁公式一直是一项琐碎且耗神的工作,我也长期预感这件事或许可以由计算机自动完成。目前看来,在多个领域中,这种自动化正初露端倪;本论文中的案例似乎尤其适合发挥现代 AI 工具的威力。我期待这一趋势能继续发展,并在不久的将来催生出一种通用的简洁公式模式识别工具。”
— Nima Arkani-Hamed,高等研究院物理学教授,理论高能物理学家
“我已经开始思考这篇预印本论文对课题组研究方向的启示。这显然是期刊级别的研究成果,推进了理论物理的前沿,其新颖性将启发未来的研究进展及后续论文的发表。阅读这篇预印本论文,仿佛窥见了 AI 辅助科学研究的未来:物理学家与 AI 携手共进,共同生成并验证新的洞见。毫无疑问,物理学家与大语言模型(LLM)之间的对话能够产生根本性的新知识。通过将 GPT‑5.2 与人类领域专家相结合,该论文为验证由 LLM 驱动的科研洞见提供了新范式,并满足了我们对严谨科学探究的期待。”
— Nathaniel Craig,加州大学圣塔芭芭拉分校(UCSB)物理学教授,理论高能物理、粒子现象学及宇宙学专家


