跳至主要內容
OpenAI

2026年2月13日

研究研究發表

GPT‑5.2 推導出理論物理中的新結果

在一篇新的預印本論文中,GPT‑5.2 提出一個膠子振幅的公式,之後由 OpenAI 內部模型給出正式證明,並由作者加以驗證。

載入中…

我們發表了一篇新的預印本,展示一種多數物理學家原本預期不會發生的粒子交互作用,其實在特定條件下可以出現。這項工作聚焦於膠子,也就是攜帶強作用力的粒子。這篇預印本(在新視窗中開啟)已發佈在 arXiv 上,並正準備投稿發表。同時,我們也歡迎社群提供回饋。

這篇題為「Single-minus gluon tree amplitudes are nonzero」的預印本,由 Alfredo Guevara(Institute for Advanced Study)、Alex Lupsasca(Vanderbilt University 與 OpenAI)、David Skinner(University of Cambridge)、Andrew Strominger(Harvard University)以及 Kevin Weil(OpenAI)代表 OpenAI 共同撰寫。

這篇預印本研究的是粒子物理中的一個核心概念:散射振幅。散射振幅是物理學家用來計算粒子以特定方式互相作用機率的量。對於攜帶強作用力的膠子而言,許多振幅在「樹階」(tree level,意指只保留沒有量子迴圈的最簡圖示)下會呈現出出乎意料的簡單形式。這些簡化一再揭示出量子場論中更深層的結構;量子場論是將狹義相對論與量子力學統一描述的理論框架。

然而,有一種情況通常被視為不存在(振幅為零)。當一個膠子具有負螺旋度(也就是無質量粒子可有的兩種自旋取向之一),而其餘 n1 n-1 個膠子具有正螺旋度時,標準教科書上的論證指出,對應的樹階振幅必須為零。因此,這種組態大多被擱置不理。

預印本顯示,這個結論其實過於武斷。標準論證假設的是「一般」的粒子動量,也就是動量方向與能量沒有任何特殊對齊。我們找出動量空間中一個具體且精確定義的切片,在那裡這套推理不再適用,這個切片稱為半共線(half-collinear)區域。所謂半共線,是指膠子動量滿足一種不常見、但在數學上定義良好且自洽的特殊對齊條件。在這個切片上,振幅不再消失,我們並在一個特殊的動力學區域中將其算出。這項結果開啟了許多新問題,將成為後續研究的主題,其中重要的推廣之一,就是計算對應的重力子振幅(重力的媒介粒子)。

這項工作的核心之一在於方法論。預印本中的最終公式(式 (39))最初是由 GPT‑5.2 Pro 所提出的猜想。人類作者先手算出整數 n n n=6 n=6 的振幅,得到非常複雜的表達式(見式 (29)--(32)),這些表達式對應於「Feynman 圖展開」,其複雜度會隨 n 超指數成長。GPT‑5.2 Pro 能大幅簡化這些表達式,給出式 (35)--(38) 中更為簡潔的形式。從這些基礎案例出發,它接著辨識出其中的模式,並提出一個對所有 n n 都成立的公式。

一個內部搭建(scaffolded)的 GPT‑5.2 版本接著花了大約 12 小時推理這個問題,獨立得到相同的公式,並產出一份形式化的正確性證明。隨後,我們解析驗證這個方程式確實解出 Berends-Giele 遞迴關係——這是一種標準的逐步方法,用來從較小的組件構造多粒子樹階振幅。我們也檢查了它是否符合 soft theorem,該定理會限制當某個粒子變得「軟」時,振幅應有的行為。

在 GPT‑5.2 的協助下,這些振幅已經從膠子推廣到重力子,其他推廣也在進行中。這些 AI 協助得到的結果,以及許多其他相關成果,將會在其他地方陸續報告。

「自從大約十五年前第一次遇到這類高度簡併的散射過程以來,我就一直對其中的物理很感興趣,因此在這篇論文中看到如此簡潔醒目的表達式,讓人非常興奮。

在這個物理領域中,一件常見的情況是:用教科書方法計算某些物理可觀測量時,得到的表達式看起來非常複雜,但最後卻發現其實非常簡單。這點很重要,因為簡單的公式往往會引導我們踏上一段旅程,去發掘並理解更深層的新結構,開啟全新的觀念世界,而在那裡,起點中所看到的簡潔會變得一目了然。

對我來說,「找到一個簡單公式」一直是件繁瑣的事,也一直讓我覺得也許可以由電腦自動化。看起來在許多不同領域,我們開始看到這件事正在發生;這篇論文中的例子,特別適合發揮現代 AI 工具的威力。我很期待看到這個趨勢持續發展,在不久的將來出現一個通用的「簡單公式樣式辨識」工具。」

——Nima Arkani-Hamed,Institute for Advanced Study 物理學教授,專長為理論高能物理

「我已經在思考這篇預印本論文對我研究團隊計畫各個面向的影響。這顯然是一篇推進理論物理前沿、足以刊登在學術期刊上的研究,其新穎性將激發未來的發展與後續論文。這篇預印本論文讓人彷彿一瞥 AI 協助科學研究的未來景象:物理學家與 AI 攜手合作,產生並驗證新的洞見。物理學家與大型語言模型之間的對話,確實能產生根本性的全新知識,這點毫無疑問。透過將 GPT‑5.2 與人類領域專家結合,這篇論文提供了一個驗證 LLM 驅動洞見的範本,也符合我們對嚴謹科學探究的期待。」

——Nathaniel Craig,加州大學聖塔芭芭拉分校(UCSB)物理學教授,專長為高能物理、粒子現象學與宇宙學

作者

Alex Lupsasca