OpenAI

ಅಕ್ಟೋಬರ್ 26, 2026

ಸಂಶೋಧನೆಪ್ರಕಟಣೆ

ವೈಜ್ಞಾನಿಕ ತಿಳಿವಳಿಕೆ ಬೆಳೆಸಲು ಶೈಕ್ಷಣಿಕ ಸಮುದಾಯಗಳೊಂದಿಗೆ ಸಹಕಾರ

ಗಣಿತ, ಗಣಕ ವಿಜ್ಞಾನ ಮತ್ತು ಭೌತಶಾಸ್ತ್ರದಲ್ಲಿ ಹಾರ್ಮೋನಿಕ್ ವಿಶ್ಲೇಷಣೆ, ಸಂಕೀರ್ಣತಾ ಸಿದ್ಧಾಂತ ಮತ್ತು ಕ್ವಾಂಟಮ್ ಕ್ಷೇತ್ರ ಸಿದ್ಧಾಂತಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಮೂರು ಹೊಸ ಆವಿಷ್ಕಾರಗಳನ್ನು ನಾವು ಪ್ರಕಟಿಸುತ್ತಿದ್ದೇವೆ.

ಸಂಬಂಧಿತ ಶೈಕ್ಷಣಿಕ ಸಮುದಾಯಗಳ ಪ್ರತಿಕ್ರಿಯೆಗೆ ಅನುಗುಣವಾಗಿ ನಮ್ಮ ಬಿಡುಗಡೆ ಪ್ರಕ್ರಿಯೆ ವಿಕಸನಗೊಳ್ಳುತ್ತಲೇ ಇದೆ. ನಮ್ಮ ದೃಷ್ಟಿಯಲ್ಲಿ, ಈ ಹಸ್ತಪ್ರತಿಗಳನ್ನು ಕಚ್ಚಾ ಸಂಶೋಧನಾ ಡೇಟಾದ ರೂಪದಲ್ಲಿ ಉತ್ತಮವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು. ಈ ಕಚ್ಚಾ ಸಂಶೋಧನಾ ಡೇಟಾವನ್ನು ವೈಜ್ಞಾನಿಕ ತಿಳಿವಳಿಕೆಯಾಗಿ ಪರಿವರ್ತಿಸಲು, ಈ ಬಿಡುಗಡೆಯಲ್ಲಿ ನಾವು ಹೊಸ ವಿಧಾನವನ್ನು ಪ್ರಯೋಗಿಸುತ್ತಿದ್ದೇವೆ. ನಾವು ಬಾಹ್ಯ ತಜ್ಞರನ್ನು ಸಂಪರ್ಕಿಸಿ, ಹೊಸ ಫಲಿತಾಂಶಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ತಂಡಗಳನ್ನು ಸಂಘಟಿಸಿ ಮಾರ್ಗದರ್ಶನ ನೀಡುವಂತೆ ಕೇಳಿಕೊಂಡೆವು. ಅವರು ಮೂರು ವಿಭಿನ್ನ ಬಿಡುಗಡೆ ತಂತ್ರಗಳನ್ನು ಸೂಚಿಸಿದರು:

  • ಗಣಿತದ ಫಲಿತಾಂಶಕ್ಕಾಗಿ, AI ರಚಿಸಿದ ವಿಷಯವನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿ, ಫಲಿತಾಂಶವನ್ನು ವಿವರಿಸುವ ಪ್ರಯತ್ನಗಳನ್ನು ತಾವೇ ಸಂಘಟಿಸಲು ಸಂಶೋಧಕರಿಗೆ ಸ್ವಾತಂತ್ರ್ಯ ನೀಡುವುದು.

  • ಗಣಕ ವಿಜ್ಞಾನದ ಫಲಿತಾಂಶಕ್ಕಾಗಿ, ಅದನ್ನು ವಿವರಿಸಲು ಬಾಹ್ಯ ಸಹಯೋಗಿಗಳ ತಂಡವನ್ನು ರಚಿಸುವುದು. ಜೊತೆಗೆ ಯಾರು ಬೇಕಾದರೂ ಪರಿಶೀಲಿಸಿ ಮುಂದುವರಿಸಲು AI ರಚಿಸಿದ ವಿಷಯವನ್ನು ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯಗೊಳಿಸುವುದು.

  • ಭೌತಶಾಸ್ತ್ರದ ಫಲಿತಾಂಶಕ್ಕಾಗಿ, ಬಾಹ್ಯ ಸಹಯೋಗಿಗಳ ತಂಡವನ್ನು ರಚಿಸಿ, ಸಾಮಗ್ರಿಗಳ ಬಿಡುಗಡೆಯ ನಿರ್ಧಾರವನ್ನು ಅವರಿಗೆ ಬಿಡುವುದು.

ಈ ಮೂರು ವಿಧಾನಗಳಲ್ಲಿ ಯಾವುದು ಹೆಚ್ಚು ಉಪಯುಕ್ತವೆಂದು ನಮಗಿನ್ನೂ ತಿಳಿದಿಲ್ಲ. ಯಾವುದು ಪರಿಣಾಮಕಾರಿ, ಯಾವುದನ್ನು ಸುಧಾರಿಸಬಹುದು ಎಂಬ ಕುರಿತು ಸಲಹೆಗಳನ್ನು ಸ್ವಾಗತಿಸುತ್ತೇವೆ.

ಬಾಹ್ಯ ಸಹಯೋಗಗಳು ನಾಲ್ಕು ತತ್ವಗಳನ್ನು ಅನುಸರಿಸಲಿವೆ:

  1. ಪಾರದರ್ಶಕತೆ. ನಮ್ಮ ಸಹಯೋಗಗಳ ಅಸ್ತಿತ್ವದ ಕುರಿತು ನಾವು ಪಾರದರ್ಶಕವಾಗಿದ್ದೇವೆ. ಭಾಗವಹಿಸುವವರನ್ನು ಗೌಪ್ಯತಾ ಒಪ್ಪಂದಗಳಿಗೆ ಸಹಿ ಹಾಕುವಂತೆ ಕೇಳುವುದಿಲ್ಲ. ಸಂಶೋಧನೆಯನ್ನು ಚರ್ಚಿಸಲು, ಮಧ್ಯಂತರ ಹಂತದ ಕೃತಿಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳಲು ಮತ್ತು ತಮ್ಮ ತೀರ್ಮಾನಗಳನ್ನು ಪ್ರಕಟಿಸಲು ಅವರಿಗೆ ಸ್ವಾತಂತ್ರ್ಯವಿರುತ್ತದೆ.

  2. ಶೈಕ್ಷಣಿಕ ಶ್ರೇಯಸ್ಸಿನ ಕ್ರೆಡಿಟ್. ನಮ್ಮ ಆಂತರಿಕ ಮಾಡೆಲ್‌ಗಳು ಮಾಡಿದ ಆವಿಷ್ಕಾರಗಳಿಗೆ ನಾವು ಶೈಕ್ಷಣಿಕ ಶ್ರೇಯಸ್ಸಿನ ಕ್ರೆಡಿಟ್ ಅನ್ನು ಕೋರುವುದಿಲ್ಲ. ಸಹಯೋಗಕ್ಕೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಲು ಸಂಶೋಧಕರನ್ನು ಆಹ್ವಾನಿಸಿದ ಮಾತ್ರಕ್ಕೆ, ಮೂಲ ಆವಿಷ್ಕಾರವನ್ನು ಅವರೇ ಅಥವಾ ಅವರ ಕಾರ್ಯತಂಡವೇ ಮಾಡಿದೆ ಎಂದರ್ಥವಲ್ಲ.

  3. ಮನ್ನಣೆ. ತಂಡವು ಬೆಳೆಸುವ ತಿಳಿವಳಿಕೆ, ಬರೆಯುವ ಲೇಖನಗಳು ಮತ್ತು ರಚಿಸುವ ಇತರ ಸಾಮಗ್ರಿಗಳಿಗೆ ಮನ್ನಣೆ ಸಿಗಬೇಕು. ಸಂಶೋಧನೆಯಲ್ಲಿ ಆಧಾರವಾಗಿ ಬಳಸಿದ ಸಂಶೋಧಕರು, ತಂತ್ರಗಳು ಮತ್ತು ವಿಚಾರಗಳಿಗೆ ಸೂಕ್ತ ಶ್ರೇಯಸ್ಸು ಸಿಗುವಂತೆಯೂ ತಂಡ ನೆರವಾಗಲಿದೆ.

  4. ಸ್ವಾತಂತ್ರ್ಯ. ಭಾಗವಹಿಸುವಿಕೆ ಸ್ವಯಂಪ್ರೇರಿತವಾಗಿದ್ದು, ಅದಕ್ಕೆ ಸಂಭಾವನೆ ಇರುವುದಿಲ್ಲ. ಕಾರ್ಯತಂಡದ ಸದಸ್ಯರು ಸ್ವತಂತ್ರವಾಗಿ ಭಾಗವಹಿಸುತ್ತಾರೆ; ಅವರ ತೀರ್ಮಾನಗಳು ಅವರದೇ ಆಗಿರುತ್ತವೆ. ಅವರು OpenAI ಪರವಾಗಿ ಮಾತನಾಡುವುದಿಲ್ಲ; OpenAI ಕೂಡ ಅವರ ಪರವಾಗಿ ಮಾತನಾಡುವುದಿಲ್ಲ.

ಈ ಫಲಿತಾಂಶಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಸಾಮಗ್ರಿಗಳು ಮತ್ತು ಕೃತಿಗಳನ್ನು ಸಹಯೋಗಿ ತಂಡಗಳಿಗೆ ಹಸ್ತಾಂತರಿಸುತ್ತೇವೆ. ಗಣಕ ವಿಜ್ಞಾನ ಸಹಯೋಗದ ತಂಡವು ಸಹಜ ಭಾಷೆಯ ಸಾಧನೆ ಮತ್ತು Lean ಔಪಚಾರಿಕೀಕರಣವನ್ನು ತಕ್ಷಣ ಸಾರ್ವಜನಿಕಗೊಳಿಸಲು ನಿರ್ಧರಿಸಿದೆ. ನಾವು ಅವುಗಳನ್ನು ನೇರವಾಗಿ ನಮ್ಮ GitHub ರಿಪೊಸಿಟರಿಯಲ್ಲಿ ಪ್ರಕಟಿಸುತ್ತಿದ್ದೇವೆ. ಭೌತಶಾಸ್ತ್ರ ಸಹಯೋಗದ ತಂಡವು AI ರಚಿಸಿದ ಕೃತಿಗಳ ಬಿಡುಗಡೆಯನ್ನು ಸದ್ಯಕ್ಕೆ ತಡೆಹಿಡಿದು, ಬದಲಿಗೆ ಸ್ವತಃ ಅವುಗಳ ವಿವರಣೆಯನ್ನು ಬರೆಯಲು ನಿರ್ಧರಿಸಿದೆ.

ಈ ಎಲ್ಲಾ ವಿಧಾನಗಳಲ್ಲೂ ಕೆಲವು ಲಾಭಗಳಿಗಾಗಿ ಕೆಲವು ಮಿತಿಗಳನ್ನು ಒಪ್ಪಿಕೊಳ್ಳಬೇಕಾಗುತ್ತದೆ. ಒಂದೆಡೆ ಫಲಿತಾಂಶಗಳನ್ನು ಬಿಡಿಸಿ ವಿವರಿಸುವುದನ್ನು ಉತ್ತೇಜಿಸಲು ಮತ್ತು ಅವುಗಳನ್ನು ವಿಶಾಲ ಶೈಕ್ಷಣಿಕ ಸಮುದಾಯದ ಸಂದರ್ಭದಲ್ಲಿರಿಸಲು ಈ ಸಹಯೋಗಗಳು ತಜ್ಞರಿಗೆ ಅವಕಾಶ ನೀಡುತ್ತವೆ. ಇನ್ನೊಂದೆಡೆ ಆರಂಭಿಕ ಮಾರ್ಗದರ್ಶಕರ ಆಯ್ಕೆಯು ಮೊದಲು ಯಾರು ಭಾಗಿಯಾಗುತ್ತಾರೆ ಎಂಬುದನ್ನು ಅನಿವಾರ್ಯವಾಗಿ ಪ್ರಭಾವಿಸುತ್ತದೆ ಮತ್ತು ಮಾಹಿತಿಯ ಲಭ್ಯತೆಯಲ್ಲಿ ಅಸಮಾನತೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಹೆಚ್ಚಿನವರು ಭಾಗವಹಿಸುವಂತೆ ಮಾಡಲು ಮತ್ತು ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹೆಚ್ಚು ಉಪಯುಕ್ತವಾಗಿಸಲು ಸಲಹೆಗಳನ್ನು ಸ್ವಾಗತಿಸುತ್ತೇವೆ.

ಸ್ಥಳೀಯ ಸುಗಮೀಕರಣ ಮತ್ತು ಕಾಕೇಯ ಊಹೆ

ಗಣಿತದ ಫಲಿತಾಂಶವು ಹಾರ್ಮೋನಿಕ್ ವಿಶ್ಲೇಷಣೆಗೆ ಸಂಬಂಧಿಸಿದೆ. 1991 ರಲ್ಲಿ, ಸೊಗ್ಗೆ ಸ್ಥಳೀಯ ಸುಗಮೀಕರಣ ಊಹೆಯನ್ನು ಪ್ರಸ್ತಾಪಿಸಿದರು. ಇದು ಅಲೆಗಳು ಕೇಂದ್ರೀಕೃತವಾಗುವಾಗ ಅವುಗಳ ವರ್ತನೆಗೆ ಸಂಬಂಧಿಸಿದೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ, ಅತ್ಯಂತ ತೀವ್ರ ಕೇಂದ್ರೀಕರಣವು ಅಲ್ಪಕಾಲ ಮಾತ್ರ ಇರಬೇಕು ಎಂದು ಈ ಊಹೆ ಹೇಳುತ್ತದೆ. ಯಾದೃಚ್ಛಿಕವಾಗಿ ಆಯ್ದ ಸಾಮಾನ್ಯ ಕ್ಷಣದಲ್ಲಿ ಕೇಂದ್ರೀಕರಣದ ಪ್ರಮಾಣವು ಅತ್ಯಂತ ತೀವ್ರ ಕೇಂದ್ರೀಕರಣ ಸಂಭವಿಸಬಹುದಾದ ಕ್ಷಣಕ್ಕಿಂತ ಯಾವಾಗಲೂ ಬಹಳ ಕಡಿಮೆಯಿರುತ್ತದೆ. ಇದು ಗಣಿತದಾದ್ಯಂತ ಪರಿಚಿತವಾದ ಮಾದರಿ: ಅತ್ಯಂತ ಪ್ರತಿಕೂಲ ಸಂದರ್ಭದಲ್ಲಿ ಸಂಭವಿಸಬಹುದಾದದ್ದು, ಸರಾಸರಿ ತೆಗೆದುಕೊಂಡಾಗ ಕಾಣುವುದಕ್ಕಿಂತ ತೀವ್ರವಾಗಿರುತ್ತದೆ. ಊಹಿಸಲಾದ ಈ ವಿದ್ಯಮಾನವು ಮೂಲಭೂತವಾದದ್ದರಿಂದ, ಗಣಿತೀಯ ವಿಶ್ಲೇಷಣೆಯಾದ್ಯಂತ ವ್ಯಾಪಕ ಪರಿಣಾಮಗಳನ್ನೂ ಹೊಂದಿದೆ. ಉದಾಹರಣೆಗೆ, ಇದರಿಂದ ಕಾಕೇಯ ಊಹೆ ಮತ್ತು ಸ್ಟೈನ್ ಅವರ ನಿರ್ಬಂಧನ ಊಹೆಯೂ ಸಿದ್ಧವಾಗುತ್ತವೆ.

2019 ರಲ್ಲಿ, ಗುತ್, ವಾಂಗ್ ಮತ್ತು ಝಾಂಗ್⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಎರಡು ಸ್ಥಳೀಯ ಆಯಾಮಗಳಲ್ಲಿ ಸ್ಥಳೀಯ ಸುಗಮೀಕರಣ ಊಹೆಯನ್ನು ಸಾಬೀತುಪಡಿಸಿದರು. 2025 ರಲ್ಲಿ, ವಾಂಗ್ ಮತ್ತು ಝಾಲ್⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಮೂರು ಆಯಾಮಗಳಲ್ಲಿ ಕಾಕೇಯ ಊಹೆಯನ್ನು ಸಾಬೀತುಪಡಿಸಿದರು. ನಮ್ಮ ಮಾಡೆಲ್‌ಗಳು ಪ್ರತಿಯೊಂದು ಆಯಾಮದಲ್ಲೂ ಸ್ಥಳೀಯ ಸುಗಮೀಕರಣ ಊಹೆಗೆ ಸಾಧನೆಯನ್ನು ರೂಪಿಸಿದವು. ಹೀಗಾಗಿ ಎಲ್ಲ ಆಯಾಮಗಳಲ್ಲಿ ಕಾಕೇಯ ಊಹೆ ಮತ್ತು ಸ್ಟೈನ್ ಅವರ ನಿರ್ಬಂಧನ ಊಹೆಯನ್ನೂ ಪರಿಹರಿಸಿವೆ. ಈ ಹೊಸ ಸಾಧನೆಯು ನವೀನ ಸಹಾಯಕ ಆಂಶಿಕ ಅವಕಲನ ಸಮೀಕರಣವನ್ನು ಆಧರಿಸಿದೆ.

2026 ರ ಅಕ್ಟೋಬರ್ 18 ರಂದು ನಮ್ಮ AI ಈ ಫಲಿತಾಂಶವನ್ನು ರೂಪಿಸಿತು. ಮರುದಿನ ಅದನ್ನು Lean ನಲ್ಲಿ ಔಪಚಾರಿಕಗೊಳಿಸಲಾಯಿತು. ಬಳಿಕ ಈ ಫಲಿತಾಂಶದ ಕುರಿತು ಸಹಯೋಗ ರೂಪಿಸುವುದನ್ನು ಚರ್ಚಿಸಲು ತಜ್ಞರೊಬ್ಬರನ್ನು ಸಂಪರ್ಕಿಸಿದೆವು. ಅವರ ಶಿಫಾರಸಿನಂತೆ, 2026 ರ ಅಕ್ಟೋಬರ್ 6 ರ ನಮ್ಮ ಬಿಡುಗಡೆಯ⁠ ತಂತ್ರವನ್ನೇ ಈ ಫಲಿತಾಂಶಕ್ಕೂ ಅನುಸರಿಸಿ, AI ರಚಿಸಿದ ವಿಷಯವನ್ನು ಸಾರ್ವಜನಿಕವಾಗಿ ಬಿಡುಗಡೆ ಮಾಡಲು ನಿರ್ಧರಿಸಿದೆವು. ನಮ್ಮ ಮಾಡೆಲ್‌ಗಳು ರಚಿಸಿದ AI ನ ಸಹಜ ಭಾಷೆಯ ವಿವರಣೆ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಮತ್ತು Lean ಸಾಧನೆ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಎರಡನ್ನೂ ನಮ್ಮ ಸಾರ್ವಜನಿಕ GitHub ರಿಪೊಸಿಟರಿಯಲ್ಲಿ ಬಿಡುಗಡೆ ಮಾಡಿದ್ದೇವೆ.

ಘಾತೀಯ ಸಮಯ ಊಹೆ ತಪ್ಪಾಗಿದೆ

ಗಣಕವಿಜ್ಞಾನದ ಸಹಯೋಗವು ಘಾತೀಯ ಸಮಯ ಊಹೆಗೆ (ETH) ಸಂಬಂಧಿಸಿದ ಫಲಿತಾಂಶವನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ವಿವರಿಸಲಿದೆ. ಬೂಲಿಯನ್ ಸೂತ್ರದ ಸಂತೃಪ್ತಿಸಾಧ್ಯತೆಯ ಗಣನಾ ಸಂಕೀರ್ಣತೆಯ ಕುರಿತು ದೀರ್ಘಕಾಲದಿಂದ ಇರುವ ಊಹೆಯೇ ETH. ಈ ಸಮಸ್ಯೆ P ವಿರುದ್ಧ NP ಸಮಸ್ಯೆಯೊಂದಿಗೆ ಆಳವಾದ ಸಂಬಂಧ ಹೊಂದಿದೆ. ETH ನಿಜವೆಂದು ವ್ಯಾಪಕವಾಗಿ ನಂಬಲಾಗಿತ್ತು. ಗ್ರಾಫ್ ಸಿದ್ಧಾಂತ, ಗಣನಾ ಜೀವಶಾಸ್ತ್ರ, ಡೇಟಾಸೆಟ್‌ಗಳು , ಗಣನಾ ರೇಖಾಗಣಿತ ಸೇರಿದಂತೆ ಹಲವು ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಷರತ್ತುಬದ್ಧ ಗಣನಾ ಕಠಿಣತೆಯ ಫಲಿತಾಂಶಗಳನ್ನು ಪಡೆಯಲು ನೂರಾರು ಸಂಶೋಧನಾ ಪ್ರಬಂಧಗಳಲ್ಲಿ ಇದನ್ನು ಬಳಸಲಾಗಿದೆ. ಅಚ್ಚರಿಯ ಸಂಗತಿಯೆಂದರೆ, ನಮ್ಮ ವ್ಯವಸ್ಥೆಯು ಇತ್ತೀಚೆಗೆ ETH ತಪ್ಪೆಂದು ಸಾಬೀತುಪಡಿಸಿದೆ. ಈ ಫಲಿತಾಂಶವನ್ನು ನಂತರ Lean ನಲ್ಲಿ ಪರಿಶೀಲಿಸಲಾಯಿತು. ETH ಯ ಖಂಡನೆಯು ಈ ಕಾರ್ಯಗಳನ್ನು ಇನ್ನೆಷ್ಟು ವೇಗವಾಗಿ ಮಾಡಬಹುದು ಎಂಬ ಪ್ರಶ್ನೆಗಳನ್ನು ಮತ್ತೆ ತೆರೆದಿಟ್ಟಿದೆ. ಉತ್ತಮ ಕ್ರಮಾವಳಿಗಳ ಹುಡುಕಾಟಕ್ಕೆ ಇದು ಮಾರ್ಗದರ್ಶನ ನೀಡಬಹುದು. ಅಂತಹ ಆಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಮತ್ತು ಸೈದ್ಧಾಂತಿಕ ಪ್ರಗತಿಯನ್ನು ಪ್ರಾಯೋಗಿಕ ಸುಧಾರಣೆಗಳಾಗಿ ಪರಿವರ್ತಿಸಲು ಇನ್ನೂ ಸಾಕಷ್ಟು ಸಂಶೋಧನೆಯ ಅಗತ್ಯವಿದೆ.

ರಸೆಲ್ ಇಂಪಾಗ್ಲಿಯಾಝೊ (UC ಸ್ಯಾನ್ ಡಿಯೆಗೊ), ರಾಮಮೋಹನ್ ಪಾತುರಿ (UC ಸ್ಯಾನ್ ಡಿಯೆಗೊ) ಮತ್ತು ರೈಯನ್ ವಿಲಿಯಮ್ಸ್ (MIT) ನೇತೃತ್ವದ ಗುಂಪು ಈ ಸಂಶೋಧನೆಯನ್ನು ಪರಿಶೀಲಿಸಿ, ಮುಂದಿನ ಕೆಲಸಕ್ಕೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಲಿದೆ. ಈ ಮೂವರೂ ಆಲ್ಗಾರಿದಮ್ ವಿನ್ಯಾಸ ಮತ್ತು ಸಂಕೀರ್ಣತಾ ಸಿದ್ಧಾಂತದ ತಜ್ಞರು.

ಸಮುದಾಯವು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸಲು ಅನುಕೂಲವಾಗುವಂತೆ ಫಲಿತಾಂಶಗಳ ಎಲ್ಲಾ ರಾ ಡೇಟಾವನ್ನು ಸಾರ್ವಜನಿಕಗೊಳಿಸಬೇಕೆಂಬ ಗುಂಪಿನ ವಿನಂತಿಗೆ ಒಪ್ಪಿದ್ದೇವೆ. ಇಡೀ ಕ್ಷೇತ್ರದ ಮೇಲೆ ಈ ಸಂಶೋಧನೆಯ ಪರಿಣಾಮಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಕಾನ್ಫರೆನ್ಸ್‌ಗೆ ಹಣಕಾಸು ನೆರವು ನೀಡುವಂತೆ OpenAI ಗೆ ಮಾಡಿದ ಕೋರಿಕೆಗೂ ಒಪ್ಪಿದ್ದೇವೆ. ETH ಕುರಿತ ಪ್ರತಿಪಾದನೆಯ ಮುಕ್ತ ಪರಿಶೀಲನೆಯನ್ನು ಆಯೋಜಿಸಲು ನೆರವಾಗುವಂತೆ ಗುಂಪು ಸಮುದಾಯವನ್ನು ಆಹ್ವಾನಿಸುತ್ತದೆ. AI ಮಹತ್ವದ ಆವಿಷ್ಕಾರಗಳು ಪರಿಶೀಲನೆ, ಲಭ್ಯತೆ, ಶ್ರೇಯಸ್ಸು ಮತ್ತು ಸಂಶೋಧನೆಯ ಭವಿಷ್ಯದ ಕುರಿತು ಎತ್ತುವ ವ್ಯಾಪಕ ಪ್ರಶ್ನೆಗಳನ್ನು ಚರ್ಚಿಸಲೂ ಆಹ್ವಾನಿಸುತ್ತದೆ.

ನಮ್ಮ AI ಅಕ್ಟೋಬರ್ 16, 2026 ರಂದು ETH ಗಾಗಿ ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಅಪ್ರಸ್ತುತತೆಯನ್ನು ಕಂಡುಕೊಂಡಿತು ಮತ್ತು ನಂತರ ನಾವು ಅಕ್ಟೋಬರ್ 17, 2026 ರಂದು Lean ನಲ್ಲಿ ಫಲಿತಾಂಶವನ್ನು ಔಪಚಾರಿಕಗೊಳಿಸಿದ್ದೇವೆ, ಇದು ಇಲ್ಲಿ ವಿವರಿಸಿದ ಸಹಯೋಗವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ನಮಗೆ ಕಾರಣವಾಯಿತು. ಆ ನಿಟ್ಟಿನಲ್ಲಿ, ನಮ್ಮ ಮಾಡೆಲ್‌ಗಳಿಂದ ಉತ್ಪಾದಿಸಲಾದ AI ನೈಸರ್ಗಿಕ ಭಾಷಾ ಔಟ್‌ಪುಟ್ ಬರವಣಿಗೆ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಮತ್ತು ನಮ್ಮ ಸಾರ್ವಜನಿಕ GitHub ರಿಪೊಸಿಟರಿಯಲ್ಲಿ Lean ಪ್ರೂಫ್⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಎರಡನ್ನೂ ನಾವು ಬಿಡುಗಡೆ ಮಾಡಿದ್ದೇವೆ.

ಗಣನಾ ಸಂಕೀರ್ಣತೆಯಲ್ಲಿ ಇನ್ನೂ ಅನೇಕ ಬಗೆಹರಿಯದ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಊಹೆಗಳಿವೆ. ವಿಜ್ಞಾನಿಗಳ ಅತ್ಯುತ್ತಮ ಪ್ರಯತ್ನಗಳ ಹೊರತಾಗಿಯೂ, ಅವುಗಳನ್ನು ಸಾಬೀತುಪಡಿಸಲು ಅಥವಾ ಖಂಡಿಸಲು ಇದುವರೆಗೆ ಸಾಧ್ಯವಾಗಿಲ್ಲ. AI ನೆರವಿನಿಂದ ಮಾನವರು ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಹೊಸ ತಿಳಿವಳಿಕೆ ನೀಡಬಲ್ಲರು ಮತ್ತು ದಕ್ಷ ಗಣನೆಯ ಅಂತರ್ಗತ ಸಾಮರ್ಥ್ಯಗಳು ಹಾಗೂ ಮಿತಿಗಳ ಮೇಲೆ ಬೆಳಕು ಚೆಲ್ಲಬಲ್ಲರು ಎಂದು ಆಶಿಸುತ್ತೇವೆ.

ಕ್ವಾಂಟಮ್ ವರ್ಣಗತಿಶಾಸ್ತ್ರದ ಅಸ್ತಿತ್ವ ಮತ್ತು ಪ್ರಮಾಣಿತ ಮಾಡೆಲ್‌ನ ಪೂರ್ಣೀಕರಣಗಳು

ನಾಲ್ಕು ಆಯಾಮಗಳಲ್ಲಿ ಗೇಜ್ ಕ್ಷೇತ್ರಗಳು ಮತ್ತು ಫರ್ಮಿಯಾನ್‌ಗಳನ್ನು ಒಳಗೊಂಡ ಕೆಲವು ಪರಸ್ಪರ ಕ್ರಿಯಾಶೀಲ ಕ್ವಾಂಟಮ್ ಕ್ಷೇತ್ರ ಸಿದ್ಧಾಂತಗಳ ಅಸ್ತಿತ್ವಕ್ಕೆ ಗಣಿತೀಯವಾಗಿ ಕಟ್ಟುನಿಟ್ಟಾದ ಪುರಾವೆ ನೀಡುವ ಫಲಿತಾಂಶವನ್ನು ಭೌತಶಾಸ್ತ್ರದ ಸಹಯೋಗವು ಅರ್ಥಮಾಡಿಕೊಂಡು ವಿವರಿಸಲಿದೆ. ಇವುಗಳಲ್ಲಿ ಕ್ವಾಂಟಮ್ ವರ್ಣಗತಿಶಾಸ್ತ್ರ (QCD) ಮತ್ತು ಕಣ ಭೌತಶಾಸ್ತ್ರದ ಪ್ರಮಾಣಿತ ಪ್ರತಿರೂಪದ ಏಕೀಕೃತ ಪೂರ್ಣೀಕರಣವೂ ಸೇರಿವೆ. ನಮ್ಮ ಸಂಶೋಧನೆಯು ರಚನಾತ್ಮಕ ಕ್ವಾಂಟಮ್ ಕ್ಷೇತ್ರ ಸಿದ್ಧಾಂತದಲ್ಲಿನ ಬಾಲಬಾನ್ ಅವರ ವಿಧಾನವನ್ನು⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಆಧರಿಸಿ ಮುಂದುವರಿಯುತ್ತದೆ. ಉಪಸಮಸ್ಯೆಯಾಗಿ, ಈ ಸಂಶೋಧನೆಯು ಶುದ್ಧ ಯಾಂಗ್–ಮಿಲ್ಸ್ ಸಿದ್ಧಾಂತದ ಅಸ್ತಿತ್ವದ ಪುರಾವೆಯನ್ನೂ ಒಳಗೊಂಡಿದೆ. ಇದು ಕ್ವಾಂಟಮ್ ಯಾಂಗ್–ಮಿಲ್ಸ್ ಸಿದ್ಧಾಂತದ ಕುರಿತ ಕ್ಲೇ ಗಣಿತ ಸಂಸ್ಥೆಯ ಸಹಸ್ರಮಾನ ಪ್ರಶಸ್ತಿ ಸಮಸ್ಯೆಯ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಭಾಗವಾಗಿದೆ.

ಪ್ರಮಾಣಿತ ಮಾಡೆಲ್ ಗುರುತ್ವವನ್ನು ಹೊರತುಪಡಿಸಿ, ನಾಲ್ಕು ಮೂಲಭೂತ ಬಲಗಳಲ್ಲಿ ಮೂರರ ಅಡಿಯಲ್ಲಿ ಮೂಲಭೂತ ಉಪಪರಮಾಣು ಕಣಗಳ ಪರಸ್ಪರ ಕ್ರಿಯೆಯನ್ನು ವಿವರಿಸುತ್ತದೆ. ಈ ಅಸ್ತಿತ್ವದ ಪುರಾವೆಯು ಪ್ರಮಾಣಿತ ಮಾಡೆಲ್ ಗೇಜ್ ಕ್ಷೇತ್ರಗಳು ಮತ್ತು ಫರ್ಮಿಯಾನ್‌ಗಳನ್ನು ಒಳಗೊಂಡ ಅತ್ಯಂತ ಸರಳ ಮಹಾ ಏಕೀಕೃತ ಸಿದ್ಧಾಂತಕ್ಕೆ ಅನ್ವಯಿಸುತ್ತದೆ (ಏಕೆಂದರೆ ಪ್ರಮಾಣಿತ ಮಾಡೆಲ್ ಅನ್ನೇ ಮನಬಂದಷ್ಟು ಅಲ್ಪ ದೂರಗಳಿಗೆ ವಿಸ್ತರಿಸಲಾಗುವುದಿಲ್ಲ). ಪ್ರಬಲ ಬಲದ ಮೂಲಕ ಕ್ವಾರ್ಕ್‌ಗಳು ಮತ್ತು ಗ್ಲೂವಾನ್‌ಗಳಂತಹ ಕಣಗಳು ಪರಸ್ಪರ ಹೇಗೆ ಕ್ರಿಯೆ ನಡೆಸುತ್ತವೆ ಎಂಬುದನ್ನು QCD ವಿವರಿಸುತ್ತದೆ. ಶುದ್ಧ ಯಾಂಗ್–ಮಿಲ್ಸ್ ಸಿದ್ಧಾಂತವು ಕ್ವಾರ್ಕ್‌ಗಳಂತಹ ದ್ರವ್ಯವನ್ನು ವಿವರಿಸುವುದಿಲ್ಲ; ಬಲವಾಹಕಗಳಾದ ಗ್ಲೂವಾನ್‌ಗಳು ತಮ್ಮೊಳಗೆ ನಡೆಸುವ ಪರಸ್ಪರ ಕ್ರಿಯೆಗಳನ್ನಷ್ಟೇ ವಿವರಿಸುತ್ತದೆ.

ಮೈಕೆಲ್ ಡಗ್ಲಸ್, ಆರ್ಥರ್ ಜಾಫೆ, ಇಗೊರ್ ಕ್ಲೆಬನೋವ್ ಮತ್ತು ನಿಕಿಟಾ ನೆಕ್ರಾಸೋವ್ ಅವರನ್ನೊಳಗೊಂಡ ಗುಂಪಿಗೆ ಡೇವಿಡ್ ಗ್ರಾಸ್ ನೇತೃತ್ವ ವಹಿಸಲಿದ್ದಾರೆ. ಈ ಗುಂಪು ಸಂಶೋಧನೆಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಲಿದೆ.

ಈ ಪ್ರಯತ್ನದ ಕುರಿತು ತಂಡದ ಯಾವುದೇ ಸದಸ್ಯರೊಂದಿಗಿನ ಎಲ್ಲಾ ಸಂವಹನಗಳನ್ನೂ ಈ ಇಮೇಲ್ ವಿಳಾಸಕ್ಕೆ ಕಳುಹಿಸುವಂತೆ ತಂಡ ವಿನಂತಿಸುತ್ತದೆ: YANGMILLS4D@gmail.com.

ನಮ್ಮ ಮಾಡೆಲ್‌ಗಳು 2026 ರ ಸೆಪ್ಟೆಂಬರ್ 9 ರಂದು ಯಾಂಗ್–ಮಿಲ್ಸ್ ಅಸ್ತಿತ್ವಕ್ಕೆ ಸಹಜ ಭಾಷೆಯಲ್ಲಿ ಸಾಧನೆಯನ್ನು ರೂಪಿಸಿದವು. ಬಳಿಕ 2026 ರ ಸೆಪ್ಟೆಂಬರ್ 18 ರಂದು QCDಗೆ ಸಾಧನೆಯನ್ನು ರೂಪಿಸಿದವು. ಸಂಶೋಧನೆಯ ವ್ಯಾಪ್ತಿ ಮತ್ತು ಸಂಕೀರ್ಣತೆಯನ್ನು ಪರಿಗಣಿಸಿ, Lean ಔಪಚಾರಿಕೀಕರಣ ಪೂರ್ಣಗೊಳ್ಳುವವರೆಗೆ ನಾವು ಬಿಡುಗಡೆಯನ್ನು ಮುಂದೂಡಿದೆವು. ಯಾಂಗ್–ಮಿಲ್ಸ್ ಅಸ್ತಿತ್ವದ ಔಪಚಾರಿಕೀಕರಣವನ್ನು 2026 ರ ಅಕ್ಟೋಬರ್ 16ರಂದು ಪೂರ್ಣಗೊಳಿಸಿದೆವು. ಇದು ಇಲ್ಲಿ ವಿವರಿಸಿರುವ ಸಹಯೋಗವನ್ನು ರೂಪಿಸಲು ದಾರಿಯಾಯಿತು.

ಆಧುನಿಕ ಸೈದ್ಧಾಂತಿಕ ಭೌತಶಾಸ್ತ್ರದ ಅತ್ಯಂತ ಪ್ರಮುಖ ಚೌಕಟ್ಟಾದ ಕ್ವಾಂಟಮ್ ಕ್ಷೇತ್ರ ಸಿದ್ಧಾಂತವು ಗಣಿತೀಯವಾಗಿ ಕಟ್ಟುನಿಟ್ಟಾದ ಕ್ಷೇತ್ರವಾಗಿ ರೂಪುಗೊಳ್ಳುವ ಪರಿವರ್ತನೆಗೆ ಈ ಫಲಿತಾಂಶಗಳು ನಾಂದಿಯಾಗುತ್ತವೆ ಎಂದು ನಾವು ಆಶಿಸುತ್ತೇವೆ. ಆ ಗುರಿಯತ್ತ ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧಕರ ನೇತೃತ್ವದಲ್ಲಿ ಪ್ರಗತಿ ಸಾಧಿಸಲು ಸಂಪನ್ಮೂಲಗಳನ್ನು ಒದಗಿಸುವ ಉತ್ಸಾಹ ನಮ್ಮಲ್ಲಿದೆ.

ವಿಜ್ಞಾನಿಗಳಿಗೆ ಬೆಂಬಲ

ಈ ಫಲಿತಾಂಶಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮತ್ತು ಅವುಗಳ ಆಧಾರದಲ್ಲಿ ಮುಂದುವರಿಯುವ ವ್ಯಾಪಕ ಸಂಶೋಧನೆಗೆ ಬೆಂಬಲ ನೀಡಲು ನಾವು ಬದ್ಧರಾಗಿದ್ದೇವೆ. ಸೈಮನ್ಸ್ ಪ್ರತಿಷ್ಠಾನದ ಹೊಸ ಉಪಕ್ರಮಕ್ಕೆ ನಾವು ಇತ್ತೀಚೆಗೆ ಘೋಷಿಸಿದ 50 ಲಕ್ಷ ಡಾಲರ್‌ಗಳ ಕೊಡುಗೆಗೆ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಈ ಸಹಯೋಗಗಳು ಪೂರಕವಾಗಿವೆ. ಸೈಮನ್ಸ್ ಪ್ರತಿಷ್ಠಾನ ನಿರ್ವಹಿಸಿ, ಹಂಚುವ ಈ ನಿಧಿಯು ಕಾರ್ಯಾಗಾರಗಳು, ಸಮ್ಮೇಳನಗಳು ಮತ್ತು ವಿಶೇಷ ಕಾರ್ಯಕ್ರಮಗಳಿಗೆ ಬೆಂಬಲ ನೀಡಲಿದೆ. ಇವುಗಲು AI ರೂಪಿಸಿದ ಫಲಿತಾಂಶಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಅವುಗಳ ಆಧಾರದಲ್ಲಿ ಮುಂದುವರಿಯಲು ಸಂಶೋಧಕರಿಗೆ ನೆರವಾಗಲಿವೆ. ಮೇಲಿನ ಫಲಿತಾಂಶಗಳನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸಲು, ವಿವರಿಸಲು ಮತ್ತು ಅವುಗಳ ಆಧಾರದಲ್ಲಿ ಮುಂದುವರಿಯಲು ಸಂಶೋಧಕರಿಗೆ ಹಣಕಾಸು ಲಭ್ಯವಾಗುವಂತೆ ಮಾಡಲು ನಾವು ಬದ್ಧರಾಗಿದ್ದೇವೆ.

ಫಲಿತಾಂಶಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಲು ಮತ್ತು ಆವಿಷ್ಕಾರವನ್ನು ವೇಗಗೊಳಿಸಲು ವಿಜ್ಞಾನಿಗಳೊಂದಿಗೆ ತೊಡಗಿಸಿಕೊಳ್ಳಲು ಉತ್ತಮ ಮಾರ್ಗಗಳ ಕುರಿತು ಸಲಹೆಗಳನ್ನು ನಾವು ಮುಂದುವರಿದು ಆಹ್ವಾನಿಸುತ್ತೇವೆ.

ಲೇಖಕರು

OpenAI