GPT‑5.2 推導出理論物理的一項新結果
在一篇新的預印本中,GPT‑5.2 提出了一個用於描述膠子振幅的公式,其後由 OpenAI 內部模型完成證明,並由論文作者進一步驗證。
我們發表了一篇新的預印本,展示一種許多物理學家原本預期不會發生的粒子相互作用,其實可以在特定條件下出現。這項工作聚焦於膠子,也就是攜帶強核力的粒子。這篇預印本(在新視窗中開啟)已發佈於 arXiv,並正準備投稿發表。同時,我們歡迎社群提供意見。
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 及 OpenAI)、David Skinner(University of Cambridge)、Andrew Strominger(Harvard University)以及 Kevin Weil(OpenAI)代表 OpenAI 撰寫。
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發生相互作用機率的物理量。對於攜帶強核力的膠子,許多振幅在「樹階近似」(tree level)下(亦即只保留沒有量子迴圈、最簡單費曼圖的計算)會呈現出出乎意料的簡單形式。這些簡化一再揭示量子場論中的更深層結構,而量子場論正是把狹義相對論與量子力學統一描述的理論框架。
然而,有一種情況一般被視為不存在(即振幅為零)。當一個膠子具有負螺旋度(也就是無質量粒子可具有的兩種自旋取向之一),而其餘 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,這種組態長期未被進一步研究。
預印本顯示,這個結論其實過於嚴格。標準論證假設粒子動量處於一般情況,也就是它們的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子區域,在那裡這套推理不再適用,稱為半共線動力學區域(half-collinear regime)。所謂半共線,是指膠子動量滿足一個不常見但數學上定義良好且自洽的特殊對齊條件。在這個子區域上,振幅不再消失,我們並在一個特殊的動力學條件下計算出該振幅。這項結果開啟了許多新問題,將成為後續研究的主題,其中重要的推廣包括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。人類作者先手算整數 至 的振幅,得到非常複雜的表達式(見式 (29)–(32))。這些表達式對應的「費曼圖展開」在 n 中的複雜度呈超指數成長。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,它接著辨認出其中的模式,並提出一個對所有 都成立的公式。
一個經過 scaffolded 設計的 GPT‑5.2 內部版本隨後花了大約 12 小時推理這個問題,得出相同的公式,並產生一份形式化的有效性證明。接著,人們解析驗證這個方程確實解出 Berends-Giele 遞迴關係,這是一種標準的逐步方法,用較小的組件構建多粒子樹階振幅。它也通過了軟定理(soft theorem)的檢查,而軟定理會限制當某個粒子變得「軟」時振幅的行為。
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,以及許多其他成果,將會在其他地方陸續報
「大約十五年前,我第一次接觸這些高度簡併的散射過程,這其中的物理機制一直讓我感到好奇。因此,在這篇論文中看到如此簡潔的表達式,真是讓人振奮。」
在這一物理學領域中,經常會出現這樣的情形:使用教科書方法計算出的某些物理觀測量的表達式看起來異常複雜,結果卻非常簡單。這很重要,因為簡潔的公式常常引領我們去發現和理解深刻的新結構,開啟新的理論視野,而其中起點所呈現的簡潔性變得顯而易見。
對我來說,「找到一個簡單公式」向來是件繁瑣的事,同時我也一直認為,這種事或許可以由電腦實現自動化。在多個領域,我們開始看到這種情形;這篇論文中的例子似乎特別適合發揮現代 AI 工具的能力。我期待在不久的將來看到這一趨勢繼續發展,最終催生出一種通用的「簡單公式模式識別」工具。
— Nima Arkani-Hamed,高等研究院物理學教授,專攻理論高能物理學
「我已經開始思考這份預印本對我團隊研究計劃部分研究方向的潛在影響。這顯然是達到期刊發表水準、能推進理論物理學前沿的研究,其新穎性將啟發後續研究和學的學術成果。這份預印本讓人得以窺見 AI 輔助科學的未來:物理學家與 AI 攜手合作,產生並驗證新的見解。毫無疑問,物理學家與大語言模型的對話能夠催生真正意義上的新知識。透過將 GPT‑5.2 與領域專家結合,這篇論文提供一個用於驗證由大語言模型驅動的見解的模板,並符合我們對嚴謹科學探究的期望。」
— Nathaniel Craig,加州大學聖塔芭芭拉分校 (UCSB) 物理學教授,專攻高能物理學、粒子現象學與宇宙學


