跳到正文
OpenAI News·· 2026-02-13精選AI 評分73

GPT-5.2 推導出理論物理學新結果,提出膠子振幅公式

GPT-5.2 derives a new result in theoretical physics

AI 導讀

GPT-5.2 在理論物理中提出一條新的膠子振幅公式,一篇新預印本記錄了這項結果。OpenAI 與學術合作者其後正式證明並驗證了該公式。

推薦理由

材料交代 GPT-5.2 提出的膠子振幅公式及 OpenAI 與學術合作者其後的正式證明和驗證,呈現模型研究結果的核查環節。

正文 · 繁體中文

我們發表了一篇新的預印本,指出一種許多物理學家原以為不會發生的粒子相互作用,事實上在特定條件下可以出現。這項研究聚焦於膠子,即傳遞強核力的粒子。該預印本⁠(於新視窗開啟)已於 arXiv 公開,並正提交發表。與此同時,我們歡迎學界提供意見。

這篇預印本題為「單負螺旋度膠子的樹圖振幅並非零」,作者包括 Alfredo Guevara(Institute for Advanced Study)、Alex Lupsasca(Vanderbilt University 及 OpenAI)、David Skinner(University of Cambridge)、Andrew Strominger(Harvard University),以及代表 OpenAI 的 Kevin Weil。

這項研究探討粒子物理學中的一個核心概念:散射振幅。散射振幅是物理學家用來計算粒子以特定方式相互作用之機率的量。對於傳遞強核力的粒子——膠子而言,許多振幅在「樹圖階」(即計算時只保留最簡單且不含量子迴圈的圖示)會呈現出出乎意料的簡單形式。這些簡化曾屢次揭示量子場論中的深層結構;量子場論是一套物理描述框架,將狹義相對論與量子力學統一起來。

不過,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(即無質量粒子可能具有的兩種自旋方向之一),而其餘 n−1 個膠子具有正螺旋度時,標準教科書論證指出,相應的樹圖階振幅必定為零。因此,這種組態大多被擱置一旁。

預印本指出,這個結論過於絕對。標準論證假設粒子動量處於一般情況,也就是方向和能量之間沒有任何特殊排列。我們找出動量空間中一個特定而精確界定的切片;在這個切片上,該推理不再適用,此範圍稱為半共線區域。此處所說的半共線,是指膠子動量符合一種特殊的排列條件;這種排列並不常見,但在數學上有明確定義且自洽。在這個切片上,振幅不會消失,而我們在一種特殊的運動學條件下計算出它。這項結果為許多新問題打開大門,這些問題將於後續研究中探討。重要的延伸工作包括計算引力子的類似振幅(引力子是傳遞引力的粒子)。

研究的一個核心部分關乎方法。預印本中的最終公式 Eq. (39),最初由 GPT‑5.2 Pro 提出猜想。人類作者手動計算了整數 n(最高至 n=6)的振幅,得出 Eqs. (29)--(32) 所示的極其複雜表達式;這些表達式對應一種「費曼圖展開」,其複雜度隨 n 呈超指數增長。GPT‑5.2 Pro 得以大幅降低這些表達式的複雜度,給出 Eqs. (35)--(38) 中簡單得多的形式。以這些基礎案例為起點,它隨後識別出一種規律,並提出適用於所有 n 的公式。

GPT‑5.2 的一個內部鷹架化版本隨後花了約 12 hours 推演這個問題,得出了相同公式,並作出正式證明,證明該公式有效。此公式其後經解析驗證,確認可解 Berends-Giele 遞迴關係;這是一種標準的逐步方法,從較小的組成部分建立多粒子樹圖振幅。此公式亦以軟定理進行檢驗;軟定理約束粒子進入軟極限時振幅的表現。

藉助 GPT‑5.2,這些振幅已由膠子推廣至引力子,其他推廣亦正在進行。這些由 AI 輔助得出的結果以及許多其他成果,將於其他地方報告。

「這些高度簡併散射過程背後的物理問題,自從我約十五年前初次遇上它們以來,一直令我好奇;因此,看到本文中那些簡潔得令人驚嘆的表達式,實在令人振奮。

在這個物理領域,某些物理可觀測量以教科書方法計算出來的表達式,往往看起來極其複雜,結果卻非常簡單。這一點很重要,因為簡單公式經常引領我們踏上揭示和理解深層新結構的旅程,開拓全新的思想天地;在這些思想天地中,起點所呈現的簡潔性等特點也會變得顯而易見。

對我而言,『找出簡單公式』一直是件繁瑣的事;我也長久以來覺得,電腦或許能將這件事自動化。看來我們開始在多個領域看到這種情況;本文中的例子似乎尤其適合發揮現代 AI 工具的力量。我期待這個趨勢持續發展,並在不久的將來形成一種通用的『簡單公式模式識別』工具。」

—Nima Arkani-Hamed,Institute for Advanced Study 的物理學教授,專研理論高能物理

「我已開始思考這篇預印本對我團隊部分研究方向的啟示。這顯然是達到期刊發表水準、推進理論物理前沿的研究,其創新性將啟發未來的發展及後續發表。這篇預印本讓我一窺 AI 輔助科學的未來:物理學家與 AI 緊密合作,產生並驗證新的見解。物理學家與 LLMs 之間的對話能夠產生根本性的新知識,這一點毋庸置疑。本文將 GPT‑5.2 與人類領域專家結合,為驗證由 LLM 驅動的見解提供範本,也符合我們對嚴謹科學探究的期望。」

—Nathaniel Craig,University of California, Santa Barbara (UCSB) 的物理學教授,專研高能物理、粒子現象學及宇宙學

來源:OpenAI News · openai.com