Nuestro reciente preprint sobre las amplitudes de los gluones ha generado mucho debate, así que quiero compartir la historia de fondo — incluyendo cómo la IA ayudó a resolver un problema que nos había desconcertado durante un año. También daré una conferencia pública en Harvard esta semana. Detalles al final.

Hace aproximadamente un año, expertos mundiales en este problema, Alfredo Guevara (IAS), David Skinner (Cambridge) y Andy Strominger (Harvard), se dieron cuenta de algo sorprendente: las amplitudes de un solo menos no deberían ser idénticamente cero, a pesar de los argumentos en sentido contrario en algunos libros de texto (que tienen una laguna cuando las partículas que interactúan son colineales). La pregunta era: ¿cuáles deberían ser realmente estas amplitudes?

El pasado octubre, me uní a la recién creada división OpenAI for Science, dirigida por @kevinweil & @markchen90, con el objetivo de mejorar las capacidades científicas de nuestros modelos de vanguardia. Estaba tan entusiasmado con lo que los últimos modelos internos podían hacer por la física que invité a mi coautor y director de doctorado, Andy, a trabajar con ellos en un problema para que pudiera comprobarlo por sí mismo.

Alfredo, David y Andy habían pasado el último año intentando encontrar una fórmula sencilla para las amplitudes simple-menos no nulas, análoga a la fórmula Parke-Taylor obtenida en los 80 para las amplitudes doble-menos ("MHV"). Alfredo había obtenido una expresión complicada, Ecuación 21 en el preprint, pero era inmanejable: una suma sobre diagramas de Feynman cuya complejidad crece superexponencialmente en el número de partículas que interactúan.

Usando esta fórmula, era difícil calcular las amplitudes hasta n=6 (como se muestra en las Ecuaciones 29-32), pero pensábamos que debería existir una expresión mucho más simple, igual que la fórmula de Parke-Taylor había simplificado los horribles cálculos del diagrama de Feynman para amplitudes MHV (esto se explica bien en la Parte N.2 del libro QFT de Zee). Pero una fórmula así seguía resultando esquiva.

Intercambiamos mucho con GPT-5.2 Pro, lo que nos ayudó a identificar la región cinemática R_1 en la que deberíamos buscar una fórmula simplificada. También encontró sorprendentes simplificaciones no triviales para las amplitudes que teníamos, mostradas en Ecuaciones. 35--38, lo que le llevó a calcular la ecuación 39 para el patrón general. Con este objetivo a la vista, formulamos una pregunta precisa para que un modelo interno abordara, y de forma independiente se nos dio la sencilla Ecuación 39 y luego la demostramos.

La parte del preprint que sigue a la Ecuación 39 es esencialmente la prueba proporcionada por el modelo y verificada por nosotros. Esto fue realmente un esfuerzo colaborativo entre humanos e IA, con GPT-5.2 y su estructura contribuyendo al nivel de un colaborador muy talentoso. Como dijo Andy, el resultado final que proporcionó se le había escapado al equipo durante un año y puede que no se encontrara hasta dentro de un tiempo. En mi opinión, hemos cruzado un umbral para la IA en física.

Creo que este año va a ser un punto de inflexión para la ciencia, y que la IA hará con la física en 2026 lo que hizo con la programación en 2025. El martes a las 14:00, en el pabellón A del Science Center hablaré sobre estos resultados recientes y las futuras direcciones en Harvard.