Onze recente preprint over gluonamplitudes heeft veel discussie opgeleverd, dus ik wil het verhaal erachter delen — inclusief hoe AI heeft geholpen een probleem op te lossen dat ons een jaar lang in de weg zat. Ik zal deze week ook een openbare lezing geven aan Harvard. Details aan het einde.

Ongeveer een jaar geleden realiseerden wereldexperts over dit probleem, Alfredo Guevara (IAS), David Skinner (Cambridge) en Andy Strominger (Harvard), iets verrassends: single-minus amplitudes zouden niet identiek nul moeten zijn, ondanks de argumenten in sommige leerboeken die het tegendeel beweren (die een maas in de wet hebben wanneer de interactiepartikels collineair zijn). De vraag werd: wat zouden deze amplitudes eigenlijk moeten zijn?

Afgelopen oktober ben ik toegetreden tot de nieuw opgerichte OpenAI for Science-divisie, geleid door @kevinweil & @markchen90, met als doel de wetenschappelijke capaciteiten van onze grensmodellen te verbeteren. Ik was zo enthousiast over wat de nieuwste interne modellen konden doen voor de natuurkunde dat ik mijn co-auteur en PhD-adviseur Andy uitnodigde om samen met hen aan een probleem te werken, zodat hij het zelf kon zien.

Alfredo, David en Andy hadden het afgelopen jaar geprobeerd een eenvoudige formule te vinden voor de niet-verdwijnende single-minus amplitudes, analoog aan de Parke-Taylor formule die in de jaren '80 werd verkregen voor de double-minus ("MHV") amplitudes. Alfredo had een gecompliceerde uitdrukking verkregen, Eq. 21 in de preprint, maar deze was onhandelbaar: een som over Feynman-diagrammen waarvan de complexiteit superexponentieel toeneemt met het aantal interactiepartikels.

Met deze formule was het moeilijk om de amplitudes tot n=6 te berekenen (zoals weergegeven in Eqs. 29--32), maar we dachten dat er een veel eenvoudigere uitdrukking zou moeten bestaan, net zoals de Parke-Taylor formule de vreselijke Feynman-diagram berekeningen voor MHV-amplitudes had vereenvoudigd (dit wordt goed uitgelegd in Deel N.2 van Zee's QFT-boek). Maar zo'n formule bleek nog steeds ongrijpbaar te zijn.

We hebben veel heen en weer gepraat met GPT-5.2 Pro, wat ons hielp om de kinematische regio R_1 te identificeren waarin we moesten zoeken naar een vereenvoudigde formule. Het vond ook verrassende niet-triviale vereenvoudigingen voor de amplitudes die we hadden, weergegeven in Eq. 35--38, wat leidde tot de gok van Eq. 39 voor het algemene patroon. Met dit doel voor ogen formuleerden we een scherpe vraag voor een intern model om aan te pakken, en het kwam onafhankelijk met de eenvoudige Eq. 39 en bewees deze.

Het deel van de preprint na Eq. 39 is in wezen het bewijs dat door het model is geleverd en door ons is geverifieerd. Dit was echt een gezamenlijke inspanning tussen mensen en AI, waarbij GPT-5.2 en zijn scaffolding bijdroegen op het niveau van een zeer getalenteerde bijdrager. Zoals Andy zei, had het uiteindelijke resultaat dat het leverde het team een jaar lang ontglipt en zou het mogelijk nog wel een tijd niet gevonden zijn. Wat mij betreft, hebben we een drempel voor AI in de natuurkunde overschreden.

Ik denk dat dit jaar een keerpunt voor de wetenschap zal zijn, en dat AI in 2026 met de natuurkunde zal doen wat het in 2025 met coderen deed. Ik zal het over deze recente resultaten en toekomstige richtingen hebben aan Harvard op dinsdag om 14.00 uur in Science Center zaal A.