Nasz niedawny preprint dotyczący amplitud gluonowych wzbudził wiele dyskusji, więc chcę podzielić się historią związaną z tym tematem — w tym tym, jak AI pomogło rozwiązać problem, który dręczył nas przez rok. Będę również prowadzić wykład publiczny na Harvardzie w tym tygodniu. Szczegóły na końcu.

Około rok temu światowi eksperci w tej dziedzinie, Alfredo Guevara (IAS), David Skinner (Cambridge) i Andy Strominger (Harvard) zdali sobie sprawę z czegoś zaskakującego: amplitudy pojedynczo-ujemne nie powinny być identycznie zerowe, mimo argumentów w niektórych podręcznikach, które są sprzeczne (mają lukę, gdy cząstki oddziałujące są kolinearne). Pytanie brzmiało: jakie powinny być te amplitudy?

W zeszłym październiku dołączyłem do nowo utworzonej dywizji OpenAI for Science, prowadzonej przez @kevinweil i @markchen90, z celem poprawy zdolności naukowych naszych modeli granicznych. Byłem tak podekscytowany tym, co najnowsze wewnętrzne modele mogą zrobić dla fizyki, że zaprosiłem mojego współautora i doradcę doktorskiego Andy'ego, aby wspólnie pracować nad problemem, aby mógł zobaczyć to na własne oczy.

Alfredo, David i Andy spędzili ostatni rok, próbując znaleźć prostą formułę dla niezanikających amplitud single-minus, analogiczną do formuły Parke-Taylor uzyskanej w latach 80. dla amplitud double-minus ("MHV"). Alfredo uzyskał skomplikowany wyraz, równanie 21 w predruku, ale był on nieporęczny: suma po diagramach Feynmana, której złożoność rośnie superekspotencjalnie w liczbie oddziałujących cząstek.

Używając tej formuły, trudno było obliczyć amplitudy do n=6 (jak pokazano w równaniach 29--32), ale uważaliśmy, że powinna istnieć znacznie prostsza wyrażenie, tak jak wzór Parke-Taylor uprościł okropne obliczenia diagramów Feynmana dla amplitud MHV (jest to dobrze wyjaśnione w części N.2 książki QFT Zee'a). Jednak taka formuła wciąż okazywała się nieuchwytna.

Zaangażowaliśmy się w wiele wymian z GPT-5.2 Pro, co pomogło nam zidentyfikować region kinematyczny R_1, w którym powinniśmy szukać uproszczonej formuły. Znalazło również zaskakujące, nietrywialne uproszczenia dla amplitud, które mieliśmy, pokazane w równaniach 35--38, co skłoniło je do zgadnięcia równania 39 jako ogólnego wzoru. Mając ten cel na uwadze, sformułowaliśmy precyzyjne pytanie dla wewnętrznego modelu do rozwiązania, a on niezależnie opracował proste równanie 39, a następnie je udowodnił.

Część preprintu po równaniu 39 to w zasadzie dowód dostarczony przez model i zweryfikowany przez nas. To była naprawdę wspólna praca między ludźmi a AI, z GPT-5.2 i jego strukturą wspierającą, które przyczyniły się na poziomie bardzo utalentowanego współpracownika. Jak powiedział Andy, ostateczny wynik, który dostarczył, umknął zespołowi przez rok i być może nie zostałby znaleziony przez dłuższy czas. Moim zdaniem przekroczyliśmy próg dla AI w fizyce.

Myślę, że ten rok będzie punktem zwrotnym dla nauki, a AI zrobi w fizyce w 2026 roku to, co zrobiło w kodowaniu w 2025 roku. Będę mówić o tych niedawnych wynikach i przyszłych kierunkach na Harvardzie we wtorek o 14:00 w sali A w Science Center.