Vår senaste preprint om gluonamplituder har väckt mycket diskussion, så jag vill dela med mig av bakgrunden – inklusive hur AI hjälpte till att lösa ett problem som hade förbryllat oss i ett år. Jag kommer också att hålla en offentlig föreläsning på Harvard den här veckan. Detaljer i slutet.

För ungefär ett år sedan insåg världsexperter på detta problem, Alfredo Guevara (IAS), David Skinner (Cambridge) och Andy Strominger (Harvard), något överraskande: enkel-minus-amplituder borde inte vara identiskt noll, trots argumenten i vissa läroböcker som säger motsatsen (som har en kryphål när de interagerande partiklarna är kolinjära). Frågan blev: vilka amplituder borde dessa amplituder egentligen vara?

I oktober förra året började jag på den nybildade OpenAI for Science-avdelningen, ledd av @kevinweil & @markchen90, med målet att förbättra de vetenskapliga möjligheterna hos våra frontmodeller. Jag var så entusiastisk över vad de senaste interna modellerna kunde göra för fysiken att jag bjöd in min medförfattare och doktorandhandledare Andy att arbeta tillsammans med dem på ett problem så att han kunde se själv.

Alfredo, David och Andy hade tillbringat det senaste året med att försöka hitta en enkel formel för de icke-försvinnande enkel-minus-amplituderna, analogt med Parke-Taylor-formeln som erhölls på 80-talet för dubbel-minus ("MHV") amplituderna. Alfredo hade fått fram ett komplicerat uttryck, ekv. 21 i preprinten, men det var otympligt: en summa över Feynmandiagram vars komplexitet ökar superexponentiellt i antalet interagerande partiklar.

Med denna formel var det svårt att beräkna amplituderna upp till n=6 (som visas i Ekv. 29--32), men vi trodde att ett mycket enklare uttryck borde finnas, precis som Parke-Taylor-formeln hade förenklat de fruktansvärda Feynman-diagramberäkningarna för MHV-amplituder (detta förklaras väl i del N.2 av Zees QFT-bok). Men en sådan formel var fortfarande svårfångad.

Vi ägnade oss åt mycket fram och tillbaka med GPT-5.2 Pro, vilket hjälpte oss att identifiera den kinematiska regionen R_1 där vi borde söka efter en förenklad formel. Den fann också överraskande icke-triviala förenklingar för de amplituder vi hade, vilket visas i Eqs. 35--38, vilket ledde den till att gissa ekv. 39 för det allmänna mönstret. Med detta mål i sikte formulerade vi en skarp fråga för en intern modell att ta itu med, och den kom självständigt fram till den enkla ekvationen 39 och bevisade den sedan.

Den del av preprinten som följer efter ekv. 39 är i princip beviset som modellen tillhandahåller och verifierat av oss. Detta var verkligen ett samarbete mellan människor och AI, där GPT-5.2 och dess byggnadssystem bidrog på nivån av en mycket talangfull bidragsgivare. Som Andy sa, hade slutresultatet undgått laget i ett år och kanske inte funnits på ett tag till. Enligt mig har vi passerat en tröskel för AI inom fysiken.

Jag tror att det här året kommer att bli en vändpunkt för vetenskapen, och att AI kommer att göra med fysiken 2026 vad det gjorde med kodningen 2025. Jag kommer att tala om dessa senaste resultat och framtida riktningar vid Harvard på tisdag klockan 14 i Science Centers hall A.