📢 转载信息
原文链接：https://openai.com/index/new-result-theoretical-physics
原文作者：OpenAI
2026年2月13日
GPT‑5.2 在理论物理学中得出了新结果
在一篇新的预印本中，GPT‑5.2 提出了一个关于胶子振幅的公式，该公式后来被 OpenAI 的一个内部模型证明并通过了作者的验证。
我们发表了一篇新的预印本，其中表明许多物理学家原以为不会发生的某种粒子相互作用，在特定条件下实际上确实可以出现。这项工作聚焦于胶子（传递强核力的粒子）。该预印本已在 arXiv 上发布，目前正在提交出版。在此期间，我们欢迎社区的反馈。
这篇预印本的标题是“单负旋光子树幅非零”（Single-minus gluon tree amplitudes are nonzero），作者包括 Alfredo Guevara（高等研究院）、Alex Lupsasca（范德堡大学和 OpenAI）、David Skinner（剑桥大学）、Andrew Strominger（哈佛大学）以及 OpenAI 的 Kevin Weil。
该预印本研究了粒子物理学中的一个核心概念，称为散射振幅（scattering amplitude）。散射振幅是物理学家用来计算粒子以特定方式相互作用的概率的量。对于传递强核力的胶子来说，许多振幅在“树形水平”（即只保留没有量子圈的最简单图的计算）上呈现出令人惊讶的简单形式。这些简化反复揭示了量子场论中更深层次的结构，量子场论是统一狭义相对论和量子力学的物理学描述框架。
然而，有一种情况通常被认为是缺失的（即振幅为零）。当一个胶子具有负宇称性（helicity，指无质量粒子可能具有的两种自旋取向之一）而其余的 $n-1$ 个胶子具有正宇称性时，标准的教科书论证表明，相应的树形水平振幅必须为零。因此，这种情况在很大程度上被搁置了。
该预印本表明，这个结论过于绝对。标准的论证假设了一般粒子动量，这意味着粒子的方向和能量没有处于任何特殊对齐状态。我们确定了动量空间中一个特定且明确定义的切片，在该切片上该推理不再适用，这被称为半共线区域（half-collinear regime）。这里的半共线意味着胶子动量遵守一种不常见的特殊对齐条件，但在数学上是明确定义的且一致的。在该切片上，振幅不为零，我们在一个特殊的运动学区域计算了它。这一结果为许多新的问题打开了大门，将是后续研究的主题。重要的延伸包括计算引力子（传递引力力的粒子）的类似振幅。
这项工作的一个核心方面涉及方法论。最终的公式（预印本中的式 (39)）首先由 GPT‑5.2 Pro 猜想得出。人类作者手工计算了整数 $n$ 直到 $n=6$ 的振幅，得到了式 (29)--(32) 中显示的极其复杂的表达式，这些表达式对应于一种“费曼图展开”，其复杂度随 $n$ 呈超指数增长。GPT‑5.2 Pro 能够极大地简化这些表达式，给出了式 (35)--(38) 中更简单的形式。从这些基础案例出发，它能够发现规律并提出一个对所有 $n$ 都有效的公式。
一个内部的脚手架式 GPT‑5.2 版本随后花费了大约 12 小时来推导这个问题，得出了相同的公式并给出了其有效性的形式化证明。该方程随后经过了解析验证，确认它满足 Berends-Giele 递归关系，这是一种从更小构建块构建多粒子树形振幅的标准分步方法。它还根据软定理（soft theorem）进行了检查，该定理约束了当一个粒子变得“软”时振幅的行为。
在 GPT‑5.2 的帮助下，这些振幅已经被从胶子扩展到了引力子，其他泛化也在进行中。这些 AI 辅助的结果以及许多其他发现将在其他地方报告。
“我对这些高度简并的散射过程的物理学一直很好奇，自从大约十五年前我第一次遇到它们以来，所以看到这篇论文中引人注目的简单表达式，我感到很兴奋。
在这个物理学领域，这种情况很常见：使用教科书方法计算出的某些物理可观测量表达式看起来极其复杂，但最终却非常简单。这很重要，因为简单的公式通常会引导我们去发现和理解深层次的新结构，开启新的思想世界，其中，起始点的简洁性变得显而易见。
对我来说，‘找到一个简单的公式’一直是一件棘手的事情，而且我一直觉得这可能会被计算机自动化。现在看来，在许多领域我们都开始看到这种情况的发生；这篇论文中的例子似乎特别适合利用现代人工智能工具的力量。我期待看到这种趋势在不久的将来演变成一个通用的‘简单公式模式识别’工具。”
—Nima Arkani-Hamed，高等研究院物理学教授，专攻理论高能物理学
“我已经在思考这篇预印本对我们小组研究方案的影响。这显然是推动理论物理学前沿的期刊级研究，其新颖性将激发未来的发展和后续出版物。这篇预印本让人感觉像是AI 辅助科学的未来一瞥，物理学家与 AI 携手合作，产生和验证新的见解。物理学家与大型语言模型（LLM）之间的对话无疑可以产生根本性的新知识。通过将 GPT‑5.2 与人类领域专家相结合，该论文为验证 LLM 驱动的见解提供了一个模板，并满足了我们对严谨科学探究的期望。”
—Nathaniel Craig，加州大学圣巴巴拉分校（UCSB）物理学教授，专攻高能物理学、粒子现象学和宇宙学
作者
Alex Lupsasca继续阅读
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区