Hitech logo

искусственный интеллект

Модель GPT-6 Astra помогла ученому найти доказательство давней физической задачи

TODO:
Георгий ГоловановСегодня, 10:24 AM

В первой публикации научного блога компании OpenAI физик Натаниэль Крейг рассказал, что модель GPT-6 Astra сыграла «ведущую роль в разработке детального доказательства» для одного из вариантов определения Стандартной модели на решетке. По предварительной оценке, полученный результат может оказаться ответом на вопрос, остававшийся открытым более пятидесяти лет, однако подчеркивает, что экспертам еще предстоит его проверить.

Самые интересные технологические и научные новости выходят в нашем телеграм-канале Хайтек+. Подпишитесь, чтобы быть в курсе.

Стандартная модель отлично согласуется с результатами физических экспериментов, однако, непертурбативного определения полной теории — то есть такого, в котором взаимодействия не рассматриваются как малые поправки, — у ученых еще нет. В так называемой решеточной теории поля пространство-время заменяется дискретной решеткой; этот подход успешно применяется для описания сильного взаимодействия — в частности, он позволил рассчитать массу протона исходя из фундаментальных принципов.

Правда, со слабым взаимодействием дело обстоит сложнее: в нем лево- и правосторонние фермионы ведут себя по-разному. Если попытаться разместить левостороннюю частицу на решетке самым простым способом, неизбежно возникает «лишний» партнер с правой хиральностью — эта проблема известна как «удвоение фермионов».

Вопросом устранения таких «дублеров» занимались ведущие физики, однако, как отмечает Натаниэль Крейг, руководитель научной группы по теории элементарных частиц в Калифорнийском университете в Санта-Барбаре, вопрос о фазовом правиле для всей Стандартной модели «оставался открытым свыше 25 лет». Его собственный подход к решению заключался в том, чтобы представить силовые поля на ряде всё более и более мелких решеток, а затем просуммировать различия между соседними сетками для получения фазовой поправки на исходной решетке.

По его словам, у него была общая стратегия, но он не мог доказать, что она работает во всех случаях. Моделдь GPT-6 Astra предложила способ переноса полей на более мелкие решетки, показала, что результаты сравнений сходятся, и провела основную часть доказательства.

Работа прошли ряд проверок, в том числе формализацию на языке Lean 4; при этом авторы предостерегают, что верификация с помощью Lean — это еще «не последнее слово в физике». Тем не менее, несколько специалистов в теории решеточных моделей уже ознакомились с доказательством ИИ и задали вопросы, которые, по словам Крейга, помогли ему «обрести уверенность в полученном результате».

Сейчас Крейг выясняет, удовлетворяет ли этот подход остервальдер-шрадеровской позитивности — требованию, которое связывает решеточную модель с квантовой теорией.

«Метод, который предложили мы с „Астрой“, — это скорее решение в принципе, нежели решение, готовое к практическому применению, — пояснил Крейг. — Чтобы понять, обладает ли этот подход всеми необходимыми нам свойствами, требуется научная дискуссия в кругу экспертов».

Недавно ученые использовали модель GPT-6 Astra, чтобы напрямую изменить веса другой нейросети и улучшить ее результаты в математических задачах. В эксперименте точность небольшой модели Qwen3.5-0.8B выросла с 7,9 до 48,1% после изменения лишь около 0,016% весовых коэффициентов.