«Запрещённый» процесс оказался возможным. ChatGPT нашёл в физике частиц лазейку, которую люди не замечали десятилетиями
NewsMakerИИ упростил громоздкие выражения и подсказал общий вид формулы, который затем проверили вручную.
Казалось бы, где чат-бот, а где теоретическая физика. Но в феврале 2026 года физики всерьез обсуждали на встрече AAAS результат, к которому их подвел ChatGPT. Речь о «невозможном» варианте взаимодействия глюонов, частиц, которые склеивают кварки в протоны и нейтроны. Десятилетиями считалось, что такой процесс на самом базовом уровне просто не происходит. Теперь выяснилось, что он возможен, но прячется в очень специальных условиях, похожих на то, что бывает в плотной и хаотичной внутренности нуклонов.
Глюоны переносят сильное взаимодействие. Оно настолько мощное и нелинейное, что даже «простые» столкновения глюонов описываются формулами, от которых быстро начинает болеть голова. Физики сводят каждое такое столкновение к амплитуде рассеяния, математическому выражению, которое позволяет посчитать вероятность процесса. Проблема в том, что эти амплитуды стремительно разрастаются, и уже на нескольких частицах их трудно не то что упростить, а просто аккуратно довести до конца.
У глюонов есть спиральность, по сути направление «закрутки» относительно движения. В профессиональном жаргоне это геликитет, положительный или отрицательный. Давняя «народная мудрость» в теории амплитуд утверждала: если в столкновении участвует сколько угодно глюонов, но отрицательный геликитет есть только у одного, то амплитуда на древесном уровне должна быть нулевой, значит процесс «запрещен». Около года назад несколько теоретиков заметили лазейку. Ноль получается не всегда, если рассматривать предельные конфигурации, когда частицы летят почти в одном направлении.
Дальше началась рутина, которая в теории часто оказывается тяжелее озарений. Команда во главе с Andrew Strominger пыталась вручную обобщить найденные выражения с четырех глюонов на пять, шесть и дальше. Формулы росли, появлялись десятки слагаемых, а красивой общей записи, как это бывало в похожих задачах, не находилось. Тогда к истории подключился Alexandru Lupsasca, который в это время работал над усилением научных навыков моделей OpenAI, и предложил использовать задачу как стресс-тест для модели.
Казалось бы, где чат-бот, а где теоретическая физика. Но в феврале 2026 года физики всерьез обсуждали на встрече AAAS результат, к которому их подвел ChatGPT. Речь о «невозможном» варианте взаимодействия глюонов, частиц, которые склеивают кварки в протоны и нейтроны. Десятилетиями считалось, что такой процесс на самом базовом уровне просто не происходит. Теперь выяснилось, что он возможен, но прячется в очень специальных условиях, похожих на то, что бывает в плотной и хаотичной внутренности нуклонов.
Глюоны переносят сильное взаимодействие. Оно настолько мощное и нелинейное, что даже «простые» столкновения глюонов описываются формулами, от которых быстро начинает болеть голова. Физики сводят каждое такое столкновение к амплитуде рассеяния, математическому выражению, которое позволяет посчитать вероятность процесса. Проблема в том, что эти амплитуды стремительно разрастаются, и уже на нескольких частицах их трудно не то что упростить, а просто аккуратно довести до конца.
У глюонов есть спиральность, по сути направление «закрутки» относительно движения. В профессиональном жаргоне это геликитет, положительный или отрицательный. Давняя «народная мудрость» в теории амплитуд утверждала: если в столкновении участвует сколько угодно глюонов, но отрицательный геликитет есть только у одного, то амплитуда на древесном уровне должна быть нулевой, значит процесс «запрещен». Около года назад несколько теоретиков заметили лазейку. Ноль получается не всегда, если рассматривать предельные конфигурации, когда частицы летят почти в одном направлении.
Дальше началась рутина, которая в теории часто оказывается тяжелее озарений. Команда во главе с Andrew Strominger пыталась вручную обобщить найденные выражения с четырех глюонов на пять, шесть и дальше. Формулы росли, появлялись десятки слагаемых, а красивой общей записи, как это бывало в похожих задачах, не находилось. Тогда к истории подключился Alexandru Lupsasca, который в это время работал над усилением научных навыков моделей OpenAI, и предложил использовать задачу как стресс-тест для модели.