当量子物理走进死胡同,AI 找到了一扇隐藏之门:GPT-5.2 推翻数十年教科书共识,推导出胶子散射振幅新公式

📌 一句话总结:GPT-5.2 花 12 小时独立推理,推导出一个物理学家数十年未能解决的胶子散射振幅公式,证明了「单负螺旋度胶子树级振幅不为零」——这不是 AI 替代科学家,而是 AI 找到了人类视野盲区里的隐藏之门。

2026年02月24日 · 深度解读 · 阅读时间约 8 分钟

物理学中,「零」不是一个耸肩,而是一个判决。当散射振幅等于零时,意味着这个粒子相互作用不可能发生。几十年来,物理学家们一直相信,当一个胶子以负螺旋度旋转、其余胶子以正螺旋度旋转时,这种相互作用的概率恰好为零。这个结论被写进教科书,几乎和牛顿定律一样确定。

然后,2026 年 2 月,一篇预印本论文打破了这个「不可能」。论文标题直截了当:《Single-minus gluon tree amplitudes are nonzero》(单负螺旋度胶子树级振幅不为零)。更令人震惊的是,关键公式是由 AI 首先发现的。

胶子:把宇宙粘在一起的「隐形胶水」

要理解这个突破的意义,先要理解胶子是什么。胶子是携带强核力的基本粒子——强核力是自然界四种基本力之一,负责把夸克束缚在一起形成质子和中子。没有胶子,夸克会四散飘离,原子核会崩塌,我们所知的物质世界将不复存在。

物理学家通过「散射振幅」来研究胶子——这是一种数学表达式,用来计算粒子相互作用的概率。打个比方:你无法精确预测十字路口两辆车何时会碰撞,但可以根据它们的速度和方向计算碰撞概率。散射振幅在粒子物理中扮演的就是这个角色。

在「树级」(最基本的费曼图,不含量子环路)计算中,许多胶子散射振幅呈现出令人惊讶的简洁形式。1980 年代发现的 Parke-Taylor 公式就是一个经典案例——它揭示了「双负螺旋度」(MHV)振幅背后隐藏的优雅简洁性。但对于「单负螺旋度」振幅,教科书的结论一直是:零。不可能发生。

AI 发现了人类的推理盲区

这篇论文的作者阵容堪称豪华:普林斯顿高等研究院的 Alfredo Guevara、范德堡大学和 OpenAI 的 Alex Lupsasca、剑桥大学的 David Skinner、哈佛大学的 Andrew Strominger,以及 OpenAI 的 Kevin Weil。

研究团队首先手动计算了粒子数 n 从小到 6 的振幅公式。这些手算结果(论文中的方程 29-32)复杂度呈超指数增长,人类几乎不可能从中识别出规律。

这时 GPT-5.2 Pro 登场了。AI 做了两件关键的事:

第一,它大幅简化了这些复杂表达式,将方程 29-32 转化为更简洁的形式(方程 35-38)。第二,也是最关键的——它从这些简化后的基础案例中发现了一个人类研究者未能识别的模式,并提出了一个对所有 n 值都成立的通用公式(方程 39)。

GPT-5.2 识别出了传统推理中的一个根本性缺陷:标准论证只适用于「一般性」动量配置。在一个被称为「半共线区域」(half-collinear regime)的特定运动学区域中,胶子动量以特定方式排列,传统推理完全失效——振幅并不为零。
— 来源:TechPlanet

12 小时独立推理 + 多重验证

这个发现最令人信服的部分不是公式本身,而是验证过程。一个内部搭建的 GPT-5.2 脚手架版本花了大约 12 小时独立推理,从零开始得出了相同的公式,并生成了一份形式化的数学证明。

验证并未止步于此。这个公式随后通过了两项严格的物理学检验:Berends-Giele 递推关系(物理学家用来从小组分构建多粒子树级振幅的标准方法)和「软定理」测试(约束振幅在粒子变为低能量时的行为)。人类研究者使用已建立的物理学方法确认了公式的正确性和一致性。

这不是 AI 幻觉,不是统计巧合,而是经过严格数学证明和物理学验证的真实发现。

为什么「简洁公式」在物理学中如此重要

在理论物理中,简洁的公式往往暗示着更深层的真理。从爱因斯坦的 E=mc² 到麦克斯韦方程组,物理学史上最重要的发现往往源于在复杂计算背后找到简洁的数学关系。

这个新公式是 1980 年代 Parke-Taylor 公式的「单负螺旋度」类比。Parke-Taylor 公式的发现揭示了量子场论中意想不到的简洁性,开辟了理解量子场论的新途径。这个新结果承诺类似的启示——它表明量子场论中存在此前未被探索的结构。

研究团队已经开始将这些方法从胶子扩展到引力子(被认为携带引力的假想粒子)。虽然引力子尚未被观测到,但研究其数学性质可能帮助物理学家更接近统一量子力学和引力——科学中最大的未解问题之一。

物理学界的反应

普林斯顿高等研究院的著名理论物理学家 Nima Arkani-Hamed 指出,寻找简洁公式一直是一项具有挑战性但可能可以自动化的任务,他对开发「通用简洁公式模式识别」工具的前景表示特别兴奋。

加州大学圣巴巴拉分校物理学教授 Nathaniel Craig 评价道:「这显然是推进理论物理前沿的期刊级研究,其新颖性将激发未来的发展和后续出版物。我已经在思考这篇预印本对我研究组研究方向的影响。」

富贵点评

这个案例最打动我的不是 AI 有多强,而是它揭示了人类认知的一个有趣局限:我们太容易被「共识」绑架。几十年来,物理学家们都接受「单负螺旋度振幅为零」这个结论,不是因为有人严格证明了它在所有情况下成立,而是因为在「一般性」条件下它确实为零,然后大家就默认它在所有条件下都为零。AI 没有这种认知惯性——它不知道什么是「教科书共识」,所以它能看到人类视野盲区里的「半共线区域」。这不是 AI 替代物理学家的故事,而是 AI 作为「认知去偏见工具」的故事。当你的思维被几十年的范式锁定时,一个没有范式包袱的合作者可能恰恰是你需要的。从胶子到引力子的扩展已经在进行中——如果 AI 能帮助统一量子力学和引力,那将是人类科学史上最重要的合作。

📋 要点回顾

  • 核心发现:GPT-5.2 证明了「单负螺旋度胶子树级振幅不为零」,推翻了物理学教科书中数十年的共识
  • 关键突破:AI 识别出「半共线区域」这一特殊运动学区域,在该区域中传统推理失效,振幅非零
  • 验证过程:12 小时独立推理 + Berends-Giele 递推验证 + 软定理测试 + 人类物理学家确认
  • 研究团队:哈佛、剑桥、普林斯顿高等研究院、范德堡大学 + OpenAI 联合研究
  • 后续影响:方法已扩展至引力子研究,可能推动量子力学与引力统一的进展

❓ 常见问题

Q: AI 真的能做物理学研究吗?它不是只会「模式匹配」吗?

A: 这个案例表明 AI 的能力已经超越了简单的模式匹配。GPT-5.2 不仅简化了复杂表达式、识别了跨多个方程的隐藏模式,还独立生成了形式化数学证明。关键在于,它发现了人类物理学家因认知偏见而忽略的特殊条件(半共线区域),这需要的不仅是模式匹配,还有对数学结构的深层理解。

Q: 这个发现有什么实际应用价值?

A: 短期来看,这个公式为量子场论提供了新的计算工具,有助于更精确地预测粒子对撞机实验结果。长期来看,从胶子到引力子的方法扩展可能推动量子引力理论的发展——这是物理学最大的未解问题之一。此外,这种人机协作模式本身就是一个重要的方法论突破。

Q: 这是否意味着 AI 将取代物理学家?

A: 恰恰相反。这个案例展示的是人机协作的力量:人类物理学家负责问题定义、手动计算基础案例、结果验证和物理解释;AI 负责复杂表达式简化、模式识别和形式化证明。两者缺一不可。AI 更像是一个没有认知偏见的「超级合作者」,而不是替代者。

作者:王富贵 | 发布时间:2026年02月24日

参考来源:TechPlanet · NDTV Profit