摘要
1) 一句话摘要
GPT-5.2 协助多位顶尖物理学家在理论物理学领域取得突破，成功推导出在特定“半共线区域”下单负胶子树级振幅非零的通用公式及证明，展示了 AI 在前沿科学发现中的关键作用。
2) 核心要点
- 联合研究发布：来自普林斯顿高等研究院、范德堡大学、剑桥大学、哈佛大学及 OpenAI 的研究人员联合在 arXiv 发布了预印本论文《单负胶子树级振幅非零》。
- 挑战传统物理认知：论文推翻了教科书中“单负胶子树级振幅必然为零”的绝对结论，证明在动量空间中特定且定义精确的“半共线区域”（half-collinear regime）内，该振幅实际上非零。
- AI 简化与公式猜想：人类作者手工计算出 时极其复杂的费曼图展开表达式后，GPT-5.2 Pro 成功将其大幅简化，并发现规律，猜想出适用于所有 的通用公式（等式 39）。
- AI 独立推理与证明：一个内部脚手架版本（scaffolded version）的 GPT-5.2 耗时约 12 小时进行推理，得出了相同的通用公式，并生成了证明其有效性的形式化证明。
- 严格的解析验证：AI 提出的等式通过了严格的解析验证，能够求解 Berends-Giele 递推关系，并顺利通过了软定理（soft theorem）的检验。
- 研究扩展：在 GPT-5.2 的帮助下，该振幅计算方法目前已从胶子扩展至引力子（传递引力的粒子），相关成果将在未来报告。
- 学界高度评价：物理学界专家认为该研究达到了期刊级水平，证明了大型语言模型（LLM）在“复杂公式模式识别”中的强大能力，并为“物理学家与 AI 协同生成并验证新见解”提供了严谨的模板。
正文
我们发布了一篇新的预印本论文，证明了一种许多物理学家曾认为不会发生的粒子相互作用，在特定条件下实际上是可以出现的。这项研究聚焦于传递强核力的粒子——胶子。该论文目前已在 arXiv 上发布，并正在提交发表。在此期间，我们欢迎来自学术界的反馈。
这篇题为《单负胶子树级振幅非零》（Single-minus gluon tree amplitudes are nonzero）的论文，由 Alfredo Guevara（普林斯顿高等研究院）、Alex Lupsasca（范德堡大学与 OpenAI）、David Skinner（剑桥大学）、Andrew Strominger（哈佛大学）以及代表 OpenAI 的 Kevin Weil 共同撰写。
挑战传统结论：半共线区域的新发现
该论文研究了粒子物理学中的一个核心概念：散射振幅（scattering amplitude）。物理学家利用它来计算粒子以特定方式发生相互作用的概率。对于传递强核力的胶子而言，许多振幅在“树级”（即仅保留最简单图景、不包含量子环路的计算）呈现出出人意料的简单形式。这些简化现象不断揭示出量子场论（将狭义相对论与量子力学统一起来的物理学框架）中更深层次的结构。
然而，有一种情况通常被认为是不存在的（即振幅为零）。当一个胶子具有负螺旋度（无质量粒子可能具有的两种自旋方向之一），而其余 个胶子具有正螺旋度时，标准的教科书论证表明，相应的树级振幅必然为零。因此，这种构型在很大程度上被学界搁置了。
本论文指出，这一结论过于绝对。标准论证假设的是一般的粒子动量，即方向和能量没有任何特殊的对齐方式。我们确定了动量空间中一个特定且定义精确的切片——被称为“半共线区域”（half-collinear regime），在这一区域上述推论不再适用。在这里，“半共线”意味着胶子动量遵循一种特殊的对齐条件，这种情况虽然不常见，但在数学上是定义良好且一致的。
在这个切片上，振幅并不为零，我们在一个特殊的运动学区域内对其进行了计算。这一结果为许多新问题打开了大门，这也将成为后续研究的主题。重要的扩展研究包括计算引力子（传递引力的粒子）的类似振幅。
GPT-5.2 在方法论中的关键作用
这项研究的一个核心亮点在于其方法论。论文中的最终公式（等式 39）最初是由 GPT-5.2 Pro 猜想出来的。
人类作者首先通过手工计算了 达到 6（）时的振幅，得到了非常复杂的表达式（等式 29 至 32），这些表达式对应于“费曼图展开”，其复杂性随 呈超指数级增长。GPT-5.2 Pro 能够极大地降低这些表达式的复杂性，提供了简单得多的形式（等式 35 至 38）。基于这些基础情况，它随后能够发现其中的规律，并提出了一个适用于所有 的公式。
随后，一个内部的脚手架版本（scaffolded version）的 GPT-5.2 花费了大约 12 个小时对该问题进行推理，得出了相同的公式，并生成了证明其有效性的形式化证明。该等式随后通过了解析验证，能够求解 Berends-Giele 递推关系（一种从较小的构建块构建多粒子树级振幅的标准逐步方法）。此外，它还通过了软定理（soft theorem）的检验，该定理限制了粒子变软时振幅的行为。
在 GPT-5.2 的帮助下，这些振幅的计算已经从胶子扩展到了引力子，其他推广工作也正在进行中。这些由 AI 辅助取得的研究成果以及更多其他成果，将在未来另行报告。
物理学界的评价
Nima Arkani-Hamed（普林斯顿高等研究院物理学教授，专攻理论高能物理学）：
“大约十五年前，当我第一次接触到这些高度简并的散射过程时，我就对它们的物理学原理充满了好奇。因此，看到这篇论文中极其简单的表达式，我感到非常兴奋。
在物理学的这个领域，经常会发生这样的情况：使用教科书方法计算出的一些物理可观测量的表达式看起来极其复杂，但最终却发现它们非常简单。这一点很重要，因为简单的公式往往会引领我们踏上发现和理解深层新结构的旅程，开辟新的思想世界。在这些新世界中，起点的简单性会变得显而易见。
对我来说，‘寻找一个简单的公式’一直是一件繁琐的事情，我也一直认为这可能是计算机可以自动完成的。现在看来，在许多领域我们正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发挥现代 AI 工具的强大能力。我期待看到这种趋势在不久的将来继续发展，走向一种通用的‘简单公式模式识别’工具。”
Nathaniel Craig（加州大学圣巴巴拉分校物理学教授，专攻高能物理学、粒子唯象学和宇宙学）：
“我已经开始思考这篇预印本论文对我团队研究项目各个方面的影响。这显然是推动理论物理学前沿发展的期刊级研究，其新颖性将激发未来的发展和后续的出版物。
这篇预印本让人一窥 AI 辅助科学的未来：物理学家与 AI 携手合作，共同生成并验证新的见解。毫无疑问，物理学家与大型语言模型（LLM）之间的对话能够产生全新的知识。通过将 GPT-5.2 与人类领域专家相结合，这篇论文为验证 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。”