ハクソク

世界を動かす技術を、日本語で。

GPT-5.2が理論物理学において新たな成果を導出しました

2026年2月14日原文(openai.com)

概要

  • 新しいプレプリント で、従来ゼロと考えられていた粒子相互作用が特定条件下で発生することを発見。
  • グルーオンの散乱振幅 に焦点を当て、半コリニア領域で非ゼロとなることを示す。
  • AI（GPT-5.2） が複雑な数式の単純化と一般式の発見に貢献。
  • 理論物理学の新たな展開 とAI活用による科学研究の未来を示唆。
  • 今後の拡張 として、重力子や他の粒子への応用も視野。

プレプリント「Single-minus gluon tree amplitudes are nonzero」の概要

  • 著者 ：Alfredo Guevara（Institute for Advanced Study）、Alex Lupsasca（Vanderbilt University & OpenAI）、David Skinner（University of Cambridge）、Andrew Strominger（Harvard University）、Kevin Weil（OpenAI）。
  • 研究対象 ：グルーオン（強い核力を担う粒子）の散乱振幅。
  • 散乱振幅 ：粒子同士がどのように相互作用するかの確率を計算する物理量。
  • ツリーレベル （最も単純なダイアグラムのみを考慮）で、多くの振幅が驚くほど単純な形になる現象。
  • 従来の定説 ：1つのグルーオンだけが負のヘリシティ（質量のない粒子の2つのスピン向きのうちの一つ）で、残りが正のヘリシティを持つ場合、ツリーレベル振幅はゼロとされてきた。

新発見とその意義

  • 定説の見直し ：従来のゼロ振幅の主張は、粒子運動量が一般的な配列であることを前提としていた。
  • 半コリニア領域 ：特別な運動量整列条件（数学的に良く定義される）で、従来の議論が当てはまらないことを発見。
  • 結果 ：この領域では振幅がゼロとならず、実際に計算可能であることを示した。
  • 今後の展開 ：重力子（重力を媒介する粒子）などへの拡張や、さらなる理論的検証の可能性。

AI（GPT-5.2）の貢献

  • 複雑な数式の単純化 ：人間研究者が手計算で得た複雑な式（n=6まで）を、GPT-5.2 Proが大幅に簡略化。
  • 一般式の発見 ：簡略化された式からパターンを見出し、全nに有効な公式を提案。
  • 証明と検証 ：GPT-5.2内部バージョンが約12時間かけて同じ公式を導出し、形式的証明を作成。
  • Berends-Giele再帰関係 や soft定理 （粒子がソフトになる極限での振る舞い）による検証もクリア。
  • 重力子への拡張 や他の一般化もすでに進行中。

物理学者からのコメント

  • Nima Arkani-Hamed（Institute for Advanced Study）

    • 長年の疑問が解決され、シンプルな式の発見に興奮。
    • 複雑な物理量が実は単純な式で表現できることは、理論物理でよくある現象。
    • シンプルな公式が新しい構造や理論の発見につながる重要性。
    • こうしたパターン認識がAIによって自動化されつつある現状への期待。

  • Nathaniel Craig（University of California, Santa Barbara）

    • 今回の成果が自身の研究プログラムにも影響を与える可能性。
    • AIと物理学者の協働による新知識創出の未来を感じる。
    • GPT-5.2と人間専門家の連携が、厳密な科学的検証のテンプレートになる点を評価。

AI活用による科学研究の未来

  • AIと人間の協働 による新しい発見プロセスの確立。
  • シンプルな数式やパターンの自動発見 が今後の科学研究を加速。
  • 理論物理学 のみならず、他分野への波及効果も期待。

Hackerたちの意見

彼らは、ChatGPTが新しいエルデシュ問題を解決したと主張してたけど、実際はそうじゃなかったみたい。もっと外部の検証があってからじゃないと信じられないな。でも、もし本当ならめっちゃクールだね！

└

それって、なんかマーケティングの人の発言みたいじゃない？今回は本物の物理学者たちが関わってるから、信頼できそうだね。

└

いや、彼ら（OpenAI）はそんな主張はしてないよ。確かに、LLMは数個のエルデシュ問題に対してユニークな解決策や貢献をしてるけどね。

└

それがどうしてそうじゃないの？私の理解では、ChatGPTは問題解決に重要な役割を果たしてたと思うよ。たとえ完全に一人で解決できなかったとしても、Leanみたいな他のツールとの組み合わせはすごく印象的じゃない？

「内部のスキャフォールド版GPT-5.2が約12時間かけて問題を考え、同じ公式を導き出し、その妥当性の正式な証明を作成しました。」私がGPT 5.2 Thinking Extendedを使ったとき、かなり一貫性があってエラー率も低い（もしくはエラー修正能力が十分ある）印象を受けたよ。もし許されれば、数時間数学や物理を自律的にできるんじゃないかなと思った。でも、Extendedの時間制限は30分くらいで、Proは1〜2時間くらいみたいだね。ここでその印象の確認ができて嬉しいよ。科学者や数学者たちが、こういう時間スケールで考えるツールを使えるようになるのが待ち遠しいね。

└

そうだね、5.3や最新のCodex CLIクライアントは、圧縮に関してすごく良いよ。12時間の実行で状態を維持し、コンテキストを管理するために使っている方法論を知ってる人いる？単一の密なドキュメントとその内部圧縮アルゴリズムが使われているだけかもしれないね。

└

その30分後に、手動で再度問題に取り組むように頼むことができるよ。

見出しを読むと、AIが物理の新しい結果を自力で発見したみたいに思えるけど、投稿を読むと、人間が最初に問題を解こうとして、複雑になって、GPTがそれを簡略化して解決策を見つけたってことだね。GPT Proがこれをするのに12時間かかった。私の経験では、LLMは既存のものの線形結合から新しいものを作ることができるけど、まだ完全に異なる原理から何かをやらせることはできてないな。

└

「GPTがこれをやった」。著者は、ゲバラ（高等研究所）、ルプサスカ（バンダービルト大学）、スキナー（ケンブリッジ大学）、ストロミンガー（ハーバード大学）。普通のGIジョーがこれを引き出せるとは思えないな… 推測と証明に至るチャットログを見せてくれるまで、私は懐疑的だよ。

└

失礼なことを言いたくはないけど、「LLMsはXをできない」みたいな具体的な声明を事前に出しておいた方がいいかも。あなたの目標が気づかないうちに変わってる気がするから。今、理論物理学の重要な貢献について話してるんだよ。細かいことを言うのはいいけど、4年前の自分の期待に戻って考えてみてほしい。AIがこれをできるって聞いたら、驚くし感心すると思わない？答えは明らかに「はい」だよ。あの頃の記憶が選択的でも、あんまり関係ないし。

└

これが重要な部分だと思う（言い換え）：人間は手作業で整数nの振幅をn=6まで計算して、すごく複雑な式を得たんだ。それは「ファインマン図の展開」に対応していて、その複雑さはnに対して超指数的に増える。でも、誰もその式の複雑さを大幅に減らして、もっとシンプルな形を提供できなかった。そんで、これらの基本ケースから、誰もパターンを見つけて、すべてのnに対して有効な公式を提案できなかった。GPTがそれをやったんだ。基本的には、GPTを使って公式をリファクタリングして、すべてのnに一般化したってこと。それを自分たちで検証したんだと思う。ただ、これって1986年にはすでにわかってたことだと思うけどね： https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.56... それに関しては https://en.wikipedia.org/wiki/MHV_amplitudes も見てみて。

└

自分の経験では、人間は既存のものの線形結合から新しいものを作ることができるけど、まだ完全に異なるものを第一原理から作らせることはできてないんだ。[0]: https://slatestarcodex.com/2019/02/19/gpt-2-as-step-toward-g...

Hacker Newsで議論の続きを見る