O nosso recente pré-print sobre amplitudes de gluões gerou muita discussão, por isso quero partilhar a história por trás — incluindo como a IA ajudou a resolver um problema que nos tinha deixado perplexos durante um ano. Também vou dar uma palestra pública em Harvard esta semana. Detalhes no final.

Há cerca de um ano, especialistas mundiais sobre este problema, Alfredo Guevara (IAS), David Skinner (Cambridge) e Andy Strominger (Harvard) perceberam algo surpreendente: as amplitudes de um único menos não deveriam ser idênticas a zero, apesar dos argumentos em alguns livros didáticos em contrário (que têm uma brecha quando as partículas interagentes são colineares). A questão passou a ser: qual deveria ser, na verdade, essas amplitudes?

Em outubro passado, juntei-me à recém-formada divisão OpenAI for Science, liderada por @kevinweil e @markchen90, com o objetivo de melhorar as capacidades científicas dos nossos modelos de fronteira. Estava tão entusiasmado com o que os últimos modelos internos podiam fazer pela física que convidei o meu coautor e orientador de doutorado, Andy, para trabalharmos juntos em um problema, para que ele pudesse ver por si mesmo.

Alfredo, David e Andy passaram o último ano tentando encontrar uma fórmula simples para as amplitudes de um menos não nulas, análoga à fórmula de Parke-Taylor obtida nos anos 80 para as amplitudes de dois menos ("MHV"). Alfredo obteve uma expressão complicada, Eq. 21 no pré-print, mas era difícil de manusear: uma soma sobre diagramas de Feynman cuja complexidade cresce superexponencialmente com o número de partículas interagentes.

Usando esta fórmula, foi difícil calcular as amplitudes até n=6 (como mostrado nas Eqs. 29--32), mas pensamos que deveria existir uma expressão muito mais simples, assim como a fórmula de Parke-Taylor simplificou os horrendos cálculos de diagramas de Feynman para amplitudes MHV (isso está bem explicado na Parte N.2 do livro de QFT de Zee). Mas tal fórmula ainda estava se mostrando elusiva.

Engajámos em muitas idas e vindas com o GPT-5.2 Pro, o que nos ajudou a identificar a região cinemática R_1 na qual deveríamos procurar uma fórmula simplificada. Também encontrou simplificações não triviais surpreendentes para as amplitudes que tínhamos, mostradas nas Eqs. 35--38, o que o levou a adivinhar a Eq. 39 para o padrão geral. Com este alvo em vista, formulámos uma pergunta clara para um modelo interno abordar, e ele chegou independentemente à simples Eq. 39 e depois provou-a.

A parte do pré-print que segue a Eq. 39 é essencialmente a prova fornecida pelo modelo e verificada por nós. Este foi verdadeiramente um esforço colaborativo entre humanos e IA, com o GPT-5.2 e sua estrutura contribuindo ao nível de um colaborador muito talentoso. Como disse o Andy, o resultado final que ele forneceu tinha eludido a equipe por um ano e pode não ter sido encontrado por um tempo ainda mais longo. Para mim, ultrapassamos um limiar para a IA na física.

Acho que este ano será um ponto de inflexão para a ciência, e que a IA fará à física em 2026 o que fez à programação em 2025. Vou falar sobre estes resultados recentes e direções futuras em Harvard na terça-feira às 14h no auditório A do Science Center.