我们最近关于胶子振幅的预印本引发了很多讨论，所以我想分享一下背景故事——包括AI如何帮助我们解决一个困扰我们一年的问题。 我这周还将在哈佛大学进行公开讲座。详细信息在最后。

大约一年前，世界各地的专家们，阿尔弗雷多·格瓦拉（IAS）、大卫·斯金纳（剑桥）和安迪·斯特罗明格（哈佛）意识到了一件令人惊讶的事情：单负振幅不应该是恒等于零的，尽管一些教科书中有相反的论点（当相互作用的粒子是共线时，这些论点存在漏洞）。 问题变成了：这些振幅实际上应该是什么？

去年十月，我加入了新成立的OpenAI科学部门，由@kevinweil和@markchen90领导，旨在提升我们前沿模型的科学能力。 我对最新的内部模型在物理学方面的潜力感到非常兴奋，因此我邀请了我的合著者和博士生导师安迪一起合作解决一个问题，以便他能亲自体验。

阿尔弗雷多、大卫和安迪在过去的一年里一直在努力寻找一个简单的公式，用于非消失的单减幅度，这类似于80年代获得的帕克-泰勒公式，用于双减（"MHV"）幅度。 阿尔弗雷多得到了一个复杂的表达式，预印本中的公式21，但它笨重：一个关于费曼图的总和，其复杂性随着相互作用粒子数量的增加而超指数增长。

使用这个公式，计算幅度到 n=6 是很困难的（如方程 29--32 所示），但我们认为应该存在一个更简单的表达式，就像 Parke-Taylor 公式简化了 MHV 幅度的可怕费曼图计算一样（这在 Zee 的量子场论书的 N.2 部分中有很好的解释）。 但这样的公式仍然难以捉摸。

我们与GPT-5.2 Pro进行了大量的反复交流，这帮助我们确定了应该寻找简化公式的运动学区域R_1。它还发现了我们所拥有的振幅的令人惊讶的非平凡简化，如方程35--38所示，这使它猜测了方程39作为一般模式。 有了这个目标，我们为内部模型制定了一个明确的问题，它独立地得出了简单的方程39，并证明了它。

预印本中第39条公式之后的部分本质上是模型提供的证明，并由我们验证。这确实是人类与AI之间的合作努力，GPT-5.2及其支架在非常有才华的贡献者的水平上做出了贡献。 正如安迪所说，它提供的最终结果让团队困惑了一年，可能还要再过一段时间才会被发现。在我看来，我们已经跨越了物理学中AI的一个门槛。

我认为今年将成为科学的一个转折点，人工智能将在2026年对物理学产生的影响与2025年对编码的影响相同。 我将在周二下午2点在哈佛大学科学中心A厅讨论这些最新结果和未来方向。