欢迎来到九游官方网站
全国服务热线：+86 +86 178 6873 4337 +86 +86 178 6873 4337
全国服务热线：+86 +86 178 6873 4337 +86 +86 178 6873 4337
Anthropic 宣布，其开发的 Claude 在理论物理领域创下了一项新的里程碑。
该系统在几乎无需人工介入的条件下，连续运算数日，成功解决了高能物理中一个以计算复杂著称的“九圈散射振幅”难题。
具体而言，它计算出了平面 N=4 超杨-米尔斯理论中六粒子振幅在九圈层级的结果，而人类此前所达到的最高纪录是八圈。
值得留意的是，杨-米尔斯模型中的“杨”字，指向的是物理界泰斗杨振宁先生。
他与米尔斯于 1954 年共同提出的“杨-米尔斯理论”，构成了整个现代粒子物理学的根基。
任何基于该理论的高阶计算，都被视为对人类智力极限的严峻考验。
如今，人类的顶尖理论物理学家就这样被 AI “抢先一步”。
更令人瞩目的是，Claude 完成这一非凡挑战，仅仅依靠一条提示词，花费了数千美元。
数日后交出的答案中，仅其中一部分展开就包含了 300 亿项。
看来，科学领域的“低垂果实”，比人们想象的要多得多。
此次负责为 AI 验证结果的物理学家 Lance Dixon 如此感慨：
“我周围的大多数理论物理学家其实早已承认，大语言模型迟早会颠覆物理学，只是不确定那一天何时会降临到自己头上。” “对我来说，那一天是 9 月 1 日。”
事件的起因源于一位物理学家的“挑战”。
Matt von Hippel 曾是一名理论粒子物理学家，如今是一位科普作家。
面对近期关于 AI 的新闻，他表示不信服，除非亲眼看到大语言模型解决自己领域的难题。
深蓝战胜国际象棋大师卡斯帕罗夫时，围棋界称围棋太复杂，电脑无法应对，结果被 AlphaGo 的事实反驳。 AlphaFold 碾压人类蛋白质结构专家时，其他领域则表示没有类似数据，无法复制。 如今，大语言模型能阅读文献、模仿数学证明，但争议依旧存在：AI 是否只会寻找反例，无法提出新框架？是否只在数学这类规则清晰的领域有效，而在物理这种模糊领域则不行？……
每次都是相同的模式：学者先持怀疑态度，直到 AI 进入他们自己的研究领域。
他认为自己的老本行“散射振幅”与众不同。
上个月，他在个人博客上向所有 AI 公司发出了一封“挑战书”：
“如果你们 AI 公司真的想让我们这些科研人员感到震撼，就来挑战我的老本行吧！” “请证明 AI 能在普通学者能负担的计算预算内，解决散射振幅领域尚未解决的难题。”
他一共提出了三道题，其中一道是：
“给我把 N=4 超级杨-米尔斯模型算到第九圈！”
在理论物理学中，物理学家通过“散射振幅”的公式来预测粒子行为，例如大型强子对撞机中粒子的碰撞方式。
但这个公式极其复杂。为了无限逼近真实答案，物理学家必须一层层叠加被称为“圈”的精细修正层。
每增加一个“圈”，答案会更精确，但计算量呈指数级爆炸增长。
实际操作中，大多数人类研究者停留在第二圈或第三圈。粒子物理学中最精确的预测，也仅用到第五圈。
而在特殊的“测试沙盒”模型中，人类目前的极限纪录是“八圈”，由 SLAC 国家加速器实验室的顶尖教授 Lance Dixon 及其团队经过多年努力才达成。
“九圈”？这看起来是需要海量算力和无数天才大脑耗费数年才能触及的领域。
Matt 给 AI 的挑战，就是如此直接。
面对这种公开叫板，Anthropic 的科学家们悄然接下了挑战。
八月底，Anthropic 的两名物理学家员工 Liam 和 Siddharth 悄悄联系了 Matt：“嗨，你的挑战，我们完成了。”
Matt 当场震惊不已。是如何做到的？是否消耗了数百万美元的算力？
并非如此。
研究团队使用的是 Claude Science，一个专为科学家设计、能让 Claude 遵循严谨规则运行的系统，模型是目前最强的公开可用模型 Fable 5.1。
他们向 Claude 输入了一条简单的提示词：
“现在的问题是：计算平面 N=4 SYM 模型在九圈下的六粒子（六边形）振幅。”
接着，研究人员并未手把手指导 Claude 如何操作，而是给它留下了一句话：
“我要去睡觉了，接下来的几个小时我都不会在。你继续算，除非我叫你停，每隔 4 到 6 小时给我汇报一次进度。”
随后，Claude 便在无人值守的情况下，开始了疯狂的推演！
它运用了 Dixon 和合作者多年来开发的一种称为“自举”的方法，如同解一场数独游戏一样，在无数参数中不断排除错误选项。
数日后，Claude 不仅算出了九圈结果，而且是通过两种不同的物理方法（原始自举法和间接形状因子法）分别计算出来的！
具体来说，在原始自举法中，Dixon 团队使用的方法类似于数独，将所有可能的函数填入格子，再用物理法则逐一排除，剩下的就是答案。
Claude 直接使用 Python 和开源库 SymPy，在六粒子振幅的空间中硬生生地开辟了一条路径。
在间接形状因子法中，当年 Dixon 团队冲击八圈时，先计算了一个简单的“形状因子”，再利用一种奇特的“对跖对偶”对称性，将结果转换为振幅。
Claude 沿用这一方法，向上又推进了一圈。
在形状因子这一路径上，Claude 没有计算任何费曼积分。它将整个物理问题转化为一个庞大的方程组，全程使用整数求解，避免了小数误差，还能更换几个大素数进行反复验证。
第一个障碍是内存。按照旧方法推到九圈，仅未知数就有 185 万个，方程组庞大到内存无法容纳。
Claude 改变了思路，借助对跖对偶先将答案的一部分“猜测”出来，再加上对称性，未知数从 185 万骤降至 7.6 万个。
接下来就是解“数独”。7.6 万个未知数，在物理规则的一轮轮排除下，最终只剩下唯一解。
最后转换回振幅时，仅一个切面上的结果就有 300 多亿项，而八圈时仅为 16.7 亿项。
此外，解决人类物理学界的这一悬案，成本极低。
按普通用户的价格计算，每条路径需花费一两千美元，两条路径合计几千美元，主要开销来自 Claude 长时间运行的费用。
而直接自举的那条路径，纯粹用于运行 Python 代码的算力成本，仅为 100 美元——这相当于租用 96 个 CPU 运行一周的费用。
100 美元，一句提示词，Claude 在数日内便轻易打破了理论物理学的天花板。
结果计算出来了，但是否正确呢？
Anthropic 的团队找到了“八圈”纪录保持者——Lance Dixon 教授本人来验证。
那天是 9 月 1 日，巧合的是，也正是 Fable 5.1 发布当天。
Dixon 教授拿到结果的那一刻，内心极为震撼。因为他深知这有多么困难。
自 2023 年完成八圈计算后，他和他的团队这两年来一直一筹莫展地致力于攻克九圈。
整个计算过程如同搭建扑克牌城堡或烤制舒芙蕾，只要中间有一个代码写错、一个符号标反，整个计算就会彻底崩溃。
但 Claude 不仅没有崩溃，还从头开始自行编写了所有繁琐的代码，完美避开了所有陷阱！
经过长达两周的仔细验证，Dixon 教授确认，Claude 的九圈结果准确无误！
那么 Dixon 教授感到心碎吗？
“不会，”Dixon 教授在博文中豁达地写道，理由有两个。
其一，他们团队本来就在训练定制的 transformer 模型来预测更高圈数，口号是机器给出的任何候选答案都有工具可验证。Claude 也是 transformer，只是可能比他们的大一百万倍。
其二，Claude 使用的全是他和合作者这些年开发的方法，提交答案时还采用了他们团队早已设定的格式（教授猜测，这是 Claude 在给他们面子）。
“我在验证 Claude 的结果，Claude 也在验证我们过去所有的工作。”
他还给出了一个极高的评价：
“除了我和我的合著者，Claude 可能是这个世界上最懂我 2019 年和 2023 年发表的论文的‘人’了。”
而他的同组大佬 Kyle Cranmer 还在 X 上表示凌乱，“刚发现我们组被 Anthropic 抢先发表了，我还在消化……虽然不算太意外，但我真希望当初我们能有时间和资源投入进去。”
有趣的是，Anthropic 刚联系完出题人 von Hippel 没几天，他又收到了另一个重磅消息——来自中国科学院理论物理所的何颂团队。
何颂是国内散射振幅领域的专家，近年代表性工作包括提出量子场论散射振幅的 Cachazo-何-袁形式，开创性地发现场论和弦论散射的几何起源，并在场论高圈计算和严格求解，规范场、引力和弦论的对偶等方向做出了一系列重要工作。
就在 9 月 17 日，何颂、景继荣、李想将六粒子振幅从二圈到九圈的核心骨架数据，公开上传到了学术平台 Zenodo。
论公开发布时间，比 Anthropic 官宣还早了 8 天！
何颂团队同样使用了 AI。Dixon 透露，GPT-6 帮助中国团队计算了一部分约束条件，但整体框架仍由人类搭建。
von Hippel 也确认，他们确实使用了 GPT-6 作为辅助，但绝非 Anthropic 那种纯 AI 的方法。
Dixon 自嘲道：“大家好像就是喜欢跑来告诉我，他们把九圈给搞定了。这下好了，我先被一台机器抢先发表，转头又被‘人类 + 机器’联手抢先发表了一次。”
不久前，OpenAI 宣布攻克千禧年难题纳维-斯托克斯方程、Claude 推进黎曼猜想的一个关键下界时，就有人问：为什么 AI 只去攻克数学难题，不去攻克物理难题？
现在，答案来了。
虽然 Claude 计算出的只是 N=4 超级杨-米尔斯的“玩具模型”，距离解释真实宇宙的暗物质、反物质还有很长的路要走，但它的象征意义是空前的。
这就像 AlphaGo 第一次战胜李世石。人们惊呼的是，机器居然能掌握属于人类直觉的领域。
Dixon 教授留下了一句耐人寻味的话：
“大型语言模型能够执行我们设定的复杂配方并组织计算，这是一个巨大的胜利。” “但当有一天，大语言模型开始在人类之前提出新的物理学原理和洞察力时，那才是真正触及人类灵魂的时刻。”
或许，现在已经遍地都是低垂果实。
参考资料：
兰科CMS
兰科CMS