Claude calculó una amplitud de nueve bucles en N=4 SYM

Claude calculó una amplitud de nueve bucles en N=4 SYM. Los expertos habían considerado durante mucho tiempo esta tarea demasiado difícil para un cálculo directo.

Las amplitudes de dispersión son fórmulas con las que los físicos predicen la probabilidad de que las partículas interactúen de una u otra manera. Calcularlas exactamente es casi imposible, por lo que se aproximan hasta cierto número de bucles: cuanto más alto es el número de bucles, más preciso es el resultado, pero también crece más rápido la complejidad del cálculo.

La mayoría de las amplitudes reales se han calculado solo hasta dos o tres bucles. Los nuevos métodos suelen probarse en teorías simplificadas de juguete, como la teoría supersimétrica de Yang-Mills (N=4 SYM). Incluso allí, el récord hasta ahora eran ocho bucles, mientras que el noveno se consideraba demasiado difícil para un cálculo directo.

En agosto, el físico y blogger Matt von Hippel lanzó públicamente un desafío a las empresas de IA: intentar resolver el problema con el presupuesto de un académico típico. Un mes después, dos físicos de Anthropic regresaron con un resultado.

Ejecutaron Fable 5.1 dentro de Claude Science, dieron una sola línea con la formulación del problema y luego, en su mayoría, escribían algo como “me voy a dormir, continúa”. Al final, Claude calculó la amplitud de dos maneras distintas, cada una con un costo aproximado de $1–2 mil. Los cálculos en sí costaron unos $100, más una semana en 96 CPU; el resto fue el trabajo del modelo.

Dixon verificó el resultado y lo confirmó. Lo más impresionante no es el volumen de cálculo, sino que el modelo ensambló desde cero un esquema de cálculo muy frágil para una tarea en la que cualquier error pequeño lo rompe todo. Afirmó que ahora Claude “entiende sus artículos mejor que cualquier persona, excepto los coautores”.

Casi al mismo tiempo, un grupo dirigido por Sun He de la Academia China de Ciencias obtuvo de forma independiente la parte principal del mismo resultado usando GPT-6, pero Anthropic fue la primera en publicar la solución principal.