Claude obliczył amplitudę dziewiątej pętli w teorii N=4 SYM

Model Claude dokonał obliczenia amplitudy rozpraszania na poziomie dziewiątej pętli w ramach supersymetrycznej teorii Yang-Millsa (N=4 SYM). Eksperci od dawna uważali to zadanie za zbyt trudne do rozwiązania metodami bezpośrednimi.

Amplitudy rozpraszania to wzory wykorzystywane przez fizyków do przewidywania prawdopodobieństwa interakcji cząstek. Dokładne wartości są niemal niemożliwe do wyznaczenia, dlatego stosuje się aproksymacje oparte na liczbie pętli: im więcej pętli, tym większa precyzja wyniku, ale też szybciej rośnie złożoność obliczeniowa.

Większość rzeczywistych amplitud została dotychczas obliczona jedynie do poziomu dwóch lub trzech pętli. Nowe metody obliczeniowe testuje się zwykle na uproszczonych teoriach zabawkowych, takich jak właśnie N=4 SYM. Nawet w tym przypadku poprzedni rekord wynosił osiem pętli, a dziewiąta była uznawana za zbyt skomplikowaną do bezpośredniego rozwiązania.

W sierpniu fizyk i bloger Matt von Hippel publicznie rzucił wyzwanie firmom AI, zachęcając je do podjęcia próby rozwiązania problemu przy typowym budżecie akademickim. Miesiąc później dwaj fizycy z Anthropic wrócili z wynikiem.

Uruchomili oni model Fable 5.1 w środowisku Claude Science, podając mu tylko jedno zdanie opisujące problem, a następnie głównie pisząc komunikaty takie jak „Idę spać, pracuj dalej”. Ostatecznie Claude obliczył amplitudę na dwa różne sposoby, każdy o koszcie około 1–2 tys. dolarów. Samo właściwe obliczenie kosztowało około 100 dolarów plus tydzień pracy na 96 procesorach; reszta to praca modelu.

Dixon zweryfikował i potwierdził wynik. Najbardziej imponującym aspektem nie była sama objętość obliczeń, lecz fakt, że model zbudował od podstaw bardzo kruchy schemat analityczny dla zadania, w którym nawet najmniejszy błąd niszczy cały wynik. Stwierdził on, że teraz Claude „rozumie ich prace lepiej niż ktokolwiek inny poza współautorami”.

Prawie jednocześnie grupa kierowana przez Sun He z Chińskiej Akademii Nauk niezależnie uzyskała główną część tego samego rezultatu, korzystając z GPT-6, jednak to Anthropic jako pierwsze opublikowało główne rozwiązanie.