Claude calcula amplitude de nove loops em N=4 SYM

O Claude calculou uma amplitude de nove loops na teoria supersimétrica de Yang-Mills (N=4 SYM). Especialistas consideravam há muito tempo esta tarefa demasiado difícil para um cálculo direto.

As amplitudes de dispersão são fórmulas utilizadas pelos físicos para prever a probabilidade de interação entre partículas. Os valores exatos são quase impossíveis de computar, pelo que se recorre a aproximações até um certo número de loops: quanto maior o número de loops, mais preciso é o resultado, mas também cresce exponencialmente a complexidade computacional.

A maioria das amplitudes reais foi calculada apenas até dois ou três loops. Novos métodos de cálculo são geralmente testados em teorias simplificadas, como a N=4 SYM. Mesmo nesse contexto, o recorde anterior era de oito loops, sendo o nono considerado demasiado complexo para um cálculo direto.

Em agosto, o físico e blogueiro Matt von Hippel desafiou publicamente as empresas de IA a tentar resolver o problema com um orçamento académico típico. Um mês depois, dois físicos da Anthropic apresentaram um resultado.

Eles utilizaram o modelo Fable 5.1 dentro do ambiente Claude Science, fornecendo-lhe uma única linha que enunciava o problema, após o que deixaram o sistema trabalhar autonomamente, escrevendo instruções como "Vou dormir, continue". No final, o Claude calculou a amplitude de duas formas diferentes, cada uma custando aproximadamente 1–2 mil dólares. O custo real da computação foi de cerca de 100 dólares, mais uma semana de utilização de 96 CPUs; o restante representava o trabalho do modelo.

Dixon verificou e confirmou o resultado. A parte mais impressionante não foi o volume de computação, mas sim o facto de o modelo ter montado um esquema de cálculo extremamente frágil desde o início, numa tarefa onde qualquer pequeno erro invalida todo o processo. Ele afirmou que agora o Claude "compreende os seus artigos melhor do que qualquer pessoa, exceto os coautores".

Quase simultaneamente, um grupo liderado por Sun He, da Academia Chinesa de Ciências, obteve independentemente a parte principal do mesmo resultado utilizando o GPT-6, embora a Anthropic tenha sido a primeira a publicar a solução completa.