Claude посчитал девять петель там, где рекорд был восемь

Claude посчитал амплитуду рассеяния в девять петель, побив рекорд в восемь, и ответ независимо проверил Лэнс Диксон из SLAC, который вместе с коллегами тот рекорд и поставил, сообщила Anthropic 25 сентября в X. Считали при этом в упрощённой модели planar N=4 super-Yang-Mills, на которой физики обкатывают технику, и методами, которые разработали сам Диксон и его коллеги.

Вызов 7 августа бросил физик и научный журналист Мэтт фон Хиппель (@4gravitons) в своём блоге: сможет ли ИИ пройти дальше восьми петель в этой модели, не выходя за бюджет на вычисления, доступный обычному академику. Claude получил единственный промпт с описанием задачи, несколько дней работал в Claude Science почти без присмотра и уложился всего в несколько тысяч долларов.

Вычислительную задачу фон Хиппель выбрал нарочно: прогресс в математике держится на новых идеях, а насколько трудно до них дойти, неизвестно, пока их не найдут, объясняет он в гостевом посте в блоге Anthropic. Он хотел увидеть, справится ли искусственный исследователь на тех же компьютерах, что и у академиков, с задачей, которая казалась недосягаемой из-за нехватки машин и времени. Ещё в августе он утверждал, что при куда большей вычислительной мощности такие задачи в принципе решаются известными методами, но расчёты «как правило, растут экспоненциально или даже факториально с числом петель».

Амплитуды рассеяния - это формулы, по которым теоретики предсказывают поведение частиц, а петли - слои всё более тонких поправок к ним: каждая новая уточняет ответ, но требует экспоненциально больше вычислений. Поэтому большинство расчётов останавливается на двух-трёх петлях, а самое точное предсказание в физике частиц, о котором вы могли слышать, по словам фон Хиппеля, использовало пять. Сама модель N=4 super-Yang-Mills очень далека от реальности: у каждой частицы в ней четыре суперсимметричных партнёра, и ничего в реальном мире ею не объясняют. Технику на ней оттачивают потому, что считать в ней парадоксально проще.

Считают такие амплитуды бутстрапом. Вместо того чтобы учитывать каждое возможное взаимодействие частиц, исследователи начинают с примерного вида ответа, хранят все варианты в файлах на специальном алфавите и вычёркивают лишние, опираясь на предсказания других методов, правила, которым ответ обязан подчиняться, и связи с соседними задачами. Уцелеть должен ровно один кандидат, причём с запасом проверок. Метод, пишет фон Хиппель, оказался «до странности хорошо приспособлен для ИИ».