Натаниэль Крейг с GPT-6 Astra предложил решеточное определение Стандартной модели

OpenAI 15 ноября 2026 года опубликовала первый гостевой пост в своем научном блоге. Его написал Натаниэль Крейг, приглашенный ученый компании, руководитель группы теории элементарных частиц в Калифорнийском университете в Санта-Барбаре и постоянный член Института теоретической физики Кавли при том же университете. Тема поста - кандидатное определение Стандартной модели на решетке, которое он предложил в октябрьском препринте, подготовленном с помощью GPT-6 Astra.
Чего не хватает Стандартной модели
Стандартная модель описывает известные элементарные частицы и три из четырех фундаментальных взаимодействий: сильное, слабое и электромагнитное. Ее расчеты совпадают с экспериментом на восемнадцати порядках величины - от радиоизлучения водорода на волне 21 сантиметр до столкновений на Большом адронном коллайдере. Модели больше пятидесяти лет.
При этом у нее нет строгого непертурбативного определения, то есть такого, где взаимодействия не рассматриваются как малые поправки. Обычный рабочий метод устроен иначе: взаимодействия выключают, решают упрощенную задачу точно, а потом добавляют их обратно рядом поправок. Так, по описанию Крейга, удается предсказать магнитные свойства электрона с точностью до нескольких частей на триллион.
Для протона этот подход не годится. Он состоит из трех кварков, но его масса в основном возникает из движения кварков и глюонов и из сильного взаимодействия между ними. Если сильное взаимодействие выключить, протон просто развалится, и теория возмущений ничего не скажет о его массе. Для полной Стандартной модели в непрерывном пространстве-времени, пишет Крейг, нет не только непертурбативного определения: неизвестно даже, корректна ли взаимодействующая теория математически.
Решетка как выход
Альтернатива - заменить непрерывное пространство-время сеткой точек. Шаг сетки задает наименьшее расстояние, которое теория различает, а конечная решетка позволяет дать строгое определение при заданном шаге. Заодно теорию можно запустить на компьютере и считать ее предсказания напрямую. Этот подход, решеточная теория поля, за последние десятилетия сильно продвинул понимание сильного взаимодействия. Задача Крейга - распространить его на всю Стандартную модель.
Что сделала Astra
По словам Крейга, стратегия у него была, но доказать, что она работает во всех нужных случаях, он не мог. Astra помогла превратить стратегию в конкретную конструкцию и взяла на себя ведущую роль в подробном доказательстве. Из доступной части поста не ясно, сколько шагов доказательства модель вывела сама и как автор их проверял. Эти детали, видимо, есть в полном тексте и в препринте.
Нужно учитывать и статус результата. Речь о кандидатном определении в препринте, не о принятой работе, а описание вклада модели дает сам автор на площадке компании, с которой сотрудничает. Независимой оценки физическим сообществом пока нет.
Почему это заметно
Обычно истории про ИИ в науке касаются расчетов, поиска закономерностей в данных или литературы. Здесь модель, по заявлению автора, вела доказательство в вопросе, который в теоретической физике остается открытым с момента появления Стандартной модели. Если препринт выдержит проверку специалистов по решеточным теориям поля, это будет один из самых весомых примеров, где ИИ вносит вклад в чистую теорию, а не в вычисления. Если найдутся пробелы, то вопрос о том, как проверять доказательства, написанные вместе с моделью, станет практическим для всей области.
Первый пост в гостевой рубрике OpenAI выбрала именно такой: с физиком, имя которого можно проверить, и с препринтом, который можно прочитать и оспорить.
Источники
Похожие новости
OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента
OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.
OpenAI предоставила НАТО и агентствам ЕС доступ к Daybreak для кибербезопасности
OpenAI выдала НАТО и кибер-агентствам Европы доступ к моделям Daybreak. НАТО расходует до 300 млрд токенов в месяц, а ENISA нашла с их помощью четыре уязвимости.