هوش مصنوعی GPT-6 Astra با همکاری یک فیزیک‌دان، راهکاری ریاضی برای حل یکی از مسائل ۵۰ ساله مدل استاندارد فیزیک ذرات ارائه کرد.

فهرست مطالب

ناتانیل کریگ، فیزیک‌دان دانشگاه کالیفرنیا در سانتا باربارا و پژوهشگر مهمان OpenAI با کمک مدل هوش مصنوعی GPT-6 Astra موفق شده است تعریفی پیشنهادی و غیراختلالی از مدل استاندارد فیزیک ذرات ارائه کند.

به گزارش سرویس هوش مصنوعی تک‌ناک، این دستاورد می‌تواند زمینه حل یکی از مسائل بنیادی فیزیک نظری را فراهم کند که بیش از پنج دهه بدون پاسخ کامل باقی مانده است.

کریگ در یادداشتی که در وبلاگ علمی OpenAI منتشر کرده، توضیح داده است که مدل Astra چگونه به توسعه یک ساختار ریاضی جدید و اثبات ویژگی‌های آن کمک کرده است. او ایده اولیه پژوهش را مطرح کرده بود، اما برای اثبات عملکرد آن در تمام شرایط مورد نیاز با مشکلاتی روبه‌رو شد. هوش مصنوعی توانست این ایده را به روشی مشخص تبدیل کند و نقش اصلی را در تدوین اثبات ریاضی بر عهده بگیرد.

مدل استاندارد یکی از موفق‌ترین نظریه‌های تاریخ فیزیک محسوب می‌شود. این نظریه ذرات بنیادی شناخته‌شده و سه نیروی اصلی طبیعت، یعنی نیروی هسته‌ای قوی، نیروی هسته‌ای ضعیف و الکترومغناطیس را توصیف می‌کند. پیش‌بینی‌های آن نیز در آزمایش‌های متعدد با دقت بسیار بالا تأیید شده‌اند.

با وجود این‌، فیزیک‌دانان هنوز تعریف ریاضی کاملی از این نظریه ندارند که بتواند تمام برهم‌کنش‌های ذرات را بدون استفاده از تقریب‌های کوچک توصیف کند. پژوهش جدید کریگ و هوش مصنوعی GPT-6 Astra تلاشی برای رفع همین محدودیت است.

چرا مدل استاندارد هنوز تعریف کاملی ندارد؟

فیزیک‌دانان برای محاسبه بسیاری از پدیده‌های ذرات بنیادی از روشی به نام «نظریه اختلال» استفاده می‌کنند. در این روش، ابتدا برهم‌کنش‌های میان ذرات نادیده گرفته می‌شوند و سپس تأثیر آنها به‌ صورت اصلاحات کوچک به محاسبات اضافه می‌شود.

این روش در بسیاری از موارد دقت چشمگیری دارد. برای مثال، دانشمندان توانسته‌اند ویژگی مغناطیسی الکترون را با دقتی در حد چند قسمت در یک تریلیون پیش‌بینی کنند.

اما نظریه اختلال برای توصیف تمام پدیده‌های فیزیکی مناسب نیست. جرم پروتون نمونه مهمی از این محدودیت محسوب می‌شود. پروتون از سه کوارک تشکیل شده است، اما بخش عمده جرم آن از حرکت و برهم‌کنش کوارک‌ها و گلوئون‌های درون آن ناشی می‌شود.

اگر نیروی هسته‌ای قوی حذف شود، پروتون ساختار خود را از دست می‌دهد. بنابراین، محاسبه جرم آن نیازمند روشی است که برهم‌کنش‌ها را از ابتدا در نظر بگیرد.

نمودار علمی تغییر فاز فرمیون‌ها در شبکه‌های متوالی با اندازه‌های کوچک‌تر و نمایش اصلاح فاز برای ارائه تعریف ریاضی مدل استاندارد فیزیک ذرات

یکی از راهکارهای موجود، استفاده از «نظریه میدان شبکه‌ای» است. در این روش، فضا-زمان به مجموعه‌ای منظم از نقاط تبدیل می‌شود. سپس پژوهشگران رفتار ذرات و نیروها را روی این شبکه بررسی می‌کنند.

این رویکرد امکان انجام محاسبات غیراختلالی با کامپیوتر را فراهم می‌کند و پیش‌تر در مطالعه نیروی هسته‌ای قوی و محاسبه جرم پروتون موفق بوده است.

با وجود این‌، استفاده از این روش برای کل مدل استاندارد با مانعی اساسی روبه‌رو است. نیروی هسته‌ای ضعیف برخلاف دو نیروی دیگر، با ذرات چپ‌دست و راست‌دست رفتار متفاوتی دارد.

هنگامی که پژوهشگران تلاش می‌کنند چنین ذراتی را روی شبکه تعریف کنند، قواعد معمول ریاضی می‌توانند ذرات اضافی ناخواسته ایجاد کنند. این مشکل که «دوبرابرشدگی فرمیون‌ها» نام دارد، مانع دستیابی به توصیفی صحیح از تمام ذرات مدل استاندارد شده است.

نقش هوش مصنوعی GPT-6 Astra در حل مشکل

پژوهشگران در دهه‌های گذشته روش‌هایی برای جلوگیری از دوبرابرشدگی فرمیون‌ها توسعه داده‌اند. یکی از مهم‌ترین آنها استفاده از «فرمیون‌های هم‌پوشانی» است که امکان جداسازی ذرات چپ‌دست و راست‌دست را فراهم می‌کند.

اما این روش هنوز یک مشکل اساسی داشت. پژوهشگران نمی‌دانستند چگونه باید فاز ریاضی مرتبط با حالت‌های فرمیونی را در تمام آرایش‌های ممکن میدان‌های نیرو به‌درستی تنظیم کنند.

مارتین لوشر پیش‌تر راهکاری برای گروه ساده‌تری از نظریه‌ها ارائه کرده بود، اما تعمیم آن به کل مدل استاندارد بیش از ۲۵ سال حل‌نشده باقی ماند.

کریگ برای عبور از این مانع پیشنهاد کرد که میدان‌های نیرو روی شبکه اصلی، در مجموعه‌ای از شبکه‌های ریزتر نیز نمایش داده شوند. مقایسه حالت‌های فرمیونی میان شبکه‌های متوالی می‌تواند اصلاحات مورد نیاز را برای تعیین فاز مشخص کند.

مدل هوش مصنوعی GPT-6 Astra در توسعه این ایده نقش تعیین‌کننده‌ای داشت. این هوش مصنوعی روشی برای انتقال میدان‌های نیرو به شبکه‌های ریزتر پیشنهاد کرد و نشان داد که محاسبات در این شبکه‌ها به نتیجه‌ای مشخص همگرا می‌شوند.

همچنین Astra بخش عمده اثبات ریاضی را توسعه داد. نتیجه این فرایند، ساختاری پیشنهادی است که می‌تواند اندازه فرمیونی مورد نیاز مدل استاندارد را با رعایت محدودیت‌هایی درباره شدت میدان‌ها در فاصله شبکه‌ای محدود تعریف کند.

سه متخصص نظریه میدان شبکه‌ای، مارتن گولترمن، آندریاس کرونفلد و ییگال شامیر نیز اثبات ارائه‌شده را بررسی کردند. پرسش‌ها و ارزیابی‌های آنها به کریگ کمک کرد تا اطمینان بیشتری نسبت به ساختار پیشنهادی پیدا کند.

آیا یکی از بزرگ‌ترین مسائل فیزیک حل شده است؟

کریگ تأکید کرد که دستاورد جدید هنوز به معنای حل قطعی مسئله نیست. ساختار پیشنهادی باید بررسی‌های تخصصی بیشتری را پشت سر بگذارد تا مشخص شود تمام ویژگی‌های ضروری یک نظریه فیزیکی معتبر را دارد.

یکی از موضوعات مهم، بررسی شرط «مثبت‌ بودن بازتابی» است. این شرط به ارتباط محاسبات شبکه‌ای با یک نظریه کوانتومی که احتمال‌ها در آن پایسته می‌مانند، کمک می‌کند.

همچنین روش جدید فعلا بیشتر یک دستاورد نظری است و برای استفاده در شبیه‌سازی‌های واقع‌گرایانه به توسعه بیشتری نیاز دارد.

مسئله تعریف مدل استاندارد در فضا-زمان پیوسته نیز همچنان مطرح است. کریگ به پیشرفت دیگر OpenAI در اثبات وجود نظریه یانگ–میلز اشاره کرده است که می‌تواند به تکمیل این مسیر کمک کند.

او امیدوار است ترکیب این دستاوردها، زمینه پیشرفت‌های تازه‌ای را در شناخت ساختار بنیادی جهان فراهم کند.