GPT-6 Astra助物理学家提出标准模型格点定义新方案
加州大学圣巴巴拉分校物理学家、OpenAI访问科学家Nathaniel Craig在10月完成的一篇预印本中,提出了一个基于格点的候选定义,试图为粒子物理标准模型建立严格的非微扰数学框架。这项工作中,GPT-6 Astra不仅帮助他把长期停留于思路阶段的策略转化为具体数学构造,还主导了后续关键证明环节。相关预印本《A gauge-invariant measure for lattice chiral fermions》已于10月6日提交至arXiv。
标准模型五十年悬而未决,难在格点上的相位
粒子物理学中的标准模型在微扰计算上极为成功,但“相互作用不能只靠小修正”这一根本问题,要求物理学家给出完整的非微扰定义。格点场论提供了一条重要路径:把连续时空离散成格点,再在格点上定义规范场和费米子。
难题出在手征费米子上。参考资料显示,重叠费米子能够保留需要的左手费米子,并消除倍增子,但它本身并不能告诉物理学家如何设置相位。问题在于,格点上的相位取决于标准模型规范场在每个格点上的状态。研究人员可以从一组规范场出发,经过许多小步骤逐渐改变这些场,最终让它们回到原来的状态。虽然最终规范场相同,但沿着闭合路径移动的过程可能让相位发生变化,因此必须找到一种方法,对每一条允许的路径进行相位补偿。
这正是困扰物理学界50多年的开放问题之一:如何在格点上为完整标准模型给出严格、规范不变的费米子定义。
Astra把粗细格点串成一条证明链
Craig此前已有解决思路:把原始格点上的规范场逐步映射到一系列更细的格点上,通过比较相邻两级格点上的费米子状态,得到一部分相位修正,再把这些修正累加起来,恢复原始格点上的相位规则。

Astra参与的关键部分,是把这一策略发展成完整构造和证明。根据Craig的描述,Astra首先提出了如何将给定规范场正确映射到更精细格点上的方法;随后帮助证明,不同细化层级之间的比较结果会收敛到一个确定值;最后由模型主导完成详细证明的构建。
人类专家也发挥了关键作用。格点场论专家Maarten Golterman、Andreas Kronfeld和Yigal Shamir审阅了Astra参与构建的证明,并提出关键问题,帮助Craig进一步验证构造是否可靠。这项工作提出了标准模型的一种候选非微扰格点定义,可能回答一个已经开放50多年的问题。但Craig也明确表示,这个构造更像是一个开始,而不是终点。目前他正在重点研究该构造在有限格点间距下是否满足反射正性,而如何在连续时空中定义完整的相互作用理论,仍然是开放问题。
50道未公开物理题,Astra答对49道还纠了错
围绕GPT-6 Astra的讨论并不只来自这项格点工作。哈佛、谷歌DeepMind等机构设计的评测TheoPhysEval同样引发热议。该评测共50题,全部来自出题学者未发表的研究笔记,涵盖量子场论、黑洞等11个方向。题目属于“turn-the-crank”任务:理论框架已经存在,解题者需要读文献、改参数、推公式、写程序,算出可验证数值。为防模型背答案,答案被转成高精度浮点数,并混入无意义参数。顶尖专家在没有AI辅助时,解一题约需一天。
测试分为两部分。Astra与Claude Opus在无网络帮助下仍各解46题,显示主要模型已将大量公式推导压进权重;另一部分允许联网查文献、写代码、跑脚本,隔离轨断网,只留本地计算工具,答对率为GPT-6 Astra 49/50(98%)、Claude Opus 5.5 46/50(92%)、Gemini 3.8 Flash 34/50(68%)。Astra跑完50题成本116美元,Opus则需240美元。
社群流传Astra先拿88分后飙98%,并坚称专家算错。论文原文更保守:团队起初判定Astra数题出错,核对后发现原始参考解存在符号、近似条件等疏漏,专家修正后Astra解法被确认正确。在社交平台X上,一位开发者称:“我们又见证了OpenAI的科学突破,但是GPT-6.2还是没有发布。”他补充道,GPT-6 Astra帮助物理学家把原有研究思路转化为具体数学构造,并完成了部分关键证明。如果这一方案最终通过验证,未来或可用于模拟一些目前难以直接计算的粒子相互作用。这体现出AI正从“解释科学知识”进一步走向“参与科学研究”。
从黑弦到轴子,AI在草稿纸上跑完博士生的一天
TheoPhysEval附录展示了Astra解开的多种高难题目。黑弦Page时间计算涉及黑洞信息悖论前沿研究,要求AI在反德西特空间中考虑包含两个膜的黑弦背景,比较不同极小曲面面积来计算Page时间。Astra不仅定位了文献中五维时空的方程,还将其推广适配到三维,并手写Python脚本处理奇点微分方程。

全电子原子求解器要求AI“从头开始”写一个自洽的全电子原子结构求解器,计算硼和镁基态轨道能量。Astra运用局部密度近似、狄拉克-斯莱特交换作用,并调用VWN5参数化,从零手搓求解Kohn-Sham方程的代码,算出的基态轨道能量与美国NIST的微哈特里级基准数据吻合。轴子转换率题目要求计算轴子在特定介电常数介质中通过散射电子转化为光子的速率,Astra代入自然单位制,推导公式并给出精确浮点数。陈-西蒙斯β函数题目涉及三维陈-西蒙斯物质理论中的规范群贡献、辛无迹反对称张量表示和无穷大重整化,Astra识别传播子与顶点,完成极小减除法计算,给出封闭形式β函数系数。
不过,50题中有一道所有模型都没解开:给带噪声曲线反推生成它的自治微分方程。这是逆问题,信息不对称、解不唯一,需要物理直觉。论文作者指出,AI自己出题时常常陷入繁琐代数,缺乏人类“taste”,会算但不会判断“哪条路值得走”。
人类定方向,Astra推证明,新分工才刚开场
从格点定义到TheoPhysEval,GPT-6 Astra展现出的角色已经超出传统科研助手。在Craig的工作中,科学家负责提出问题、判断方向和检验结果,AI则帮助推进繁重的推导、构造和证明工作。有研究人员认为,这项研究体现了人机协作的新分工:人类物理学家负责确定研究方向,GPT-6 Astra则通过比较不同精细程度的格点,推进拓扑修正和数学证明。他谈道:“这是AI开始改变科研方式的显著例证。”
需要强调的是,TheoPhysEval作者并不认为这代表“AI解决物理学”。它更接近于说明,AI在可验证的科研计算题上已接近顶尖博士生水准。此前MIT研究取254篇近期论文理论题,断网测试从o1到GPT-5.5,解题一致率从2.8%升至34.6%,但研究提醒,这是同系模型纵向比较,不等于AI超越人类科学家,答案仍须专家验证。短期内,AI更像“不疲倦的合著者”;要谈接管物理学,还差最后一道逆问题,以及一种叫作品味的东西。
对于标准模型非微扰定义而言,Craig与Astra的工作也只是一个候选构造。它把50多年的开放问题向前推了一步,但反射正性、连续时空定义和最终验证仍待完成。可以确定的是,AI正在从“解释科学知识”走向“参与科学研究”,而人类科学家的核心价值,正被推到更前面:定义问题、设计检验、判断AI输出是否合理。
来源:OpenAI、X、arXiv、TheoPhysEval相关论文与报道