GPT-6 Astra помогла составить доказательство для Стандартной модели на решётке

GPT-6 Astra помогла составить доказательство для Стандартной модели на решётке

По сообщению The Decoder, нейросеть OpenAI GPT-6 Astra помогла получить доказательство, которое могло бы решить 50-летнюю задачу физики элементарных частиц: перенести на решётку всю Стандартную модель. Подход представил физик Натаниэль Крейг из Калифорнийского университета в Санта-Барбаре (UCSB), сейчас приглашённый учёный в OpenAI, на блоге OpenAI и в виде препринта. Крейг возглавляет группу теории элементарных частиц в UCSB и является постоянным членом его Института теоретической физики Кавли.

Контекст задачи. Физики умеют моделировать части Стандартной модели, теории, описывающей все известные частицы и фундаментальные взаимодействия, на компьютерной сетке, которая называется решёткой. Так уже получены прорывные результаты, например расчёт массы протона из первых принципов. Но перенести на решётку всю теорию до сих пор не удавалось. Слабое взаимодействие, отвечающее за некоторые виды радиоактивного распада, по-разному обращается с левыми и правыми частицами. На простых решётках эта асимметрия порождает ненужные частицы-призраки. Отфильтровать их можно с помощью особых решёточных частиц, фермионов типа overlap, но более 25 лет никто не мог правильно задать их фазу.

Что сделали. У Крейга была стратегия: фиксировать фазу, сравнивая всё более мелкие решётки, но доказать, что она работает во всех нужных случаях, он не мог. GPT-6 Astra превратила эту идею в рабочую конструкцию и взяла на себя ведущую роль в подробном доказательстве. Доказательство проверили специалисты по решёточной теории поля Маартен Голтерман, Андреас Кронфельд и Йигал Шамир; они задали вопросы, которые, по словам Крейга, помогли укрепить уверенность в результате. Сам Крейг называет работу «гораздо больше началом, чем концом» и говорит, что до реалистичных симуляций предстоит многое сделать.

Фон. Результат продолжает серию достижений ИИ в математике, начавшуюся в январе 2026 года. В мае опровержение OpenAI гипотезы Эрдёша о единичных расстояниях стало первым ИИ-доказательством, достойным главного математического журнала. Через несколько дней AlphaProof Nexus от Google Deepmind решил девять из 353 открытых задач Эрдёша за несколько сотен долларов, а к октябрю его результаты прошли рецензирование. Самое громкое заявление прозвучало в сентябре: OpenAI представила 166-страничное доказательство для задачи тысячелетия об уравнениях Навье, Стокса, и Математический институт Клэя сообщил, что она «по-видимому, решена». Решение всё ещё на рассмотрении, а математики сомневаются, до конца ли OpenAI понимает собственное доказательство. Среди математиков отношение к тому, что ИИ взламывает нерешённые задачи, неоднозначное.

Ключевые факты

  • GPT-6 Astra помогла получить доказательство, которое могло бы решить 50-летнюю задачу: перенести всю Стандартную модель на решётку.
  • Узкое место, фаза фермионов типа overlap, которые отфильтровывают частицы-призраки; более 25 лет никто не мог задать её правильно.
  • Стратегию предложил Натаниэль Крейг (UCSB, приглашённый учёный в OpenAI), а GPT-6 Astra превратила её в рабочую конструкцию и взяла на себя ведущую роль в подробном доказательстве.
  • Доказательство проверили Маартен Голтерман, Андреас Кронфельд и Йигал Шамир; их вопросы, по словам Крейга, укрепили уверенность в результате.
  • Крейг называет работу «гораздо больше началом, чем концом»: до реалистичных симуляций ещё далеко.

Почему это важно

Перенос полной Стандартной модели на решётку, задача, которой, по данным The Decoder, около 50 лет. Решётка уже помогла, например, рассчитать массу протона из первых принципов, но слабое взаимодействие с его различием левых и правых частиц рождало на простых решётках частицы-призраки. Если доказательство выдержит проверку, это снимает многолетнее препятствие, правильную фиксацию фазы фермионов типа overlap. Кроме того, это пример того, как ИИ участвует не только в олимпиадных и «рекордных» задачах, но и в доказательстве, нужном для прикладной физики.

Кому это важно

Прежде всего специалистам по решёточной теории поля и физике элементарных частиц, а также тем, кто следит за ролью ИИ в математике и теоретической физике. Для остальных читателей это ещё один сигнал о том, что ИИ-системы берутся за настоящие нерешённые задачи, хотя оценки таких результатов пока расходятся.

Как это применить

Практического применения вне исследовательской среды пока нет. Сам Крейг говорит, что до реалистичных симуляций многое предстоит сделать, а сроков, когда они станут возможны для всей Стандартной модели, источник не называет. Тем, кто работает в этой области, имеет смысл прочитать препринт и пост на блоге OpenAI, на которые ссылается The Decoder.

Можно ли доверять

Это пересказ вторичного издания, а не первоисточника. Результат подан осторожно: доказательство «могло бы решить» задачу, а не «решило» её. Его проверили три специалиста по решёточной теории поля, но источник не сообщает ни о рецензировании, ни о независимом подтверждении полноты. Автор подхода Крейг, приглашённый учёный в OpenAI, то есть работает в компании, чья модель участвовала в доказательстве. Даты поста и препринта, название и ссылку на препринт источник не приводит.

Риски и подводные камни

Доказательство ещё нужно проверять сообществом, а сам Крейг называет итог скорее началом. Рядом стоит оговорка из контекста: решение OpenAI по задаче Навье, Стокса всё ещё на рассмотрении, и математики сомневаются, в полной ли мере OpenAI понимает собственное доказательство. Похожий вопрос разумно держать в голове и здесь: вклад модели в «подробное доказательство» ещё предстоит оценить экспертам. Реакция проверявших, кроме вопросов, которые, по словам Крейга, помогли укрепить уверенность, в источнике не описана.

«гораздо больше началом, чем концом»

— Натаниэль Крейг, физик из UC Santa Barbara, о своей работе с GPT-6 Astra