OpenAI afirma que GPT-6 Astra ayudó a demostrar una definición candidata del Modelo Estándar en una red
En la primera publicación invitada del nuevo blog científico de OpenAI, el físico Nathaniel Craig, científico visitante en OpenAI que dirige el grupo de teoría de partículas de UC Santa Barbara, describe un preprint de octubre que propone una definición candidata no perturbativa del Modelo Estándar en una red. La parte difícil es la fuerza débil: si se coloca ingenuamente en una red, los fermiones levógiros vienen acompañados de parejas dextrógiras no deseadas, y hay que fijar la fase de la medida fermiónica a lo largo de cada ciclo de configuraciones del campo de fuerza.
Craig dice que tenía la estrategia —representar los mismos campos de fuerza en una sucesión de mallas cada vez más finas y sumar las correcciones de fase entre mallas vecinas—, pero que no podía demostrar que funcionara en todos los casos. Según cuenta, GPT-6 Astra sugirió cómo trasladar los campos a mallas más finas, demostró que las comparaciones convergen y tomó la iniciativa en el desarrollo de la demostración detallada. Los teóricos de campos en redes Maarten Golterman, Andreas Kronfeld y Yigal Shamir revisaron la demostración y plantearon preguntas.
Estos son los relatos de Craig y OpenAI. Craig dice que el resultado es «una definición candidata», válida bajo una cota para las intensidades de campo a escala de la malla, y que hace falta un diálogo científico entre expertos para decidir si reúne todas las propiedades deseadas. La califica como una respuesta en principio, no en la práctica, y dice que ahora está examinando si satisface la positividad de reflexión con un espaciado de red finito.
Fuentes
Recibe noticias como esta por push.
AI Tracker te avisa cuando algo cambia en las herramientas que usas.