AI TrackerTélécharger
← Toutes les actus
OpenAIModèles

OpenAI affirme que GPT-6 Astra a contribué à démontrer une définition candidate du Modèle standard sur réseau

Dans le premier billet invité publié sur le nouveau blog scientifique d’OpenAI, le physicien Nathaniel Craig, scientifique invité chez OpenAI et responsable du groupe de théorie des particules de l’UC Santa Barbara, décrit un préprint d’octobre qui propose une définition candidate non perturbative du Modèle standard sur réseau. La difficulté réside dans la force faible : lorsqu’on la place naïvement sur un réseau, les fermions gauches s’accompagnent de partenaires droits indésirables, et la phase de la mesure fermionique doit être fixée pour chaque boucle de configurations du champ de force.

Craig explique qu’il avait trouvé la stratégie — représenter les mêmes champs de force sur une succession de grilles de plus en plus fines et additionner les corrections de phase entre grilles voisines —, mais qu’il n’avait pas réussi à prouver qu’elle fonctionnait dans tous les cas. Il affirme que GPT-6 Astra a suggéré comment transférer les champs vers des grilles plus fines, montré que les comparaisons convergent et pris l’initiative d’élaborer la démonstration détaillée. Les théoriciens des champs sur réseau Maarten Golterman, Andreas Kronfeld et Yigal Shamir ont relu la démonstration et posé des questions.

Il s’agit des propres récits de Craig et d’OpenAI. Craig précise que le résultat est « une définition candidate », valable sous réserve d’une borne sur les intensités des champs à l’échelle de la grille, et qu’un dialogue scientifique entre experts est nécessaire pour déterminer si elle possède toutes les propriétés souhaitées. Il la qualifie de réponse en principe, plutôt qu’en pratique, et indique qu’il examine actuellement si elle satisfait la positivité par réflexion à espacement de réseau fini.

Recevez ce genre d'actus en notification.

AI Tracker vous prévient dès que quelque chose change pour les outils que vous utilisez.

Télécharger l'app