OpenAI twierdzi, że GPT-6 Astra pomógł wykazać, że kandydacka definicja Modelu Standardowego na sieci działa
W pierwszym wpisie gościnnym na nowym blogu naukowym OpenAI fizyk Nathaniel Craig, wizytujący naukowiec w OpenAI i kierownik grupy teorii cząstek na UC Santa Barbara, opisuje preprint z października, w którym zaproponowano kandydacką, nieperturbacyjną definicję Modelu Standardowego na sieci. Najtrudniejsza jest słaba siła: przy naiwnym umieszczeniu na sieci lewoskrętne fermiony mają niepożądane prawoskrętne odpowiedniki, a fazę miary fermionowej trzeba ustalić dla każdej pętli konfiguracji pól siłowych.
Craig mówi, że miał strategię — przedstawiać te same pola siłowe na kolejnych, coraz gęstszych siatkach i sumować poprawki fazy między sąsiednimi siatkami — ale nie potrafił udowodnić, że działa ona we wszystkich przypadkach. Jak twierdzi, GPT-6 Astra zasugerował sposób przenoszenia pól na gęstsze siatki, wykazał zbieżność porównań i przejął inicjatywę w opracowywaniu szczegółowego dowodu. Dowód sprawdzili teoretycy pola na sieci Maarten Golterman, Andreas Kronfeld i Yigal Shamir, którzy zadawali też pytania.
To relacje Craiga i OpenAI. Craig podkreśla, że chodzi o definicję „kandydacką”, obowiązującą przy ograniczeniu wartości pól w skali siatki, a eksperci muszą przedyskutować naukowo, czy ma ona wszystkie pożądane właściwości. Nazywa ją odpowiedzią w zasadzie, a nie w praktyce, i mówi, że bada teraz, czy spełnia warunek dodatniości odbiciowej przy skończonym odstępie siatki.
Źródła
Otrzymuj takie wiadomości jako push.
AI Tracker powiadomi Cię, gdy coś zmieni się w narzędziach, których używasz.