AI TrackerBaixar o app
← Todas as notícias
OpenAIModelos

OpenAI afirma que GPT-6 Astra ajudou a comprovar uma definição candidata do Modelo Padrão em rede

Na primeira publicação de um convidado no novo blog de ciência da OpenAI, o físico Nathaniel Craig, cientista visitante na OpenAI que lidera o grupo de teoria de partículas da UC Santa Barbara, descreve um preprint de outubro que propõe uma definição candidata não perturbativa do Modelo Padrão em rede. A parte difícil é a força fraca: quando colocados ingenuamente em uma rede, os férmions de mão esquerda vêm acompanhados de parceiros indesejados de mão direita, e a fase da medida fermiônica precisa ser fixada ao longo de cada ciclo de configurações do campo de força.

Craig diz que tinha a estratégia — representar os mesmos campos de força em uma sequência de grades cada vez mais finas e somar as correções de fase entre grades vizinhas —, mas não conseguia provar que ela funcionava em todos os casos. Segundo ele, GPT-6 Astra sugeriu como transferir os campos para grades mais finas, mostrou que as comparações convergem e assumiu a dianteira no desenvolvimento da prova detalhada. Os teóricos de campos em rede Maarten Golterman, Andreas Kronfeld e Yigal Shamir revisaram a prova e fizeram perguntas.

Estas são as versões de Craig e da OpenAI. Craig diz que o resultado é uma definição “candidata”, válida sob uma condição limite para as intensidades dos campos na escala da grade, e que é necessário um diálogo científico entre especialistas para decidir se ela tem todas as propriedades desejadas. Ele a chama de uma resposta em princípio, não na prática, e diz que agora está examinando se ela satisfaz a positividade de reflexão com espaçamento de rede finito.

Receba notícias como esta por push.

O AI Tracker avisa você quando algo muda nas ferramentas que você usa.

Baixar o app