Claude 计算出 N=4 超杨-米尔斯理论中的九圈振幅

📌 One-Sentence Summary

Anthropic 的 Claude 使用标准方法和适度的计算资源，成功计算出 N=4 超杨-米尔斯理论中的九圈散射振幅，证明了 AI 能够自主解决此前被认为在计算上难以实现的前沿物理问题。

📝 Summary

物理学家 Matt von Hippel 在这篇客座文章中详细描述了一项实验，其中 Anthropic 的 Claude 模型应对了理论粒子物理学中的一项具体挑战：计算平面 N=4 超杨-米尔斯理论中的九圈 MHV 六粒子振幅。Von Hippel 发起这一挑战是为了测试 AI 是否能克服他之前研究领域中的计算障碍。研究人员 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 使用 Claude Science（一个用于科学任务的框架）和 Fable 5.1，引导 Claude 在数天内自主地持续工作。该模型成功运用了现有的 bootstrap 和形式因子技术，计算成本仅约为 100 到 2000 美元（使用 96 个 CPU 运行一周）。验证结果的顶尖专家 Lance Dixon 指出，虽然方法本身并非创新，但能够无人工错误地执行如此脆弱且复杂的计算令人印象深刻。研究表明，在专家低估暴力计算或标准方法自动化可行性的领域，仍然存在许多「低垂的果实」，尽管此次尝试并未揭示根本性的新数学洞察。

💡 Main Points

AI 可以利用已知方法自主执行复杂且脆弱的科学计算。

Claude 成功计算出了九圈振幅，这项任务要求精确遵守复杂的规则（bootstrap/形式因子方法）。与以往 AI 在数学领域通过寻找新想法取得的成功不同，这次证明了 AI 在执行既定但计算密集型程序时，无需人工监督即可保持可靠性。

解决某些前沿问题的障碍往往是感知上的难度，而非实际上的不可能。

Von Hippel 原本预计该问题因计算限制而无法解决。然而，解决方案仅需要适度的资源（100 到 2000 美元）和标准技术。这表明，许多专业领域中的「难题」可能仅仅是因为缺乏 LLM 现在所提供的这种持久且无误的执行能力。

在科学发现中，对 AI 结果的验证仍然是关键的人类角色。

虽然 Claude 生成了结果，但像 Lance Dixon 这样的人类专家对于根据已知对称性和相关形式因子来验证输出至关重要。AI 扮演了强大的计算器/执行者的角色，但对正确性的解读和确认仍依赖于深厚的领域专业知识。

💬 Key Quotes

我想看看那些研究人员是否错了：如果一个更聪明的人工智能研究员使用同样的计算机，是否依然能解决这个问题。

我最大的收获是，那里存在的「低垂的果实」比你预想的要多。即使目标简单且定义明确，有时在专家看来，它也比实际情况显得更难实现。

如果我花一周时间在 96 个 CPU 上进行这种计算，我几乎肯定得花两周时间：因为我第一次尝试时几乎肯定会搞砸某些地方。

事实上，我敢断言，除了我的共同作者之外，Claude 比任何人都更理解我们 2019 年和 2023 年的论文。

📊 Article Meta

AI Screening： 86

Source： Anthropic Research

Author： Anthropic Research

Category： 人工智能

Language： 英文

Read Time： 15 min

Word Count： 3546

Tags：

AI 与智能应用 , 科学前沿 , AI Agent , 大语言模型 (LLM) , 测试与质量