Claude hat gerade für theoretische Physiker eine Rechnung gelöst, die noch niemand je geschafft hatte. Am 25. September veröffentlichte Anthropic auf seinem offiziellen Forschungsblog einen Gastbeitrag: Der Physiker und Wissenschaftsautor Matt von Hippel blickt darin auf eine Herausforderung zurück, die er einen Monat zuvor an KI-Unternehmen gerichtet hatte – die Sechs-Teilchen-Neun-Schleifen-Streuamplitude in der planaren N=4-super-Yang-Mills-Theorie zu berechnen, mit einem Rechenbudget, das sich ein Akademiker leisten kann. Zwei Anthropic-Physiker, Liam Fitzpatrick und Siddharth Mishra-Sharma, nahmen die Herausforderung mit Claude an. Und meisterten sie.
Ein Problem, das niemand je gelöst hatte
Zunächst: Wie schwierig ist dieses Problem? Streuamplituden sind die Formeln, mit denen Teilchenphysiker die Ergebnisse von Teilchenkollisionen vorhersagen; je präziser die Rechnung, desto besser lassen sich experimentelle Resultate – etwa vom Large Hadron Collider – überprüfen. Weil die Mathematik brutal komplex ist, begnügen sich Physiker meist mit einer „Zwei-Schleifen"-Näherung, wenige erreichen drei Schleifen, und die präziseste Vorhersage der Teilchenphysikgeschichte nutzte gerade einmal fünf Schleifen. Die N=4-super-Yang-Mills-Theorie ist ein „Spielzeugmodell" – sie beschreibt nicht die reale Welt, ist aber dank hoher Symmetrie relativ gut berechenbar, weshalb Amplitudenforscher damit neue Methoden einüben. Neun Schleifen bedeuten eine Präzision, die niemand je erreicht hat.
Anthropics Vorgehen war überraschend schlicht. Ende August fragten die beiden Physiker Claude zunächst, bei welchem Problem es sich am sichersten fühle, und gaben ihm dann einen einzigen Prompt: „Das Problem ist, die Sechs-Teilchen-(Hexagon-)Amplitude in der planaren N=4-super-Yang-Mills-Theorie bei neun Schleifen zu berechnen." Danach sagten sie ihm nur immer wieder, er solle weitermachen – „Ich gehe schlafen und bin die nächsten Stunden nicht erreichbar. Arbeite weiter, bis ich dir sage, du sollst aufhören. Gib mir alle 4 bis 6 Stunden ein Update." Claude lieferte die Antwort über zwei unabhängige Methoden (den ursprünglichen „Bootstrap" und den indirekten „Formfaktor"-Ansatz), zu Endnutzerkosten von insgesamt rund ein- bis zweitausend US-Dollar; der Bootstrap-Anteil, in Python mit SymPy erledigt, kostete etwa 100 Dollar – das Äquivalent von 96 CPUs für eine Woche.
Die eigentliche Nachricht ist nicht die Antwort
Die Glaubwürdigkeit des Ergebnisses wurde doppelt geprüft: Der Amplitudenexperte Lance Dixon half bei der Verifikation, und – zufälligerweise – hatte Song Hes Gruppe an der Chinesischen Akademie der Wissenschaften mit GPT-6-Unterstützung unabhängig den Großteil des Ergebnisses erzielt. Nach akademischer Konvention werden menschliche Forscher das Paper schreiben und veröffentlichen; Claudes Aufgabe ist erledigt.
Die eigentliche Bedeutung liegt nicht darin, dass es gelöst wurde, sondern wie. Von Hippel sagt es offen: Er hatte gehofft, eine KI zu sehen, die einen Rechenengpass mit Methoden durchbricht, die sich Menschen nicht hätten ausdenken können. Was tatsächlich geschah, war anders: Claude nutzte bekannte Methoden – nur mit mehr Rechenleistung, als Menschen je zu investieren gewagt hatten, besseren Software-Engineering-Gewohnheiten und fast vollständig unbeaufsichtigtem, autonomem Betrieb. Im März konnte KI nur „Schülerniveau"-Physik mit intensiver Betreuung; im September vollendete sie eigenständig Frontier-Rechnungen. Dieses Tempo ist selbst die Antwort: Diese Art von „für Experten unerreichbar" erscheinender, niedrig hängender Früchte könnte weitaus zahlreicher sein als gedacht. Es ist auch nicht Claudes erster Soloauftritt in der Wissenschaft – Anthropic hatte zuvor bekannt gegeben, dass Claude eigenständig ART entdeckt habe, ein neuartiges Enzymsystem mit CRISPR-ähnlichen Repeat-Arrays.
Von Hippel zieht freilich eine Grenze: Der Erfolg an einem Spielzeugmodell bedeutet nicht, dass reale Amplitudenrechnungen ebenso leicht fallen – die N=4-Theorie ist das Testgelände einer kleinen Community. Doch er fordert Forscher, die an echten Amplituden arbeiten, auf, jetzt auszuprobieren, ob KI-Wissenschaftswerkzeuge Frontier-Rechnungen im ersten Anlauf lösen können – denn wenn ja, muss die Definition der „Frontier" des gesamten Fachgebiets neu geschrieben werden.
