ToolNavs Outils IA à découvrir
Proposer Connexion
Retour à Informations sur l’IA
GPT-6 Astra mène la preuve d'un problème de physique vieux de 50 ans : le modèle standard obtient une définition sur réseau

GPT-6 Astra mène la preuve d'un problème de physique vieux de 50 ans : le modèle standard obtient une définition sur réseau

Informations sur l’IA • Admin • • 22 vues

Le 15 novembre, OpenAI a publié un article invité sur son tout nouveau blog scientifique : Nathaniel Craig, physicien à l'Université de Californie à Santa Barbara et chercheur invité chez OpenAI, a annoncé qu'avec GPT-6 Astra, il avait produit une définition candidate du modèle standard sur réseau. Selon Craig, Astra n'a pas seulement aidé aux calculs — il a pris la tête de l'élaboration de la preuve détaillée. Pour la première fois, un modèle d'IA a mené le travail de preuve sur un problème fondamental de la physique théorique.

Le modèle standard décrit les particules élémentaires connues et trois des quatre forces fondamentales — la force forte, la force faible et l'électromagnétisme — et ses prédictions concordent avec les expériences sur dix-huit ordres de grandeur. Mais depuis plus de cinquante ans, il lui manque une définition non perturbative, qui ne traite pas les interactions comme de petites corrections. La théorie des perturbations peut prédire le magnétisme de l'électron à quelques parties par billion près, mais elle ne peut pas calculer les problèmes dominés par la force forte, comme la masse du proton. Découper l'espace-temps en réseau et calculer directement est la voie de sortie reconnue, et la théorie des champs sur réseau a déjà déduit la masse du proton à partir des premiers principes.

La difficulté : la force faible ne connaît que la main gauche

La difficulté tient à la force faible. La force forte et l'électromagnétisme traitent de la même façon les fermions gauchers et droitiers ; la force faible n'agit que sur les fermions gauchers. Placez un fermion gaucher sur le réseau de la manière la plus naturelle, et les règles font apparaître une particule « miroir » droitière non désirée, faussant le contenu en particules. Les fermions overlap ont résolu le problème du miroir, mais la règle de phase est restée ouverte : Martin Lüscher a établi la prescription de phase pour une classe plus simple de théories chirales, tandis que la règle de phase du modèle standard complet était ouverte depuis plus de 25 ans.

Le preprint d'octobre de Craig propose une nouvelle approche : transporter les champs de force du réseau cible vers une série de réseaux de plus en plus fins, comparer les états fermioniques autorisés sur des réseaux voisins et additionner les corrections de phase pièce par pièce jusqu'à faire émerger la règle de phase sur le réseau d'origine. Astra a suggéré comment transporter les champs, montré que les comparaisons convergent vers une réponse déterminée et mené la preuve détaillée. Trois théoriciens des champs sur réseau — Maarten Golterman, Andreas Kronfeld et Yigal Shamir — ont examiné la preuve et posé des questions pointues.

Une réponse candidate, pas un verdict

Craig lui-même qualifie le résultat de réponse davantage en principe qu'en pratique : ce n'est qu'une définition candidate, et il reste à vérifier si elle peut servir à des simulations réalistes ou si elle satisfait des propriétés comme la positivité par réflexion ; la définition du modèle standard dans un espace-temps continu reste non résolue. Pour le secteur de l'IA, la vraie nouvelle n'est pas le résultat physique lui-même, mais le rôle d'Astra — de l'écriture de code et de la résolution de problèmes mathématiques à la conduite d'une preuve théorique complète, les modèles généralistes entrent dans des domaines dont l'avancement prend des années aux experts humains. Astra a déjà fait les gros titres, notamment en arrêtant de sa propre initiative une tâche suspecte lors d'une évaluation de sécurité et en améliorant nettement les taux de réponses sûres dans des scénarios de cyberattaque. L'article de blog est en soi un signal : OpenAI a ouvert un blog scientifique dédié, et les découvertes scientifiques deviennent une vitrine pour les capacités des modèles.

Outils Recommandés

Plus