🔺 هوش مصنوعی در فیزیک نظری: محاسبه یک دامنه کوانتومی تا مرتبه نهم

🔹 در فیزیک ذرات، دانشمندان برای پیش‌بینی نتیجه برخورد ذرات از محاسبات پیچیده‌ای در چارچوب «نظریه میدان‌های کوانتومی» استفاده می‌کنند. یکی از این محاسبات، تعیین کمیتی به نام «دامنه پراکندگی» است که برای پیش‌بینی احتمال برهم‌کنش ذرات به کار می‌رود. مشکل اینجاست که با در نظر گرفتن اثرهای کوانتومی پیچیده‌تر، حجم محاسبات به‌شدت افزایش پیدا می‌کند. اکنون پژوهشگران شرکت آنتروپیک گزارش کرده‌اند که مدل هوش مصنوعی Claude توانسته یک محاسبه مهم را تا مرتبه نهم حلقه پیش ببرد؛ سطحی فراتر از نتیجه هشت‌حلقه‌ای منتشرشده در سال ۲۰۲۳.

❕ نمودارهای فاینمن و «مرتبه حلقه» یعنی چه؟
برای درک بهتر موضوع، تصور کنید می‌خواهیم نتیجه برخورد دو ذره را پیش‌بینی کنیم. ساده‌ترین محاسبه، فقط مسیر اصلی برهم‌کنش را در نظر می‌گیرد؛ اما در دنیای کوانتومی، اثرهای پیچیده‌تری نیز وجود دارند که باید به محاسبه اضافه شوند. فیزیکدانان این فرایندها را با ابزارهایی به نام «نمودارهای فاینمن» نمایش می‌دهند. در این نمودارها، خطوط و حلقه‌ها اجزای یک نمایش ریاضی هستند؛ نه لزوماً مسیرهایی واقعی که ذرات در فضا طی می‌کنند.

🔹 هرچه تعداد حلقه‌ها بیشتر شود، سهم‌های پیچیده‌تری از برهم‌کنش‌های کوانتومی وارد محاسبه می‌شوند. به این ترتیب، در شرایط مناسب می‌توان پیش‌بینی دقیق‌تری به دست آورد؛ اما هزینه محاسباتی نیز به‌شدت افزایش می‌یابد. به همین دلیل، محاسبه یک دامنه در مرتبه نهم فقط به قدرت پردازش نیاز ندارد؛ بلکه به پیاده‌سازی دقیق روش‌های ریاضی، مدیریت حجم بزرگی از داده‌ها و بررسی خطاهای احتمالی وابسته است.

❕ هوش مصنوعی دقیقاً چه چیزی را محاسبه کرد؟
پژوهشگران آنتروپیک با استفاده از مدل Fable 5.1 در محیط Claude Science، محاسبه دامنه پراکندگی شش ذره را در نظریه‌ای به نام «ابر یانگ–میلز با چهار ابرتقارن» (N=4 Super Yang–Mills) تا مرتبه نهم انجام دادند. این مدل تنها یک پاسخ آماده تولید نکرد؛ بلکه در اجرای محاسبات، نوشتن کد و پیش‌بردن مراحل متعدد یک مسئله پیچیده مشارکت داشت. تیم پژوهشی از دو مسیر محاسباتی متفاوت، یکی روش «بوت‌استرپ» و دیگری روشی مبتنی بر کمیتی مرتبط به نام «فاکتور فرم»، به نتیجه رسید. فیزیکدان برجسته، لنس دیکسون، نیز نتیجه را بررسی کرد.

❕ چرا از یک مدل فرضی استفاده کردند؟
این محاسبه مستقیماً مربوط به برخورد ذرات واقعی در شتاب‌دهنده‌هایی مانند LHC نیست. نظریه N=4 Super Yang–Mills یک چارچوب نظری آرمانی با تقارن‌های ویژه است که در توصیف مستقیم جهان واقعی به کار نمی‌رود؛ اما ساختار ریاضی آن برای توسعه و آزمودن روش‌های محاسباتی بسیار مناسب است. دانشمندان ابتدا این روش‌ها را در چنین محیط‌هایی بررسی می‌کنند تا بدانند تا چه اندازه می‌توانند مسائل پیچیده‌تر فیزیک ذرات را حل کنند.

🔹 آیا هوش مصنوعی از فیزیکدانان پیشی گرفته است؟
این دستاورد را نباید به معنای کشف یک قانون جدید طبیعت یا حل مسئله‌ای دانست که اساساً برای انسان ناممکن بوده است. نکته مهم‌تر این است که Claude توانست روش‌های ریاضی شناخته‌شده را در مقیاسی پیش ببرد که فیزیکدانان هنوز محاسبه‌اش را کامل نکرده بودند. حتی گروه پژوهشی دیگری نیز تقریباً هم‌زمان، بخش عمده‌ای از همین نتیجه را با کمک هوش مصنوعی به دست آورده بود.

❕ اهمیت این پیشرفت در آن است که هوش مصنوعی می‌تواند از یک ابزار کمکی برای نوشتن کد و تحلیل داده‌ها، به سامانه‌ای برای اجرای زنجیره‌ای طولانی از مراحل پژوهش علمی تبدیل شود. اگر این توانایی در مسائل دشوارتر نیز قابل اعتماد باقی بماند، می‌تواند سرعت پژوهش در فیزیک نظری را افزایش دهد؛ هرچند کشف ایده‌های بنیادی جدید و تأیید اعتبار نتایج همچنان به بررسی علمی دقیق نیاز دارد.

[منبع]
🆔 @Science_Focus
#فیزیک_نظری #هوش_مصنوعی #فیزیک_کوانتوم #فناوری #محاسبات_کوانتومی