Anthropic 官宣，Claude 拿下了理論物理的一項前沿紀錄。

在幾乎沒有人類幹預的情況下，它連續運行了數天，一舉攻克了高能物理學界出了名難計算的「九圈散射振幅」計算難題。

具體來說，它計算出了平面 N=4 超楊-米爾斯理論中六粒子振幅的九圈結果，而人類此前的紀錄僅停留在八圈。

注意，楊-米爾斯模型（Yang-Mills）中的「楊」，指的是物理學大師楊振寧先生。他與米爾斯在1954年共同創立的「楊-米爾斯理論」，是整個現代粒子物理學的基石。基於它的任何高階計算，都堪稱人類腦力的極限挑戰。

如今，人類頂尖理論物理學家，就這樣被 AI “截胡”了。

更讓人意外的是，Claude完成這項挑戰，竟然只使用了一個提示詞，而且只花費了幾千美元。幾天後交回的答案中，單是其中的一部分就包含了3000億條數據。

負責給 AI 驗證結果的物理學家 Lance Dixon 這樣感慨：

「我身邊的大多數理論物理學家其實早就承認，大模型遲早會顛覆物理學，只是不知道那一天會什麼時候降臨到自己頭上。對我來說，那一天就是9月1日。」

硬核物理學家挑戰 AI：“我的本行非常特別”

故事的起因，源于一位物理學家的「挑戰」。

Matt von Hippel 曾經是一位理論粒子物理學家，現在是一名科普作家。面對最近的 AI 新聞，他表示不信邪，除非親眼看到大模型解決自己領域的難題。

深藍贏了國際象棋大師卡斯帕羅夫，圍棋界說：圍棋太複雜，電腦下不了。結果被 AlphaGo 打臉。AlphaFold 碾壓人類蛋白質結構專家，但其他領域又說：我們沒有那種數據，複製不了。

現在，大語言模型能夠閱讀文獻、能夠模仿數學證明，但爭論依然不斷：AI 是否只是會找反例，提不出新的框架？是否只在數學這種規則清晰的領域有效，在物理這種模糊的領域就不起作用了？

他認為自己從前的專長「散射振幅」與別人不同。

上個月，他在自己的博客上向全網發出挑戰：如果你们公司真的想震撼我們這些科研人員，就來挑戰我的老本行吧。請證明在普通學者能負擔得起的計算預算內，能解決散射振幅領域懸而未決的難題。他一共出了三道題，其中一道就是：把N=4的超級楊-米爾斯模型（N=4 Yang-Mills model）計算到第九圈！

在理論物理學中，物理學家們通過「散射振幅」的公式來預測粒子的行為，比如大型強子對撞機裡的粒子如何碰撞。但這個公式極其複雜。為了無限逼近真實答案，物理學家必須一層一層地疊加被稱為「圈」的精細修正層。每多一個「圈」，答案就更加精確，但計算量會呈指數級爆炸性增長。

實際操作中，大多數人類只能停留在第二圈或第三圈。粒子物理學中最精確的預測，也只用到第五圈。而在特殊的“測試沙盒”模型中，人類目前的極限紀錄是“八圈”。這是由 SLAC 國家加速器實驗室的教授 Lance Dixon 和他的團隊多年努力才取得的。

「九圈」？看起來是需要海量算力與無數天才大腦耗費數年才能觸及的領域。

Matt給AI的挑戰，就是這麼簡單直接。

一句提示詞，幾千美元，Claude「瘋了」

面對這種公開的挑戰，Anthropic的科學家們悄然接下了戰書。

八月底，Anthropic的两名物理學家員工Liam和Siddharth悄悄聯絡了Matt：“嗨，你的挑戰，我們解決了。”

Matt 看到這一幕當場驚掉了下巴。這是怎麼做到的？是不是消耗了上百萬美元的算力？

並沒有。

研究團隊使用的是 Claude Science，一個專為科學家設計的系統，能讓 Claude 遵循嚴謹的規則運行，該模型是目前最強大的公開可用模型 Fable 5.1。

他們為 Claude 输入了一個簡單的 Prompt：

「現在的問題是：計算平面 N=4 SYM 模型在九圈下的六粒子（六邊形）振幅。」

然後，研究員並沒有手把手地教 Claude 如何做，而是給它留了一句話：

「我要去睡覺了，接下來的幾個小時我都不在。你繼續算吧，除非我叫你停下，每4到6小時給我報一次進度。」

然後，Claude就在無人值守的情況下，開始了瘋狂的推演。

它運用了 Dixon 和合作夥這些年開發的一種稱為「自舉」的方法，就如同解一場數獨遊戲一樣，在無數參數中不斷排除錯誤的選項。

幾天後，Claude 不僅算出了九圈，而且是用兩種不同的物理方法（原始自舉法和間接形狀因子法）分別算出的。

具體來說，在原始的自舉法中，Dixon團隊使用的方法稱為bootstrap，類似於數獨，將所有可能的函數全部填入格子中，然後利用物理規則一個一個排除，剩下的就是答案。Claude則直接採用Python和開源庫SymPy，在六粒子振幅的空間中硬性計算出一条解決方案。

在間接形狀因子法中，當年 Dixon 他們衝八圈時，先計算了一個簡單的「形狀因子」，再利用一種奇特의「對跖對偶」對稱性，將結果轉換成振幅。 Claude 沿著這套打法，再往上推進了一圈。

在形状因子的這一路上，Claude 沒有計算一個費曼積分。它將整個物理問題變成一個超大的方程組，全程使用整數來求解，不會有小數誤差，還可以換幾個大素數反複驗算。

第一道坎是內存。用老辦法推算到第九圈時，光是未知數就有185萬個，這個方程組大到內存根本裝不下。

Claude 改變了思考方式，先利用對跖對偶來「猜」出答案的一部分，再加上對稱性，未知數一下子從185萬降到了7.6萬。

接下來就是解「數獨」了。7.6萬個未知數，被物理規則一輪輪排除，最後只剩下唯一的解。

最後翻譯回振幅，單一切面的結果就有300多億項，八圈時才16.7億項。

而且，解決人類物理學界的懸案所花費的成本極低。以一般用戶的價格來計算，每條路徑需要一兩千美元，兩條加起來也就幾千美元而已，其中大部分費用是用於 Claude 的長時間運行。而直接通過自舉的方式來運行那條路徑，專門用於執行 Python 代碼的算力成本，僅僅只有 100 美元——這相當於租用了 96 個 CPU 一週的運行時間。

100美元，一句提示語，Claude就在幾天內輕而易舉地突破了理論物理學的極限。

前世界紀錄保持者：「被 AI 抢先了，但我很興奮」

結果算出來了，但對不對呢？

Anthropic的團隊找到了“八圈”紀錄保持者——Lance Dixon教授本人來驗算。

那天是9月1日，巧的是，也正好是Fable 5.1发布的当天。

Dixon 教授在拿到結果的那一刻，內心極為震撼。因為他太明白這有多難了。

從2023年算起完成八輪之後，他和團隊這兩年來一直一籌莫展地苦戰在第九輪。

整個計算過程就像是在搭一個撲克牌城堡，或者烤一個舒芙蕾，中間只要有一個代碼寫錯、一個符號標反，整個計算就會徹底崩潰。

但 Claude 不僅沒有崩潰，還從頭開始自己把所有繁瑣的代碼全寫了一遍，完美避開了所有的坑。

經過長達兩週的仔細驗證，Dixon教授確認，Claude的九圈結果正確無誤。

那麼 Dixon 教授感到心碎嗎？「不會，」他在博文中豁達地寫道，理由有兩個。

一是他們的團隊原本就在訓練定制的 transformer 模型來預測更高的圈數，口號是機器給出的任何候選答案都有工具進行驗證。 Claude 也是 transformer，只是大概比他們的大一百万倍。

二是 Claude 使用的完全是他和合作者这些年来开发的方法，交答案時還使用了他們團隊早就定好的格式（教授猜，這是 Claude 在給他們賣面子）。

「我正在驗證 Claude 的結果，Claude 也在驗證我們過去所有的工作。」

他還給出了非常高的評價：

「除了我和我的合著者，Claude可能是這個世界上最了解我在2019年和2023年發表的論文的‘人’了。」

而他的同組大佬 Kyle Cranmer 在 X 上還在抱怨：“剛發現我們組被 Anthropic 抢走了，我還在消化這個消息……雖然不算太意外，但我真的希望當初我們能有時間和資源投入進去。”

極限反轉：中國團隊靠 GPT-6 也殺到了九圈

有趣的是，Anthropic 找到出題人 von 和 Hippel 不過幾天之後，他又接到了另一個重大消息——來自中國科學院理論物理研究所的何頌團隊。

何颂是国内散射振幅領域的權威，近年來的代表性工作包括提出量子場論散射振幅的Cachazo-何-袁形式，創造性地發現了場論與弦論散射的幾何起源，並在場論高圈計算與嚴格求解、規範場、引力與弦論的對偶性等方面做出了一系列重要貢獻。

就在9月17日，何颂、景继荣、李想將六粒子振幅從二圈到九圈的核心骨架數據，公開掛上了學術平臺 Zenodo。

何颂團隊同樣使用了 AI。Dixon 揭露，GPT-6 替中國團隊計算了部分約束條件，不過整體架構還是由人類自己搭建的。

von Hippel 也確認了，他們確實使用了 GPT-6 作為輔助，但絕不是 Anthropic 那種純粹的 AI 打法。

Dixon 自嘲說：「大家似乎就喜歡跑來告訴我，他們把九圈給搞定了。這下好了，我先被一臺機器搶發了，轉頭又被‘人類 + 機器’聯手搶發了一次。」

前不久，當 OpenAI 宣布攻克千禧年難題「納維-斯托克斯方程」，以及 Claude 推進黎曼猜想的一個關鍵下界時，就有人這樣問：為何 AI 只專注於攻克數學難題，而不去攻克物理難題呢？

現在，這不就來了麼。

雖然 Claude 计算出來的只不過是 N=4 超級楊-米爾斯的「玩具模型」，要解釋真實宇宙中的暗物質、反物質還有很長的路要走，但它的象徵意義是空前的。

這就像は AlphaGo 第一次戰勝李世石的時候一樣。大家驚呼的，是機器居然能掌握屬於人類直覺的領域。

Dixon 教授留下一句耐人尋味的话：

「大型語言模型能夠執行我們設定的複雜配方並組織計算，這是一個巨大的勝利。但當有一天，大型語言模型開始在人類之前提出新的物理學原理和洞察力時，那才真正觸及人類靈魂的時刻。」

或許，現在已經到處都是垂下的果實了。

參考資料：

• _BJW_BOLOKA_00001__ / _BJW_BOLOKA_00003_ / _BJW_BOLOKA_00004_ /2103541577083719888
• __BJW_BOLOKA_00001__ :// _BJW_BOLOKA_00003__ / _BJW_BOLOKA_00004__
• https :// itp.cas.cn / sourcedb / zw / zjrck / _EP_0_0005 /201509/t20150910_4423219. _BJW_BOLOKA_00007__
• _BJW_BOLOKA_00001__ / _BJW_BOLOKA_00003_ /2602.12176