新智元報道
(資料圖)
編輯：KingHZ
【新智元導(dǎo)讀】AI提供1%的靈感，人類提供99%汗水！密歇根州立大學物理學家許道輝，在AI啟發(fā)下，重新思考量子力學本質(zhì)，在頂刊《物理快報B》上發(fā)表了相關(guān)結(jié)論。
最近，密歇根州立大學物理學家許道輝（Stephen Hsu），經(jīng)歷了一件連他自己都感到震驚的事。
不是AI替他算積分、解方程，而是AI指出：你這項研究，應(yīng)該換一整套數(shù)學框架來證明：
用Tomonaga–Schwinger形式的量子場論來做。
在著名物理學期刊《物理快報B》（Physics Letters B）上，許教授在線發(fā)表了一篇關(guān)于量子場論（QFT）和態(tài)依賴量子力學（State-Dependent Quantum Mechanics）的論文。
與此同時，他還發(fā)布了一份關(guān)于「AI方法論」的報告。
這兩份文件加在一起，向科學界扔下了一枚重磅炸彈：
這可能是第一篇由AI提供核心理論突破思路的理論物理學論文。
諾獎得主理查德·費曼（左）和19歲的許道輝（右）
他公開承認：論文的核心想法來自 GPT-5。
對物理和AI圈來說，這都預(yù)示著轉(zhuǎn)折點：AI不只幫忙潤色論文，而是「AI給出主意，人類去把它做完」。
下面試著用不那么「物理學」的方式，講清這件事到底發(fā)生了什么，以及它可能預(yù)示著一種新的科研工作流。
AI「神之一手」
重新審問量子力學
密歇根州立物理學家許道輝，11月把預(yù)印本掛在arXiv上，之后被Physics Letters B接收。
預(yù)印本鏈接：https://arxiv.org/pdf/2511.15935
標題：Relativistic Covariance and Nonlinear Quantum Mechanics: Tomonaga-Schwinger Analysis
研究的問題非?！父尽梗毫孔恿W的演化，究竟是不是嚴格線性的？
在標準量子力學里，系統(tǒng)的演化由線性的薛定諤方程控制；如果你把兩個解加起來，和再演化的結(jié)果是一樣的，這就是「線性」。
很多奇怪的量子現(xiàn)象，比如疊加、干涉、以及埃弗雷特多世界詮釋即「平行宇宙」，都依賴這條看似抽象的數(shù)學性質(zhì)。
幾十年來，也有人試圖在這條方程上「加點料」：
比如引入非線性或狀態(tài)依賴的修正，希望解釋測量問題、波函數(shù)塌縮、甚至宏觀世界為什么「看起來是經(jīng)典的」。
但一旦改動線性結(jié)構(gòu)，就容易惹上大麻煩：超光速通信、與相對論不兼容，或者直接讓量子計算能力暴走。例如，只要有很小的非線性，某些模型里量子計算機就能在多項式時間里解決NP完全問題。
許教授想重新從量子場論的角度，系統(tǒng)地審查這些修改。
他向GPT-5問了一個看似「咨詢式」的問題：如果要檢查非線性量子演化和相對論是否兼容，應(yīng)該用什么框架？
而GPT-5并不是在已有草稿上「修修補補」，而是主動提出： 用Tomonaga-Schwinger（TS）形式的量子場論來做這個分析。
TS形式是什么？
大致可以這么理解：
普通薛定諤方程：描述某一時刻的「全宇宙波函數(shù)」≈如何隨時間演化。
TS形式：把「時間」換成「空間中的任意一張類空間超曲面」（foliation，葉狀結(jié)構(gòu)）。 也就是：不要求大家都用同一組同時切片，而允許在相對論里更自然的、任意傾斜的「切片方式」。
要保證物理是相對論協(xié)變的，就得滿足一個條件：無論你用哪一種切片方式去推進波函數(shù)，最后得到的物理結(jié)果都一致。這叫做foliation independence（葉片無關(guān)性）。
新論文的主線，就是沿著GPT-5提出的這個TS思路，去推導(dǎo)： 在存在狀態(tài)依賴的哈密頓量密度時，這個「葉片無關(guān)性」到底要求算符滿足怎樣的「可積性條件」，以及這些條件有多難滿足。
論文到底講了什么？
這篇5頁的小文干了幾件事：
在Tomonaga-Schwinger框架下，引入狀態(tài)依賴的局域哈密頓密度。
推導(dǎo)出，為了讓演化對葉片的選擇無關(guān)，局域算符必須滿足一組新的可積性條件（integrability conditions）。因為哈密頓量依賴于態(tài)本身，這些條件里會出現(xiàn)Fréchet導(dǎo)數(shù)——這是泛函分析里處理「對函數(shù)求導(dǎo)」的工具。
結(jié)果是：只要你在局域哈密頓里加上看起來很自然的非線性、狀態(tài)依賴項，它們幾乎總會破壞這些可積性條件。換句話說：要么放棄相對論協(xié)變性，要么你的非線性改動被逼得極其「精細」和不自然。
這與上世紀80、90年代Weinberg、Gisin 等人研究的結(jié)論形成了某種呼應(yīng)：他們也發(fā)現(xiàn)，廣義的非線性量子動力學很容易導(dǎo)致超光速通信或者在糾纏態(tài)之間傳遞信息。
這次的貢獻在于： 這些直覺被統(tǒng)一放進了TS的場論框架里，算出了明確的算符條件，包括狀態(tài)依賴帶來的高階導(dǎo)數(shù)結(jié)構(gòu)。
讓「哪里出問題」變得可檢驗、可推廣——而不僅僅是「有點可疑」的物理直觀。
對普通讀者來說，可以記住一個簡單版結(jié)論：
想在量子力學里加一點點非線性補丁， 又不破壞相對論（信息不能超光速、不同參考系下結(jié)果一致），難度比想象中高得多。
這也是為什么很多理論物理學家寧愿相信：
量子演化極有可能就是「嚴格線性」的。
這不僅關(guān)乎量子計算的極限能力，也關(guān)系到像「多世界詮釋」這類關(guān)于現(xiàn)實本質(zhì)的討論有沒有空間。
GPT-5生成了「1%的靈感」？
這項工作揭示了一種理論物理學新方法論范式的出現(xiàn)：
在這種范式中，大語言模型（LLM）不再是被動的助手，而是研究過程中的積極參與者。如果使用得當，它們能夠提出新想法、推導(dǎo)方程，并發(fā)現(xiàn)不一致之處，而人類合作者無法比擬其速度和持久力。
作者本人的說法，大致過程是這樣：
他向GPT-5描述了非線性量子力學與相對論兼容性的問題。
GPT-5自主提議：用Tomonaga-Schwinger方程和葉片無關(guān)性來做分析，這是論文整個方法論的「北極星」。
后續(xù)的具體推導(dǎo)、算符結(jié)構(gòu)、邊界條件的討論，則是在 「人類 + LLM」反復(fù)循環(huán)中完成。
他把這種工作流總結(jié)為 「Generate-Verify」（生成-驗證）協(xié)議：
一個模型實例負責「往前進」（生成推導(dǎo)、給新思路），
另一個獨立實例負責「回頭看」（檢查每一步是否自洽、有沒有偷換概念），
最后人類再做一次審查。
在許教授看來，大模型更像是「一位才華橫溢但不可靠的天才」：既能給出深刻的洞見，也會犯極其低級和極其微妙的錯誤。
他就遇到了一個很典型的坑。
GPT-5曾經(jīng)信誓旦旦地建議：通過公理化場論里的Reeh-Schlieder定理或「分離特性」，可以證明「非線性項必然破壞可積性條件」。
這聽起來非常像「我剛讀完四篇老論文得出的妙計」，甚至足以說服一位并不專攻公理化場論的專家。
結(jié)果，他花了大量時間核對后發(fā)現(xiàn)：這是一個很優(yōu)雅但錯誤的離譜幻覺。
在物理等高度形式化學科里，這種「高水平胡扯」尤為危險：
模型的知識面足夠廣，完全有能力拼出一段貌似合理的敘事，但哪怕邏輯里只埋進一個小雷，人類要拆解出來也非常費勁。
這也正是為什么許教授會不厭其煩地強調(diào)：結(jié)構(gòu)化、多模型協(xié)作的工作流，并不是錦上添花，而是安全閥。
但他暢想了AI生產(chǎn)知識的美好未來。
在不久的將來，人機混合協(xié)作很可能成為數(shù)學、物理及其他高度形式化科學中的常態(tài)。
隨著模型在精度、上下文記憶和符號控制方面的不斷改進，它們將越來越像自主的研究智能體（AI Agent）：能夠提出猜想、驗證推導(dǎo)，甚至撰寫經(jīng)得起同行評審的稿件。
只要協(xié)調(diào)得當，這種協(xié)同效應(yīng)有望開啟一個加速發(fā)現(xiàn)的時代，人類的洞察力與機器的推理能力將共同推進我們對自然界基本規(guī)律的理解。
參考資料：
https://stevehsu.substack.com/p/theoretical-physics-with-generative
https://the-decoder.com/physicist-steve-hsu-publishes-research-built-around-a-core-idea-generated-by-gpt-5
秒追ASI
資訊：生意社：12月25日兩廣地區(qū)乙醇市場成交有限
銀百高速公路今日全線通車
年會旺季機器人很忙，上海發(fā)布首個機器人租賃開放平臺，沖刺機器人商用第一城 當前資訊
當前熱點北方銅業(yè)：公司按計劃均衡組織生產(chǎn)和銷售
