‹ 返回

當 AI 突破物理學計算極限：Claude 成功計算「九圈散射振幅」背後的科學革命、低垂果實與思維省思

 

圖靈學院編輯部
2026-9-30

一、 導言：一場物理學家的「豪賭」與一個月後的驚人解答

 

    2026 年，人工智慧（AI）能否在硬核基礎科學（如理論物理學）中做出真正具備前沿突破性的貢獻，依然是科技界與學術界爭論不休的核心議題。支持者認為通用人工智慧（AGI）即將到來，反對者則主張大型語言模型（LLM）終究只是「統計鸚鵡」，無法突破複雜計算與邏輯推演的極限。前理論物理學家、知名科學科普作家麥特·馮·希佩爾（Matt von Hippel）為了給這場爭論一個客觀的評判標準，在他的科學部落格 4gravitons.com 上向全球 AI 社群拋出了一項具體的挑戰：利用普通學術研究者即可負擔的算力資源，解決粒子物理學前沿領域「散射振幅學」（Amplitudeology）中懸而未決的巨型計算難題。他提出的具體目標之一，就是計算出「平面 N=4 超對稱楊-米爾斯理論（N=4 Super Yang-Mills）中的九圈（Nine-Loop）散射振幅」。令希佩爾與整個理論物理學界震驚的是，這項被認為「如果能輕易做到早就有人做了」的挑戰，在短短一個月後就被 Anthropic 的 AI 模型 Claude 正式攻克。這不僅是 AI 在前沿物理計算上的一大里程碑，更引發了一場關於「科學界如何看待 AI 自主研究能力」的深遠討論。

 

二、 背景解析：何謂「九圈散射振幅」？為什麼這是一項不可能的任務？

 

    要理解這項成就的震撼程度，首先必須明白什麼是「散射振幅」（Scattering Amplitudes）。

 

1. 粒子物理學的預測核心：散射振幅

 

    在大型強子對撞機（LHC）等巨型實驗裝置中，物理學家讓亞原子粒子以接近光速碰撞，並觀察碰撞後產生的新粒子。為了驗證物理理論是否正確（例如尋找暗物質或解釋宇宙物質與反物質的不對稱），物理學家必須精確計算出粒子在特定能量與動量下發生特定反應的機率。這個計算公式就是「散射振幅」。

 

2. 「圈數」（Loops）代表的計算複雜度

 

    由於量子力學的複雜性，精確計算散射振幅極其困難，物理學家通常採用近似法，依據粒子相互作用的複雜程度進行分層計算，每一層級稱為一個「圈」（Loop）。

• 1–2 圈： 現今大多數粒子物理標準模型的計算極限。
• 3–5 圈： 粒子物理學歷史上最精確的少數預測極限。
• 7–8 圈： 頂級物理學家耗費數年、結合極特殊物理對稱性與技巧才得以推導出的前沿邊界。
• 9 圈： 計算量呈指數級爆炸，被認為超出了傳統學術團隊的算力與精力極限。

 

3. N=4 超對稱楊-米爾斯理論：物理學家的「玩具模型」

 

    現實世界中的強核力、弱核力與電磁力均屬於楊-米爾斯理論（Yang-Mills Theory）。為了測試新的計算技巧，物理學家常使用引入了超對稱（Supersymmetry）的「N=4 超對稱楊-米爾斯理論」作為「玩具模型」（Toy Model）。這個模型雖然不直接等於現實世界，但因為數學結構高度對稱且精美，成為極佳的演算試金石。在此之前，史丹佛大學 SLAC 國家加速器實驗室的蘭斯·迪克森（Lance Dixon）教授團隊，曾耗費數年時間，利用「自舉法」（Bootstrap）與複雜的數學變換推導出了八圈振幅。而九圈計算，長久以來被視為一片無法跨越的深水區。

 

三、 解密 AI 操作模式：Claude 如何自主完成「單次搞定」（One-Shot）極限計算？

 

    這項突破最令人震撼的，並非 Anthropic 砸下了數百萬美元的超算資源，而是其極度簡化且高自動化的執行過程。

 

 

1. 極簡的提示詞與自主 Harness 架構

 

    Anthropic 的物理學家利亞姆·費茨帕特里克（Liam Fitzpatrick）與西達斯·米什拉-沙爾瑪（Siddharth Mishra-Sharma）在看到部落格挑戰後，使用了基於 Fable 5.1 模型的 Claude Science 平台（一種針對科學研究構建的專用 Harness 框架）。他們給予 Claude 的指令極其直接：

 

「問題是計算平面 N=4 SYM 在九圈下的六粒子（六邊形）振幅。」

 

隨後，研究人員只需下達維持執行的指令：「我要去睡覺了，幾個小時內不會在線。請繼續工作，每 4 到 6 小時給我一次進度更新。」

 

2. 計算路徑與程式優化

 

    Claude 在沒有人類物理學家微觀干預的情況下，同時使用了兩種不同的高難度數學方法完成了計算：

 

1. 原始自舉法（Bootstrap Approach）： 類似於填數獨，給定潛在答案必須滿足的所有物理約束與符號結構，逐步排除不合規的組合。

2. 形式因子法（Form-Factor Approach）： 一種更為間接但計算上相對精簡的相關物理量轉換法。Claude 自動編寫了 Python 程式碼，並利用開放原始碼符號計算庫 `SymPy` 進行運算。

 

3. 計算經濟學（Compute Economics）

這項實驗打破了「巨型物理計算必須依賴超級電腦與天價預算」的迷思：

• 純算力成本： 約 100 美元（在 96 個 CPU 上連續運行一週）。
• API 與平台總費用： 約 1,000 至 2,000 美元。

 

這證明了只要演算法與工程架構足夠優良，普通學術研究者完全負擔得起此類前沿突破。

 

四、 專家驗證與雙重震撼：被機器「搶先一步」（Scooped）的物理學家

 

    為了確保計算結果不是 AI 的「幻覺」，Anthropic 將結果交給了該領域的權威——SLAC 的蘭斯·迪克森教授進行獨立驗證。

 

1. 「像做蛋 souffle 般脆弱」的物理計算

 

    迪克森教授指出，這類高階散射振幅計算極其脆弱：「只要在複雜的計算配方中做錯任何一步，整個結果就會像失敗的舒芙蕾（Soufflé）一樣塌陷掉。」Claude 遞交的程式碼不僅完全正確，還展現出對迪克森團隊在 2019 年與 2023 年發表論文的深刻理解。「Claude 對我們論文的理解程度，超越了除了論文共同作者之外的任何人類。」迪克森感慨道。

 

2. 人類團隊與 GPT-6 的平行突破

 

    有趣的是，在 Anthropic 完成驗證後幾天，中國科學院（CAS）何頌教授的研究團隊也宣佈完成了九圈振幅核心部分（Symbol）的計算。何頌團隊採用的是「人類物理學家主導 + GPT-6 輔助」的協同模式。迪克森教授幽默地表示：「在兩週之內，我同時被一台純機器，以及『人類 + 機器』的組合搶先（Scooped）了。」但他補充道，這並不會令人沮喪，因為 Claude 成功驗證了他們多年來建立的理論架構，是物理學方法論的巨大勝利。

 

五、 深度評論：此突破背後的四大關鍵啟示

 

    這起事件不僅是一次成功的公關或技術展示，更為當前 AI 與基礎科學的結合提供了極具價值的反思。

 

 

1. 啟示一：專家錯估了極限，學術界存在大量的「低垂果實」

 

    希佩爾在文章中坦承，自己原本以為這是一個「計算極限」問題，但事實證明，傳統物理學家往往受限於舊有的計算工具（如 Maple 或 Mathematica），且缺乏現代化的軟體工程實踐。
資訊科學界多年來一直提醒物理學家：「只要雇用幾位優秀的程式設計師，就能取得巨大進展。」Claude 的成功印證了這一點——許多看似高不可攀的學術壁壘，實質上只是軟體優化與程式撰寫效率的問題。

 

2. 啟示二：從「學生級輔助」到「專家級自主」的質變

 

    在 2026 年初之前，AI 在科學領域的應用多半扮演「實習生」角色，需要人類高密度的手把手指導，且極易出錯。但本次 Claude Science 展現了強大的自我修正（Self-Correction）與長流程規劃能力。在長達一週的運算中，它自主完成除錯與優化，這種「單次搞定」（One-shot）的可靠性是顯著的技術進步。

 

3. 啟示三：計算極限（Computational Power）不等於思想突破（Conceptual Innovation）

 

    儘管成果斐然，但我們必須客觀看待 AI 現階段的能力邊界：

• Claude 做到的事： 完美執行人類物理學家已經發明出的自舉法演算法，並在工程與算力編排上做到極致。
• Claude 未做的事： 它並沒有發明出一種全新的物理原理，也沒有創造全新的數學工具來繞過自舉法。

 

這回應了關於 AGI 與超智慧（Superintelligence）的爭論：現有的 LLM 擅長在既有規則下尋找最優計算路徑，但尚未展現出從無到有提出全新物理學範式的「原創思維」。

 

4. 啟示四：物理學家角色與科學研究範式的轉變

 

    當機器能夠在幾天內完成人類需要數年才能編寫並運行的繁複計算時，理論物理學家的核心價值將發生轉移：

• 傳統模式：構思理論 → 手動推導與編寫運算程式（耗時數年） → 分析結果。
• 未來模式：構思理論 → 下達 AI 任務並驗證（耗時數天） → 深入解析結果背後的物理意義（核心價值）。

 

如迪克森教授所言，真正的「靈魂考驗」（Soul-searching moment）尚未到來——那將發生在 AI 開始獨立提出人類未曾設想過的新物理原理與洞察之時。

 

六、 結語：站在人機協同的科學新前沿

 

    Anthropic 與 Claude 在九圈散射振幅上的成功，為科學界樹立了一個嶄新的標桿。它證明了 AI 不僅能寫代碼、畫圖或回答日常問題，更能成為推進人類科學認知邊界的重要引擎。對於理論物理學而言，這不是人類的退場，而是一場解放。當繁重的代碼調優與數值運算交由像 Claude 這樣的 AI 助手處理後，人類物理學家將有更多精力專注於最核心的問題：如何提出更好的問題？如何解讀運算結果？以及如何尋找統一自然界四種基本作用力的最終理論。AI 已經證明了它可以算完九圈，而接下來的第十圈、甚至未知的物理新大陸，將是由人類智慧與 AI 算力共同開拓的新時代。

 

 

參考資料

1. Anthropic Research： Yes, Claude can do Nine Loops.
2. Blog: 4gravitons (Exploring physics and the people who do it)