OpenAI 于 2026 年 2 月 13 日宣布，其最新的 AI 模型 GPT-5.2 在理论物理研究中发挥了关键作用：在对散射振幅（scattering amplitude）的研究中，GPT-5.2 协助完成了数学公式的一般化推导，提出了新的公式候选并参与验证。研究对象是强相互作用的媒介粒子——胶子（gluon）——在特定条件下的散射行为。

根据预印本论文《Single-minus gluon tree amplitudes are nonzero》，研究团队指出：在胶子之间的动量满足某种特殊关系时，传统上被认为必然为零的 single-minus 树级振幅（tree-level amplitude），有可能变为非零。

什么是 single-minus 树级振幅？

在涉及多个胶子的散射过程中，每个胶子都具有一定的 螺旋度（helicity），即自旋相对于运动方向的取向。不同螺旋度组合会导致散射振幅呈现出截然不同的性质。

当参与散射的多颗胶子中，只有一颗胶子具有负螺旋度、其余均为正螺旋度时，这种配置被称为 single-minus。在通常的一般动量配置下，理论上这一类的 树级振幅 被认为应当为零，这是散射振幅研究中的一个经典结论。

然而，该研究表明：当胶子的动量满足作者称之为 “half-collinear” 的特定关系时，这一“必为零”的结论可能不再成立，single-minus 树级振幅在这种特殊动量极限下有机会变为 非零。这为人们理解规范场论与散射振幅结构提供了新的线索。

AI 如何参与公式候选的提出与验证

在具体研究过程中，研究团队首先对 少数粒子参与 的情形进行了显式计算，得到若干低粒子数下的散射振幅结果。随后，他们将这些结果交由 GPT-5.2 进行模式归纳与结构分析。

在此基础上，GPT-5.2 提出了适用于 一般粒子数 的解析公式候选。研究团队再利用既有的理论工具对这些候选公式进行严格检验，包括：

• Berends–Giele 递推关系：用于构造多粒子树级振幅的递推公式；
• 软定理（soft theorems）：约束粒子能量趋近于零时振幅行为的理论条件。

论文报告称，GPT-5.2 给出的公式候选与这些既有理论框架是 相容的，从而为其正确性提供了有力支持。这一过程展示了大型语言模型在高能物理与数学物理中，作为“公式生成与检验助手”的潜在价值。

未来展望

目前，这项研究以预印本形式公开，后续仍有赖于理论物理学界的进一步审查与独立验证。研究团队也表示，未来计划将这一结果 推广到其他类型的散射振幅，以检验类似的非零结构是否在更广泛的情形中同样存在。

从更宏观的角度看，这一案例表明：

• AI 不仅能在数据分析或数值模拟中发挥作用；
• 还可以在 抽象理论推导与公式探索 这样的高度符号化任务中，协助研究者提出新猜想、构造一般化形式，并与既有理论进行自动化对照与验证。

在理论物理等高度抽象的领域，GPT-5.2 的参与为“AI 参与基础科学发现”的前景提供了一个具有代表性的实例。