物理學(xué)變天！「AI主導(dǎo)」論文首次登頂刊，人類科學(xué)家淪為驗(yàn)證者？

新智元報(bào)道

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(xué)物理學(xué)家許道輝，在AI啟發(fā)下，重新思考量子力學(xué)本質(zhì)，在頂刊《物理快報(bào)B》上發(fā)表了相關(guān)結(jié)論。

最近，密歇根州立大學(xué)物理學(xué)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(xiàng)研究，應(yīng)該換一整套數(shù)學(xué)框架來證明：

用Tomonaga–Schwinger形式的量子場(chǎng)論來做。

在著名物理學(xué)期刊《物理快報(bào)B》（Physics Letters B）上，許教授在線發(fā)表了一篇關(guān)于量子場(chǎng)論（QFT）和態(tài)依賴量子力學(xué)（State-Dependent Quantum Mechanics）的論文。

與此同時(shí)，他還發(fā)布了一份關(guān)于「AI方法論」的報(bào)告。

這兩份文件加在一起，向科學(xué)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(xué)論文。

諾獎(jiǎng)得主理查德·費(fèi)曼（左）和19歲的許道輝（右）

他公開承認(rèn)：論文的核心想法來自 GPT-5。

對(duì)物理和AI圈來說，這都預(yù)示著轉(zhuǎn)折點(diǎn)：AI不只幫忙潤(rùn)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(xué)」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(xué)

密歇根州立物理學(xué)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(biāo)題：Relativistic Covariance and Nonlinear Quantum Mechanics: Tomonaga-Schwinger Analysis

研究的問題非?！父尽梗?strong>量子力學(xué)的演化，究竟是不是嚴(yán)格線性的？

在標(biāo)準(zhǔn)量子力學(xué)里，系統(tǒng)的演化由線性的薛定諤方程控制；如果你把兩個(gè)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(xué)性質(zhì)。

幾十年來，也有人試圖在這條方程上「加點(diǎn)料」：

比如引入非線性或狀態(tài)依賴的修正，希望解釋測(cè)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(dòng)線性結(jié)構(gòu)，就容易惹上大麻煩：超光速通信、與相對(duì)論不兼容，或者直接讓量子計(jì)算能力暴走。例如，只要有很小的非線性，某些模型里量子計(jì)算機(jī)就能在多項(xiàng)式時(shí)間里解決NP完全問題。

許教授想重新從量子場(chǎng)論的角度，系統(tǒng)地審查這些修改。

他向GPT-5問了一個(gè)看似「咨詢式」的問題：如果要檢查非線性量子演化和相對(duì)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(bǔ)補(bǔ)」，而是主動(dòng)提出：用Tomonaga-Schwinger（TS）形式的量子場(chǎng)論來做這個(gè)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(shí)刻的「全宇宙波函數(shù)」≈如何隨時(shí)間演化。

• TS形式：把「時(shí)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(shí)切片，而允許在相對(duì)論里更自然的、任意傾斜的「切片方式」。

要保證物理是相對(duì)論協(xié)變的，就得滿足一個(gè)條件：無論你用哪一種切片方式去推進(jìn)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(gè)TS思路，去推導(dǎo)： 在存在狀態(tài)依賴的哈密頓量密度時(shí)，這個(gè)「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：

1. 在Tomonaga-Schwinger框架下，引入狀態(tài)依賴的局域哈密頓密度。

2. 推導(dǎo)出，為了讓演化對(duì)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?yàn)楣茴D量依賴于態(tài)本身，這些條件里會(huì)出現(xiàn)Fréchet導(dǎo)數(shù)——這是泛函分析里處理「對(duì)函數(shù)求導(dǎo)」的工具。

3. 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(xiàng)，它們幾乎總會(huì)破壞這些可積性條件。換句話說：要么放棄相對(duì)論協(xié)變性，要么你的非線性改動(dòng)被逼得極其「精細(xì)」和不自然。

這與上世紀(jì)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(dòng)力學(xué)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(xiàn)在于： 這些直覺被統(tǒng)一放進(jìn)了TS的場(chǎng)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(yàn)、可推廣——而不僅僅是「有點(diǎn)可疑」的物理直觀。

對(duì)普通讀者來說，可以記住一個(gè)簡(jiǎn)單版結(jié)論：

想在量子力學(xué)里加一點(diǎn)點(diǎn)非線性補(bǔ)丁， 又不破壞相對(duì)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(xué)家寧愿相信：

量子演化極有可能就是「嚴(yán)格線性」的。

這不僅關(guān)乎量子計(jì)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(shí)本質(zhì)的討論有沒有空間。

GPT-5生成了「1%的靈感」？

這項(xiàng)工作揭示了一種理論物理學(xué)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(dòng)的助手，而是研究過程中的積極參與者。如果使用得當(dāng)，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(xué)與相對(duì)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(gè)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(yàn)證）協(xié)議：

一個(gè)模型實(shí)例負(fù)責(zé)「往前進(jìn)」（生成推導(dǎo)、給新思路），

另一個(gè)獨(dú)立實(shí)例負(fù)責(zé)「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(huì)犯極其低級(jí)和極其微妙的錯(cuò)誤。

他就遇到了一個(gè)很典型的坑。

GPT-5曾經(jīng)信誓旦旦地建議：通過公理化場(chǎng)論里的Reeh-Schlieder定理或「分離特性」，可以證明「非線性項(xiàng)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(jì)」，甚至足以說服一位并不專攻公理化場(chǎng)論的專家。

結(jié)果，他花了大量時(shí)間核對(duì)后發(fā)現(xiàn)：這是一個(gè)很優(yōu)雅但錯(cuò)誤的離譜幻覺。

在物理等高度形式化學(xué)科里，這種「高水平胡扯」尤為危險(xiǎn)：

模型的知識(shí)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(jìn)一個(gè)小雷，人類要拆解出來也非常費(fèi)勁。

這也正是為什么許教授會(huì)不厭其煩地強(qiáng)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(shí)的美好未來。

在不久的將來，人機(jī)混合協(xié)作很可能成為數(shù)學(xué)、物理及其他高度形式化科學(xué)中的常態(tài)。

隨著模型在精度、上下文記憶和符號(hào)控制方面的不斷改進(jìn)，它們將越來越像自主的研究智能體（AI Agent）：能夠提出猜想、驗(yàn)證推導(dǎo)，甚至撰寫經(jīng)得起同行評(píng)審的稿件。

只要協(xié)調(diào)得當(dāng)，這種協(xié)同效應(yīng)有望開啟一個(gè)加速發(fā)現(xiàn)的時(shí)代，人類的洞察力與機(jī)器的推理能力將共同推進(jìn)我們對(duì)自然界基本規(guī)律的理解。

參考資料：

https://x.com/gdb/status/1996502704110407802

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

?點(diǎn)贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點(diǎn)亮星標(biāo)，鎖定新智元極速推送！