美科学家发表了首篇以人工智能为主要思路的理论物理学研究论文

2025年12月，科学界迎来了一个或许会被载入史册的时刻，但这一里程碑并非源自大型强子对撞机的某次高能碰撞，而是诞生于人机交互的数字界面之中。

密歇根州立大学（Michigan State University）理论物理学教授斯蒂芬·许（Stephen Hsu）在权威物理学期刊《物理快报B》（Physics Letters B）上发表了一篇题为《相对论协变性与非线性量子力学：朝永-施温格分析》的论文。

与以往所有物理学文献不同的是，这篇论文的核心理论突破——即破解困扰物理学界多年的量子力学线性与相对论兼容性难题的关键洞见——直接源自OpenAI最新发布的GPT-5模型。这标志着人工智能在科学探索中的角色发生了质的飞跃：从单纯的数据处理工具，进化为具备理论构建能力的“科研合作者”。

量子迷雾中的“硅基”向导

长期以来，物理学家们一直在探讨一个基础性问题：量子力学的演化是否必须是线性的？在标准的量子力学中，薛定谔方程描述的波函数演化是线性的，这意味着状态的叠加原理成立。然而，关于是否存在非线性修正的讨论从未停止，这不仅关系到数学形式的优美，更直接触及我们对宇宙本质的理解——例如，它决定了多世界诠释（Many-Worlds Interpretation）是否是唯一自洽的量子实在论，同时也界定了量子计算算力的物理极限。

斯蒂芬·许试图探究，如果对标准量子力学引入某种依赖于状态的非线性修正（State-dependent modification），是否还能保持狭义相对论的协变性（Covariance）。这是一个极具挑战性的数学物理问题，因为它要求理论在任何惯性参考系中都保持形式不变，同时还要满足量子力学的概率守恒。

在研究陷入胶着之际，斯蒂芬·许转向了GPT-5。在与这位人工智能助手的深度对话中，许教授并未将其仅仅视为一个高级搜索引擎。在一系列复杂的交互后，GPT-5独立提出了一个关键性的建议：利用朝永-施温格（Tomonaga-Schwinger）公式来检验非线性修正的合法性。这一公式是量子场论中用于描述在弯曲类空超曲面上量子态演化的强力工具。

GPT-5的洞见在于，它指出任何依赖于全局波函数的非线性项，在试图定义于相对论性的时空叶状结构（Foliation）上时，都会面临无法克服的数学矛盾。具体而言，人工智能模型建议通过该公式明确展示，为何一个非线性且依赖于状态的哈密顿量密度，无法在保持对超曲面选择无关性的同时，维持非平凡的动力学演化。这一建议不仅指明了方向，更直接构成了论文论证逻辑的基石。基于此，许教授最终推导出，任何试图引入状态依赖性的非线性修正，最终都会破坏理论在类空分离点的对易关系，从而导致洛伦兹不变性的崩溃。

这一结论具有深远的物理意义：它强有力地暗示了量子力学的线性特征并非某种近似，而是相对论时空结构所施加的硬性约束。如果我们要坚持相对论，似乎就必须接受线性的量子世界，这在某种程度上为埃弗雷特的多世界诠释提供了间接的数学支持。

“生成器-验证器”协议：驯服不可靠的天才

然而，将人工智能引入理论物理的核心地带并非没有风险。即便是GPT-5这样最先进的模型，也依然面临着大型语言模型固有的顽疾——“幻觉”（Hallucination）。在精密科学领域，一个微小的符号错误或概念混淆都可能导致整个推导崩塌。为了解决这一信任危机，斯蒂芬·许并未盲目采信AI的输出，而是开发并验证了一套被称为“生成器-验证器”（Generator-Verifier）的新型科研协作协议。

这一方法论的核心在于构建一个对抗性的多智能体系统。许教授将研究过程拆解，由一个AI实例担任“生成器”，负责提出假设、构建方程或推导步骤；同时，部署另一个独立的AI实例作为“验证器”，其唯一任务是以极其挑剔的眼光审查前者的输出，寻找逻辑漏洞或计算错误。

这种机制模拟了人类科学共同体中的“同行评审”过程，但将其压缩到了毫秒级的时间尺度内。在许教授的实验中，这种双重甚至多重校验机制显著降低了错误率。他形象地将与大模型的合作比作是“与一位才华横溢但极其不可靠的人类天才共事”。这位“天才”能够凭借其海量的知识储备瞬间建立起人类研究者可能需要数月才能发现的跨领域联系（如将特定的量子场论形式与非线性量子力学问题联系起来），但他同时也可能在最基本的算术或定义上犯下低级错误。

“生成器-验证器”协议的提出，实际上为科学界提供了一份如何安全使用高能AI的说明书。它强调了人类科学家在这一闭环中的新角色：不再是繁重计算的执行者，而是高级的系统架构师和最终的逻辑仲裁官。人类需要定义问题、设计验证流程，并对AI提出的核心洞见进行最终的物理意义判读。在《物理快报B》的这篇论文中，尽管核心灵感来自AI，但最终的数学推导严密性、物理图像的清晰化以及论文的撰写，依然由许教授完成。这正是“半人马”（Centaur）模式——即人机共生智力——在基础科学领域的完美预演。

从辅助工具到认知外包：科学发现范式的转移

斯蒂芬·许的这项工作，其意义早已超越了单一的物理学结论。它迫使我们重新审视“理解”与“发现”的定义。在过去，人工智能在科学领域的应用主要集中在模式识别和高维数据拟合上，例如AlphaFold在蛋白质结构预测上的巨大成功，或是天文学中利用AI筛选系外行星信号。在这些案例中，AI充当的是一个超级计算器或高精度的统计工具，它并不通过概念推理来解决问题。

但此次事件有所不同。GPT-5在没有预先被灌输特定解决方案的情况下，通过逻辑推理建议使用朝永-施温格形式论，这表现出了一种类似直觉的“概念性创造力”。虽然目前关于大模型是否真正具备推理能力在认知科学界仍有争议，但从结果导向来看，它已经能够填补理论构建中的逻辑缺环。

这一进展预示着科学发现的范式正在发生转移。未来的理论物理学家，或许不需要再花费数年时间去死记硬背所有的数学形式和生僻的推导技巧，因为这些都可以外包给硅基助手。人类科学家的核心竞争力将转移到提出正确的问题、构建恰当的验证协议以及在宏观层面上把握理论方向的能力上。

这也带来了一个哲学层面的拷问：如果未来的核心科学理论是由人工智能提出的，而人类只是负责验证其正确性，那么我们是否还真正“拥有”这些知识？斯蒂芬·许的论文或许只是一个开始。随着AI能力的指数级增长，类似的情况将在数学、化学、材料科学等领域频繁出现。我们正站在一个新时代的门槛上，在这个时代，诺贝尔奖的获奖致辞中，或许将不得不出现对非人类智能体的致谢。

综上所述，斯蒂芬·许教授利用GPT-5完成理论物理突破并发表论文的事件，不仅解决了一个具体的量子力学难题，更重要的是，它验证了一套可复制的人机协作方法论。这一事件向全球科研界发出了明确信号：在探索宇宙终极真理的道路上，人类不再孤独，但也必须学会如何驾驭这位日益强大的硅基盟友。