a + b = 1. ИИ помог доказать то, что не удавалось физикам больше десяти лет

Больше десяти лет физики не могли доказать на первый взгляд простое математическое соотношение, возникающее при описании одного из самых необычных состояний вещества. Решить задачу неожиданно помог искусственный интеллект. Исследователи использовали языковую модель Claude не как поисковую систему или генератор текста, а как полноценного помощника при построении математического доказательства.

Речь идёт о явлении джамминга (jamming) — переходе системы из текучего состояния в жёсткое без образования упорядоченной кристаллической структуры. Представить процесс можно на примере автомобильной пробки. Пока машины движутся свободно, поток остаётся подвижным. Но при высокой плотности движение внезапно прекращается, хотя автомобили не становятся частью какой-либо организованной конструкции. Похожим образом ведут себя гранулированные материалы, пены, порошки и многие другие сложные системы.

Со временем оказалось, что джамминг интересен далеко не только физикам. Математические модели, описывающие этот переход, применяют при изучении нейронных сетей, коллективного поведения сложных систем и некоторых задач искусственного интеллекта.

Ещё в 2014 году исследователи разработали теорию джамминга и обнаружили неожиданную закономерность. В уравнениях модели присутствовали два математических параметра, обозначенные буквами a и b. Компьютерные расчёты с чрезвычайно высокой точностью снова и снова показывали одно и то же соотношение: сумма параметров всегда равна единице.

Само наблюдение не вызывало сомнений, но объяснить его никто не мог. Более того, найденная зависимость неожиданно совпадала с выводами другой теории джамминга, созданной практически одновременно независимо от первой. Получалось, что два разных математических подхода приводят к одинаковым физическим законам, хотя причины такого совпадения оставались неизвестными.

Многие годы исследователи пытались найти строгое доказательство. Простая формула казалась признаком более глубокой математической структуры или скрытой симметрии теории. После нескольких безуспешных попыток задача постепенно отошла на второй план. Однако один из авторов работы продолжал возвращаться к ней и решил использовать проблему как эксперимент для проверки возможностей современных языковых моделей.

Сначала искусственному интеллекту поручили воспроизвести численные расчёты, выполненные исследовательской группой более десяти лет назад. Такой тест позволял понять, насколько хорошо модель справляется с реальной научной задачей, а не с учебными примерами.

Когда Claude успешно повторил вычисления, исследователи предложили следующий шаг. Вместо вопроса «получается ли сумма равной единице?» модель получила другую задачу: объяснить, почему это происходит и построить математическое доказательство.

Первые результаты появились довольно быстро. Искусственный интеллект предложил идею доказательства, которая оказалась в целом правильной. Однако готовым решением её назвать было нельзя. В рассуждениях оставались ошибки, неточности и пропущенные шаги. Авторам пришлось многократно проверять вычисления, исправлять выводы и перестраивать отдельные части доказательства. Тем не менее первоначальная интуиция модели оказалась верной.

Неожиданность заключалась ещё и в другом. Многие годы физики предполагали, что найденное равенство скрывает неизвестный ранее математический механизм. После завершения работы выяснилось обратное. Никакой новой симметрии искать не пришлось. Доказательство оказалось значительно проще, чем ожидалось. Правильный путь всё время находился буквально перед глазами, но исследователи не замечали его.

Полученный результат подтвердил, что две независимо созданные теории джамминга действительно описывают один и тот же физический процесс и приводят к одинаковым законам. Математическое совпадение, долго считавшееся загадкой, наконец получило строгое объяснение.

Авторы подчёркивают, что искусственный интеллект не заменил исследователей. Claude не выдал готовое решение, которое можно было бы сразу публиковать. Работа стала примером другого подхода: языковая модель предложила перспективное направление поиска, а учёные проверили каждый шаг, исправили ошибки и превратили первоначальную идею в полноценное математическое доказательство.

По мнению исследователей, именно в такой форме искусственный интеллект может стать полезным инструментом для науки. Вместо автоматической генерации ответов он способен предлагать неожиданные гипотезы, которые затем проходят такую же строгую проверку, как и любые другие научные результаты.