Claude 解决两项黑洞物理难题,验证量子引力相变特性
Anthropic 研究员利用 Claude 智能体团队,在六周内解决了理论物理学中两个长期未决的黑洞问题。一是证实霍金-佩奇相变在量子尺度下依然突发,二是算出模自举法的精确质量上限。这项研究展示了 AI 在处理复杂数学推导和发现数值模式方面的潜力,为量子引力理论探索提供了新工具。
当 AI 开始做物理题
现代物理学有个尴尬的局面:广义相对论管得了恒星星系,量子力学搞得定原子粒子,但这两套理论放在一起就打架。只要涉及既大又小的东西,比如黑洞,数学家们就得头疼。几十年来,寻找能统一两者的“量子引力”理论,一直是物理学的圣杯。

最近,这个领域冒出个新鲜事。不是哪位诺贝尔奖得主有了新突破,而是
Anthropic 的大模型 Claude 独立解决了两道困扰物理学家多年的难题。这不仅仅是跑个数据那么简单,它真的完成了复杂的数学推导,还发现了人类忽略的模式。

这事挺有意思。以前我们总觉得 AI 是个只会查资料、写代码的助手,现在它似乎能像个初级研究员一样,在后台默默啃硬骨头了。

为什么选黑洞当试验场

要理解
Claude 做了什么,得先说说物理学家是怎么研究量子引力的。直接研究我们的宇宙太难了,四维时空加上引力,方程复杂到让人绝望。于是大家用了个叫“全息对偶”的技巧。

简单说,就是把一个高维的、有引力的宇宙,映射到一个低维的、没引力的量子边界上。就像全息图把三维图像存在二维胶片里一样。这样,关于引力的棘手问题,就能转化成量子力学问题来解。虽然模型简化了,但核心的物理机制还在。
黑洞就是这种模型里的明星。在低温下,这些理论宇宙里全是粒子气体;一旦加热到某个临界点,就会突然坍缩成黑洞。1983年,霍金和佩奇指出,这个过程是个“相变”,就像水烧到100度突然沸腾一样干脆。
但问题在于,霍金他们的计算基于广义相对论。如果把这个理论宇宙缩小到量子尺度,时空变得模糊不清,广义相对论就失效了。这时候,黑洞的形成还是那么“突然”吗?还是说会变得平滑过渡?这个问题悬了二十多年。
六周时间的“硅基研究员”
今年八月,Anthropic 的研究员 Hongbin Chen 想试试 Claude 的底细。他没让 Claude 写诗或画图,而是扔给它一个任务:列出理论物理学中关于黑洞和“自举法”的开放性问题。
Claude 花了几小时,列出了22个候选问题。Chen 挑了两个最硬的骨头,给每个问题分配了一个独立的 Claude 智能体。这些智能体在后台跑了大约六周。它们没有特殊的插件,也没有人为干预,只是不停地阅读文献、尝试计算、互相检查进度。
这不像那种“一键生成答案”的演示,更像是一个不知疲倦的研究小组在加班。它们会犯错,会卡壳,然后换个思路重来。最终,它们交出了两份预印本论文。
第一题:相变依然是突发的
第一个问题就是前面提到的霍金-佩奇相变。在量子尺度下,时空结构不再确定,传统的计算方法彻底失灵。2003年,有物理学家提出过一套计算方案,但因为太复杂,从来没人真正算完过。
Claude 的做法很“暴力”也很聪明。它把自己拆分成几个副本,每个副本负责计算的一部分。它们独立推导,然后互相核对数学步骤。最后,它得出结论:即使在量子引力主导的极端条件下,从粒子气体到黑洞的转变依然是突发的相变。
这个结果很重要。它意味着黑洞的形成不只是广义相对论的宏观效应,而是深深植根于底层的量子理论中。无论时空多么模糊,这种“非此即彼”的突变特性依然存在。
第二题:找到那个精确的上限
第二个问题涉及“模自举法”(modular bootstrap)。这是一种排除错误理论的方法。物理学家知道某些理论肯定是错的,因为它们预测的黑洞质量超过了某个上限。多年来,大家通过数值计算猜测这个上限在哪里,但始终无法给出严格的数学证明。
数值结果暗示了一个最佳上限,但人类证明出来的上限总比这个值低一大截。中间这块空白,成了理论物理学家的心病。
Claude Fable 5.2 在审查这些数据时,注意到了一个人眼容易忽略的模式。它借用了其他数学领域的方法,重新构建了计算路径。最终,它算出了这个简化模型下的精确上限,并证明了这就是极限,不可能再低了。
虽然这还没直接给出正确的量子引力理论,但它像是一把尺子,帮物理学家划掉了更多错误的选项。剩下的搜索范围变小了,方向也更清晰了。
AI 在科学发现中的角色
这两项成果发表在 arXiv 上,引起了不小的讨论。有人兴奋,有人怀疑。兴奋的是,AI 确实能处理人类觉得繁琐甚至无从下手的数学细节;怀疑的是,AI 真的“理解”物理吗?还是只是在玩弄符号?
从目前的情况看,Claude 并没有提出全新的物理概念,也没有颠覆现有的框架。它做的是填补空白:完成未竟的计算,证明猜测的界限。这恰恰是科学研究中最耗时、最枯燥的部分。
过去的科学发现,往往依赖天才的直觉。牛顿看到苹果落地,爱因斯坦想象追逐光束。现在的科学,尤其是理论物理,越来越像是一场大数据的挖掘战。方程太多,变量太杂,人脑的带宽不够用了。
AI 的优势不在于灵感,而在于耐力。它可以连续几周盯着同一个方程,尝试成千上万种变形,直到找到那条通途。它不会累,也不会因为挫败感而放弃。
当然,风险也存在。如果 AI 算错了怎么办?如果它陷入了某种数学上的局部最优解而不自知怎么办?在这次研究中,Chen 和他的团队做了大量的验证工作,确保 Claude 的每一步推导都符合逻辑,并且与已知的物理事实不冲突。
未来的实验室
这次实验更像是一个原型。它展示了一种新的科研范式:人类提出问题,设定框架,然后让 AI 智能体去执行具体的探索。这些智能体可以协作,可以分工,甚至可以互相辩论。
对于物理学家来说,这可能意味着解放。他们不再需要把大量时间花在繁琐的微积分运算上,而是可以更多地思考“问什么问题”。毕竟,提出一个好问题,往往比解决一个问题更难。
黑洞依然是神秘的。量子引力理论依然没有统一。但至少现在,我们多了一个不知疲倦的帮手。它可能在某个深夜,当你睡觉的时候,又算出了一组新的数据,或者发现了一个被遗忘的角落。
科学进步的方式正在改变。不再是单打独斗的英雄主义,而是人机协作的群体智慧。至于这种智慧最终能把我们带向哪里,也许连 Claude 自己也不知道。它只是在算,不停地算,直到答案浮现。
对于普通读者而言,这或许有些遥远。但想想看,如果 AI 能搞定黑洞的方程,那它搞定新药研发、材料设计或者气候模型,大概也只是时间问题。我们正站在一个门槛上,门后是一个由算法辅助探索未知的新世界。
这两篇论文的预印本已经公开,任何感兴趣的人都可以去查阅那些密密麻麻的公式。那里没有魔法,只有逻辑、计算,以及一点点来自硅基芯片的执着。