新闻 
Gemini攻克宇宙弦难题,还自己想到了费曼技巧
Gemini攻克宇宙弦难题,还自己想到了费曼技巧Gemini攻克宇宙弦难题,还自己想到了费曼技巧
AI 攻克了理论物理中的开放性问题！
近日，谷歌团队开发了一个基于?Gemini Deep Think 模型的混合神经符号系统，成功推导出宇宙弦发射引力辐射功率谱的 6 种全新精确解法。
该研究的重要意义在于，AI 不仅加速了科学发现，更重要的是，该系统推导出人类研究者尚未触及的新型闭式结果。
图丨相关论文（来源：arXiv）
宇宙弦被认为是引力波背景辐射的重要来源之一，它产生于因宇宙早期相变导致的真空对称破缺。
这个问题的关键在一个超级难算的积分，它是计算宇宙弦在振荡时辐射出的引力波功率谱，具体来说是一个在球面上的积分 I(N，α)。由于分母在特定点会出现奇点（变为无穷大），因此该积分常会引起数值计算不稳定的问题。
（来源：arXiv）
此前，数学家们的求解方法有限，例如找到它在特定条件下的近似解，但长期以来尚未能找到一种统一、准确的解析表达式。
在这项研究中，该系统结合了 Gemini Deep Think 模型、系统化的树搜索（TS，Tree Search）框架以及自动化数值反馈机制，提供了一种新的方案。研究人员将“找出这个积分的解析解”作为目标，同时提供了一个“标准”：能够任意调用、高精度的数值计算程序。
该系统的工作过程是：通过不断提出解题思路，将系统推导的中间表达式转化为 Python 代码，再用研究人员提供的数值计算程序标准作为依据，以确认表达式的准确性。
按照这种方法，该系统进行了大量自主探索。需要了解的是，这个方案并不是像聊天机器人那样的一问一答的闭环，而是通过设置负向提示，强迫系统探索完全不同的路径：快速验证结果后，正确则继续深入探索，错了就马上换方向。
这样，该系统在完成 600 个不同的解题路径后，自动将那些因代数错误或数值发散导致的近 80% 失败数据过滤。实验结果显示，该系统最终获得 6 种可完全走通、相对独立的全新解法。
新解法包括三大类型。第一类是，基于单项式展开（Monomial Basis Approaches），包括生成函数法（Generating Function）、高斯积分提升法（Gaussian Integral Lifting）以及混合坐标变换法（Hybrid Coordinate Transformation）；
[加西网正招聘多名全职sales 待遇优]
这条新闻还没有人评论喔，等着您的高见呢
近日，谷歌团队开发了一个基于?Gemini Deep Think 模型的混合神经符号系统，成功推导出宇宙弦发射引力辐射功率谱的 6 种全新精确解法。
该研究的重要意义在于，AI 不仅加速了科学发现，更重要的是，该系统推导出人类研究者尚未触及的新型闭式结果。
图丨相关论文（来源：arXiv）
宇宙弦被认为是引力波背景辐射的重要来源之一，它产生于因宇宙早期相变导致的真空对称破缺。
这个问题的关键在一个超级难算的积分，它是计算宇宙弦在振荡时辐射出的引力波功率谱，具体来说是一个在球面上的积分 I(N，α)。由于分母在特定点会出现奇点（变为无穷大），因此该积分常会引起数值计算不稳定的问题。
（来源：arXiv）
此前，数学家们的求解方法有限，例如找到它在特定条件下的近似解，但长期以来尚未能找到一种统一、准确的解析表达式。
在这项研究中，该系统结合了 Gemini Deep Think 模型、系统化的树搜索（TS，Tree Search）框架以及自动化数值反馈机制，提供了一种新的方案。研究人员将“找出这个积分的解析解”作为目标，同时提供了一个“标准”：能够任意调用、高精度的数值计算程序。
该系统的工作过程是：通过不断提出解题思路，将系统推导的中间表达式转化为 Python 代码，再用研究人员提供的数值计算程序标准作为依据，以确认表达式的准确性。
按照这种方法，该系统进行了大量自主探索。需要了解的是，这个方案并不是像聊天机器人那样的一问一答的闭环，而是通过设置负向提示，强迫系统探索完全不同的路径：快速验证结果后，正确则继续深入探索，错了就马上换方向。
这样，该系统在完成 600 个不同的解题路径后，自动将那些因代数错误或数值发散导致的近 80% 失败数据过滤。实验结果显示，该系统最终获得 6 种可完全走通、相对独立的全新解法。
新解法包括三大类型。第一类是，基于单项式展开（Monomial Basis Approaches），包括生成函数法（Generating Function）、高斯积分提升法（Gaussian Integral Lifting）以及混合坐标变换法（Hybrid Coordinate Transformation）；
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: