FeynFacet: AI agents for analytic NLO QCD

Het universum is opgebouwd uit een handvol fundamentele deeltjes, maar de regels die bepalen hoe zij met elkaar interageren, zijn geschreven in een taal van verstikkende complexiteit. In het hart van deze complexiteit ligt kwantumchromodynamica, de theorie die beschrijft hoe quarks en gluonen—de bouwstenen van protonen en neutronen—aan elkaar kleven om de materie te vormen die we om ons heen zien. Om het gedrag van deze deeltjes te begrijpen, moeten natuurkundigen berekenen hoe ze verstrooien wanneer ze met hoge snelheden botsen. Deze berekeningen zijn geen eenvoudige rekenkunde; ze vereisen het bijhouden van talloze mogelijke paden die een deeltje kan afleggen, waarbij kansen worden opgeteld die onzichtbare, vluchtige fluctuaties in het vacuüm omvatten. Decennialang vereisten de meest nauwkeurige voorspellingen dat teams van experts maanden of zelfs jaren besteedden aan het handmatig afleiden van de noodzakelijke wiskundige formules, een proces dat gevoelig was voor menselijke fouten en beperkt werd door de enorme hoeveelheid algebra die betrokken was.

Nu is er een nieuwe aanpak naar voren gekomen die verandert hoe deze berekeningen worden uitgevoerd. Onderzoekers hebben een workflow ontwikkeld waarbij kunstmatige intelligentie-agenten fungeren als gespecialiseerde assistenten die de computerprogramma's schrijven en uitvoeren die nodig zijn om deze ingewikkelde problemen op te lossen. In plaats van dat een mens elke stap afleidt, krijgt de AI de fysieke regels en de specifieke vraag om te beantwoorden, waarna de AI de code construeert om de oplossing te vinden. Deze methode is gebruikt om een reeks nieuwe, uiterst nauwkeurige formules te produceren die beschrijven hoe de spin van een deeltje wordt overgedragen tijdens een botsing. Deze resultaten vullen een kritiek gat in ons begrip van hoe de interne spin van protonen de deeltjes beïnvloedt die zij produceren, en bieden de nodige instrumenten om gegevens van de krachtigste deeltjesversnellers ter wereld te interpreteren.

De kernprestatie van dit werk is de afleiding van nieuwe analytische formules voor een proces dat single-inclusive transverse spin transfer wordt genoemd. In eenvoudige termen beschrijft dit wat er gebeurt wanneer een draaiend deeltje, zoals een quark binnen een proton, botst met een ander deeltje en een nieuw, draaiend deeltje produceert dat in een specifieke richting wegvliegt. Het "transverse" aspect verwijst naar de richting van de spin, die loodrecht staat op de richting van de beweging. Hoewel natuurkundigen al lang weten hoe ze het gemiddelde gedrag van deze botsingen kunnen berekenen, bleven de specifieke details van hoe de spinoriëntatie behouden blijft of verandert in de eindproducten moeilijk met hoge precisie vast te stellen. De nieuwe formules bieden een volledige, exacte beschrijving van dit proces voor zowel botsingen tussen twee protonen als botsingen tussen een lepton en een proton.

Om dit resultaat te bereiken, gebruikten de onderzoekers een geavanceerde workflow die zij FeynFacet noemden. In dit systeem definiëren menselijke natuurkundigen het fysieke scenario—waarbij zij de betrokken deeltjes, het type botsing en de specifieke spinconfiguraties specificeren waar zij geïnteresseerd in zijn. Een kunstmatige intelligentie-agent neemt vervolgens deze instructies en genereert automatisch de computercode die nodig is om de berekening uit te voeren. De agent doet het zware werk van de symbolische wiskunde, wat het manipuleren van duizenden termen omvat die de verschillende manieren vertegenwoordigen waarop deeltjes kunnen interageren. Het gebruikt gevestigde wiskundige technieken om deze termen te vereenvoudigen, waarbij complexe integralen worden omgezet in een beheersbare set standaardvormen die exact kunnen worden opgelost.

Het proces is rigoureus en zelfcontroleert zichzelf. De AI-agenten produceren niet slechts één antwoord; ze voeren dezelfde berekening uit met drie verschillende, onafhankelijke softwaretools om te garanderen dat de resultaten overeenkomen. Ze verifiëren de uitkomst ook door te controleren of de resultaten consistent blijven wanneer het referentiekader wordt gewijzigd of wanneer de energieschaal van de interactie wordt aangepast. Als er een inconsistentie wordt gevonden, is het systeem ontworpen om de fout te diagnosticeren en te corrigeren, net zoals een menselijke onderzoeker dat zou doen, maar dan met de snelheid en grondigheid van een machine. Deze meerlagige verificatie zorgt ervoor dat de uiteindelijke formules niet alleen aannemelijk zijn, maar ook wiskundig zeker.

De nieuwe formules dekken alle mogelijke manieren waarop quarks en antiquarks kunnen interageren om een draaiend deeltje in een proton-protonbotsing te produceren. Dit omvat zeven verschillende klassen van interacties, variërend van de meest voorkomende scenario's tot die welke alleen op een hoger niveau van precisie voorkomen. De onderzoekers hebben ook de bijbehorende resultaten berekend voor lepton-protonbotsingen, waarbij een lepton, zoals een elektron, een proton raakt. In deze gevallen moest de berekening rekening houden met het feit dat het verstrooide lepton niet altijd wordt gedetecteerd, wat een specifieke aanpassing aan de wiskunde vereist om de ontbrekende informatie te verwerken. De resulterende formules zijn "analytisch", wat betekent dat ze zijn geschreven als exacte wiskundige expressies in plaats van numerieke benaderingen. Dit stelt natuurkundigen in staat om direct verschillende waarden voor energie en impuls in te vullen, zonder dat zij voor elk nieuw datapunt een massale computersimulatie opnieuw hoeven uit te voeren.

Deze nieuwe resultaten zijn onmiddellijk bruikbaar voor het interpreteren van gegevens uit huidige en toekomstige experimenten. Ze zijn bijvoorbeeld essentieel voor het bestuderen van gepolariseerde hyperonen, dat deeltjes zijn die vreemde quarks bevatten en details kunnen onthullen over de spinstructuur van het oorspronkelijke proton. Ze verbeteren ook de analyse van het Collins-effect, een fenomeen waarbij de spin van een quark de richting beïnvloedt waarin deze fragmenteert in een jet van deeltjes. Bovendien helpen de formules bij het verfijnen van metingen van energiecorrelaties binnen jets, wat stromen van deeltjes zijn die ontstaan in botsingen met hoge energie. Door een nauwkeurige theoretische baseline te bieden, maken deze berekeningen experimentatoren in staat om de eigenschappen van de interne spin van het proton met meer nauwkeurigheid dan ooit tevoren te extraheren.

Het werk dient ook als een validatie van de AI-ondersteunde aanpak zelf. De onderzoekers gebruikten dezelfde workflow om een breed scala aan eerder bekende resultaten te reproduceren, inclusief berekeningen voor ongepolariseerde botsingen en die met longitudinale spin, waarbij de spin in de richting van de beweging is uitgelijnd. In elk geval kwamen de door AI gegenereerde formules perfect overeen met de gevestigde resultaten. Dit succes toont aan dat de methode robuust genoeg is om de meest veeleisende problemen in de kwantumveldentheorie aan te kunnen. Het bevestigt ook dat de AI correct door de subtiele wiskundige valkuilen kan navigeren die vaak menselijke berekeningen in de war brengen, zoals de afhandeling van termen die verdwijnen in vier dimensies maar eindige effecten achterlaten wanneer de berekening wordt uitgebreid naar hogere dimensies.

Vooruitblikkend opent deze workflow de deur naar berekeningen die voorheen als te moeilijk of te tijdrovend werden beschouwd om te proberen. Het vermogen om exacte formules te genereren voor complexe spin-afhankelijke processen betekent dat theoretici nu het tempo van de toenemende precisie van experimentele gegevens kunnen bijhouden. Naarman de Large Hadron Collider blijft functioneren en de toekomstige Electron-Ion Collider in bedrijf komt, zal de vraag naar deze nauwkeurige theoretische inputs alleen maar groeien. De nieuwe formules bieden de noodzakelijke basis om de driedimensionale structuur van het proton te verkennen en om te begrijpen hoe de spin van de constituerende quarks de materie van het universum vormgeeft.

De onderzoekers hebben alle nieuwe formules en de computerprogramma's die gebruikt zijn om deze te genereren publiekelijk beschikbaar gemaakt. Deze transparantie stelt andere wetenschappers in staat om de resultaten onmiddellijk in hun eigen werk te gebruiken en voort te bouwen op de hier ontwikkelde methoden. Door de instrumenten en de gegevens te delen, zorgt het team ervoor dat de voordelen van deze AI-ondersteunde aanpak breed voelbaar zijn in het gehele vakgebied van de deeltjesfysica. Het werk staat als een testament voor het potentieel van het combineren van menselijk inzicht met machinale precisie, waarmee een nieuwe standaard wordt gezet voor hoe de fundamentele wetten van de natuur worden berekend en begrepen.