Agentic Diagrammatica: Towards Autonomous Symbolic Computation in High Energy Physics

本文介绍了 Diagrammatica，这是一个基于 HEPTAPOD 框架的符号计算扩展，通过“工具约束计算”架构使 LLM 代理能够自主规划并执行高能物理中的多步理论计算，并利用自动生成的费曼图代码和量纲分析在树级衰变宽度及缪子衰变灵敏度研究等基准测试中验证了其有效性。

要点

这篇论文介绍了一个名为 Diagrammatica 的新工具，它就像给高能物理学家（那些研究宇宙基本粒子的科学家）配备了一位超级智能的“数学副驾驶”。

为了让你更容易理解，我们可以把这项技术想象成**“给大模型（AI）装上了精密的导航仪和自动变速箱”**。

1. 核心问题：AI 会“算错”吗？

想象一下，你让一个非常聪明的 AI 去解一道极其复杂的物理题。

• 传统做法：你让 AI 直接写代码或公式。就像让一个刚学会开车的人去开赛车，虽然它背熟了交规（训练数据），但在实际操作中，它可能会因为记错一个符号（比如正负号搞反了）或者选错了齿轮（数学惯例不同），导致整辆车（计算结果）在高速公路上无声无息地偏离轨道。这种错误很难被发现，因为 AI 生成的代码看起来很像那么回事。
• 论文的观点：在物理计算中，“可靠性”比“创造力”更重要。如果 AI 算错了，整个实验设计可能都会白费。

2. 解决方案：Diagrammatica 是怎么工作的？

Diagrammatica 没有让 AI 直接去“写”复杂的数学公式，而是换了一种思路：让 AI 做“指挥官”，让专业工具做“执行者”。

我们可以用**“点外卖”**来打比方：

• 以前的 AI（自由发挥模式）：
  你告诉 AI：“给我做一顿大餐。”
  AI 可能会去厨房乱切一通，把盐当成糖，或者把生肉直接端上来。因为它试图自己完成所有步骤，容易出错。

• 现在的 Diagrammatica（工具约束模式）：
  你告诉 AI：“我要点一份‘红烧肉’。”
  AI 不需要知道怎么做红烧肉，它只需要在一个标准化的点餐菜单（这就是论文里的“图规范”）上勾选：

  • 主料：猪肉
  • 口味：咸甜
  • 火候：大火
    然后，AI 把这个标准的“订单”发给后厨（FeynCalc，一个经过严格验证的专业数学软件）。后厨严格按照订单做菜，保证味道绝对正宗。

关键点在于：AI 不再负责“切菜炒菜”（复杂的符号运算），它只负责“选菜下单”（定义物理过程）。这样，即使 AI 是个新手，只要它选对了菜单，后厨做出来的菜（计算结果）就是绝对正确的。

3. 这个系统有什么厉害的地方？

论文展示了这个系统完成了两项“大作业”，就像让 AI 参加了一场物理奥林匹克竞赛：

任务一：建立“物理公式百科全书” (EDA 路径)

• 挑战：让 AI 自动计算出所有可能的“粒子衰变”公式（比如一个粒子分裂成两个粒子）。这就像要写出一本包含成千上万种不同口味食谱的百科全书。
• 过程：AI 自动生成了 19 种不同情况的公式，并自己检查了它们是否符合物理定律（比如能量守恒）。
• 结果：它不仅算对了，还自己发现了一些有趣的规律（比如某些粒子在特定条件下会“爆发”式增长），就像一位老练的厨师尝了一口汤，就指出了火候的微妙变化。

任务二：预测“粒子爆炸”的极限 (NDA 路径)

• 挑战：研究一个缪子（一种基本粒子）衰变时，最多能产生多少对电子和正电子？这就像问：一个气球最多能吹出多少个泡泡？
• 过程：
  1. 快速估算：AI 先用“粗略估算法”（NDA）快速扫过成千上万种可能的情况，像用筛子筛沙子一样，快速找出最有希望的那些。
  2. 精确计算：对于最有希望的几种情况，它再调用精确工具进行验证。
  3. 发现：它计算出，目前的实验设备最多只能观察到产生 3 对电子的情况，第 4 对就太微弱了，未来的设备才可能看到。
• 结果：它成功预测了未来实验的“边界”，告诉科学家们：“别费劲去找第 5 对了，那是看不见的。”

4. 为什么这很重要？

这篇论文的核心思想是：在科学计算中，我们要限制 AI 的“自由”，而不是给它无限的“自由”。

• 传统 AI：试图模仿人类，像人类一样去“思考”和“推导”，容易因为人类的思维惯性（比如记错符号）而犯错。
• Diagrammatica：把 AI 限制在安全的轨道上。它把复杂的物理规则变成了一个个**“填空题”**。AI 只需要在有限的选项里做选择，剩下的复杂运算交给绝对可靠的数学软件。

总结

这就好比：
以前，我们让 AI 当**“独立画家”，让它画物理图，结果它经常画错线条。
现在，Diagrammatica 让 AI 当“艺术总监”，它负责指挥（选择物理过程），而让“专业绘图仪”**（FeynCalc 等工具）去画具体的线条。

最终效果：

1. 更可靠：消除了那些“看起来对但其实错了”的隐形错误。
2. 更高效：AI 可以不知疲倦地处理成千上万种物理场景，帮科学家节省大量时间。
3. 更透明：人类专家只需要检查 AI 选的“菜单”对不对，而不需要去审查它写的几千行代码。

这项技术标志着高能物理研究进入了一个**"AI 辅助决策 + 机器精确执行”**的新时代，让科学家能更专注于发现新物理，而不是被繁琐的计算细节绊住脚。

技术摘要

这是一份关于论文《Agentic Diagrammatica: Towards Autonomous Symbolic Computation in High Energy Physics》（智能体 Diagrammatica：迈向高能物理中的自主符号计算）的详细技术总结。

1. 研究背景与核心问题 (Problem)

背景：
高能物理（HEP）中的符号计算（如计算衰变宽度、散射截面）传统上依赖计算机代数系统（CAS，如 FeynCalc, FORM, Mathematica）。虽然大型语言模型（LLM）具备强大的符号处理能力，但在将其作为自主智能体（Agent）用于多步理论计算时，面临严峻的可靠性挑战。

核心问题：

• 隐式约定导致的错误： 符号计算的正确性依赖于大量隐式的数学和物理约定（如度规符号、旋量归一化、耦合常数符号、规范选择等）。这些约定通常未编码在计算后端中，LLM 仅凭训练数据的统计相关性难以在多步计算中保持内部一致性。
• 静默错误（Silent Errors）： 如果让 LLM 自由生成代码，它可能产生看似合理但物理上错误的结果（如丢失项、符号错误、不一致的约定），且难以通过常规调试发现。
• 验证困难： 审计自由生成的符号代码比从头编写还要困难，因为错误可能隐藏在复杂的代数推导中。

2. 方法论与架构设计 (Methodology & Architecture)

为了解决上述问题，作者提出了 Diagrammatica，这是 HEPTAPOD 智能体框架的符号计算扩展。其核心设计理念是**“工具约束计算”（Tool-constrained Computation）**，而非让智能体自由生成代码。

2.1 理论框架：不确定性分解

作者将智能体行动的不确定性（熵）分解为三个部分：

1. 任务不确定性 ($\Delta_T$)： 对“计算什么”的模糊。
2. 上下文不确定性 ($\Delta_C$)： 随着上下文长度增加，注意力机制退化导致的检索错误。
3. 执行不确定性 ($\Delta_E$)： 生成非结构化 Token 序列时的变异性（即代码生成错误）。
   策略： 通过架构设计将 $\Delta_E$ 降至接近零，通过结构化知识检索降低 $\Delta_C$。

2.2 核心架构组件

Diagrammatica 围绕一个**共享的、LLM 友好的费曼图规范（Diagram Specification）**构建，该规范是一个结构化的 JSON 对象，作为所有组件的“单一事实来源”。

1. 工具约束与模式验证 (Schema-validated Tools)：

   • 智能体不直接生成代码，而是调用经过模式验证的工具。
   • 智能体仅指定物理上有意义的参数（如顶点类型、自旋、粒子标签），后端（如 FeynCalc）负责执行精确的代数运算。
   • 这消除了“静默错误”，因为工具的设计强制了物理约定的统一性。

2. 双保真度计算路径 (Multi-fidelity Pathways)：

   • NDA (Naive Dimensional Analysis，朴素量纲分析)： 用于快速估算数量级。基于量纲分析、相空间体积和耦合幂次计数，适用于任意多体末态，无需外部软件。
   • EDA (Exact Diagrammatic Analysis，精确图分析)： 用于树级精确计算。自动从 JSON 规范生成 FeynCalc 代码，执行狄拉克迹、自旋求和等，输出符号表达式和 LaTeX。

3. 自动费曼图枚举 (FeynGraph)：

   • 使用 Rust 编写的 FeynGraph 引擎，根据模型（如标准模型或 UFO 文件）自动枚举所有拓扑不同的费曼图。
   • 根据物理重要性（如重传播子数量）对图表进行排序和分类。

4. 可导航的理论知识库 (Theory Knowledge Base)：

   • 一个结构化的“技能图”（Skills Graph），包含 25 个互连文档（费曼规则、迹恒等式等）。
   • 智能体在关键决策点按需检索特定知识，而非一次性加载大量文档，从而减少上下文干扰并针对性地解决执行不确定性。

3. 主要贡献 (Key Contributions)

1. 提出了“工具约束”的符号计算范式： 证明了通过限制智能体的行动空间到模式验证的工具调用，可以结构性地消除符号计算中的静默错误，其可靠性不依赖于模型本身的训练数据质量。
2. 设计了统一的图规范（Diagram Specification）： 创建了一种 LLM 可理解、人类可审计的 JSON 数据格式，作为连接 NDA 估算和 EDA 精确计算的桥梁。
3. 实现了自主多步工作流： 展示了智能体如何在无人工干预的情况下，规划并执行从问题定义、图枚举、符号计算、交叉验证到结果可视化的完整流程。
4. 开源工具链与基准测试： 发布了完整的 Diagrammatica 代码、理论知识库以及两个基准测试任务的完整日志，为其他智能体平台提供了可复现的测试案例。

4. 实验结果与基准测试 (Results & Benchmarks)

论文通过两个基准任务验证了架构的有效性：

任务 1：$1 \to 2$ 衰变宽度综合目录 (EDA 路径验证)

• 任务： 枚举并计算所有树级、单顶点、$1 \to 2$ 衰变的符号宽度（涵盖标量、费米子、矢量父粒子）。
• 过程： 智能体自主生成了 19 个独立过程的费曼图规范，调用了 66 次工具，生成了约 6.7 万个输出 Token。
• 结果：
  • 成功计算了 19 个独立的衰变宽度公式，涵盖 6 种顶点家族。
  • 通过手征基与矢量 - 轴矢量基的代数一致性检查，以及标准模型（SM）部分宽度的实验数据验证（误差在 2-4% 以内），证明了计算的准确性。
  • 智能体自主识别了物理规律（如阈值行为与角动量的关系、CP 判别、纵向极化增强导致的幺正性破坏等）。

任务 2：μ子衰变多重性敏感性研究 (NDA 路径验证)

• 任务： 研究 $\mu \to \nu_\mu \bar{\nu}_e + n(e^+e^-) + e^-$ 过程，确定在当前及未来实验中可观测的最大电子对数 $n$。
• 过程： 智能体枚举了 $n=0$ 到 $n=3$ 的费曼图（总数超过 15 万张），使用 NDA 估算分支比，并用 MadGraph 进行交叉验证。
• 结果：
  • 成功识别了主导的费曼图类别（单 W 传播子），并发现随着 $n$ 增加，次主导拓扑的贡献被强烈抑制。
  • NDA 估算与 MadGraph 精确计算及实验数据（SINDRUM）吻合良好（数量级一致，因子在 0.5-4 之间）。
  • 物理结论： 确定了 $n=3$ 是 Mu3e 实验一期可能观测到的前沿，$n=4$ 可能是未来 HiMB 实验的极限。智能体还分析了量子干涉效应（从相长干涉到相消干涉的转变）对抑制因子的影响。

5. 意义与展望 (Significance & Future Directions)

科学意义：

• 可靠性优先： 该工作表明，在科学计算中，通过架构设计（工具约束）来保证正确性，比单纯依赖大模型的“推理能力”更为关键。
• 可解释性与可审计性： 将智能体的决策压缩为少量人类可读的字段（JSON 规范），使得领域专家可以快速审计，而无需审查生成的数千行代码。
• 多保真度协同： NDA 和 EDA 的结合模拟了物理学家的工作流（先估算再精确计算），并提供了内部一致性检查。

未来方向：

• 闭环集成： 将符号计算输出无缝集成到蒙特卡洛模拟工具（如 MadGraph, Pythia）中，实现从理论推导到事件模拟的端到端自动化。
• 扩展计算能力： 支持单圈计算（Package-X）、非对角耦合矩阵的干涉处理，以及自动解析 UFO 模型文件。
• 多智能体协作： 发展由规划智能体协调的专用智能体集群（符号计算、蒙特卡洛验证、数据对比），逐步扩大自由推理的边界，同时保持工具约束的可靠性。

总结：
Diagrammatica 展示了如何通过“工具约束”和“结构化规范”将 LLM 转化为高能物理中可靠的符号计算助手。它不仅解决了 LLM 在科学计算中的可靠性瓶颈，还为构建下一代自主科学发现系统提供了可操作的蓝图。