عندما يصطدم جسيمان ثم يتفرقان، يسجل الفيزيائيون النتيجة كصيغة رياضية معقدة. وهذه الصيغ كثيرة، وبينها روابط غير مرئية — تمامًا كالروابط بين وصفات مختلفة لطبق واحد: تغيّر ترتيب الخطوات، لكن الطعم يبقى نفسه. سابقًا، كانت هذه الروابط تُشتق يدويًا، مما يستغرق شهورًا وسنوات.
الآن، تولى هذا الأمر برنامج يبحث عن أنماط في الأرقام. أُعطي فقط نتائج حسابات التصادمات — دون أي تفسيرات. البرنامج أعاد اكتشاف العلاقات الشهيرة التي تربط أوصافًا مختلفة لنفس التصادم. واحدة منها هي العلاقة بين نظرية الجاذبية ونظرية التفاعلات القوية داخل النواة.
تعمل الطريقة لخمسة جسيمات في التصادم. أما لعدد أكبر من الجسيمات، فلا تزال الصعوبات التقنية عائقًا، لكن المؤلفين يرون بالفعل كيفية تجاوزها. الاستنتاج الرئيسي بسيط: يمكن للآلة أن تبحث عن قواعد خفية في الفيزياء دون تلميحات من الإنسان. وهذا يعني أنه يمكن استخدامها لاختبار نظريات جديدة لم تُدرس بعد.
كما كتبه المؤلفون، بالإنجليزية arXiv:2602.15169
We demonstrate that modern machine-learning methods can autonomously reconstruct several flagship analytic structures in scattering amplitudes directly from numerical on-shell data. In particular, we show that the Kawai--Lewellen--Tye (KLT) relations can be rediscovered using symbolic regression applied to colour-ordered Yang--Mills amplitudes with Mandelstam invariants as input features. Using standard feature-selection techniques, specifically column-pivoted QR factorisation, we simultaneously recover the Kleiss--Kuijf and Bern--Carrasco--Johansson (BCJ) relations, identifying a minimal basis of partial amplitudes without any group-theoretic input. We obtain the tree-level KLT relations with high numerical accuracy up to five external legs, using only minimal theoretical priors, and we comment on the obstacles to generalising the method to higher multiplicity. Our results establish symbolic regression as a practical tool for exploring the analytic structure of the scattering-amplitude landscape, and suggests a general data-driven strategy for uncovering hidden relations in general theories. For comparison, we benchmark this general approach with a recently introduced neural-network based method.
إحدى العلاقات المكتشفة تربط قوة الجاذبية بالقوة التي تُمسك الكواركات داخل البروتون — عالمان يبدوان مختلفين تمامًا.
في مسلسل «الأسس» استخدم هاري سيلدون الرياضيات للتنبؤ بالمستقبل — هنا تبحث الآلة عن قواعد رياضية مخفية في بيانات عن الماضي.