Asistente de IA asume los cálculos más complejos en cosmología exprés
La expansión del Universo se acelera, y quizás la gravedad no funciona como pensamos. Los físicos desarrollan teorías alternativas, pero para comprobarlas, hay que calcular cómo de las ondas después del Big Bang crecieron las galaxias. Estos cálculos son ecuaciones largas con cientos de términos, donde es fácil perderse. Georges Lemaître y Edwin Hubble sentaron las bases, pero ahora la máquina se encarga del trabajo pesado.
La red neuronal Claude, conectada al paquete matemático Maple, actúa como un robot chef: le das la receta (la teoría inicial), y ella misma mide los ingredientes (simplifica fórmulas), los mezcla (sustituye expresiones) y hornea (entrega predicciones). Al físico le queda probar el sabor: comparar con las observaciones. En la tarea de las perturbaciones cósmicas, tras un par de ejemplos, la IA resolvía la mayoría de las nuevas, pero a veces se equivocaba, confundiendo signos o perdiendo términos.
Un asistente así puede acelerar enormemente la búsqueda de la solución al misterio de la energía oscura — o incluso mostrar cómo la expansión funciona sin ella. Por ahora no se puede prescindir del control humano, pero está claro: el futuro de la cosmología requiere la simbiosis de la mente viva y la máquina.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2605.08212
There is an increasing number of algorithmic computations in theoretical physics. These, while conceptually simple, can nevertheless be time-consuming and contain subtleties that should not be overlooked. Given the recent improvement of Large Language Models (LLM), it is natural to investigate whether LLMs equipped with a computer algebra system (CAS) runtime and sufficiently informative context can reliably carry out these algorithmic tasks. In this work, we interface Claude with Maple, and apply this framework to cosmological perturbations in modified theories of gravity. We demonstrate the current capabilities of this approach, the typical failures, and how the same can be improved. We find that a frontier LLM supplied with worked examples is able to solve most test problems.
Los primeros cálculos de las ondas cósmicas se hacían a lápiz y papel. Un simple error aritmético y el descubrimiento se posponía una década.