Asistente de IA asume los cálculos más complejos en cosmología exprés

Original: "LLMs with in-context learning for Algorithmic Theoretical Physics"
· Anamaria Hell, Leander Thiele
arXiv:2605.08212 · 2026-05-06 · CC BY 4.0 · 1 min
Una red neuronal con motor matemático resuelve ecuaciones para probar nuevas teorías de la gravedad.

📄 Mostrando la versión "Simple" — "Popular" aún no está lista. Añádelo a favoritos para ayudar a priorizarla.

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.

La red neuronal no se equivoca como una máquina: es consistente en sus errores, como si tuviera su propio estilo de pensar.

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.

Los primeros cálculos de las ondas cósmicas se hacían a lápiz y papel. Un simple error aritmético y el descubrimiento se posponía una década.

Científicos
Adam RiessBrian SchmidtEdwin HubbleGeorges LemaîtreMaarten SchmidtSaul Perlmutter
Conceptos
grandes modelos de lenguaje método CLs simulación cuántica de sistemas físicos marco simulación cosmológica análisis automatizado algoritmo híbrido inteligencia artificial modelos de tipo cuántico método computacional redes neuronales en mapeo espacial lagrangiano enfoque híbrido problema de optimización asistente científico de IA aprendizaje medicina astrofísica con IA costo computacional límite clásico