新智元報道

【資料圖】

編輯：KingHZ

【新智元導讀】AI提供1%的靈感，人類提供99%汗水！密歇根州立大學物理學家許道輝，在AI啟發下，重新思考量子力學本質，在頂刊《物理快報B》上發表了相關結論。

最近，密歇根州立大學物理學家許道輝（Stephen Hsu），經歷了一件連他自己都感到震驚的事。

不是AI替他算積分、解方程，而是AI指出：你這項研究，應該換一整套數學框架來證明：

用Tomonaga–Schwinger形式的量子場論來做。

在著名物理學期刊《物理快報B》（Physics Letters B）上，許教授在線發表了一篇關于量子場論（QFT）和態依賴量子力學（State-Dependent Quantum Mechanics）的論文。

與此同時，他還發布了一份關于「AI方法論」的報告。

這兩份文件加在一起，向科學界扔下了一枚重磅炸彈：

這可能是第一篇由AI提供核心理論突破思路的理論物理學論文。

諾獎得主理查德·費曼（左）和19歲的許道輝（右）

他公開承認：論文的核心想法來自 GPT-5。

對物理和AI圈來說，這都預示著轉折點：AI不只幫忙潤色論文，而是「AI給出主意，人類去把它做完」。

下面試著用不那么「物理學」的方式，講清這件事到底發生了什么，以及它可能預示著一種新的科研工作流。

AI「神之一手」

重新審問量子力學

密歇根州立物理學家許道輝，11月把預印本掛在arXiv上，之后被Physics Letters B接收。

預印本鏈接：https://arxiv.org/pdf/2511.15935

標題：Relativistic Covariance and Nonlinear Quantum Mechanics: Tomonaga-Schwinger Analysis

研究的問題非常「根本」：量子力學的演化，究竟是不是嚴格線性的？

在標準量子力學里，系統的演化由線性的薛定諤方程控制；如果你把兩個解加起來，和再演化的結果是一樣的，這就是「線性」。

很多奇怪的量子現象，比如疊加、干涉、以及埃弗雷特多世界詮釋即「平行宇宙」，都依賴這條看似抽象的數學性質。

幾十年來，也有人試圖在這條方程上「加點料」：

比如引入非線性或狀態依賴的修正，希望解釋測量問題、波函數塌縮、甚至宏觀世界為什么「看起來是經典的」。

但一旦改動線性結構，就容易惹上大麻煩：超光速通信、與相對論不兼容，或者直接讓量子計算能力暴走。例如，只要有很小的非線性，某些模型里量子計算機就能在多項式時間里解決NP完全問題。

許教授想重新從量子場論的角度，系統地審查這些修改。

他向GPT-5問了一個看似「咨詢式」的問題：如果要檢查非線性量子演化和相對論是否兼容，應該用什么框架？

而GPT-5并不是在已有草稿上「修修補補」，而是主動提出： 用Tomonaga-Schwinger（TS）形式的量子場論來做這個分析。

TS形式是什么？

大致可以這么理解：

• 普通薛定諤方程：描述某一時刻的「全宇宙波函數」≈如何隨時間演化。

• TS形式：把「時間」換成「空間中的任意一張類空間超曲面」（foliation，葉狀結構）。 也就是：不要求大家都用同一組同時切片，而允許在相對論里更自然的、任意傾斜的「切片方式」。

要保證物理是相對論協變的，就得滿足一個條件：無論你用哪一種切片方式去推進波函數，最后得到的物理結果都一致。這叫做foliation independence（葉片無關性）。

新論文的主線，就是沿著GPT-5提出的這個TS思路，去推導： 在存在狀態依賴的哈密頓量密度時，這個「葉片無關性」到底要求算符滿足怎樣的「可積性條件」，以及這些條件有多難滿足。

論文到底講了什么？

這篇5頁的小文干了幾件事：

1. 在Tomonaga-Schwinger框架下，引入狀態依賴的局域哈密頓密度。

2. 推導出，為了讓演化對葉片的選擇無關，局域算符必須滿足一組新的可積性條件（integrability conditions）。因為哈密頓量依賴于態本身，這些條件里會出現Fréchet導數——這是泛函分析里處理「對函數求導」的工具。

3. 結果是：只要你在局域哈密頓里加上看起來很自然的非線性、狀態依賴項，它們幾乎總會破壞這些可積性條件。換句話說：要么放棄相對論協變性，要么你的非線性改動被逼得極其「精細」和不自然。

這與上世紀80、90年代Weinberg、Gisin 等人研究的結論形成了某種呼應：他們也發現，廣義的非線性量子動力學很容易導致超光速通信或者在糾纏態之間傳遞信息。

這次的貢獻在于： 這些直覺被統一放進了TS的場論框架里，算出了明確的算符條件，包括狀態依賴帶來的高階導數結構。

讓「哪里出問題」變得可檢驗、可推廣——而不僅僅是「有點可疑」的物理直觀。

對普通讀者來說，可以記住一個簡單版結論：

想在量子力學里加一點點非線性補丁， 又不破壞相對論（信息不能超光速、不同參考系下結果一致），難度比想象中高得多。

這也是為什么很多理論物理學家寧愿相信：

量子演化極有可能就是「嚴格線性」的。

這不僅關乎量子計算的極限能力，也關系到像「多世界詮釋」這類關于現實本質的討論有沒有空間。

GPT-5生成了「1%的靈感」？

這項工作揭示了一種理論物理學新方法論范式的出現：

在這種范式中，大語言模型（LLM）不再是被動的助手，而是研究過程中的積極參與者。如果使用得當，它們能夠提出新想法、推導方程，并發現不一致之處，而人類合作者無法比擬其速度和持久力。

作者本人的說法，大致過程是這樣：

• 他向GPT-5描述了非線性量子力學與相對論兼容性的問題。

• GPT-5自主提議：用Tomonaga-Schwinger方程和葉片無關性來做分析，這是論文整個方法論的「北極星」。

• 后續的具體推導、算符結構、邊界條件的討論，則是在 「人類 + LLM」反復循環中完成。

他把這種工作流總結為 「Generate-Verify」（生成-驗證）協議：

一個模型實例負責「往前進」（生成推導、給新思路），

另一個獨立實例負責「回頭看」（檢查每一步是否自洽、有沒有偷換概念），

最后人類再做一次審查。

在許教授看來，大模型更像是「一位才華橫溢但不可靠的天才」：既能給出深刻的洞見，也會犯極其低級和極其微妙的錯誤。

他就遇到了一個很典型的坑。

GPT-5曾經信誓旦旦地建議：通過公理化場論里的Reeh-Schlieder定理或「分離特性」，可以證明「非線性項必然破壞可積性條件」。

這聽起來非常像「我剛讀完四篇老論文得出的妙計」，甚至足以說服一位并不專攻公理化場論的專家。

結果，他花了大量時間核對后發現：這是一個很優雅但錯誤的離譜幻覺。

在物理等高度形式化學科里，這種「高水平胡扯」尤為危險：

模型的知識面足夠廣，完全有能力拼出一段貌似合理的敘事，但哪怕邏輯里只埋進一個小雷，人類要拆解出來也非常費勁。

這也正是為什么許教授會不厭其煩地強調：結構化、多模型協作的工作流，并不是錦上添花，而是安全閥。

但他暢想了AI生產知識的美好未來。

在不久的將來，人機混合協作很可能成為數學、物理及其他高度形式化科學中的常態。

隨著模型在精度、上下文記憶和符號控制方面的不斷改進，它們將越來越像自主的研究智能體（AI Agent）：能夠提出猜想、驗證推導，甚至撰寫經得起同行評審的稿件。

只要協調得當，這種協同效應有望開啟一個加速發現的時代，人類的洞察力與機器的推理能力將共同推進我們對自然界基本規律的理解。

參考資料：

https://stevehsu.substack.com/p/theoretical-physics-with-generative

https://the-decoder.com/physicist-steve-hsu-publishes-research-built-around-a-core-idea-generated-by-gpt-5

秒追ASI

關鍵詞 物理學 相對論 狀態 量子力學 主導 量