GPT-5.2 Pro de OpenAI participa en la obtención de una nueva fórmula en física teórica
La inteligencia artificial generativa ha sido utilizada para identificar y demostrar una nueva fórmula relacionada con las amplitudes de dispersión entre gluones, según un artículo publicado en arXiv el 12 de febrero de 2026. El resultado fue logrado por GPT-5.2 Pro de OpenAI y una versión interna posterior más avanzada, con verificación de la comunidad científica.
Físicos teóricos, entre los que se incluye Alfredo Guevara y Andrew Strominger, lograron el resultado con el apoyo directo de la inteligencia artificial generativa. El trabajo, finalizado en febrero de 2026, fue verificado por los autores humanos y establece un precedente en el uso de tecnología de IA para abordar retos matemáticos y físicos complejos.
Anuncio de la inteligencia artificial generativa en la obtención de la nueva fórmula
El hecho principal ocurrió cuando GPT-5.2 Pro de OpenAI identificó un patrón sencillo en la amplitud de dispersión entre gluones en el régimen semicolineal, un aspecto de la cromodinámica cuántica (QCD) que hasta ese momento no había sido formalizado en términos generales por ningún investigador humano. Tras la generación de la fórmula, una versión interna y más avanzada de la inteligencia artificial generativa logró una demostración matemática de la misma en un proceso de 12 horas de razonamiento.
La amplitud de dispersión sirve para calcular la probabilidad de interacción entre partículas, en este caso, gluones, que son los bosones gauge de la QCD responsables de mediar la interacción entre quarks. El resultado publicado desafía la afirmación tradicional de que para ciertas configuraciones de helicidad y momento (específicamente, un gluón con helicidad negativa y el resto con helicidades positivas) la amplitud es siempre nula. Si bien la literatura indicaba nulos para casos generales, se había conjeturado la posibilidad de que algunas configuraciones colineales cambiaran este valor.
Detalles técnicos sobre la aportación de la inteligencia artificial generativa
El equipo de investigación, liderado por Alfredo Guevara e incluyendo a Andrew Strominger, había alcanzado previamente resultados para hasta seis gluones mediante técnicas convencionales, pero la complejidad de las fórmulas aumentaba de forma desproporcionada con el número de partículas implicadas, impidiendo encontrar patrones. Ante esta dificultad, decidieron utilizar GPT-5.2 Pro, que logró conjeturar una expresión general para ‘n’ gluones y simplificó las fórmulas hasta seis partículas.
El físico Alex Lupsasca, empleado en OpenAI desde octubre de 2025, invitó a Strominger a la empresa para abordar la demostración de la fórmula. Kevin Weil, físico de la misma compañía y graduado en Harvard, fue asignado al proyecto, empleando una versión interna de inteligencia artificial generativa más potente para desarrollar la demostración matemática en un tiempo notablemente reducido en comparación con los métodos humanos tradicionales.
La demostración fue posteriormente entendida y validada por los investigadores, lo que permitió confirmar el resultado. Además, el artículo menciona la posibilidad de extender estos hallazgos a los gravitones, sugiriendo potenciales descubrimientos futuros en el campo, siempre bajo el alcance declarado en la fuente.
Contexto y antecedentes de la inteligencia artificial generativa en física teórica
En noviembre de 2025, un artículo de Stephen D.H. Hsu se identificó como el primer trabajo asistido por inteligencia artificial generativa en física teórica publicado en revista científica. Sin embargo, este artículo fue criticado y considerado producto de una alucinación de la IA, al resolver un problema diferente al planteado y ya resuelto previamente.
El avance actual con GPT-5.2 Pro difiere de ese antecedente, según la comprobación y verificación humana de los autores, y ha sido aceptado por la comunidad como una contribución válida en el ámbito de la física teórica.
Proceso matemático y validación de la nueva fórmula
La obtención de la demostración se apoyó en la recurrencia de Berends–Giele, un método estándar para construir amplitudes de dispersión a nivel de árbol de manera recursiva. La inteligencia artificial generativa empleada logró verificar que la nueva fórmula cumple con varias propiedades matemáticas que se requieren en este tipo de amplitudes, reforzando así la validez del hallazgo.
En el contexto de la física de altas energías, la simplificación de las amplitudes de dispersión se ha perseguido durante décadas mediante técnicas como las descomposiciones en espinores o la conexión con la teoría de twistores de Penrose. Sin embargo, la generalización de expresiones analíticas para configuraciones colineales de momento lineal, como la lograda en este trabajo, no se había conseguido hasta ahora para un número arbitrario de gluones.
El artículo señala que el proceso completo, de obtención y demostración de la fórmula, se realizó en 12 horas a través del razonamiento automático impulsado por la inteligencia artificial generativa interna de OpenAI, una diferencia sustancial respecto al tiempo de trabajo que requerirían los procedimientos humanos.
Reacción y verificación en la comunidad científica
La demostración matemática obtenida por la inteligencia artificial generativa fue entendida y verificada por los autores y sus colaboradores. El resultado se publicó en arXiv el 12 de febrero de 2026 bajo la referencia «Single-minus gluon tree amplitudes are nonzero», con la autoría de Alfredo Guevara, Andrew Strominger, Kevin Weil y otros. El hallazgo ha sido destacado en fuentes divulgativas y científicas, y ha generado interés entre los investigadores interesados en el papel de la inteligencia artificial en el avance de la ciencia teórica.
Próximos pasos y alcance del uso de la inteligencia artificial generativa
Según la información oficial, los resultados de este trabajo han permitido extender el estudio de las amplitudes de dispersión también a los gravitones, y se espera que se publiquen nuevos hallazgos relacionados en el futuro cercano. La comunidad científica ha validado el proceso y la fórmula, destacando el papel que la inteligencia artificial generativa puede desempeñar como herramienta para abordar desafíos matemáticos y físicos de alta complejidad.
Fuente: La Ciencia de la Mula Francis
