Le prix Nobel de physique Giorgio Parisi et son collègue Francesco Zamponi ils ont réussi à résoudre un problème est resté ouvert depuis plus de 10 ans grâce au soutien de Claude, l’IA développée par Anthropic. Le résultat, publié dans «Journal of Statistical Mechanics : théorie et expérience »complète une série d’études publiées entre 2012 et 2014 avec des collègues Patrick Charbonneau, Jorge Kurchan Et Pierfrancesco Urbani.
Dans ces études, le groupe avait travaillé sur une représentation théorique de «brouillage», c’est-à-dire ce processus physique par lequel le viscosité de certains matériaux tels que les mousses, les matériaux granulaires et les verres augmente à mesure que la densité de particules, au point de rendre le système presque « rigide ». Pour avoir une idée intuitive, nous pouvons considérer le « brouillage » comme un «embouteillage » de particules. Lorsque le trafic augmente, les voitures ont de moins en moins d’espace pour circuler jusqu’à devenir complètement bloquées. De même, lorsque les particules sont comprimées au-delà d’une certaine limite, elles ne peuvent plus se déplacer librement et le matériau devient de plus en plus rigide.
Expliquer comment fonctionne ce processus d’un point de vue théorique n’est pas du tout simple, mais dans l’étude publiée en 2014, les cinq chercheurs avaient donné une explication et une démonstration assez exhaustive. Cependant, un point restait encore ouvert : deux paramètres du modèle, appelés un et bils en avaient toujours un somme égale à 1. Cette relation avait été observée à travers simulation numériquemais il n’existait toujours aucune démonstration théorique expliquant pourquoi cela devait être nécessairement vrai. Le problème est resté ouvert pendant plus de dix ans et maintenant, grâce à l’utilisation de Claude, Parisi et Zamponi ont enfin obtenu le démonstration théorique de ce résultat.
Ces derniers mois, les cas d’utilisation de l’intelligence artificielle pour résoudre des problèmes mathématiques et théoriques de haut niveau se sont multipliés. Au-delà de l’importance scientifique de la démonstration, ces travaux représentent un exemple concret et documenté de la façon dont un modèle d’intelligence artificielle peut contribuer à la résolution d’un problème ouvert en physique théorique.
C’est précisément pour cette raison que les auteurs ont décidé de rendre publiques toutes les conversations avec Claude, ce qui nous permet de reconstituer en détail la manière dont le modèle a été utilisé pendant les travaux et de fournir des indications sur la manière d’utiliser rigoureusement ces outils dans la recherche scientifique.
Comment l’IA Claude a été utilisée par Parisi et Zamponi pour la démonstration
Pour obtenir la démonstration, les deux physiciens ont demandé de l’aide à Claude. En particulier des modèles Sonnet 4.6 et Opus 4.7. Comme indiqué dans l’article lui-même :
Le modèle Opus 4.7 a essentiellement traité la démonstration tout seul, avec une supervision minimale de notre part.
Cette phrase risque cependant d’être trompeuse si elle est lue sans contexte : en réalité, le guide expert des deux chercheurs était fondamental.
Dans la première conversation, disponible dans son intégralité en ligne, Parisi a dirigé Opus pendant recréer les résultats de l’article précédent, lui faisant analyser les équations déjà connues e générer le code dans le langage de programmation C++ pour les résoudre numériquement ; il a ensuite vérifié que les résultats coïncidaient avec ceux publiés.
Ce n’est qu’après avoir correctement reconstruit l’ensemble du cadre théorique que Parisi lui a demandé de trouver une démonstration analytique de la relation manquante.
Une fois en possession d’une première version de la preuve, les deux chercheurs l’ont eu vérifié soigneusement et, dans la deuxième conversation, Zamponi en rapporta à Claude incohérences présents dans la version initiale et l’ont guidé dans leurs corrections. Le modèle Claude Sonnet 4.6 a ensuite été utilisé pour affiner davantage certains passages moins complexes.
Ainsi, à chaque étape de cette démonstration, les chercheurs ont vérifié, révisé, modifié et affiné l’ensemble des réponses de Claude.
Parce que le problème n’était pas résolu avant
Dans l’article, les auteurs se posent une question intéressante : pourquoi cette preuve n’a-t-elle pas été trouvée auparavant, alors que le problème était ouvert depuis plus de dix ans ?
Parisi et Zamponi répondent honnêtement à cela ils n’avaient pas ni l’un ni l’autre essayé l’approche proposée par Claude, car ils étaient convaincus que derrière la relation à démontrer se cachait quelque chose de plus profond, une nouvelle structure mathématique ou une symétrie pas encore vue. Ils recherchaient une explication complexe, ce qui les a amenés à négliger une voie plus conceptuelle. simplemais extrêmement laborieux en raison de la quantité de calculs requis.
Cette étude nous montre l’un des aspects les plus intéressants de l’utilisation de l’IA dans la recherche scientifique. L’intuition de ceux qui font la recherche reste fondamentale pour formuler les bonnes questionsévaluez les résultats et comprenez quels problèmes méritent d’être résolus. L’IA, cependant, peut devenir un outil très efficace pour vérifier des étapes laborieuses ou parcourir des chemins qu’un être humain pourrait abandonner parce qu’ils sont trop longs ou répétitifs.
Plus que l’automatisation de la recherche, des cas comme celui-ci montrent comment l’IA peut agrandir l’espace idées que les scientifiques peuvent explorer. Et, dans certains cas, aider à résoudre des problèmes restés ouverts pendant des années.