Claude完成九圈散射振幅计算：数千美元跑出前沿物理结果，但没有发明新方法

Claude把散射振幅计算从八圈推进到九圈

Anthropic于2026年9月25日公布一项理论物理计算成果：Claude Science使用Fable 5.1，完成了平面N=4超杨-米尔斯理论中六粒子MHV散射振幅的九圈计算。此前公开纪录停留在八圈。

这项任务由理论物理学家、科学作家Matt von Hippel于一个多月前提出。他的要求很明确：AI不能依靠大型科技公司近乎无限的算力，而要在普通学术团队可以负担的计算预算内，解决散射振幅领域尚未完成的前沿问题。

Anthropic团队把问题交给Claude后，模型连续工作数天，主要依靠“继续推进、每4至6小时汇报进度”这类简单指令完成任务。最终结果由SLAC国家加速器实验室和斯坦福大学教授Lance Dixon独立检查。

不过，这不是AI创造全新物理理论，也不是直接预测现实粒子实验的新结果。Claude使用的是物理学家已经建立的计算方法，研究对象也是用于检验方法的简化理论模型。它的突破在于：模型能够自主组织代码、文献知识和计算资源，把一套极其复杂且容易出错的已知流程执行到底。

什么是散射振幅和“九圈”

理论粒子物理学家需要计算粒子发生相互作用的概率。描述这些过程的数学对象称为散射振幅。实验结果是否与计算一致，是寻找新粒子、新相互作用和新物理理论的重要依据。

但精确计算散射振幅非常困难，研究人员通常采用逐级逼近的方法。“圈数”代表计算中允许包含的量子修正复杂度：

• 圈数越高，理论结果通常越精细
• 每增加一圈，可能组合与约束会急剧增长
• 大多数现实振幅只计算到两圈
• 少数结果达到三圈或更高

因此，“九圈”不是让程序简单重复九次，而是处理一个规模和约束复杂度快速膨胀的符号计算问题。任何中间步骤出错，都可能让最后结果无法满足物理条件。

为什么选择N=4超杨-米尔斯理论

本次计算针对平面N=4超杨-米尔斯理论。它包含高度对称的粒子结构，与现实世界并不直接对应，不能拿来解释暗物质或预测大型强子对撞机的具体结果。

物理学家仍然重视它，是因为这种理论比真实粒子系统更容易计算，同时保留了足够丰富的数学结构。研究人员可以把它当作“试验场”，检验新的振幅计算方法、对称性和数学工具。

所以，九圈结果的直接价值主要包括：

• 检验振幅Bootstrap方法能否扩展到更高复杂度
• 提供罕见的高圈数数学对象用于研究
• 帮助寻找散射振幅中的隐藏结构和规律
• 测试AI能否可靠完成前沿级科学计算

它并不等于现实粒子物理的精度被直接提高到九圈。

Claude接到的起始任务非常简短

Anthropic的两名物理学家Liam Fitzpatrick和Siddharth Mishra-Sharma先询问Claude，在von Hippel提出的两个挑战中，哪一个更有可能完成。随后，他们向Claude给出任务：

“计算平面N=4超杨-米尔斯理论中六粒子（六边形）振幅的九圈结果。”

此后，人类提供的主要干预是要求模型继续工作，例如告诉它研究人员将离开数小时，让它持续推进并每4至6小时更新一次。

官方把这称为“一次完成”或近似无人工科学监督，但不应理解成模型只收到一条消息便立即吐出最终答案。更准确的说法是：任务目标没有被专家逐步拆解，人类也没有在每个技术环节指导它；Claude在Claude Science执行框架中持续调用工具、写代码、检查结果并推进任务。

Claude用了两条独立路线

Claude最终用两种方法完成计算。

直接Bootstrap

振幅Bootstrap类似一个高度复杂的数独。研究人员先列出答案可能具有的结构，再逐步施加物理约束、对称关系和已知极限，排除不可能的候选，直到只剩满足所有条件的解。

Claude使用Python和SymPy搭建符号计算流程，并调度96个CPU运行约一周。这部分纯计算资源成本约为100美元。

间接Form Factor路线

Claude还使用Lance Dixon及合作者此前发展的思路：先计算更容易处理的Form Factor，再利用一种称为“对跖对偶”的关系获得振幅。Dixon团队在2023年正是借助类似关系得到八圈结果。

两条路线得到一致结果，为正确性增加了一层内部交叉验证。按照官方文章，每条路线如果由终端用户运行，Claude调用和计算成本约为1000至2000美元，总投入为数千美元。主要费用来自模型长时间工作，而不是CPU租赁。

为什么这项任务适合AI

这类计算既需要物理知识，也包含大量软件工程工作：

• 阅读并理解多篇专业论文
• 把论文中未完全写出的细节补成程序
• 构建符号表达与约束系统
• 管理大量中间文件和计算任务
• 定位错误并反复验证
• 把输出转换成领域专家可检查的格式

Bootstrap本身规则明确，但实现过程非常脆弱。Dixon形容，只要计算配方中的任何一步出错，整个流程就会像失败的舒芙蕾一样塌掉。许多实现细节因过于繁琐，并不会完整写进论文。

Claude真正展示的能力，是理解已有研究、从头编写计算代码，并在缺少专家实时干预的情况下维持长任务的一致性。

结果如何被独立验证

9月1日，Anthropic团队把九圈结果交给Lance Dixon检查。Dixon是此前八圈成果的主要研究者之一，其团队已经建立了验证候选结果的工具。

他主要通过从九圈振幅反推出更容易验证的九圈Form Factor，检查Claude提交的结果。验证持续约两周。Dixon确认结果成立，并称Claude直接完成该任务令他印象深刻。

但披露信息也需要完整看待：

• Dixon独立验证了结果
• Anthropic向他提供了Claude使用额度
• 官方客座文章由Matt von Hippel撰写，Anthropic为其写作时间支付报酬
• Anthropic员工对文章草稿提供了反馈

这些关系不否定结果，但读者应了解成果发布与验证的完整背景。最终技术结果还将由领域研究者正式整理和发表。

人类团队也几乎同时到达九圈

这项成果并非Claude远远领先所有人类研究。中国科学院的何颂团队当时已经完成九圈结果的大部分工作，并使用GPT-6辅助计算部分约束。随后，该团队也得到了九圈振幅中称为“symbol”的部分结果。

这说明九圈问题并非只有Claude才能解决，也没有证明AI跨越了人类完全无法触及的计算壁垒。更准确的结论是：Claude用高度自主的方式，在较短时间和可负担预算内，完成了人类顶级团队正在推进的前沿计算。

这一区别很重要。AI的优势主要体现在执行速度、工程组织和持续工作，而不是发明了人类未知的新物理原理。

Claude没有提出新计算方法

Matt von Hippel原本希望看到AI找到一种意外的新方法，从而突破学界认为难以跨越的算力限制。实际结果更朴素：Claude使用已有Bootstrap、Form Factor和对偶关系，配合更好的软件实现与略多的计算资源完成了任务。

Peter Woit等理论物理学者也指出，这一结果计算极其复杂，但目前没有实际应用，并且模型没有发明新方法。

因此，不能把它描述成“Claude发现新物理定律”或“AI超越全部理论物理学家”。它证明的是另一件同样重要的事：科学界可能存在大量因为实现繁琐、缺少工程资源或研究人员不愿投入数周时间而尚未完成的“低垂果实”。

这项成果对科研意味着什么

前沿计算的门槛可能快速下降

过去只有熟悉特定论文、代码和计算工具的专家团队才能尝试这类项目。科学Agent可以把文献理解、编码和算力调度结合起来，让更多研究小组以较低预算验证复杂想法。

科学家的工作重心将转向选题与验证

当AI可以执行冗长计算，专家的价值会更多体现在选择值得研究的问题、设计验证标准、解释结果和判断下一步方向。

可验证性比生成速度更重要

Claude能得出候选答案，是因为Dixon团队已经准备好独立验证工具。没有验证路径的复杂输出，即使看起来专业，也不能成为科学结论。

软件工程可能释放大量科研进展

本次任务没有依靠全新理论，更多依靠Python、SymPy、任务编排和稳定执行。许多科研瓶颈可能不是缺少思想，而是缺少把已知方法可靠实现的人力。

仍需警惕哪些夸大解读

第一，这是简化理论模型，不是直接描述现实世界的粒子反应。

第二，九圈结果主要是复杂计算成果，而非新的物理原理。

第三，人类团队同期也接近完成，并使用了AI辅助。

第四，所谓“一次完成”并非一条提示后立即返回答案，而是在Claude Science中持续运行数天，并反复收到“继续工作”的指令。

第五，一个适合符号计算与程序验证的问题，不能证明AI已经能普遍自主解决所有科学难题。

总结

Claude Science使用Fable 5.1完成平面N=4超杨-米尔斯理论六粒子振幅的九圈计算，把此前八圈纪录推进了一步。模型使用两条已知方法独立计算，调用96个CPU运行约一周，总成本为数千美元，结果由Lance Dixon独立验证。

这项成果没有发明新物理方法，也不直接对应现实粒子实验；中国科学院团队同期也完成了大部分相关结果。它真正证明的是，AI已经能够在很少专家干预下，持续执行脆弱、复杂且达到前沿水平的科研计算。

下一阶段最值得关注的，不是AI能否再多算一圈，而是它能否提出人类尚未想到的方法、解释高圈结果中的新结构，并把能力迁移到更接近真实实验的物理问题。