Nobel Ödüllü Parisi ve Claude, 10 Yıllık Fizik Bilmecesini Birlikte Çözdü
Nobel ödüllü giorgio-parisi ve Francesco Zamponi, anthropic’in claude modeliyle işbirliği yaparak karmaşık sistemlerde jamming (sıkışma) için iki bağımsız teorik çerçeveyi birleştiren 10 yıllık matematiksel bir kimliği (a+b=1) kanıtladı. Çalışma 1 Temmuz 2026’da JSTAT’ta peer-reviewed olarak yayınlandı. Bu, LLM’in teorik fizikte çekirdek kanıt fikri sağladığı ilk hakemli örneklerden biri — ancak otonom keşif değil, insan-döngülü doğrulama modeli.
Ana Gelişme
Jamming, granüler malzemelerin akışkanlıktan katı benzeri davranışa geçişinde ortaya çıkan kritik bir fiziksel olgudur. On yıldır açık kalan soru şuydu: Parisi’nin ve Wyart’ın jamming teorileri aynı temel fiziksel yasaları mı tanımlıyor? a+b=1 kimliği bu iki çerçevenin eşdeğerliğini analitik olarak doğruluyor.
İş akışı üç aşamalıydı:
- Claude (Sonnet 4.6, claude-opus-4-8) on yıllık sayısal sonuçları yeniden üretti
- Kanıt fikrini sağladı — ancak ilk kanıtta hatalar vardı
- Parisi ve Zamponi hataları düzeltti ve formal kanıtı tamamladı
40 prompt’luk konuşma transkripti Zenodo’da açık erişimle paylaşıldı.
Neden Önemli?
“AI bilimi tek başına çözdü” anlatısına karşı sorumlu ai-for-science vaka çalışması. claude stratejik içgörü katkısı sundu; ancak domain uzmanlarının doğrulaması olmadan sonuç mümkün değildi. Bu, automated-research ve ai-scientist tartışmalarını yeniden çerçeveliyor: LLM’ler araştırma ortağı olabilir, yerine geçemez.
Türk AI topluluğu için tekrarlanabilir iş akışı: sayısal doğrulama → kanıt denemesi → uzman rafine etme. Geliştiriciler ve araştırmacılar bu modeli fizik dışı alanlara uyarlayabilir.
Teknik Detaylar
Jamming geçişinde kritik exponent’lar a ve b olarak tanımlanıyor; a+b=1 kimliği iki bağımsız teorik yaklaşımın aynı fiziksel yasayı tanımladığını kanıtlıyor. Claude’un ilk kanıtı semantik olarak doğru yönde ancak formal hatalar içeriyordu — insan müdahalesi şarttı.
symbolic-reasoning ve academic-ai bağlamında, modelin matematiksel strateji önerme yeteneği ile formal doğrulama gereksinimi arasındaki ayrım netleşiyor.
Bağlam
responsible-ai çerçevesinde şeffaflık örnek teşkil ediyor: yazarlar AI katkısını açıkça belirtti, hataları gizlemedi. agentic-ai’ın bilimsel keşifteki rolü, hype’tan ayrışarak somut peer-reviewed kanıtlarla destekleniyor.
Önceki ai-for-science örnekleri genellikle kodlama veya veri analiziyle sınırlıydı. Bu çalışma, LLM’in soyut matematiksel akıl yürütmede anlamlı katkı sağlayabileceğini — doğru insan gözetimiyle — gösteriyor.
Uzman Perspektifi ve Sınırlar
Yazarlar, Claude’un katkısını “çekirdek kanıt fikri” olarak tanımlıyor; formal doğrulama ve hata düzeltme tamamen insandı. Bu ayrım, responsible-ai tartışmalarında kritik: AI’ın rolünü abartmak veya küçümsemek yerine, katkı türünü hassas biçimde tanımlamak gerekiyor.
Çalışma jamming teorisine özgü; genelleme iddiası yok. Ancak iş akışı modeli — sayısal reprodüksiyon, kanıt denemesi, iteratif insan düzeltmesi — diğer teorik bilim dallarına aktarılabilir.
Sonraki Adımlar
Zenodo transkripti ve arXiv:2606.03300, ai-assisted-research toplulukları için referans kaynak olacak. Benzer insan-AI işbirliği modellerinin diğer açık problemlere uygulanması bekleniyor.