Can Theoretical Physics Research Benefit from Language Agents?

要約

大規模な言語モデル（LLM）は、多様なドメインで急速に進歩していますが、理論物理学研究への応用はまだ成熟していません。
このポジションペーパーでは、LLMエージェントは、ドメインの知識とツールボックスと適切に統合された場合、理論的、計算、および応用物理学を加速するのに潜在的に役立つと主張しています。
数学的推論からコード生成まで、物理学の現在のLLM機能を分析します。
マルチモーダルデータを処理し、テスト可能な仮説を提案し、設計実験を提案できる将来の物理学特有のLLMを想定しています。
このビジョンを実現するには、基本的な課題に対処する必要があります。物理的な一貫性を確保し、堅牢な検証方法を開発します。
物理学とAIコミュニティの間の共同の努力を求めて、物理学の科学的発見を促進するのを支援します。

要約(オリジナル)

Large Language Models (LLMs) are rapidly advancing across diverse domains, yet their application in theoretical physics research is not yet mature. This position paper argues that LLM agents can potentially help accelerate theoretical, computational, and applied physics when properly integrated with domain knowledge and toolbox. We analyze current LLM capabilities for physics — from mathematical reasoning to code generation — identifying critical gaps in physical intuition, constraint satisfaction, and reliable reasoning. We envision future physics-specialized LLMs that could handle multimodal data, propose testable hypotheses, and design experiments. Realizing this vision requires addressing fundamental challenges: ensuring physical consistency, and developing robust verification methods. We call for collaborative efforts between physics and AI communities to help advance scientific discovery in physics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google