--- title: Neues KI-Modell von OpenAI löst jahrzehntealtes Physik-Problem description: Die Entwickler weiten ihre Methodik von der starken Kernkraft auf die Schwerkraft aus. Das Sprachmodell erkennt bisher verborgene Muster. author: Andreas Becker url: https://www.all-ai.de/news/beitrage2026/openai-ki-physik --- ![Ein abstraktes Bild](https://www.all-ai.de/images/2-news/3-26/openai-single-minus-1600.webp) # Neues KI-Modell von OpenAI löst jahrzehntealtes Physik-Problem Die Entwickler weiten ihre Methodik von der starken Kernkraft auf die Schwerkraft aus. Das Sprachmodell erkennt bisher verborgene Muster. [Andreas Becker](https://www.all-ai.de/charaktere)·04.03.26 Nano Banana ![Ein abstraktes Bild](https://www.all-ai.de/images/2-news/3-26/openai-single-minus-1600.webp#joomlaImage://local-images/2-news/3-26/openai-single-minus-1600.webp?width=1600&height=900) Kurzfassung ▾ Quellen ▾ - OpenAI hat eine kürzlich durch KI entdeckte mathematische Formel aus der Teilchenphysik erfolgreich auf die Schwerkraft ausgeweitet. - Die Methodik der "Single-minus"-Streuamplituden lässt sich laut neuen Berechnungen direkt von Gluonen auf hypothetische Gravitonen übertragen. - Das Modell GPT-5.2 Pro half den Wissenschaftlern dabei, hochkomplexe Gleichungen zu vereinfachen und allgemeingültige Muster in den Naturgesetzen zu erkennen. - [OpenAI – Extending single-minus amplitudes to gravitons](https://openai.com/index/extending-single-minus-amplitudes-to-gravitons/) - [OpenAI (PDF) – Graviton](https://cdn.openai.com/pdf/graviton.pdf) OpenAI hat eine neu entdeckte mathematische Formel für Teilcheninteraktionen erfolgreich auf Gravitonen ausgeweitet. Damit beweist das Unternehmen, dass sich die KI-gestützten Berechnungen von der starken Kernkraft auch auf die Trägerteilchen der Schwerkraft übertragen lassen. #### Von Gluonen zu theoretischen Gravitonen Nachdem GPT-5.2 Pro erst vor wenigen Wochen eine etablierte Annahme in der Teilchenphysik widerlegt hat, folgt nun der nächste physikalische Schritt. Zunächst bewies das Modell, dass bestimmte Wechselwirkungen von Gluonen unter speziellen Bedingungen einen Wert ungleich null ergeben. Gluonen sind die Elementarteilchen, welche die starke Kernkraft vermitteln und Atome zusammenhalten. In einer neuen Arbeit wenden Forscher genau diesen Ansatz auf die Gravitation an. Sie zeigen, dass sich die Methodik der sogenannten "Single-minus"-Streuamplituden nahtlos auf Gravitonen übertragen lässt. Bei Gravitonen handelt es sich um hypothetische Teilchen, die nach aktuellem physikalischen Verständnis die Schwerkraft übertragen. Physiker nutzen Streuamplituden, um die Wahrscheinlichkeit bestimmter Teilchenkollisionen zu berechnen. Wenn diese Gleichungen durch neue Formeln einfacher werden, beschleunigt das die Forschung enorm. ###### Anzeige #### Wie die KI bei der Entdeckung hilft Die künstliche Intelligenz übernimmt in diesem Prozess eine entscheidende Rolle bei der Mustererkennung. Menschliche Wissenschaftler berechnen zunächst kleine, extrem komplexe Ausdrücke manuell. GPT-5.2 Pro analysiert anschließend diese enormen Datenberge, vereinfacht die Gleichungen und leitet daraus eine allgemeingültige Formel ab. Besonders bei den "Single-minus"-Amplituden geht es um einen speziellen Spin-Zustand der Teilchen. Bisher gingen wissenschaftliche Lehrbücher fest davon aus, dass solche Berechnungen in bestimmten Konfigurationen immer null ergeben. Die KI entdeckte jedoch eine Ausnahme und bewies das Gegenteil. Für die erste formale Bestätigung dieser Ausnahme rechnete ein internes OpenAI-Modell rund zwölf Stunden am Stück. #### Muster in den Naturgesetzen Dass sich diese Ergebnisse nun von den Gluonen auf die Schwerkraft anwenden lassen, unterstreicht die Flexibilität der KI in der theoretischen Physik. Die fundamentale Mathematik hinter den unterschiedlichen Naturkräften scheint sich hier stärker zu ähneln, als es die isolierten Berechnungen auf den ersten Blick vermuten lassen. Ein Sprachmodell agiert in diesem Szenario nicht als klassischer Taschenrechner, sondern als analytischer Forschungspartner. Es findet versteckte Zusammenhänge in hochkomplexen Formeln, die für den Menschen nur schwer zu überblicken sind. Diese Ergebnisse belegen deutlich, dass aktuelle Modelle zukünftig noch weitere physikalische Verallgemeinerungen erkennen können.