伊斯坦布尔技术大学物理工程系教授 Emre Onur Kahya 近日披露,他把自己博士期间耗时整整 1 年、手写近 500 页的量子引力推导过程交给 Claude Opus 5.5 复核,后者用了 10 个小时完成整套计算的复现,并额外生成了一份 183 页的详细推导笔记、完整的论文 LaTeX 源码、全部验证代码脚本,以及一份错误发现清单。
Kahya 表示,模型在审计这套推导时指出了原博士论文中的多处计算问题,但在修正这些符号、常数和非解析项相关错误后,最终核心物理结论没有变化。相关材料目前已被整理到 GitHub 仓库 claude-audits-quantum-gravity 中,他也将这一过程写成论文,提交至 arXiv,题为《Auditing a quantum gravity calculation with an AI model》。
1 年手算的博士课题,被 AI 在 10 小时内重做
据文中介绍,Kahya 现任伊斯坦布尔技术大学物理工程系教授,2008 年获得美国佛罗里达大学博士学位,师从物理学家 Richard Woodard。他的博士论文研究方向,是宇宙暴胀期间量子引力对标量场方程的修正效应,具体课题为「膨胀期标量自质量的一圈量子引力修正」。
这项研究属于弯曲时空下的量子场论。按文中描述,计算过程需要从费曼规则出发,处理发散、重整化,并计算晚期模式函数,涉及大量张量代数和费曼图积分。Kahya 当年为完成这一「一圈修正」的推导,累计写下近 500 页手算过程,前后耗时 1 年。
他随后把这一课题交给 Claude Opus 5.5 处理。按文中说法,模型从费曼规则起步,先建立弯曲时空背景下的计算规则,再逐步重演 Kahya 当年的 500 页推导,包括张量收缩、积分展开和发散项分离等步骤。
在符号推导之外,Opus 5.5 还调用了 SymPy 和 mpmath 两个数学库,完成了 38 项可复现的数值校验。10 小时后,模型交付了一整套可复核材料,而不是零散输出。
- 183 页详细推导笔记
- 完整论文 LaTeX 源码
- 全部验证代码脚本
- 详细错误发现清单
文中据此给出的对比是,人类用 1 年完成的工作,AI 用 10 小时完成,研究效率提升了 876 倍。

AI 指出原论文多处错误,但最终结论未变
对 Kahya 来说,更关键的不是速度,而是审计结果本身。根据那份错误发现清单,Opus 5.5 在复核这 500 页手稿时指出了多类问题,包括整体符号错误、缺失非解析项,以及常数错误和大量笔误。
文中列出的主要问题包括:
- 整体符号错误;
- 缺失非解析项;
- 常数错误与大量笔误。
按文中描述,正负号错误在物理计算中较为常见,但影响也最直接;复杂展开式中的非解析项则更容易在人工推导中被忽略;至于常数、下标和抄写层面的错误,在长时间手算中也难以完全避免。
不过,在修正这些问题后,Opus 5.5 重新计算得到的最终结果并没有推翻原论文的核心判断。文中称,晚期标量模式函数依然没有显著的一圈修正。这意味着,Kahya 当年的物理结论得以保留,变化主要出现在中间推导过程的准确性上。

Kahya:Opus 5.5 让人产生「存在主义危机」
这次复核在网上引发讨论后,Kahya 也在社交媒体上公开谈到自己的感受。他写道:「Opus 5.5 真的让人产生了存在主义危机。」
他同时强调,这并不是一道简单的课后习题,也不是专家短时间内就能轻松解决的问题,而是弯曲时空量子场论中的复杂计算,涉及多种数学方法和很高的专业直觉门槛。
文中认为,这类工作长期以来一直是理论物理学训练和学术评价的重要组成部分。从开普勒计算火星轨道,到狄拉克推导量子力学,再到现代高能物理中的微扰计算,大量公式推导一直是物理学家的基本功。如今,若 AI 能在 10 小时内完成原本需要 1 年的计算任务,研究者的角色也会被重新审视。

文中给出的判断是,劳动并未消失,而是在转移:从单纯执行计算任务,转向验证结果和提出问题。
相关材料已上传 GitHub,并整理成论文提交 arXiv
Kahya 已将 Opus 5.5 生成的推导笔记、错误清单和全部代码打包上传至 GitHub 仓库:
https://github.com/eokahya/claude-audits-quantum-gravity/
与此同时,他还把整个过程整理成论文,提交至 arXiv,标题为《Auditing a quantum gravity calculation with an AI model》。文中给出的论文链接为:

https://github.com/eokahya/claude-audits-quantum-gravity/blob/main/paper/paper.pdf
参考资料还提到 dissertation.com 上的一份摘要页面:
https://dissertation.com/abstract/1821485

从重复计算转向审计与提问
文中将 Kahya 的经历视为一个开端。按其表述,今天 AI 可以在 10 小时内重做 500 页量子引力计算,未来也可能被用于弦理论、暗物质模型、可控核聚变等方向的复杂推导。
不过,原文并未把重点放在替代本身,而是放在研究分工的变化上。过去由研究者亲自完成的大量推导、核对和纠错工作,现在开始被模型承担;研究者的价值,则更多体现在设定问题、审查过程和确认结论上。
本文援引的信息显示,这次案例的核心并不是 AI 单纯加快了计算速度,而是它在复现、校验、生成文档和发现错误这几个环节形成了完整闭环,并且没有改变原研究的最终物理结论。


