arXiv cs.AI· Sven Krippendorf, Leopoldo Sarra, Joseph Tooby-Smith·· 3 天前AI 评分27
AI 辅助物理的未来：通过形式化发现、验证与组织结果
The Future of AI-assisted Physics: Discovering, Verifying and Organizing Results via Formalization
AI 导读
一篇 arXiv 论文指出，形式化是 AI 驱动计算与理论物理发现的关键层，AI 正在降低物理形式化的门槛并提升效率，但在选择定义和设计库方面仍弱于写证明。论文强调，AI 带来的速度目前以信任、署名和社区为代价，Physlib 等社区评审的形式化库应成为核心基础设施；物理形式化还面临数学之外的挑战，即已检验的证明无法保证其定义忠实反映目标物理。
正文 · AI 翻译
摘要：AI 的快速进步为物理学开辟了一个新时代，在研究与发现方面带来了前所未有的能力。然而，这些进步也带来了挑战：如何验证、信任并复用它们如此迅速产出的结果。形式化是应对这些挑战的必要解决方案之一。在本文中，我们不仅概述了 AI 与形式化在物理学中的作用，还论证了以下观点：（1）形式化是 AI 驱动的计算物理学和理论物理学发现中不可或缺的一层；（2）AI 正在降低物理学形式化的门槛并提高其效率，尽管它在选择定义和设计库方面仍弱于撰写证明；（3）AI 为物理学形式化带来的速度目前是以信任、署名和社区为代价的；（4）像 Physlib 这样共享的、经社区评审的形式化库应当成为推动该领域进展的核心，它既是物理结果可信、可复用的基础，也是 AI 系统能够对物理进行推理的环境；（5）物理学的形式化提出了超越数学领域的挑战，最重要的是：经过检查的证明并不能确立其定义忠实捕捉了预期的物理内容。我们还就这些领域的近期和长期方向给出了我们的观点。
| 评论： | 19 页，2 幅图 |
| 主题： | 高能物理 - 唯象学 (hep-ph)；人工智能 (cs.AI)；计算机科学中的逻辑 (cs.LO)；高能物理 - 理论 (hep-th) |
| 引用为： | arXiv:2610.14059 [hep-ph] |
| （或 arXiv:2610.14059v1 [hep-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14059 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Sven Krippendorf [查看电子邮件]
[v1]
2026 年 10 月 6 日星期二 18:00:02 UTC（73 KB）
来源：arXiv cs.AI · arxiv.org