¿Puede un chatbot ser coautor de un descubrimiento científico? La IA resuelve un problema histórico sobre gluones
Un sistema de inteligencia artificial ha logrado lo que llevaba décadas resistiéndose a los físicos teóricos: encontrar la fórmula de unas esquivas amplitudes de gluones. El avance reabre una pregunta incómoda para la ciencia: si una IA genera la idea clave, ¿debe figurar como coautora del descubrimiento?
Por Enrique Coperías, periodista científico
Imagen artística de un físico teórico analiza ecuaciones de gluones mientras una interfaz de chatbot propone una solución: la investigación científica empieza a ser un trabajo compartido entre humanos e inteligencia artificial. Crédito: IA-DALL-E-RexMolón Producciones
En febrero de 2026, un artículo firmado por físicos de instituciones como Harvard, Cambridge y el Institute for Advanced Study ha reabierto una pregunta tan técnica como fascinante: ¿puede un chatbot ser coautor de un descubrimiento científico?
La cuestión no es solo filosófica.
El trabajo, subido al archivo en línea para las prepublicaciones de artículos científicos ArXiv, describe cómo un sistema de inteligencia artificial (IA) contribuyó de forma decisiva a resolver un problema matemático de física de partículas que llevaba décadas enquistado: la forma exacta de ciertas amplitudes de dispersión de gluones, las partículas que mantienen unidos a los cuarks dentro de los protones y neutrones.
Qué son las amplitudes de dispersión y por qué son fundamentales en física de partículas
La historia empieza en uno de los territorios más abstractos de la física teórica. En el mundo subatómico, las leyes de la naturaleza se expresan en gran medida mediante las llamadas amplitudes de dispersión, fórmulas que calculan la probabilidad de que un conjunto de partículas choque y produzca otras nuevas.
Son el lenguaje matemático que conecta la teoría cuántica de campos con los resultados experimentales de los grandes aceleradores. Su precisión es asombrosa: en algunos casos, las predicciones coinciden con las mediciones con una exactitud de catorce cifras decimales.
Pero esa precisión se logra a costa de cálculos casi imposibles. La forma tradicional de obtener amplitudes de dispersión se basa en los diagramas de Feynman, una técnica que suma todas las maneras en que un proceso cuántico puede ocurrir.
El problema es que el número de diagramas crece de forma explosiva con el número de partículas implicadas: calcular procesos con muchos gluones se vuelve rápidamente inabordable incluso para superordenadores. Y, sin embargo, cuando se completan esos cálculos, a menudo aparece una sorprendente simplicidad: fórmulas compactas que sustituyen a miles de términos intermedios.
El problema de las amplitudes de gluones con una helicidad negativa
Esa tensión, entre la complejidad del cálculo y la elegancia del resultado, ha guiado décadas de investigación. En los años ochenta, por ejemplo, los físicos Stephen Parke y Thomas Taylor descubrieron una expresión extraordinariamente sencilla para un tipo especial de amplitudes de gluones. Aquella fórmula mostró que la física de partículas esconde estructuras matemáticas profundas aún no comprendidas del todo.
El nuevo trabajo se inscribe en esa tradición. Se centra en un caso que durante mucho tiempo se consideró trivial: las llamadas amplitudes de gluones con una helicidad negativa, procesos en los que un gluón con cierta polarización se transforma en otros gluones con la polarización opuesta.
Durante años se pensó que estas amplitudes eran nulas, es decir, que no contribuían a los procesos físicos, salvo en situaciones muy especiales. Sin embargo, el artículo demuestra que, bajo ciertas condiciones matemáticas, no solo existen sino que admiten una expresión sorprendentemente simple.
El hallazgo no consiste en una nueva partícula ni en una medición experimental, sino en una fórmula. Pero en física teórica, encontrar una fórmula correcta puede equivaler a abrir una puerta conceptual. Los autores muestran que estas amplitudes, aparentemente complejas, pueden describirse mediante expresiones cerradas y discretas, cuyos valores son simplemente +1, −1 o 0 según la configuración de los momentos de las partículas. Una simplificación radical respecto a los miles de términos que surgirían de los diagramas de Feynman tradicionales.
La baza de la inteligencia artificial en el descubrimiento
Lo verdaderamente llamativo es cómo se llegó a esa fórmula. Según el artículo, la expresión clave fue conjeturada inicialmente por un modelo de inteligencia artificial —identificado como GPT-5.2 Pro— y después demostrada rigurosamente por otro modelo interno de OpenAI. Los físicos humanos verificaron el resultado con métodos tradicionales y comprobaron que cumplía todas las condiciones necesarias de consistencia matemática. Solo entonces lo incorporaron al artículo científico.
🗣️ En otras palabras: la IA propuso la solución, y los investigadores la confirmaron. «Es el primer descubrimiento significativo en física teórica realizado por una IA», afirma Andrew Strominger, físico de la Universidad de Harvard y coautor del estudio, que asegura que quizá ellos mismos podrían haber dado con un truco ingenioso para resolver el problema… o que nunca lo lograran.
El proceso recuerda a la forma en que trabajan los matemáticos cuando buscan patrones o conjeturas. Muchas veces, la dificultad no está en demostrar una fórmula, sino en imaginarla. En este caso, el sistema de IA exploró el espacio de posibles expresiones hasta encontrar una que encajaba con los datos conocidos y con las propiedades teóricas que debía cumplir. Después, los físicos demostraron que esa conjetura era correcta utilizando técnicas estándar de la teoría cuántica de campos.
Una interfaz de inteligencia artificial sugiere fórmulas sobre una pizarra llena de diagramas de Feynman y ecuaciones: la IA entra en el corazón matemático de la física de partículas. Crédito: IA-DALL-E-RexMolón Producciones
Por qué la fórmula es importante en física teórica
El resultado final es una expresión compacta que describe la desintegración de un gluón con cierta polarización en otros gluones, dentro de un régimen matemático específico. Esa fórmula satisface varios principios fundamentales de la física teórica, como el llamado teorema suave de Weinberg y ciertas simetrías internas de la teoría de Yang-Mills, el marco que describe la interacción fuerte. Ninguna de esas propiedades era evidente al examinar la fórmula directamente, lo que refuerza la idea de que el hallazgo no es trivial.
Más allá de la elegancia matemática, el trabajo tiene implicaciones conceptuales. Las amplitudes de dispersión se consideran una de las ventanas más prometedoras hacia una formulación más profunda de la física fundamental.
Muchos físicos creen que las leyes cuánticas podrían expresarse de forma más simple en términos de estas amplitudes que mediante los campos y partículas tradicionales. Cada nueva estructura descubierta en este ámbito es una pista sobre esa posible reformulación.
Implicaciones más allá de los gluones
Además, las técnicas desarrolladas en el artículo podrían extenderse a otros contextos, como las amplitudes de los gravitones —las hipotéticas partículas del campo gravitatorio— o las teorías supersimétricas, modelos de la física teórica que proponen una simetría profunda entre dos tipos de partículas: las que forman la materia (fermiones) y las que transmiten fuerzas (bosones).
Los autores sugieren que el método podría revelar nuevas simplificaciones en problemas que hasta ahora se consideraban intratables.
Pero el aspecto que ha captado la atención mediática no es la física en sí, sino la autoría. El artículo está firmado por varios físicos teóricos y, de forma explícita, por «Kevin Weil en nombre de OpenAI». En el texto se reconoce que la fórmula principal fue conjeturada por un modelo de inteligencia artificial y probada por otro. No se trata simplemente de una herramienta de cálculo, como una calculadora simbólica, sino de un sistema capaz de sugerir una estructura matemática nueva.
Restos de materia tras la creación de un plasma de cuarks y gluones generado en la colisión de dos núcleos en el Brookhaven National Laboratory. Imagen cortesía de Brookhaven National Laboratory. Cortesía: Brookhaven National Laboratory
¿Debe considerarse coautor a un chatbot?
La cuestión divide a la comunidad científica. Algunos investigadores sostienen que la autoría implica responsabilidad intelectual y capacidad de interpretación, atributos que una IA no posee. Desde esta perspectiva, el mérito corresponde a los científicos humanos que diseñaron el sistema, interpretaron sus resultados y demostraron la validez de la conjetura. La IA sería una herramienta sofisticada, comparable a un software de cálculo.
Otros creen que el panorama está cambiando. Si un sistema es capaz de generar conjeturas originales y útiles en investigación científica, ignorar su contribución podría distorsionar la historia real del descubrimiento. En ese sentido, mencionar explícitamente la participación de la IA sería una forma de transparencia científica.
El debate recuerda al que surgió con los programas de ajedrez o con AlphaFold en biología estructural. Cuando DeepMind predijo la estructura de miles de proteínas, la comunidad científica tuvo que decidir cómo reconocer el papel del algoritmo. En la práctica, se optó por citar el software y a sus desarrolladores, pero no otorgarle autoría en el sentido humano del término.
En el caso de las amplitudes de gluones, la situación es aún más delicada porque el trabajo se sitúa en la frontera entre matemáticas y física teórica, donde la creatividad conceptual es fundamental. Si un sistema de inteligencia artificial puede sugerir estructuras matemáticas que los humanos no habían encontrado, ¿estamos ante una nueva forma de colaboración científica?
Lo que cambia con la IA generativa en ciencia
Por ahora, la respuesta es pragmática. El artículo no presenta a la IA como autora en sentido pleno, pero sí reconoce su papel explícitamente. Es probable que en los próximos años surjan más trabajos en los que sistemas de inteligencia artificial contribuyan a generar conjeturas o a explorar espacios matemáticos complejos. Cada caso obligará a redefinir qué significa hacer ciencia.
Mientras tanto, el hallazgo sobre las amplitudes de gluones representa algo más que una curiosidad técnica. Refuerza la idea de que la física fundamental aún esconde estructuras simples bajo capas de complejidad aparente. Y sugiere que las herramientas para descubrir esas estructuras pueden no ser exclusivamente humanas.
Tal vez, en el futuro, los artículos científicos incluyan colaboradores que no son personas. No porque las máquinas sustituyan a los científicos, sino porque se conviertan en socios intelectuales en la exploración de las leyes de la naturaleza. Este trabajo es, en ese sentido, un primer borrador de esa posible convivencia.▪️(21-febero-2026)
PREGUNTAS&RESPUESTAS: Inteligencia Artificial y Ciencia
🤖 ¿Qué descubrió exactamente la IA?
Propuso una fórmula compacta para ciertas amplitudes de dispersión de gluones que simplifica drásticamente su cálculo.
🤖 ¿La IA demostró el resultado?
Generó una prueba preliminar, pero los físicos humanos verificaron rigurosamente la validez matemática.
🤖 ¿Es la IA autora oficial del artículo?
No como autor independiente, pero su contribución está explícitamente reconocida.
🤖 ¿Esto significa que las máquinas hacen ciencia solas?
No. El proceso sigue dependiendo de validación, interpretación y supervisión humana.
🤖 ¿Qué impacto puede tener este descubrimiento?
Podría influir en futuras simplificaciones en teoría cuántica de campos y en la exploración matemática asistida por IA.
Fuente: Alexandru Lupsasca et al. Single-minus gluon tree amplitudes are nonzero. arXiv (2026). DOI: https://doi.org/10.48550/arXiv.2602.12176
