בעידן שבו שילוב של שפות ניתנות לאימות ומודלי שפה גדולים (LLMs) משנה את עולם המתמטיקה ומדעי המחשב, תחום הפיזיקה הפורמלית נשאר מאחור. כעת, מאמר חדש ב-arXiv מציג את PhysProver – הגישה הראשונה להוכחת משפטים פורמלית מתקדמת בפיזיקה. המודל הזה, המבוסס על מסגרות דומות להוכחות מתמטיות, מבטיח לבנות יסודות איתנים לפתרון בעיות פיזיקליות מורכבות באמצעות AI. החוקרים מדווחים על שיפורים משמעותיים עם נתונים מוגבלים, מה שמעלה שאלות על היישומים העסקיים בתעשיית ההיי-טק הישראלית.
המאמר מציג את PhysLeanData, מערך נתונים ייעודי המורכב ממשפטים מדגימה מ-PhysLean ומנתונים שנוצרו באמצעות צינור ייצור נתונים מבוסס השערות. בתהליך האימון, השתמשו ב-DeepSeek-Prover-V2-7B, מנוע הוכחת משפטים מתמטי חזק וקוד פתוח, והחילו למידת חיזוק עם תגמולים ניתנים לאימות (RLVR). כך נוצר PhysProver, שמאומן על כ-5,000 דגימות בלבד. הגישה הזו מדגישה יעילות, שכן היא משתמשת במשאבים מינימליים להשגת תוצאות משמעותיות.
בניסויים מקיפים, PhysProver השיג שיפור כולל של 2.4% בתת-תחומים שונים של פיזיקה פורמלית. מעבר לכך, לאחר אימון ספציפי לפיזיקה, נצפתה עלייה של 1.3% בביצועים במבחן MiniF2F-Test – סט נתונים מתמטי כללי. התוצאות מראות הכללה מעבר לפיזיקה והעשרה של יכולות ההוכחה המתמטית. החוקרים מדגישים כי הגישה יעילה ויעילה, ומציעה פרדיגמה להרחבת מנועי הוכחה פורמליים מעבר למתמטיקה.
המשמעות של PhysProver גדולה במיוחד עבור תעשיות הדורשות חישובים פיזיקליים מדויקים, כמו סימולציות קוונטיות או תכנון שבבים. בהשוואה למערכות מתמטיות קיימות, PhysProver מרחיב את הגבולות לפיזיקה, שבה בעיות דומות אך מורכבות יותר בשל משתנים פיזיקליים. בישראל, שבה חברות כמו אינטל וקוואנטום מכונות משקיעות בפיזיקה חישובית, טכנולוגיה זו יכולה להאיץ פיתוח מוצרים.
התוצאות מצביעות על פוטנציאל להכללה נוספת, כולל תחומים כמו כימיה או הנדסה. עבור מנהלי עסקים, השאלה היא כיצד לשלב כלים כאלה בפיתוח AI פנימי. החוקרים מתכננים לשחרר את מערך הנתונים והמודל לקהילה, מה שיאפשר ניסויים נוספים. האם PhysProver יוביל למהפכה בפיזיקה הפורמלית?