A 15 de novembro de 2026, a OpenAI publicou um artigo convidado do físico Nathaniel Craig, no qual ele descreve o trabalho com o GPT-6 Astra numa forma candidata de definir o Standard Model da física de partículas numa rede, uma grelha discreta que representa o espaço-tempo. O texto é o primeiro no novo blogue científico da OpenAI, lançado no mesmo dia. Craig dirige o grupo de teoria de partículas da University of California, Santa Barbara e é membro permanente do Kavli Institute for Theoretical Physics; é também visiting scientist na OpenAI. O relato assenta no seu preprint de 6 de outubro de 2026, «A gauge-invariant measure for lattice chiral fermions» (arXiv:2610.09093), que indica afiliações na UC Santa Barbara, no Kavli Institute e na OpenAI.
O Standard Model descreve as partículas elementares conhecidas e três das quatro forças fundamentais, e foi testado numa gama enorme de energias. O ponto de Craig é que os físicos ainda não dispõem de uma definição não perturbativa da teoria completa, isto é, de uma definição que não trate as interações como correções pequenas. A teoria quântica de campos em rede tem sido muito bem-sucedida para a força forte, incluindo cálculos da massa do protão a partir de primeiros princípios. Estender essa abordagem a todo o Standard Model é bem mais difícil, porque a força fraca trata de forma diferente os fermiões canhotos e destros. Uma versão ingénua em rede tende a produzir partículas «doubler» a mais, e o conteúdo de partículas da força fraca sai errado.
Craig escreve que trabalho anterior, incluindo os overlap fermions de Rajamani Narayanan e Herbert Neuberger e uma prescrição de fase de Martin Lüscher para teorias mais simples, como uma versão quiral do eletromagnetismo, deixou em aberto, durante mais de 25 anos, um passo necessário para o Standard Model completo. A sua estratégia consistia em representar os mesmos campos de força numa sucessão de grelhas cada vez mais finas e em construir a regra de fase necessária ao comparar os estados fermiónicos permitidos em grelhas vizinhas. Diz que não tinha conseguido demonstrar que a ideia funcionava em todos os casos que tinha de cobrir. Segundo o artigo, o GPT-6 Astra ajudou a transformar essa estratégia numa construção, sugeriu como transportar os campos de força para grelhas mais finas, mostrou que as comparações convergiriam, e assumiu a frente no desenvolvimento da demonstração detalhada.
O resumo do preprint afirma que o trabalho constrói uma medida invariante de gauge para overlap fermions em redes euclidianas a quatro dimensões, numa classe de teorias de gauge quirais não abelianas que inclui o Standard Model, e que isto oferece uma definição não perturbativa candidata do Standard Model numa rede. Craig diz que os especialistas em teoria de campos em rede Maarten Golterman, Andreas Kronfeld e Yigal Shamir analisaram a demonstração do Astra e colocaram perguntas que o ajudaram a ganhar confiança no resultado. O artigo reserva ainda a verificação em Lean da demonstração principal para material suplementar.
Craig evita tratar a construção como uma solução fechada. Descreve-a como um começo e não um fim, «muito mais uma resposta em princípio do que uma resposta na prática», e afirma que falta muito trabalho antes de ser útil em simulações realistas em rede. Assinala uma questão em aberto sobre se a construção satisfaz a reflection positivity a espaçamento de rede finito, condição que ajuda a ligar os cálculos em rede a uma teoria quântica em que as probabilidades se conservam. Nota também que a definição da teoria em interação no espaço-tempo contínuo permanece em aberto, apontando para trabalho recente da OpenAI sobre a existência da teoria de Yang-Mills como peça relacionada, e não como substituto da revisão por especialistas deste artigo.
O texto de 15 de novembro é um relato da própria OpenAI sobre um preprint de outubro, não um artigo de revista com revisão por pares, e as afirmações científicas devem ser lidas nessa perspetiva. No mesmo dia, a OpenAI publicou uma nota complementar a apresentar o próprio blogue científico; esse texto é um espaço editorial, não um resultado de investigação autónomo.