Mehr als zehn Jahre lang fragten sich Nobelpreisträger Giorgio Parisi und Francesco Zamponi von der Universität La Sapienza in Rom: Wie kann es sein, dass zwei völlig unterschiedliche physikalische Ansätze genau dasselbe Ergebnis liefern? Vielleicht war eine bisher noch unbekannte Symmetrie am Werk – oder eine unentdeckte mathematische Struktur. Doch die Lösung, die sie schließlich gefunden haben, ist viel banaler. »Die Antwort lag direkt vor uns, und wir hatten sie einfach nicht gesehen«, sagt Zamponi. Darauf gestoßen hat sie das KI-Sprachmodell Claude von Anthropic.

Parisi und Zamponi erforschen das Verhalten von amorphen Festkörpern, etwa Glas. Hier sind die Partikel nicht in einer regelmäßigen Struktur angeordnet wie bei Kristallen. Besonders spannend ist das »Jamming«: der Übergang von der flüssigen Phase, in der sich die Bestandteile noch bewegen können, zum starren Zustand. Das kann man sich wie ein Glas voller getrockneter Erbsen vorstellen, die festklemmen, wenn man sie zusammendrückt.

Den Übergang zur Jamming-Phase beschreiben zwei grundlegend verschiedene Modelle. Parisi und Zamponi nutzten einen »Mean-Field-Ansatz«, bei dem sie die Eigenschaften des Systems mitteln, statt jede Wechselwirkung einzeln zu verfolgen. Durch eine statistische Analyse etlicher möglicher Konfigurationen konnten die Physiker daraus sogenannte Exponenten ableiten. Sie beschreiben, wie häufig sehr kleine Abstände oder schwache Kontaktkräfte nahe am Übergang auftreten. Das Erstaunliche: Zwei der Exponenten, die sie bestimmten, scheinen sich stets zur Zahl eins aufzusummieren. Aus dieser Tatsache folgte eine Übereinstimmung zu einem völlig anderen theoretischen Ansatz.

Den hat der Physiker Matthieu Wyart an der EPFL in Lausanne verfolgt. Gemeinsam mit seinem Team nahm er hierfür an, dass der Übergang beim Jamming genau dann stattfindet, wenn es gerade genug Kontaktpunkte zwischen den Partikeln gibt, um jede Bewegung zu blockieren. Auf diese Weise ließ sich das Größenverhältnis von Lücken und Kontaktkräften bestimmen.

Claude liefert den entscheidenden Hinweis

Beide Ansätze liefern zwar dieselben Resultate, aber das folgte bislang nur aus numerischen Berechnungen. Die Fachleute wollten hingegen mathematisch präzise erklären, warum dem so ist. Nach mehreren Jahren erfolgloser Suche rückte die Frage immer weiter in den Hintergrund. Doch es habe Parisi stets geärgert, dass er sie nicht beantworten konnte, erzählt Zamponi.

Als sich Parisi dem KI-Modell Claude zuwandte, lieferte das Sprachmodell einen vielversprechenden Erklärungsansatz. Parisi und Zamponi konnten ihn zu einem Beweis für die erstaunliche Übereinstimmung ausarbeiten. Allerdings war die Lösung zu einfach für weitere Einsichten. »Wir hatten gehofft, dass sich dadurch neue Erkenntnisse zu den Gleichungen ergeben würden«, sagte Zamponi. Doch wenigstens gibt es jetzt Gewissheit, dass beide so unterschiedlich erscheinenden Ansätze dieselbe Physik beschreiben.