AI-agent lost 49 van 50 nieuwe onderzoeksproblemen in de theoretische natuurkunde op
Een AI-agent op basis van GPT-6 Astra loste 49 van 50 ongepubliceerde natuurkundeproblemen op, voor minder dan 3 dollar per stuk. Het gaat om zwaar rekenwerk waar een topexpert een dag mee bezig is. De onderzoekers zien vooral een krachtige rekenassistent.
Een team van ruim dertig natuurkundigen heeft AI-agents een reeks lastige rekenproblemen uit de theoretische natuurkunde voorgelegd. Het gaat om vijftig problemen die nergens gepubliceerd waren, dus de AI kon de antwoorden niet ergens opzoeken. De beste agent, OpenAI's GPT-6 Astra in de programmeeromgeving Codex, loste er 49 correct op. Gemiddeld kostte dat minder dan 3 dollar (ruim 2,5 euro) aan rekentijd per probleem.
De onderzoekers komen onder meer van het International Centre for Theoretical Sciences in India, het Tata Institute of Fundamental Research, Harvard, Duke, de KU Leuven en Google DeepMind. Ze publiceerden hun resultaten op 9 oktober 2026 als TheoPhysEval, een zogeheten benchmark: een vaste set opgaven waarmee je AI-systemen eerlijk met elkaar kunt vergelijken.
Wat voor problemen waren het?
Theoretisch natuurkundigen werken met pen, papier en computer aan de wiskunde achter de natuur. Denk aan zwarte gaten, stromingen in vloeistoffen, deeltjesfysica en de vreemde eigenschappen van quantummaterialen.
Elke deelnemer leverde een probleem uit zijn eigen vakgebied. Vaak namen ze een berekening uit een recent eigen artikel en veranderden ze een paar uitgangspunten. Vergelijk het met een ingewikkeld recept dat je kent, maar dat nu moet werken voor een andere oven en een ander aantal gasten. De methode bestaat al, maar je moet hem precies begrijpen en zonder fouten aanpassen.
Een specialist in dat ene onderwerp is daar ongeveer een dag mee bezig. Een natuurkundige uit een naburig vakgebied doet er veel langer over, omdat hij eerst de vakliteratuur moet doorgronden. Juist zulke klussen gaven hoogleraren vroeger vaak aan beginnende promovendi.
De onderzoekers kozen bewust géén grote open vragen. Wie zo'n doorbraak in handen heeft, publiceert die liever zelf. De uitkomsten zijn wel nieuw, maar volgens de auteurs geen baanbrekende ontdekkingen.
Hoe deden de AI-modellen het?
Vijf AI-agents kregen elk probleem zonder hints of hulp van mensen. Ze mochten zelf programma's schrijven en draaien om te rekenen. Dat gebeurde in twee rondes: één met toegang tot internet en wetenschappelijke artikelen, en één zonder.
Met internet waren de scores:
- GPT-6 Astra (OpenAI): 49 van de 50
- Claude Opus 5.5 (Anthropic): 46
- Gemini 3.8 Flash (Google): 34
- DeepSeek-V4.1-Flash: 27
- GLM 5.3: 21
Zonder internet scoorden Astra en Opus allebei 46 van de 50. Astra was bovendien zuinig: het gebruikte veel minder rekenwerk dan de andere topmodellen.
Opvallend is wat er gebeurde bij het nakijken. Eerst leek Astra een aantal problemen fout te hebben. Bij nadere controle bleken de experts zelf kleine fouten in hun eigen antwoorden te hebben gemaakt. Nadat ze die hadden verbeterd, klopte het antwoord van Astra in alle gevallen.
Het ene probleem dat Astra miste, loste geen enkel model op. Daarbij moest de AI terugredeneren: uit een getekende kromme de formule achterhalen die die kromme oplevert. Zo'n opgave lijkt op een speurtocht waarbij de maker meer weet dan de oplosser.
De vakliteratuur zit al in het geheugen
Het verschil tussen de ronde met en zonder internet was klein. Dat verraste de onderzoekers. Veel problemen leunen op specifieke formules uit recente artikelen, die een mens altijd zou moeten opzoeken. De beste modellen blijken grote delen van de natuurkundige vakliteratuur al te kennen.
Kanttekeningen en vervolgstappen
Rekenen is volgens de auteurs maar één onderdeel van natuurkundig onderzoek. Eerst moet iemand een goede theorie bedenken en de juiste vraag stellen. Pas daarna volgt de berekening. Huidige AI-agents hebben volgens de onderzoekers nog weinig gevoel voor welke vragen interessant zijn. Ook schakelen ze minder makkelijk over op een betere aanpak als een probleem te moeilijk blijkt. Daarom blijven menselijke experts voorlopig aan het stuur.
Elk model kreeg de opgaven één keer. Bij een herhaling kan een score dus een paar punten anders uitvallen. De opgaven zijn openbaar, zodat andere groepen de test kunnen herhalen.
Bij echt onopgeloste vraagstukken ligt de lat een stuk hoger. In een andere recente test met 82 open problemen uit de wiskunde en natuurkunde was Astra ook de beste, met een gemiddelde oplossingsgraad van ongeveer 14 procent. Daar valt dus nog veel te winnen.
De auteurs denken ook na over de gevolgen voor hun vak. Klussen die vroeger dienden als eerste onderzoeksproject voor jonge natuurkundigen, kan een AI-agent nu in korte tijd uitvoeren. Opleidingen zullen daarop moeten inspelen. Ook willen de onderzoekers voorkomen dat goede AI-hulp vooral bereikbaar wordt voor rijke instituten.
Wat betekent dit voor de weg naar de singulariteit?
AI-agents voeren nu zelfstandig berekeningen uit op het niveau van specialisten, in vakgebieden die bijna geen mens allemaal beheerst. Ze vangen zelfs fouten op in het werk van experts. Dat is een flinke stap.
Volgens de onderzoekers kunnen natuurkundigen met zulke assistenten veel meer en breder werk aan, wat de wetenschap kan versnellen en op termijn tot doorbraken kan leiden. De volgende stap is AI die niet alleen het rekenwerk doet, maar ook zelf de goede vragen leert stellen. Maar wie een team van onvermoeibare rekenexperts voor een paar euro per opgave tot zijn beschikking heeft, kan zich nu al richten op het mooiste deel van de natuurkunde: nadenken over hoe de wereld werkt.
