Ett forskningssystem utvecklat av startupen Physical Superintelligence, med hjälp av instanser av en icke-offentlig antropisk modell, har producerat ett fullständigt bevis på Aaronson-Ambainis gissningar, ett matematiskt problem som har stått öppet sedan 2008 och handlar om när kvantdatorer kan uppnå exponentiella fördelar jämfört med klassiska maskiner. Beviset accepterades av Lean proof-assistenten, enligt en tidning som publicerats offentligt av företaget.
Resultatet, som först rapporterades av The Quantum Insider och täcks av Business Insider, beskrivs av oberoende forskare som ett landmärke för AI-assisterad matematik - och en av de mest följdriktiga resultaten som hittills tillskrivits en frontiermodell som aldrig har släppts till allmänheten. For more context on this story, see our ongoing AI trends.
Vad gissningarna säger
Scott Aaronson och Andris Ambainis ställde frågan i ett arbete som spårade tillbaka till en föreläsning av Aaronson 2008: kan en kvantalgoritm fortfarande få en exponentiell fördel när indata den får ingen struktur att utnyttja? De mest kända kvanthastigheterna, som Peter Shors factoringalgoritm från 1994, fungerar eftersom deras indata har upprepade mönster som algoritmen kan utnyttja. Aaronson-Ambainis-frågan tar upp det motsatta fallet - enhetligt slumpmässiga, ostrukturerade indata där sådana mönster saknas.
För att studera frågan använder forskare frågemodellen, som räknar hur ofta en algoritm får tillgång till dess input snarare än varje operation den utför. En klassisk algoritm läser en bit per fråga, medan en kvantfråga kan agera på en överlagring av många indatapositioner samtidigt. Aaronson och Ambainis antog att varje begränsat låggradspolynom - det matematiska objektet som beskriver en kvantalgoritms utmatningssannolikhet efter ett givet antal frågor - måste ha en mycket inflytelserik variabel.
Om det är sant, antyder gissningarna att en kvantalgoritm som gör T-frågor kan simuleras av en klassisk algoritm som endast gör polynomiellt många frågor på de flesta ingångar, vilket utesluter exponentiella hastigheter för ostrukturerade problem. Gissningen bevisades genom att anta ett formellt uttalande om polynom, men själva uttalandet hade motstått bevis i 18 år.
Hur beviset hittades
Enligt PSI:s blogginlägg och det medföljande dokumentet producerade forskningssystemet ett fullständigt bevis under den tredje dagen av en körning på PSI:s egen infrastruktur. Huvudsatsen och dess formulering av den ursprungliga gissningen formaliserades i Lean 4, och Leans kärna - mjukvarukomponenten som mekaniskt verifierar varje logiskt steg - accepterade beviset. PSI tilldelade sedan de systemrelaterade öppna problemen, vilket ledde till att den stärkte resultatet två gånger innan den slutliga versionen accepterades.
Förvarets registrerade granskning konstaterar att den formella utvecklingen inte innehåller några bevisplatshållare och inga tillagda axiom. Deklarationerna spelades upp genom Leans kärna och genom lean4lean, en oberoende implementering av Leans typkontroll, och en komparator som använde båda kärnorna accepterade de fyra slutsatserna. I ett kontrolltest på en andra maskin accepterade komparatorn en korrekt liten lösning och förkastade fyra medvetet felaktiga.
Beviset följer en strategi som lagts fram av matematikerna Shachar Lovett och Jiapeng Zhang, baserad på bråkdelscertifikat och nivåuppsättningar, men ersätter en ojämlikhet som deras plan hade lämnat som en gissning med en ny ojämlikhet av alla par byggd på en determinantgenererad parning av ingångsinställningar - en konstruktion som PSI säger går utöver David Reimers tidigare Butterfly Lemma.
Mänsklig tillsyn och verifierade gränser
David Turturean, en medlem av PSI:s tekniska personal, utvecklade och drev forskningssystemet, undersökte problemet, fick modellen att paketera ett första utkast och granskade det utkastet; arkivet utnämner honom som ansvarig för tidningens korrekthet. Jim Halverson granskade beviset och Phiala Shanahan kommenterade formaliseringen. Förvaret avslöjar att AI-modeller producerade de matematiska påståendena, det första utkastet och Lean-formaliseringen.
Verifieringen har också uttryckliga begränsningar, vilket PSI:s papper erkänner. En mänsklig läsare måste fortfarande bekräfta att det formella uttalandet i Lean stämmer överens med den tryckta gissningen, och det läsbara papperet är inte självt maskinkontrollerat. Leans kärna, Mathlib-bibliotekets definitioner och maskinerna som används för att kontrollera förblir en del av den betrodda basen.
Expertreaktion
Tillkännagivandet följer en uppsats från augusti 2026 av Guy Blanc, Jordan Docter, Carmen Strassle och Li-Yang Tan, som avgjorde den klassiska simuleringskonsekvensen för parallella kvantalgoritmer - ett partiellt resultat som slutade med den fullständiga gissningen. Enligt PSI har alla fyra forskarna läst hela beviset, har lämnat kommentarer och förbereder en kortare utläggning riktad till experter.
I sin bedömning publicerad av PSI skrev forskarna: "Detta är ett enormt resultat. Det löser en decennier gammal gissning med viktiga implikationer för karaktären av problem som medger kvanthastigheter. Beviset bygger på och förlänger flera arbetslinjer i analysen av booleska funktioner och probabilistisk kombinatorik. Allt sammanförs på ett ganska magiskt sätt."
Vad det betyder för kvantberäkning
För kvantberäkningsforskning skärper teoremet gränsen mellan problem där kvantmaskiner kan hjälpa och problem där de inte kan. Det riktar algoritmdesigners mot problem vars matematiska eller fysiska struktur ger verkliga fördelar, snarare än att söka efter snabbare på generiska indata. Resultatet avgör dock inte vilka applikationer i verkligheten som kommer att leverera användbara hastigheter, och frågemodellen tar inte hänsyn till allt arbete som behövs för att bearbeta data, så den fastställer ingen generell gräns för total beräkningstid eller det kommersiella värdet av kvantmaskiner.
Manuskriptet och dess Lean 4-formalisering är offentliga på GitHub, där communityn nu kan försöka verifiera överensstämmelsen mellan det formella uttalandet och den ursprungliga gissningen – det återstående steget som skiljer ett maskinkontrollerat bevis från ett helt certifierat.
För Anthropic erbjuder avsnittet en förhandstitt på funktioner som inte har släppts till något API: modellen som producerade de matematiska påståendena förblir icke-offentlig, och företaget har inte meddelat när eller om den kommer att skickas.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
