← Zurück zum Blog
Aica. 7 Min. Lesezeit

Eine 18 Jahre alte Quantenvermutung fiel in drei Tagen, der Beweis kam mit Prüfer

Veröffentlicht 11. Nov. 2026
Eine 18 Jahre alte Quantenvermutung fiel in drei Tagen, der Beweis kam mit Prüfer

Am 6. November erklärte Physical Superintelligence, sein internes Forschungssystem habe die Vermutung von Aaronson und Ambainis bewiesen. Der Lauf brauchte drei Tage für ein vollständiges Argument. Lean, der Beweisassistent, der jeden Schritt von einem Rechner prüfen lässt, akzeptierte es. Danach ging das System verwandte Probleme an, verstärkte das Ergebnis zweimal, und auch die Endfassung ging durch Lean.

PSI veröffentlichte ein lesbares Paper und eine vollständige Lean-4-Formalisierung unter Apache 2.0. Das Repository erklärt, die Entwicklung enthalte keine Platzhalter für Beweise und keine zusätzlichen Axiome, und die vier Haupttheoreme seien durch den Lean-Kernel und durch lean4lean, eine unabhängige Implementierung desselben Typprüfers, nachgespielt worden. Ein Comparator mit Lean- und nanoda-Kernel akzeptierte die Endfassungen. Auf einer zweiten Maschine nahm derselbe Comparator eine korrekte Toy-Lösung an und wies vier absichtlich falsche zurück.

Dieser Kontrolltest ist der Punkt, zu dem ich zurückkomme. Er trennt eine Behauptung von einer Quittung.

Was die Vermutung eigentlich sagt

Die meisten berühmten Quantenbeschleunigungen hängen an Struktur. Shors Faktorisierungsalgorithmus von 1994 funktioniert, weil die Eingabe eine wiederkehrende Periode versteckt. Frag einen Quantenrechner nach Ja-Nein-Antworten auf gleichverteilte Zufallseingaben, ist diese Struktur weg, und genau dort lag die offene Frage: Geht es trotzdem exponentiell schneller?

Aaronson und Ambainis verwandelten die Frage in eine Aussage über Polynome. Im Query-Modell zählt man, wie oft ein Algorithmus seine Eingabe liest. Nach T Abfragen lässt sich die Wahrscheinlichkeit, dass ein Quantenalgorithmus mit Ja antwortet, als Polynom vom Grad höchstens 2T schreiben, dessen Werte zwischen 0 und 1 liegen. Um diesen Algorithmus klassisch zu simulieren, muss man das Polynom schätzen, ohne exponentiell viele Eingabebits zu lesen.

Die Vermutung besagt: Jedes beschränkte Polynom niedrigen Grades, das nicht nahezu konstant ist, hat mindestens eine Koordinate mit hohem Einfluss. Das Kippen dieses einen Bits muss den Wert des Polynoms im Mittel messbar bewegen. Wenn das gilt, kann eine klassische Maschine jeden Quantenalgorithmus mit T Abfragen auf den meisten Eingaben mit polynomial vielen Abfragen in T simulieren. Keine exponentielle Beschleunigung auf unstrukturierten Eingaben.

Der Beweis von PSI liefert eine explizite Schranke: Ein Bit hat Einfluss von mindestens einer Konstanten mal v hoch 5/2 durch d hoch sechs, wobei v die Varianz und d der Grad ist, mit einer Konstanten um 0,0025. In lockerer Form: mindestens (v/d)^7.

Der Weg folgt einem Plan von Shachar Lovett und Jiapeng Zhang, aufgebaut auf fraktionalen Zertifikaten und Level Sets. Lovett und Zhang hatten eine Ungleichung offen gelassen und als Vermutung formuliert. Das System von PSI ersetzte sie durch eine neue All-Pairs-Ungleichung, abgeleitet aus einer determinantenbasierten Paarung von Eingabeeinstellungen; sie geht nach Angaben des Unternehmens über David Reimers früheres Butterfly-Lemma hinaus, indem sie begrenzt, wie viele Koordinaten übereinstimmen dürfen.

Was maschinell geprüft wurde und was nicht

Hier, glaube ich, wird ein Großteil der Berichterstattung danebengreifen. Ein Lean-Beweis ist ein starkes Artefakt. Er ist keine vollständige Zertifizierung des Ergebnisses, und PSI sagt das selbst.

Drei Dinge liegen außerhalb der Maschinenprüfung. Lean-Kernel, Compiler, die Definitionen von Mathlib und die Hardware, die prüft, gehören zur Trusted Base. Das Prosapapier ist nicht maschinell geprüft, nur die formalen Aussagen. Und ein Mensch muss bestätigen, dass die formale Aussage zu der Vermutung passt, wie Aaronson und Ambainis sie 2008 gedruckt haben.

Den letzten Schritt hat PSI so leicht wie möglich gemacht. Das Repository isoliert eine einzige Definition namens `PrintedConjecture` in einer Datei, die nichts außer Mathlib importiert. Ein skeptischer Leser öffnet eine Datei und vergleicht sie mit dem Originalpaper. Das ist durchdachtes Interface-Design für Verifikation, und es verrät, dass die Autoren wussten, wo die schwache Fuge sitzt.

Leere Papierbögen, flach gehalten von einem schmalen Messinglineal auf einem dunklen Holzschreibtisch, beleuchtet von einem einzelnen Streifen Nachmittagslicht.

Das Audit war intern. Jim Halverson prüfte den Beweis, Phiala Shanahan kommentierte die Formalisierung, beide sind Berater von PSI. Es gab kein Peer Review und keine Journalpublikation. Die vier Stanford-Forscher, die im August 2026 einen Spezialfall bewiesen haben, Guy Blanc, Jordan Docter, Carmen Strassle und Li-Yang Tan, haben den vollständigen Beweis gelesen und Anmerkungen geschickt; sie bereiten eine kürzere Darstellung vor. Ihre zitierte Einschätzung nennt es ein großes Ergebnis. Korrespondenz mit interessierten Fachleuten ist nützlich. Sie ist kein Review.

Die menschlichen Rollen sind benannt, was ich schätze. David Turturean, Mitglied des technischen Stabs, der am MIT Physik und KI studiert hat, baute das Forschungssystem, schnitt das Problem zu, ließ es laufen, brachte eine nicht öffentliche Anthropic-Modellinstanz dazu, einen ersten Entwurf zu verpacken, prüfte diesen Entwurf und steht namentlich für die Korrektheit des Papers. Das Repository legt offen, dass KI-Modelle die mathematischen Aussagen, den ersten Entwurf und die Lean-Formalisierung erzeugt haben.

Diese Arbeitsteilung sollte man klar benennen, weil sie normal werden wird. Ein Mensch wählt das Problem und trägt die Verantwortung. Ein Modell liefert Kandidatenargumente. Ein Prüfer weist zurück, was nicht schließt. Das Ergebnis ist eine Behauptung, die jeder mit einem Laptop und einem Nachmittag erneut laufen lassen kann.

Warum der Prüfer mehr zählt als das Modell

Anthropic hat nicht gesagt, wann oder ob das Modell dahinter erscheint. Dieses Detail ist fast eine Ablenkung. Das interessante Objekt ist die Pipeline, und die Pipeline ist reproduzierbar, wie es eine Benchmark-Punktzahl nicht ist.

Überlege, was ein skeptischer Mathematiker mit dieser Veröffentlichung tun kann. Repo klonen. `PrintedConjecture` lesen. Lean laufen lassen. lean4lean laufen lassen. Den Comparator laufen lassen. Prüfen, dass keine Axiome dazugekommen sind. Jeder dieser Schritte geht durch oder nicht, und die Fehlerbilder sind konkret.

Vergleich das mit der Alternative. Ein Labor postet ein Diagramm, eine Produktseite und einen Absatz über besseres Reasoning. Man glaubt es oder nicht.

Formale Verifikation ist keine Magie und sie entscheidet Mathematik nicht. Sie entscheidet etwas Engeres: ob eine bestimmte formale Aussage aus bestimmten Axiomen nach bestimmten Regeln folgt. Alles darüber, ob die Aussage die richtige ist, ob die Axiome die richtigen sind und ob das Ergebnis zählt, bleibt bei Menschen.

PSI ist eine Public-Benefit-Corporation in Cambridge, Massachusetts, die im September mit einer 58-Millionen-Dollar-Seed-Runde unter Führung von Breakthrough Energy Ventures öffentlich startete. Sie beschreibt sich als KI-natives Physiklabor mit virtuellen Physikern, die wie Theoretiker denken und wie Computational Physicists validieren sollen. Sie sagt, sie habe letzten Monat fünf langjährige Probleme der Quanteninformationstheorie gelöst, und dies ist die zweite große Ankündigung in rund zwei Wochen. Das Tempo ist beeindruckend oder eine Warnung, je nachdem, wie viel davon außerhalb der Aufmerksamkeit bestehen bleibt.

Was das für die Quantenerzählung bedeutet

Das Ergebnis schärft eine Grenze. Bei Ja-Nein-Fragen auf unstrukturierten Zufallseingaben können Quantenmaschinen nicht exponentiell viele Abfragen sparen. Algorithmendesigner sollten nach Problemen mit echter Struktur suchen, in der Mathematik oder in der Physik, statt nach Beschleunigungen auf generischen Eingaben zu jagen.

Es sagt nicht, welche Anwendungen sich rechnen. Das Query-Modell zählt Eingabelesungen, nicht das Laden und Verarbeiten von Daten, also setzt es keine allgemeine Grenze für Laufzeit oder den kommerziellen Wert eines Quantenrechners. Wer dieses Paper als Beweis zitiert, Quantencomputing sei tot, zitiert etwas, das nicht drinsteht.

Was es auch nicht tut: den Streit darüber beenden, ob KI Forschung kann. Ein einzelnes Ergebnis, erzeugt von einem internen System, intern auditiert, an einem Problem, bei dem die umliegende Literatur den Ansatz bereits auf eine offene Ungleichung verengt hatte, ist ein Datenpunkt. Lovett und Zhang hatten den Plan. Reimer hatte ein Lemma. Das System schloss eine Lücke. Das ist echte Arbeit und ein schmaler Ausschnitt dessen, was mathematische Forschung ausmacht.

Der verbleibende Schritt ist der, den PSI nicht selbst tun kann. Jemand im Feld muss die formale Aussage lesen, bestätigen, dass es die Vermutung von Aaronson und Ambainis ist und nicht eine bequeme Cousine, und das öffentlich sagen. Bis dahin existiert eine maschinengeprüfte Herleitung von etwas sehr Nahem an einer berühmten Behauptung, plus ein Repository, das die letzte Meile kurz hält.

Das ist eine bessere Ausgangslage, als die meisten Ankündigungen hinterlassen.

Verwandte Artikel