Una conjetura cuántica de 18 años cayó en tres días, y la prueba llegó con verificador

El 6 de noviembre, Physical Superintelligence afirmó que su sistema interno de investigación había demostrado la conjetura de Aaronson y Ambainis. La ejecución tardó tres días en producir un argumento completo. Lean, el asistente de pruebas que hace que un ordenador compruebe cada paso, lo aceptó. Después el sistema atacó problemas relacionados, reforzó el resultado dos veces, y Lean aceptó también la versión final.
PSI publicó un artículo legible y una formalización completa en Lean 4 bajo Apache 2.0. El repositorio declara que el desarrollo no contiene marcadores de prueba ni axiomas añadidos, y que los cuatro teoremas principales se reprodujeron por el kernel de Lean y por lean4lean, una implementación independiente del mismo verificador de tipos. Un comparador con los kernels de Lean y nanoda aceptó las versiones finales. En una segunda máquina, el mismo comparador aceptó una solución de juguete correcta y rechazó cuatro deliberadamente erróneas.
Esa prueba de control es la parte a la que vuelvo. Es lo que separa una afirmación de un recibo.
Qué dice en realidad la conjetura
Casi todas las aceleraciones cuánticas famosas dependen de la estructura. El algoritmo de factorización de Shor, de 1994, funciona porque la entrada esconde un periodo repetido. Si pides a un ordenador cuántico respuestas de sí o no sobre entradas aleatorias uniformes, esa estructura desaparece, y ahí vivía la pregunta abierta: ¿puede una máquina cuántica seguir siendo exponencialmente más rápida?
Aaronson y Ambainis convirtieron la pregunta en un enunciado sobre polinomios. En el modelo de consultas se cuenta cuántas veces un algoritmo lee su entrada. Tras T consultas, la probabilidad de que un algoritmo cuántico responda sí puede escribirse como un polinomio de grado como máximo 2T cuyos valores están entre 0 y 1. Para simular esa clase de algoritmos de forma clásica hay que estimar el polinomio sin leer un número exponencial de bits de entrada.
La conjetura dice que todo polinomio acotado de grado bajo que no sea casi constante tiene al menos una coordenada con influencia alta. Voltear ese bit tiene que mover el valor del polinomio una cantidad significativa de media. Si eso se cumple, una máquina clásica puede simular cualquier algoritmo cuántico de T consultas sobre la mayoría de entradas usando un número polinómico de consultas en T. Ninguna aceleración exponencial en entradas sin estructura.
La prueba de PSI da una cota explícita: algún bit tiene una influencia de al menos una constante por v elevado a 5/2 partido por d elevado a seis, donde v es la varianza y d el grado, con la constante en torno a 0,0025. En forma más laxa, al menos (v/d)^7.
La ruta sigue un plan de Shachar Lovett y Jiapeng Zhang, construido sobre certificados fraccionarios y conjuntos de nivel. Lovett y Zhang habían dejado una desigualdad sin resolver, enunciada como conjetura. El sistema de PSI la sustituyó por una nueva desigualdad de todos los pares, derivada de un emparejamiento de configuraciones de entrada basado en determinantes, que según la empresa va más allá del lema Butterfly anterior de David Reimer al limitar cuántas coordenadas pueden coincidir.
Qué se comprobó a máquina y qué no
Aquí creo que fallará buena parte de la cobertura. Una prueba en Lean es un artefacto sólido. No es una certificación completa del resultado, y PSI lo dice.
Tres cosas quedan fuera de la comprobación automática. El kernel de Lean, el compilador, las definiciones de Mathlib y el hardware que comprueba forman parte de la base de confianza. El artículo en prosa no está verificado por máquina, solo los enunciados formales. Y una persona tiene que confirmar que el enunciado formal coincide con la conjetura tal como Aaronson y Ambainis la imprimieron en 2008.
PSI hizo ese último paso tan fácil como pudo. El repositorio aísla una única definición llamada `PrintedConjecture` en un archivo que no importa nada salvo Mathlib, de modo que un lector escéptico abre un archivo y lo compara con el artículo original. Es un diseño de interfaz pensado para la verificación, y también revela que los autores sabían dónde estaba la junta débil.

La auditoría fue interna. Jim Halverson auditó la prueba y Phiala Shanahan comentó la formalización; ambos son asesores de PSI. No ha habido revisión por pares ni publicación en revista. Los cuatro investigadores de Stanford que demostraron un caso especial en agosto de 2026 —Guy Blanc, Jordan Docter, Carmen Strassle y Li-Yang Tan— han leído la prueba completa, han enviado comentarios y preparan una exposición más breve. Su valoración citada la llama un resultado enorme. La correspondencia con expertos interesados es útil. No es revisión.
Los roles humanos están nombrados, algo que agradezco. David Turturean, miembro del equipo técnico que estudió física e IA en el MIT, construyó el sistema de investigación, acotó el problema, lo ejecutó, pidió a una instancia no pública de un modelo de Anthropic que empaquetara un primer borrador, revisó ese borrador y figura como responsable de la corrección del artículo. El repositorio declara que los modelos de IA produjeron los enunciados matemáticos, el primer borrador y la formalización en Lean.
Esa división del trabajo conviene decirla sin rodeos, porque va a ser lo normal. Una persona elige el problema y carga con la culpa. Un modelo produce argumentos candidatos. Un verificador rechaza los que no cierran. El resultado es una afirmación que cualquiera puede volver a ejecutar con un portátil y una tarde.
Por qué el verificador importa más que el modelo
Anthropic no ha dicho cuándo ni si el modelo que hay detrás se publicará. Ese detalle es casi una distracción. El objeto interesante es la tubería, y la tubería es reproducible de una forma en que una puntuación de benchmark no lo es.
Piensa qué puede hacer un matemático escéptico con esta publicación. Clonar el repositorio. Leer `PrintedConjecture`. Ejecutar Lean. Ejecutar lean4lean. Ejecutar el comparador. Comprobar que no se añadieron axiomas. Cada uno de esos pasos pasa o falla, y los modos de fallo son concretos.
Compáralo con la alternativa. Un laboratorio publica un gráfico, una página de producto y un párrafo sobre mejoras de razonamiento. O te lo crees o no.
La verificación formal no es magia y no zanja las matemáticas. Zanja algo más estrecho: si un enunciado formal concreto se sigue de unos axiomas concretos por unas reglas concretas. Todo lo demás, si el enunciado es el correcto, si los axiomas son los correctos y si el resultado importa, queda en manos de personas.
PSI es una corporación de beneficio público de Cambridge, Massachusetts, que se presentó en público en septiembre con una ronda semilla de 58 millones de dólares liderada por Breakthrough Energy Ventures. Se describe como un laboratorio de física nativo de IA, con físicos virtuales pensados para razonar como teóricos y validar como físicos computacionales. Dice que el mes pasado resolvió cinco problemas antiguos de teoría de la información cuántica, y este es su segundo anuncio importante en unas dos semanas. Ese ritmo es impresionante o es una advertencia, según cuánto sobreviva fuera del foco.
Qué significa para el relato cuántico
El resultado afina una frontera. Para preguntas de sí o no sobre entradas aleatorias sin estructura, las máquinas cuánticas no pueden ahorrar exponencialmente muchas consultas. Quien diseñe algoritmos debería buscar problemas con estructura real, en las matemáticas o en la física, en lugar de cazar aceleraciones sobre entradas genéricas.
No dice qué aplicaciones saldrán rentables. El modelo de consultas cuenta lecturas de entrada, no el trabajo de cargar y procesar datos, así que no impone un límite general al tiempo de ejecución ni al valor comercial de un ordenador cuántico. Quien cite este artículo como prueba de que la computación cuántica ha muerto está citando algo que no está en él.
Lo otro que no hace es cerrar la discusión sobre si la IA puede investigar. Un único resultado, producido por un sistema interno, auditado internamente, sobre un problema en el que la literatura ya había estrechado el camino a una desigualdad sin resolver, es un dato. Lovett y Zhang tenían el plan. Reimer tenía un lema. El sistema cerró un hueco. Es trabajo real y es una porción estrecha de lo que implica investigar en matemáticas.
El paso que queda es el que PSI no puede dar por sí mismo. Alguien del campo tiene que leer el enunciado formal, aceptar que es la conjetura de Aaronson y Ambainis y no una prima conveniente, y decirlo en público. Hasta entonces existe una derivación verificada por máquina de algo muy cercano a una afirmación famosa, más un repositorio construido para que la última milla sea corta.
Es una posición mejor que la que dejan la mayoría de los anuncios.
Artículos relacionados
Google sacó los agentes de código del portátil, y el aviso de permiso sigue siendo el cuello de botella
La fontanería está casi resuelta. El aviso de permiso sigue siendo el cuello de botella humano.
NVIDIA libera cuatro modelos del mundo de 16B y la parte sin benchmark es el aprendizaje de políticas
NVIDIA dice que no está medido si estos modelos sirven para aprender políticas. La frase debería acompañar cualquier historia sobre modelos del mundo abiertos.
Cuatro de los repos más populares de GitHub son bibliotecas de skills, y ya hay un problema de empaquetado
La adopción va bien. El fallo interesante son cuatro formas incompatibles de instalar el mismo objeto.
Thinking Machines lanzó un modelo de 594B y dejó los pesos para la semana que viene
Un modelo fuerte, una receta documentada, una capacidad infravalorada y una fecha que el laboratorio no ha comprometido.