Una congettura quantistica di 18 anni è caduta in tre giorni. La prova arriva con un verificatore

Il 6 novembre Physical Superintelligence ha annunciato che il suo sistema di ricerca interno aveva dimostrato la congettura di Aaronson-Ambainis. L'esecuzione ha prodotto un argomento completo in tre giorni. Lean, l'assistente di dimostrazione che fa controllare ogni passaggio a un computer, l'ha accettato. Poi il sistema ha attaccato problemi collegati, ha rafforzato il risultato due volte, e Lean ha accettato anche la versione finale.
PSI ha pubblicato un paper leggibile da un umano e una formalizzazione completa in Lean 4 sotto Apache 2.0. Il repository dichiara che lo sviluppo non contiene segnaposto di dimostrazione né assiomi aggiunti, e che i quattro teoremi principali sono stati riprodotti attraverso il kernel di Lean e attraverso lean4lean, un'implementazione indipendente dello stesso type checker. Un comparator che usa sia il kernel Lean sia nanoda ha accettato le versioni finali. Su una seconda macchina, lo stesso comparator ha accettato una soluzione giocattolo corretta e respinto quattro volutamente sbagliate.
Torno sempre a questo test di controllo. È ciò che separa una dichiarazione da una ricevuta.
Che cosa dice davvero la congettura
Quasi tutti gli speedup quantistici famosi dipendono dalla struttura. L'algoritmo di fattorizzazione di Shor del 1994 funziona perché l'input nasconde un periodo ripetuto. Chiedi a un computer quantistico di rispondere sì o no su input uniformemente casuali e quella struttura sparisce: è lì che viveva la domanda aperta, se una macchina quantistica possa restare esponenzialmente più veloce.
Aaronson e Ambainis hanno trasformato la domanda in un enunciato sui polinomi. Nel modello a query si conta quante volte un algoritmo legge il proprio input. Dopo T query, la probabilità che un algoritmo quantistico risponda sì si scrive come un polinomio di grado al massimo 2T con valori tra 0 e 1. Per simularlo classicamente bisogna stimare quel polinomio senza leggere un numero esponenziale di bit.
La congettura dice che ogni polinomio limitato di grado basso non quasi costante ha almeno una coordinata ad alta influenza. Capovolgere quel singolo bit deve spostare il valore del polinomio in media di una quantità significativa. Se vale, una macchina classica può simulare qualsiasi algoritmo quantistico con T query sulla maggior parte degli input usando un numero polinomiale di query in T. Nessuno speedup esponenziale su input non strutturati.
La dimostrazione di PSI dà un limite esplicito: qualche bit ha influenza almeno pari a una costante per v alla 5/2 su d alla sesta, dove v è la varianza e d il grado, con la costante intorno a 0.0025. In forma più lasca, almeno (v/d)^7.
La strada segue un piano tracciato da Shachar Lovett e Jiapeng Zhang, basato su certificati frazionari e insiemi di livello. Lovett e Zhang avevano lasciato irrisolta una disuguaglianza, enunciata come congettura. Il sistema di PSI l'ha sostituita con una nuova disuguaglianza per tutte le coppie, derivata da un accoppiamento degli input basato sul determinante, che secondo l'azienda supera il precedente Butterfly Lemma di David Reimer limitando quante coordinate possono coincidere.
Che cosa è stato verificato a macchina, e cosa no
È qui che, secondo me, la maggior parte dei resoconti sbaglierà. Una dimostrazione in Lean è un artefatto forte. Non è una certificazione completa del risultato, e PSI lo dice da sola.
Tre cose restano fuori dal controllo automatico. Il kernel di Lean, il compilatore, le definizioni di Mathlib e l'hardware che esegue il controllo fanno tutti parte della base fidata. Il paper in prosa non è verificato a macchina, lo sono solo gli enunciati formali. E resta a un umano confermare che l'enunciato formale corrisponda alla congettura come Aaronson e Ambainis l'hanno stampata nel 2008.
PSI ha reso quell'ultimo passaggio il più semplice possibile. Il repository isola una singola definizione chiamata `PrintedConjecture` in un file che importa solo Mathlib, così un lettore scettico apre un file e lo confronta con il paper originale. È un pezzo di design dell'interfaccia di verifica fatto con cura, e dice anche che gli autori sapevano dov'era il giunto debole.

L'audit è stato interno. Jim Halverson ha revisionato la dimostrazione e Phiala Shanahan ha commentato la formalizzazione, e entrambi sono advisor di PSI. Non c'è stata peer review né pubblicazione su rivista. I quattro ricercatori di Stanford che in agosto 2026 hanno dimostrato un caso speciale, Guy Blanc, Jordan Docter, Carmen Strassle e Li-Yang Tan, hanno letto la dimostrazione completa e inviato commenti, e stanno preparando un'esposizione più breve. La loro valutazione citata la definisce un risultato enorme. La corrispondenza con esperti interessati è utile. Non è revisione.
I ruoli umani sono nominati, e lo apprezzo. David Turturean, membro dello staff tecnico che ha studiato fisica e AI al MIT, ha costruito il sistema di ricerca, delimitato il problema, eseguito la corsa, chiesto a un'istanza non pubblica di un modello Anthropic di impacchettare una prima bozza, revisionato quella bozza, ed è indicato come responsabile della correttezza del paper. Il repository dichiara che i modelli AI hanno prodotto gli enunciati matematici, la prima bozza e la formalizzazione in Lean.
Vale la pena dire quella divisione del lavoro senza giri di parole, perché diventerà normale. Una persona sceglie il problema e si prende la colpa. Un modello produce argomenti candidati. Un verificatore respinge quelli che non chiudono. L'output è una dichiarazione che chiunque, con un portatile e un pomeriggio, può rieseguire.
Perché il verificatore conta più del modello
Anthropic non ha detto quando, né se, il modello dietro tutto questo sarà distribuito. È un dettaglio quasi distraente. L'oggetto interessante è la pipeline, ed è riproducibile in un modo in cui un punteggio di benchmark non lo è.
Pensa a cosa può fare un matematico scettico con questo rilascio. Clona il repository. Legge `PrintedConjecture`. Esegue Lean. Esegue lean4lean. Esegue il comparator. Controlla che non siano stati aggiunti assiomi. Ogni passaggio o passa o fallisce, e le modalità di fallimento sono specifiche.
Confrontalo con l'alternativa. Un laboratorio pubblica un grafico, una pagina prodotto e un paragrafo sui miglioramenti del ragionamento. O ci credi o no.
La verifica formale non è magia e non chiude la matematica. Chiude una cosa più stretta: se un particolare enunciato formale segua da particolari assiomi con particolari regole. Tutto il resto, se l'enunciato sia quello giusto, se gli assiomi siano quelli giusti, se il risultato conti, resta alle persone.
PSI è una public benefit corporation di Cambridge, Massachusetts, lanciata pubblicamente a settembre con un seed da 58 milioni di dollari guidato da Breakthrough Energy Ventures. Si descrive come un laboratorio di fisica AI-native, con fisici virtuali che devono ragionare come teorici e validare come fisici computazionali. Dice di aver risolto cinque problemi di lunga data nella teoria dell'informazione quantistica il mese scorso, e questo è il secondo annuncio importante in circa due settimane. Quel ritmo è impressionante o è un avvertimento, a seconda di quanto sopravvive fuori dai riflettori.
Che cosa significa per la storia quantistica
Il risultato affila un confine. Per domande sì o no su input casuali non strutturati, le macchine quantistiche non possono risparmiare esponenzialmente molte query. Chi progetta algoritmi dovrebbe cercare problemi con struttura reale, nella matematica o nella fisica, invece di cacciare speedup su input generici.
Non dice quali applicazioni ripagheranno. Il modello a query conta le letture dell'input, non il lavoro di caricare ed elaborare i dati, quindi non pone limiti generali al tempo di esecuzione totale né al valore commerciale di un computer quantistico. Chi cita questo paper come prova che il calcolo quantistico è morto cita qualcosa che non c'è.
L'altra cosa che non fa è chiudere la discussione sull'AI che fa ricerca. Un singolo risultato, prodotto da un sistema interno, con audit interno, su un problema in cui la letteratura circostante aveva già ridotto l'approccio a una sola disuguaglianza irrisolta, è un punto dati. Lovett e Zhang avevano il piano. Reimer aveva un lemma. Il sistema ha chiuso una lacuna. È lavoro vero ed è anche una fetta stretta di ciò che significa fare ricerca matematica.
Il passaggio che resta è quello che PSI non può fare da sola. Qualcuno nel campo deve leggere l'enunciato formale, concordare che è la congettura di Aaronson e Ambainis e non un cugino comodo, e dirlo in pubblico. Fino a quel momento esiste una derivazione verificata a macchina di qualcosa di molto vicino a una dichiarazione famosa, più un repository costruito perché l'ultimo miglio sia corto.
È una posizione migliore di quella in cui ti lasciano quasi tutti gli annunci.
Articoli correlati
Gli agenti si spostano nel cloud: il task continua quando chiudi il portatile
Il task continua in una VM cloud dopo che hai chiuso il portatile, ma perdi il tooling interno e resta aperto chi approva le azioni irreversibili.
NVIDIA rilascia quattro modelli del mondo da 16 miliardi e un decoder 25 volte più veloce sulla geometria
Quattro generatori del mondo da 16 miliardi con le ricette di training, e un framework di decoding che emette geometria in un colpo. La valutazione manca.
Le skill occupano un quarto dei trend di GitHub, e ognuna si installa a modo suo
Una skill è una cartella di istruzioni, ma installarla ha quattro strade diverse e la copia locale non ha ancora un lockfile.
Un modello da 594 miliardi in cima alle classifiche. I pesi, però, non ci sono
Un modello forte, numeri buoni e una ricetta da leggere, ma i pesi che renderebbero verificabile la dichiarazione non sono ancora usciti.