PSI公司用AI破解量子计算难题，开启人工智能驱动科学发现新篇章
AI助力破解十八年量子计算难题
David Turturean是麻省理工学院（MIT）的应届毕业生，同时也是初创实验室Physical Superintelligence（简称PSI）的技术团队核心成员。他借助Anthropic公司早期版本的Fable 5.2智能体模型，成功攻克了一项困扰学界长达十八年的量子计算难题。
Turturean曾获得进入MIT顶尖计算机与人工智能实验室攻读硕士学位的机会，但他选择推迟学业加入PSI。谈及这次突破性成果，他表示：”我完全接受这可能是我的最后一篇学术论文。没过多久大家都会问，发表论文还有什么意义呢？”
量子查询复杂度的重要猜想得证
该研究涉及的问题是著名的Aaronson-Ambainis猜想，核心探讨的是量子计算机是否能够在某些问题上显著超越经典计算机的求解速度。Scott Aaronson是提出这一猜想的两位研究者之一。
Aaronson坦言自己并没有完全读懂证明过程的全部内容，但他之所以确信解法的正确性，是因为该证明已通过Lean语言——一种用于数学编码的形式化验证工具——完成了自动化形式化检验，并且由PSI分享解决方案后，相关领域的顶级研究团队也对此给出了详细解读。
- 这一成果关闭了量子计算机快速求解特定难题的其中一条可行路径，但并非所有方向都已封死
- “这是一个负向结果，相当于让研究人员明确了未来不再需要在此方向上投入精力，”Turturean解释道
AI驱动科学研究引发学术震动
更深层次地看，这一事件折射出人工智能解题能力给整个科学界带来的颠覆性冲击。
Aaronson对自己复杂的心情如此描述：”充满满足感、敬畏、失落与疲惫交织。完整证明Aaronson-Ambainis猜想曾是量子查询复杂度领域最后几个公认重要的开放性问题之一。老实说，我没想到几周前OpenAI发布的Mathocalypse数据集里竟然没有这道题，他们肯定尝试过——难道它比其他已解决的题目难得多吗？”
这也恰恰印证了PSI模式的优势所在：通过专业定制的模型架构和完善的工程脚手架来攻克科学难题。
PSI首席执行官Matt Pines表示：”一个高效的研究系统需要大量配套组件——包括智能体协作框架、工具链、记忆系统和仿真基础设施。我们的目标是在广度和深度两个维度同时深入攻坚一个问题，充分考察各种可能的替代方案。”
从数据中心优化到物理突破的商业版图
目前，PSI的收入主要来源于其工具对数据中心的优化应用，涵盖温度、能耗、水资源、声学等变量模拟——这些参数直接决定了设施的运行表现及其对周边社区的影响。
但从长远来看，公司的战略重心是将对理论物理的前沿突破转化为实际的工程技术。
“六七个月前我和投资人沟通时，还需要费很大力气去论证这个假设——告诉他们’相信我，理论物理很快将主要由机器主导’。现在局面还没有完全到来，但趋势已经清晰可见，”Pines表示。
不过挑战依然存在。尽管AI在数学和计算机科学等领域已屡获重大突破，但在生命科学或物理学等更贴近现实世界的学科中，实现同样程度的验证则困难得多。上周，初创公司Discovered Materials发布了一道价值百万美元的悬赏挑战，邀请研究人员利用AI探索超导材料和热管理难题。
“归根结底，物理与数学不同，因为它直面真实世界……大自然拥有最终否决权，”Pines说道。他强调，团队的核心任务是找到最高效的方式，将计算结果与实际实验相互印证。
“如果捕捉到了自然的真实规律，那就是一种可以被利用的法则，甚至可以据此制造设备。AI提出想法，让你实现以前做不到的事……PSI正围绕这一逻辑构建闭环循环，”他补充道。
新时代科研规范尚在摸索之中
随着”新一代科学实验室”逐渐成长为推动突破性研究的平台，参与者们仍在探索这一全新范式的准则体系。由于PSI直到Anthropic模型即将正式发布前才披露其研究成果，他们得以提前将方案分享给相关领域的专家进行深入理解。
“作为科研人员，我们希望以身作则，做到正确的事情，”NE（Northeastern University）教授Jim Halverson表示，他也是PSI的顾问之一。下周他将在MIT参加一个峰会，与会的物理学家们将共同探讨如何应对科学发展的加速浪潮。
“最佳实践仍在形成之中……我们认为透明度是最好的策略，联系各领域专家同样是至关重要的途径。”
Turturean回忆道，他们确实有时间沉淀这项成果，这也是他第一次真正将AI生成的解答打印出来仔细阅读，思考如何让呈现方式更符合人类阅读习惯：”这也让我真切意识到AI所具备的巨大力量。”
关注微信号：智享开源 ，及时了解更新信息。
公众号：智享开源
还没有任何评论，你来说两句吧！