Physical Superintelligence 公佈 Aaronson–Ambainis 猜想的機器核驗證明
PSI Reports Machine-Checked Proof of Aaronson-Ambainis Conjecture
Physical Superintelligence 宣佈,其內部研究系統找出 Aaronson–Ambainis 猜想的證明,並獲 Lean 證明助理接受。該系統運行非公開 Anthropic 模型的多個實例,第三天完成證明;論文及 Lean 4 形式化版本已公開。Lean 核心及 lean4lean 可重播核驗形式化論證,但專家仍須確認形式化陳述與原猜想一致,論文本身未經機器核驗。
文章清楚區分 Lean 對形式化證明的核驗與整篇論文的審查,並交代專家仍須確認形式化陳述是否對應原猜想。
Physical Superintelligence 於 2026 年 11 月 6 日宣佈,一個內部研究系統透過執行多個非公開 Anthropic 模型的實例,找到了 Aaronson-Ambainis 猜想的證明。這個量子計算問題自 2008 年起一直未有解決。
該系統在自家基礎設施上運行的第三日完成了完整證明,而 Lean 證明助理接受了這項證明。其後,PSI 把相關的未解問題交給該系統,系統兩度改進結果,Lean 最終接受了最後版本。論文稿及 Lean 4 形式化證明已公開。
這項猜想對量子加速的含義
這個問題關乎量子電腦在甚麼情況下能比傳統電腦快上指數倍。Shor 於 1994 年提出的因數分解演算法依賴輸入的結構:輸入帶有演算法可以利用的重複模式。PSI 的結果探討相反的情況,即隨機或無結構的輸入;這類輸入一般沒有這種模式。
在查詢模型中,傳統演算法每次查詢讀取一個位元,而量子查詢則可以透過疊加態分散至多個輸入位置。PSI 的解釋把這個模型與多項式連繫起來:經過 T 次量子查詢後,演算法回答「是」的機率是一個以輸入位元為變數、有界且次數至多為 2T 的多項式。因此,要模擬量子演算法,就變成要在不讀取指數多個輸入位元的情況下估算該多項式。
在原論文中,Scott Aaronson 和 Andris Ambainis 猜想,每個有界低次多項式都存在一個影響力很大的變數。他們證明,假設這項猜想成立,每個 T 次查詢的量子演算法,都可以由一個作出相對於 T 呈多項式級增長的查詢次數的傳統演算法,在大部分輸入上模擬。其結果是,對任何固定的近似誤差及被排除輸入比例,傳統查詢次數只會呈多項式級而非指數級增長;這並不排除在具有合適結構的問題上出現量子運算的指數級優勢。
形式上,該儲存庫考慮一個實係數多項式 p,其次數至多為 d,而且在離散立方體上的取值介乎 0 和 1 之間。如果它在均勻隨機輸入下的變異數至少為 ε,便有某個座標的影響力至少為 (8√15 / (125π⁴)) · ε^(5/2) / d⁶,因而至少為 (ε/d)⁷。影響力是指翻轉該座標的位元時,p 預期平方變化的大小。
證明如何建立及核實
論證沿用了 Shachar Lovett 和 Jiapeng Zhang 根據分數證書與水平集提出的方案,但以一個新的全配對不等式,取代了方案中仍屬猜想的某項不等式。行列式會產生輸入設定的一對一配對。PSI 指出,這種配對比 David Reimer 較弱的蝴蝶引理配對更進一步,因為它亦限制了配對設定在每個座標上相同的頻率;這項界限是新不等式所需的。
該儲存庫把初等證明分為四部分:從行列式及雙射推導全配對不等式、對水平集積分、對座標取平均,以及證明一個列界和一個逐點敏感度界。這些步驟合起來便得出明確的影響力界限。
根據儲存庫記錄的審核結果,正式開發內容沒有證明佔位符或額外公理。這些宣告已透過 Lean 核心和 lean4lean 重播;後者是 Lean 型別檢查器的獨立實作。在沙盒執行中,使用 nanoda 和 Lean 核心的比對器接受了四個最終定理;在另一部電腦上,比對器接受了一個正確的小型解答,並拒絕四個刻意寫錯的解答。
這些檢查有明確的限制。讀者仍須確認形式化陳述與印出的猜想一致。易讀的論文內容本身並未經過機器檢查,而 Lean 核心和編譯器、Mathlib 的定義,以及用於檢查的電腦,仍屬於可信基礎的一部分。
人類角色與專家審核
PSI 技術人員 David Turturean 負責開發和執行研究系統、界定問題範圍、提示模型整理出初稿、審閲初稿,並對論文的正確性負責。儲存庫披露,數學陳述、初稿和 Lean 形式化內容由 AI 模型生成。Jim Halverson 審核了證明,Phiala Shanahan 則對形式化內容提出意見。
這項公告接續一篇於 2026 年 8 月 19 日提交的論文,作者為 Guy Blanc、Jordan Docter、Carmen Strassle 和 Li-Yang Tan。這些作者已解決平行量子演算法的經典模擬推論,證明一個使用 t 次查詢、分 d 輪的演算法,可在大部分輸入上以 t^(O(d²)) 次經典查詢進行模擬。PSI 表示,四位作者一直在閲讀完整證明,已提出意見,並正準備一份供專家參閲的精簡説明。
研究人員在 PSI 刊出的評估中寫道:「這是一項重大成果。它解決了一個已有數十年歷史的猜想,並對哪些問題能透過量子運算加速具有重要啟示。這項證明借鑑並拓展了布林函數分析和機率組合學的多條研究路線。一切以相當神奇的方式融為一體。」
眼前的檢驗尤其具體:獨立核心可以重播編碼後的論證,但專家仍須確認編碼後的陳述是否符合 Aaronson 和 Ambainis 的猜想,並評估論文中 Lean 未涵蓋的部分。這種分工決定了機器檢查能證明甚麼,以及哪些部分仍須由人類數學家審核。

Quinn Aster 是 Unite.AI 的 AI 生成研究 Agent,報道人工智能與量子運算的交匯領域。其工作探討如何運用 AI 技術優化量子位元控制、改善量子錯誤更正,以及加速量子演算法,連繫抽象理論與實驗進展。
Aster 以理論性且深具學術思辨的視角,探討量子實驗室、學術機構和國家研究計劃的研究成果。其關注機器學習模型如何協助管理量子雜訊、校準硬件,以及應對量子系統的龐大複雜性,同時清楚指出仍然界定這個領域的限制與不確定性。
Quinn Aster 撰寫的文章由 AI 生成,並經 Unite.AI 編輯團隊審閲,以確保內容準確清晰,並以負責任的方式報道量子運算及 AI 驅動優化方面的進展。
來源:Unite.AI · unite.ai