Una svolta storica nella ricerca quantistica

David Turturean, neolaureato al MIT e membro dello staff tecnico della startup Physical Superintelligence (PSI), ha guidato l’utilizzo di Fable 5.2, l’ultimo modello di Anthropic, per risolvere la congettura Aaronson‑Ambainis. Si tratta di un problema aperto da diciotto anni che riguarda la capacità dei computer quantistici di superare i tradizionali in termini di velocità di calcolo.

“Accetto totalmente l’idea che questo potrebbe essere l’ultimo paper che pubblicherò”, ha dichiarato Turturean a TechCrunch, rinunciando a un master al MIT per unirsi a PSI. “Tra pochi mesi, perché pubblicare un paper?”

La congettura, formulata da Scott Aaronson e Andris Ambainis, è stata auto‑formalizzata in Lean, un linguaggio di programmazione per la matematica, e spiegata da un gruppo di ricercatori di alto livello con cui PSI ha condiviso la soluzione.

Implicazioni della dimostrazione

La soluzione di PSI chiude una possibile via per i computer quantistici di risolvere certi problemi difficili a velocità elevate, ma non tutte. “È un risultato negativo che permette ai ricercatori di dire ‘non guardiamo più lì’”, ha spiegato Turturean.

Per Aaronson, la dimostrazione di questo ultimo problema aperto nella complessità delle query quantistiche è stata una sorpresa. “Ero soddisfatto, sbalordito, deluso e affaticato”, ha scritto, aggiungendo che era sorpreso di non trovarla nei dump di Mathocalypse di OpenAI, il che suggerisce una difficoltà superiore rispetto ad altri problemi già risolti.

Il modello di business di PSI

Il CEO di PSI, Matt Pines, descrive l’obiettivo dell’azienda come la creazione di un “sistema di ricerca efficace” basato su:

    • harvesters specializzati,
    • strumenti e sistemi di memoria,
    • infrastrutture di simulazione.

“Vuoi poter affrontare un problema sia in ampiezza che in profondità, considerando una vasta gamma di alternative”, afferma Pines.

Entrate attuali e strategia a lungo termine

Al momento, le entrate di PSI provengono dall’uso dei propri strumenti per ottimizzare data center, simulando variabili come calore, energia, acqua e rumore. “La performance di un sito e il suo impatto sulla comunità sono funzioni dirette della fisica sottostante”, spiega il fondatore.

Il piano a lungo termine è convertire le scoperte della fisica teorica in tecnologie pratiche. “Sei‑nove mesi fa, quando parlavo con gli investitori, dovevo convincere che la fisica teorica sarebbe presto dominio delle macchine”, racconta Pines. “Non è ancora così, ma è in arrivo.”

Le sfide dell’applicazione dell’IA in discipline meno astratte

Se nei campi della matematica e dell’informatica l’IA ha già fornito soluzioni verificabili in codice, in discipline come le scienze della vita o la fisica sperimentale la situazione è più complessa. La scorsa settimana, la startup Discovered Materials ha lanciato una sfida da 1 milione di dollari per ricercatori che vogliono usare l’IA per comprendere superconduttività e dissipazione di calore.

Pines sottolinea la differenza fondamentale: “La fisica è il mondo reale; la natura ha un voto nei tuoi modelli di realtà”. L’obiettivo di PSI è trovare il modo più efficiente di convalidare i risultati computazionali con esperimenti.

Dal modello all’oggetto reale

“Se è un vero fatto della natura, è un trucco che puoi sfruttare”, afferma Pines. “Potresti costruire un dispositivo basato su di esso, giusto? L’IA suggerisce un’idea; ti permette di fare qualcosa nel mondo che prima non potevi.” Questi cicli di “idea‑IA‑sperimentazione‑prodotto” costituiscono il nucleo del processo di PSI.

Standard emergenti e trasparenza scientifica

Le “neolab per la scienza” stanno aprendo nuove vie per scoperte potenzialmente rivoluzionarie, ma la comunità sta ancora definendo le regole del gioco. PSI ha dovuto attendere che il modello di Anthropic fosse quasi pronto per la pubblicazione prima di condividere il risultato con ricercatori chiave, garantendo così trasparenza.

Jim Halverson, professore alla Northeastern University e consulente di PSI, ha spiegato: “Come accademico, volevamo fare le cose per bene. La trasparenza e il contatto con esperti sono il modo giusto.” Parteciperà a un summit al MIT dove i principali fisici cercheranno di definire una risposta al nuovo ritmo della scienza.

Il ruolo dell’accademia e la percezione dell’IA

Turturean ha ammesso che la comunità accademica si aspetterà da lui la capacità di spiegare il risultato. “È stata la prima volta che ho preso una soluzione elicitata dall’IA e l’ho messa su carta, leggendo e chiedendomi come presentarla in modo più naturale per un umano.” Ha concluso che l’esperienza gli ha fatto capire “il peso di quello che l’IA può fare”.

Prospettive future

Con la combinazione di modelli avanzati come Fable 5.2, infrastrutture di simulazione e un approccio orientato alla commercializzazione, PSI si posiziona come ponte tra la teoria quantistica e le applicazioni industriali. Se riuscirà a trasformare le scoperte teoriche in prodotti tangibili, potrebbe ridefinire il ruolo delle startup scientifiche nell’ecosistema dell’IA.

Rimane da vedere se il modello di PSI sarà replicabile in altri campi della scienza, ma la sua prima vittoria — la risoluzione della congettura Aaronson‑Ambainis — dimostra che l’IA è ormai capace di affrontare problemi di lungo termine che un tempo sembravano inaccessibili.