Contexte et solution
Physical Superintelligence (PSI) a exploité l’accès anticipé au modèle Fable 5.2 d’Anthropic pour traiter une conjecture formulée il y a dix‑huit ans dans le domaine de la complexité quantique. La conjecture Aaronson‑Ambainis porte sur la capacité des ordinateurs quantiques à surpasser les algorithmes classiques dans le cadre des requêtes. L’équipe, dirigée par le diplômé MIT David Turturean, a produit une preuve négative qui élimine une voie d’optimisation supposée pour les ordinateurs quantiques. Cette preuve a été auto‑formalised dans le langage de preuve Lean et validée par les chercheurs originaux.
Architecture du modèle et processus
Le modèle Fable 5.2 a été intégré dans un pipeline de harnesses spécifiques à la physique théorique. PSI combine des mémoires spécialisées, des simulateurs d’infrastructure et des outils de vérification formelle. Le flux commence par la formulation du problème en langage mathématique, suivi d’une génération de conjectures par le modèle, puis d’une validation automatisée via Lean. Le processus a nécessité une itération de plusieurs jours, pendant laquelle le modèle a proposé des lemmas qui ont été assemblés en une démonstration complète.
Implications pour la recherche quantique
Le résultat indique que la stratégie étudiée ne pourra pas conduire à un avantage quantique général dans le domaine ciblé. Les chercheurs doivent donc réorienter leurs efforts vers d’autres constructions algorithmiques. Cette évolution montre que les modèles d’IA peuvent identifier rapidement des impasses théoriques, ce qui réduit le temps passé sur des pistes non productives. Cependant, l’étude reste limitée aux cadres où la preuve peut être formalisée, laissant ouverte la résolution d’autres problèmes de complexité quantique qui ne se traduisent pas aisément en code.
Modèle économique et perspectives
Actuellement, PSI monétise ses outils en optimisant les centres de données : simulation des flux de chaleur, de puissance, d’eau et de bruit, avec un impact mesurable sur la consommation énergétique. Le revenu provient de contrats où la performance du site est exprimée comme fonction directe de la physique simulée. À plus long terme, l’entreprise vise à transformer les découvertes théoriques en technologies concrètes, en s’appuyant sur des boucles de validation expérimentale. Le secteur attire l’attention, comme le montre le défi d’un million de dollars lancé par Discovered Materials pour l’application de l’IA à la supraconductivité. PSI souligne que les standards de transparence et de collaboration académique restent en cours d’élaboration, comme le reflète la participation à un sommet MIT dédié à la gouvernance de la recherche assistée par IA.
