MIT / LONDON (IT BOLTWISE) – Die Startup-Gruppe Physical Superintelligence (PSI) hat mit einem frühen Zugang zu Anthropics Modell Fable 5.2 einen KI-gestützten Beweis für die Aaronson-Ambainis-Vermutung vorgelegt. Das Ergebnis schließt eine konkrete Beschleunigungsroute für Quantencomputer in der Quantum Query Complexity, zumindest für einen bestimmten Problemtyp. PSI kombiniert dafür spezialisierte Modelle mit „Harnesses“, Werkzeugen und Simulation, während die Firma ihre Einnahmen zunächst aus Rechenoptimierungen für Rechenzentren erzielt. Damit rückt die Frage näher, wie sich theoretische Physik künftig so validieren lässt, dass daraus reale Technologien werden.
Physical Superintelligence (PSI) macht ausgerechnet dort ernst, wo KI-gestützte Forschung bislang oft an Grenzen stößt: bei wissenschaftlichen Aussagen, die sich nicht wie ein Computercode „einfach“ prüfen lassen. Im aktuellen Fall nutzte David Turturean, ein ehemaliger MIT-Absolvent und Mitglied des technischen Teams bei PSI, frühen Zugriff auf ein Modell (Fable 5.2) und löste damit ein seit 18 Jahren offenes Problem aus der Quanteninformatik. Kernstück ist die Aaronson-Ambainis-Vermutung, benannt nach Scott Aaronson und zwei weiteren Forschern. Sie adressiert die Frage, ob Quantencomputer bestimmte Klassen von Problemen schneller als klassische Rechner lösen können, und zwar in einem formal genau definierten Rahmen der Quantum Query Complexity.
Technisch beginnt die Besonderheit nicht bei der Modellleistung, sondern bei der Art der Verifikation. Aaronson beschreibt, dass er den Beweis nicht in allen Details vollständig nachvollziehen könne, ihn aber für korrekt hält, weil er autoformalisiert wurde: Das heißt, die Argumentation wurde in Lean ausgedrückt, einer Programmiersprache bzw. formalen Umgebung für Mathematik. Genau das ist bei vielen KI-Ansätzen der Engpass. Während KI in Mathematik und Informatik häufig Ergebnisse liefert, die sich in maschinenlesbarer Form abbilden lassen, bleibt die Zuverlässigkeit in physikalischeren Disziplinen schwierig. Lean als formales Prüfmittel verschiebt die Unsicherheit weg vom „Glauben“ und hin zu einer nachvollziehbaren Kette logischer Schritte.
Inhaltlich trägt das neue Ergebnis eine unangenehme, aber für die Community wertvolle Nachricht: Es handelt sich um ein negatives Resultat, das eine potenzielle Beschleunigungsrichtung für Quantencomputer schließt. Turturean ordnet das so ein, dass man nach dem Fund nicht mehr nach genau diesem Ansatz suchen muss, wenn es um hochschnelle Lösungen für bestimmte harte Probleme geht. Für die Forschenden heißt das nicht „Ende der Arbeit“, sondern eine Neuallokation von Energie: Statt alles auszuprobieren, kann man sich stärker auf andere Problemklassen oder andere Modellierungs- und Komplexitätsgrenzen konzentrieren. Genau solche negativen Ergebnisse sind in der Praxis oft der Stoff, aus dem Systematik entsteht.
PSI nutzt aber nicht nur KI, um ein einzelnes Resultat zu produzieren. Das Unternehmen beschreibt seine Forschungsstrategie als „neolabs for science“: Ein effektives Forschungssystem soll viele Bausteine bündeln, darunter Harnesses, Tools, Speichersysteme und eine Simulation-Infrastruktur. In der Darstellung von PSI-CEO Matt Pines wird damit ein Bild sichtbar, das eher an Software-Engineering für Forschung erinnert als an eine monolithische KI-Blackbox. Die Idee ist, Probleme mit „Breitensuche“ und „Tiefenarbeit“ gleichzeitig anzugehen, also Varianten zu prüfen und alternative Hypothesen in einer kontrollierten Umgebung zu vergleichen. Dass PSI seinen Plan parallel in die Praxis zieht, zeigen die aktuellen Einnahmequellen: Über Tools optimiert PSI Datenzentren unter anderem über Simulationen von Wärme-, Strom- und Wassereffekten sowie von Schall, also über physikalische Eigenschaften, die die Performance und Auswirkungen vor Ort direkt beeinflussen.
Dieser Übergang von Theorie zu Technologie ist im Bericht als langes Ziel beschrieben: theoretische Physik soll in echte technische Systeme übersetzt werden. Pines skizziert, wie sich diese Brücke früher gegenüber Investoren plausibilisieren ließ und wie sie heute schrittweise umgesetzt wird. Der Punkt dahinter ist auch strategisch: Während KI in Feldern wie Mathematik und Computer Science bereits häufig dann stark ist, wenn Ergebnisse durch validierten Code „abschließend“ prüfbar sind, haben Life Sciences und Physik eine höhere Hürde, weil die reale Welt Rückkopplung liefert. Discovered Materials hat als Vergleich parallel dazu einen KI-gestützten Grand-Challenge-Ansatz gestartet und dafür eine Million US-Dollar als Preis ausgesetzt, um etwa Probleme wie Supraleitung oder Wärmeabfuhr zu untersuchen. Solche Formate machen deutlich, dass die Community derzeit Standards und Prozesse sucht: Wie validiert man KI-Vorschläge effizient mit Experimenten, und wie integriert man Feedbackschleifen zwischen Simulation und Labor?
Damit wird auch ein weiterer Aspekt sichtbar: Geschwindigkeit verändert Arbeitsweisen, aber nicht automatisch die Qualitätssicherung. PSI musste das Ergebnis zunächst zurückhalten, bis das Modell nahezu veröffentlichungsreif war. Gleichzeitig konnte das Team mit relevanten Forschenden die Lösung teilen, um die Korrektheit besser zu verstehen. Jim Halverson, Professor an der Northeastern University und Berater von PSI, stellt in diesem Kontext Transparenz als Best Practice heraus: In einer akademischen Rolle will man nicht nur „schnell sein“, sondern auch sauber prüfen lassen und Resultate so aufbereiten, dass Menschen sie nachvollziehen können. Das ist im Kern eine Frage des wissenschaftlichen Prozessdesigns: Welche Dokumentations- und Review-Standards gelten, wenn KI einen Teil des Beweis- oder Ideenfindens übernimmt?
Für Unternehmen und Entwicklergruppen ist der Fall damit mehr als eine Kuriosität aus der Quantenwelt. Er zeigt, dass KI-gestützte Wissenschaftssysteme aktuell vor allem dann Fortschritte machen, wenn sie die richtigen Produktions- und Validierungs-Schleifen koppeln: formale Prüfungen (wie Lean), technische Modellierung (Simulationen), und externe Evidenz (Experimente oder reproduzierbare Ergebnisse). Wer solche Plattformen aufbaut oder integriert, landet zwangsläufig bei MLOps-ähnlichen Fragen, nur eben für Forschung: Wie werden Artefakte versioniert? Wie werden Toolchains abgesichert? Wie lässt sich Transparenz herstellen, ohne die Geschwindigkeit zu verlieren? PSI versucht, diese Lücke über „Harness“-basierte Workflows zu schließen – und mit dem Quantenbeweis in Lean liefert das Startup einen konkreten Testfall dafür, wie KI aus einem Vorschlag eine wissenschaftlich robuste Aussage machen kann.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "PSI nutzt KI für wissenschaftliche Entdeckungen – mit Quantum-Beweis in Lean" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "PSI nutzt KI für wissenschaftliche Entdeckungen – mit Quantum-Beweis in Lean" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »PSI nutzt KI für wissenschaftliche Entdeckungen – mit Quantum-Beweis in Lean« bei Google Deutschland suchen, bei Bing oder Google News!