ИИ помог ученым сделать прорыв в квантовых вычислениях

В информатике класс NP — это целый мир головоломок. Суть в том, что хотя проверить решение можно быстро, сам поиск порой тянется вечность. В квантовой вселенной есть аналог QMA: доказательство приходит не привычными битами, а в виде тончайшего квантового состояния, которое рассыпается от малейшего вмешательства. Представьте, что держите в руках тонкую льдинку — одно неверное движение, и она тает или раскалывается.

Ученые обратились к новой модели GPT‑5 от OpenAI, и она предложила формулу, которая позволила наконец определить точные границы QMA. Первые предположения ИИ оказались неточными, но после обсуждения с исследователями модель предложила измерять «близость к определенности» принятия доказательства. Эта идея оказалась решающей и позволила строго ограничить ошибки. Результаты работы опубликованы на arXiv.

Как работает QMA

Представьте лабораторный эксперимент: исследователь передает данные по алгоритму, который решает, верны они или нет. Исход измерения осуществляется по показателям: полнота — вероятность того, что верное решение будет общепринятым, и обоснованность — проверки ошибок с неверным итогом. Усиление работает через повторные тесты и объединение результатов, чтобы избежать ошибок. Ранее считалось, что предел усиления достигнут: полнота представлена ​​единицей только в пределах двойных экспонентов, а обоснованность падает до экспоненциально малых показателей.

GPT‑5 помог исследователям формально зафиксировать эти границы.

Скотт Ааронсон, профессор Техасского университета и специалист по квантовым вычислениям, отметил:

«Сентябрь 2025 года продемонстрировал, что ИИ может участвовать в том, что традиционно принято считать вершиной человеческого интеллекта — доказательстве разделения оракулов в квантовой сложности. Этот результат не просто "закрывает цифры", он переводит ИИ из помощника в соавтора фундаментальных исследований»

Почему это важно

Теперь ясно, что дальнейшие вопросы вроде «равна ли QMA QMA1» требуют методов, выходящих за рамки «черного ящика». Асимметрия заключается в том, что один надежный источник может повысить полноту, а обоснованность должна оставаться высокой, даже если кто-то пытается ввести ложные данные. Исследование показало, что усиление черного ящика достигло своего предела — полноту нельзя сделать выше двойной экспоненты, а обоснованность не может опускаться ниже экспоненты

Критики отметили прозорливость GPT‑5. Ааронсон уточнил:

«То, что предложил ИИ, казалось очевидным лишь постфактум. Если бы мы знали больше или потратили годы на изучение литературы, возможно, пришли бы к этому сами».

Шаг в будущее

По словам ученых это переломный момент между ИИ и человеком. Он закрыл десятилетний пробел в понимании квантовой сложности и доказал, что взаимодействие человека и ИИ может открывать новые горизонты, где традиционные методы теряют хватку, а свежий взгляд «со стороны машины» оказывается бесценным.

Теперь исследователи могут лучше понимать пределы квантовых систем, прогнозировать, где ошибки невозможно снизить, и сосредоточиться на стратегиях, которые действительно имеют шанс сдвинуть границы знаний. В мире, где квантовые вычисления становятся все ближе к реальности, понимание этих границ — ключ к развитию новых алгоритмов, защищенных протоколов и даже будущих квантовых сетей.