Une équipe de PSI affirme avoir obtenu une preuve de la conjecture d’Aaronson-Ambainis à l’aide d’un modèle Anthropic et de dispositifs logiciels dédiés. La jeune pousse finance déjà ses activités par l’optimisation de centres de données et dit vouloir transformer des résultats formels en technologies validées en laboratoire, alors que la communauté affine ses standards.
PSI monétise déjà ses outils et vise des technologies issues de la théorie
Les revenus actuels de PSI proviennent de l’application de ses outils à l’optimisation de centres de données, en simulant des variables comme la chaleur, l’énergie, l’eau et le son. L’entreprise indique se concentrer sur la manière la plus efficace de valider expérimentalement des résultats computationnels. Selon Matt Pines, un fait avéré dans la nature peut être exploité pour fabriquer un dispositif, et l’IA peut suggérer des idées permettant de réaliser des choses auparavant impossibles. L’objectif affiché à long terme est de convertir des percées de physique théorique en technologies concrètes, en reliant suggestion, validation et exploitation.
Des garde-fous émergents et un débat de rythme scientifique
PSI a attendu que le modèle d’Anthropic soit presque prêt à être publié avant de partager son résultat avec des chercheurs concernés, afin d’en améliorer la compréhension. Jim Halverson, professeur à Northeastern et conseiller de PSI, met en avant la volonté de respecter des pratiques académiques et estime que les meilleures pratiques sont encore en cours d’élaboration. Il participera à un sommet au MIT la semaine prochaine où des physiciens de premier plan chercheront à définir une réponse adaptée au nouveau rythme de la science, en valorisant transparence et consultation d’experts.
Une preuve qui fermerait une voie en calcul quantique
Scott Aaronson, co-auteur de la conjecture, écrit ne pas tout à fait comprendre la preuve mais la juger probablement correcte, notamment parce qu’elle a été autoformalisée dans Lean et expliquée par une équipe de chercheurs à laquelle PSI a soumis la solution. La démonstration proposée semble fermer une piste par laquelle des ordinateurs quantiques pourraient résoudre rapidement certains problèmes. David Turturean parle d’un résultat négatif qui réoriente les efforts. Aaronson présente cette preuve comme l’un des derniers problèmes ouverts majeurs de la complexité de requêtes quantiques et exprime des sentiments mêlés, tout en s’étonnant de ne pas l’avoir vue apparaître dans une récente livraison de résultats d’OpenAI.
Vous voulez les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Le pari industriel de PSI sur des "scaffolds" et outils dédiés
PSI mise sur des harnachements et des scaffolds spécialisés pour s’attaquer à des problèmes scientifiques. Matt Pines décrit un système de recherche doté d’outils, de systèmes de mémoire et d’une infrastructure de simulation, capable d’explorer en largeur et en profondeur un grand espace d’alternatives. Il indique qu’il y a six à neuf mois, il lui fallait convaincre les investisseurs que la physique théorique deviendrait principalement le domaine des machines. Ce n’est pas encore réalisé selon lui, mais la trajectoire irait en ce sens.
Une réalisation attribuée à un modèle Anthropic et une équipe PSI
David Turturean, diplômé du MIT et membre de l’équipe technique de PSI, indique avoir utilisé un accès anticipé au modèle Fable 5.2 d’Anthropic pour s’attaquer à la conjecture d’Aaronson-Ambainis, posée il y a 18 ans et portant sur l’avantage de calcul des machines quantiques face aux classiques. Il a mis en pause ses projets de master au sein du laboratoire d’informatique et d’IA du MIT pour rejoindre PSI et va jusqu’à envisager que l’article issu de ce travail puisse être le dernier qu’il publie. Il explique avoir relu pour la première fois sur papier une solution générée par l’IA afin de la rendre plus naturelle à lire, la communauté académique attendant de lui qu’il sache l’expliquer, ce qui lui a fait mesurer le poids de ce que l’IA peut accomplir. Plus largement, des avancées revendiquées par l’IA sont plus faciles à valider en mathématiques et en informatique qu’en sciences de la vie ou en physique, selon PSI. Discovered Materials a d’ailleurs lancé un défi de 1 million de dollars sur des questions de supraconductivité et de dissipation de chaleur, tandis que Matt Pines rappelle que la physique engage le monde réel et la part de la nature dans les modèles. PSI se présente comme un laboratoire de startups dédié à la superintelligence physique et à la découverte scientifique alimentée par l’IA.
