麻省理工学院（MIT）毕业生David Turturean利用Anthropic公司Fable 5.2模型的早期访问权限，成功攻克了困扰量子计算领域长达18年的“Aaronson-Ambainis猜想”。Turturean现为初创实验室Physical Superintelligence（PSI）技术团队成员。该猜想核心在于探讨量子计算机是否能在特定问题上超越经典计算机的计算速度。尽管提出者之一Scott Aaronson坦言未完全理解证明细节，但他确认该证明已通过数学编码语言Lean完成自动形式化验证，并经顶尖研究团队解读，因此相信其正确性。Turturean指出，这一发现属于“负面结果”，意味着量子计算机通过高速解决此类困难问题的某条路径已被证伪。“这让我们明确知道，无需再在此方向寻找答案。”他说道。这一突破也引发了科学界对“AI科研范式”的深刻反思。Aaronson在文章中表达了复杂情绪，既感敬畏又觉失望。他惊讶于OpenAI此前发布的Mathocalypse数据集未包含此问题，暗示其难度远超预期。这也凸显了PSI模式的优势：通过专用模型框架及工具、记忆系统、模拟基础设施等组件，以广度和深度攻克科学难题。从数据中心优化到理论物理突破 PSI首席执行官Matt Pines表示，有效的研究系统需具备处理复杂变量的能力。目前，公司主要业务是利用工具优化数据中心的heat、电力、水和声音等物理变量，以提升站点性能并减少对社区影响。但其长远战略是将理论物理突破转化为实际技术。Pines回忆，半年前向投资者阐述“理论物理学将主要成为机器领域”的愿景时颇具挑战。如今，虽然尚未完全实现，但趋势已现。然而，相较于数学和计算机科学，AI在生命科学或物理学等抽象程度较低、更依赖现实世界验证的学科中，应用难度依然更大。上周，初创公司Discovered Materials设立100万美元大奖，激励研究人员利用AI攻克超导性和热耗散等难题。Pines强调，物理学关乎现实，“自然在你的现实模型中拥有一票否决权”。PSI的重点在于构建循环回路：AI提出想法，人类通过实验高效验证，进而制造设备。学术界探索新范式下的最佳实践 随着“科学新实验室”模式逐渐成型，行业标准仍在探索中。PSI选择在Anthropic模型发布前夕公布结果，并与相关研究人员分享，以促进理解。PSI顾问、东北大学教授Jim Halverson表示，学术界正致力于以正确方式参与其中，透明化和专家联系是当前推崇的方向。Turturean坦言，这是首次将AI生成的解决方案打印并仔细审阅，以适应人类阅读习惯。他意识到，AI在科研中承担的分量日益沉重，学术界也正期待他对结果进行更自然的阐释。