PSIのAaronson–Ambainis予想証明とは?AI探索・Lean形式検証・専門家レビューの役割

当サイトではアフィリエイト広告を利用しています。

2026年11月6日、Physical Superintelligence(PSI)は、量子計算理論で長く未解決だったAaronson–Ambainis予想について、社内のAI研究システムが証明を見つけたと発表しました。

PSIの説明では、研究システムは非公開のAnthropicモデルを複数インスタンス使い、実行3日目に完全な証明へ到達しました。証明支援系Leanが形式化された証明を受理し、その後に改良された最終版も検証しています。

この事例で重要なのは、AIによる証明探索・形式化、Leanによる形式検証、人間の数学者による原問題との対応確認・専門家レビューが別の工程として置かれている点です。この記事では、Aaronson–Ambainis予想が何を問う問題なのか、PSIのAI研究システムがどこを担ったのか、Leanが確認する範囲と人が確認する範囲を分けて見ていきます。

Aaronson–Ambainis予想は量子計算の「構造がない入力」での優位性を問う

Aaronson–Ambainis予想は、Scott Aaronson氏とAndris Ambainis氏が量子クエリ計算量の研究で提示した予想です。2009年にプレプリントが公開され、2014年にTheory of Computingへ論文が掲載されました。PSIは、この予想を2008年から続く未解決問題として紹介しています。

量子クエリ計算量では、計算機が入力を何回読み取れば答えへ到達できるかを数えます。Shorの素因数分解アルゴリズムのような大きな量子高速化は、入力に周期性などの構造がある問題で知られています。

AaronsonとAmbainisが注目したのは、ランダムな入力のように特別な構造がほとんどない場合です。量子アルゴリズムがYesと答える確率は、入力ビットの低次数多項式として表せます。予想は、値に十分なばらつきがある低次数の有界多項式には、そのばらつきと次数に応じた十分な影響度を持つ入力変数が少なくとも1つ存在するという定量的な主張です。

この性質が成り立つと、古典計算機は影響の大きいビットを順に調べ、量子アルゴリズムの出力確率を少ない問い合わせ回数で近似できます。元論文は、この予想から、ランダム入力上の大部分でT回問い合わせる量子アルゴリズムを多項式回の古典問い合わせで模倣できることを示していました。

対象範囲は量子クエリ計算量とランダム入力に対するYes/No問題です。この範囲で、「指数的な量子高速化には入力側の構造が必要か」という問いへ強い制約を与える結果です。

PSIのAI研究システムは3日目に完全な証明へ到達した

PSIは社内で開発した研究システムを自社インフラ上で動かし、非公開のAnthropicモデルの複数インスタンスを使ったと説明しています。

実行3日目に完全な証明が得られ、Leanが形式化された証明を受理しました。PSIはその後もシステムを関連問題へ動かし、結果を2回改善しています。最終版もLeanで受理されました。

証明は、Shachar Lovett氏とJiapeng Zhang氏の証明方針、David Reimer氏のButterfly Lemmaなど、複数の既存研究を組み合わせて構成されています。PSIの論文では、LovettとZhangの方針で未解決だった不等式を新しい不等式へ置き換え、行列式から得る対応関係を使って証明を進めています。

研究工程は、前段の問題設定と、その後の3段階に分けられます。詳細な担当を対応づけると次のようになります。

位置づけ工程主な担当
前段問題設定・対象選定David Turturean氏が問題を選び、研究システムを実行
段階1証明探索PSIのAI研究システムが複数のモデルインスタンスで探索
段階1論文草稿・Lean形式化AIモデルが数学的記述、初稿、Lean形式化を生成
段階2形式検証Leanと追加の検証手段で形式化された定理をチェック
段階3人による確認Turturean氏が草稿をレビューし、Jim Halverson氏が証明を監査
段階3外部の専門家レビューStanfordの研究者らが完全証明を読み、コメントと短い解説を準備

この構成では、AIが長い証明探索と形式化を進め、人が問題設定、成果の採用、数学的責任、外部レビューを担っています。

AI研究で「人が方向を決め、AIへまとまった実行作業を任せる」流れは、OpenAIの自動AI研究インターンの記事でも扱っています。PSIの事例では、そこへLeanによる形式検証が加わり、生成物の一部を機械的に確認できる研究工程になっています。

OpenAIの自動AI研究インターンとは?AI研究をどこまで任せられるのか
OpenAIが到達したと発表した「自動AI研究インターン」とは何かを解説。3.1 agent-workdays、人間の介入率、AI研究の6工程、2028年の自動AI研究者との違い、一般の開発チームへ応用できる役割分担を整理します。

Leanが確認するのは形式化された定理から証明までの整合性

PSIの公開GitHubには、論文とLean 4による形式化、検証用スクリプトが置かれています。

最終的な4つの定理について、リポジトリはプレースホルダーや追加公理を使わずに証明されていると説明しています。最終定理の公理一覧には、Mathlibで標準的に使われるpropext、Classical.choice、Quot.soundが記録されています。

検証では通常のLeanビルドに加え、Leanカーネルで宣言を再生する手順、独立実装のlean4lean、ComparatorとRust製型検査器nanodaを使った確認も記録されています。

Leanが強いのは、形式化された定理と証明の各ステップを機械的に追える点です。人間が60ページの証明を一行ずつ読み、計算ミスや論理の飛躍を探す作業の一部を、型検査器へ移せます。

「Leanで通った」の外側に人が確認する範囲がある

公開リポジトリは、機械検証の境界も明示しています。

中心にあるのは、Aaronson–Ambainis予想をMathlibの定義だけで書いたPrintedConjectureです。Leanは、この形式化された命題に対して証明が成立することを確認します。

そのうえで、公開リポジトリは次の確認を人へ残しています。

確認対象主な確認方法
Lean上の形式化された定理が導けるかLeanカーネルなどで機械検証
PrintedConjectureが元のAaronson–Ambainis予想と一致するか原論文と形式化を人が照合
論文本文の説明が正しいか数学者が論文を読む
量子クエリ計算量への帰結の説明人が論文の推論を確認
証明全体の意味・位置づけ専門家レビュー

リポジトリ自身も、PrintedConjectureが元の予想を正しく表しているかは読者が確認する対象だと説明しています。論文本文は人が読む文書として公開され、量子計算への帰結や研究史を説明する節の一部にはLean側の対応物がありません。

この境界を分けると、「Leanが受理した」という事実の意味を具体的に読めます。機械が確認したのは、形式化された命題に対する証明です。元の数学問題との対応、論文全体の説明、研究上の意味づけは人間の確認が続きます。

人間は問題設定・レビュー・数学的責任を担っている

PSIのContribution欄では、David Turturean氏が研究システムを開発し、問題を選び、実行を管理し、モデルに論文の初稿をまとめさせ、その草稿をレビューしたと記載されています。論文の正しさについてもTurturean氏が責任を持つ形です。

PSIのアドバイザーであるJim Halverson氏は証明を監査し、Phiala Shanahan氏はLean形式化へコメントしています。

外部では、2026年8月にAaronson–Ambainis予想の特殊な場合を解決したGuy Blanc氏、Jordan Docter氏、Carmen Strassle氏、Li-Yang Tan氏が完全証明を読み、コメントを送り、専門家向けの短い解説を準備しているとPSIは説明しています。

現在の公開状態は、PSIの論文・Lean形式化・検証コードと、専門家による読み直しが並行している段階です。AIによる証明探索・形式化、Leanによる形式検証、人による原問題との対応確認・専門家レビューを別工程として置くことで、AIが作った長い数学成果を複数の方法で確かめられる構成になっています。

公開リポジトリは第三者が検証を再実行できる形になっている

今回の公開には、論文PDFに加えて検証用の資料とコードが含まれています。

GitHubには、元の予想と形式化を照合するためのproblem_statement.md、最終定理を置いたMain.lean、論文中の各命題とLeanコードの対応表、使用したLeanとMathlibのバージョン、検証コマンド、実行ログが含まれています。

第三者が見る場所も比較的はっきりしています。

  • 元の予想とPrintedConjectureの対応
  • Leanファイルにプレースホルダーや追加公理が入っていないか
  • 最終定理がどの公理へ依存しているか
  • 公開されたソースを手元で再ビルド・再検証できるか
  • 論文本文とLean形式化の対応が取れているか

AIが生成した研究成果では、結果そのものに加えて、検証可能な中間成果物を残すことが重要になります。PSIの公開物は、論文、形式証明、検証コードを同じリポジトリへ置き、第三者が確認できる地点を具体化しています。

証明が意味するのは「ランダム入力で指数的高速化には構造が要る」という制約

元のAaronson–Ambainis論文では、T回の問い合わせを行う量子アルゴリズムの出力確率が、次数2T以下の多項式で表されることを使います。

今回証明された予想は、値に十分なばらつきがある低次数の有界多項式には、一定以上の影響を持つ変数が存在することを保証します。PSIの最終結果では、影響度に対して分散と次数からなる具体的な多項式下限を与えています。

この結果を使うと、古典アルゴリズムは影響の大きい入力ビットを調べながら不確実性を減らし、ランダム入力の大部分で量子アルゴリズムの出力確率を多項式回の問い合わせで近似できます。

量子クエリ計算量の範囲では、指数的な高速化を得る問題には、Shorのアルゴリズムで使われる周期性のような「珍しい構造」が必要だという考えを数学的に支える結果です。

AI研究の成果は「AI探索・形式化→Lean形式検証→人の照合・レビュー」の3段階で確認する

AIを科学研究へ組み込む事例では、AIがどこまで作業したかと同じくらい、結果をどう確認したかが重要になります。

Anthropicのvault粒子研究では、Claudeが配列探索、DNA設計、粒子分離の条件提案、cryo-EM処理まで担当し、研究者が実験・異常検出・解析判断を担いました。PSIの数学研究では、実験の代わりに形式証明支援系を使い、生成された証明の論理構造を機械で検査できます。

AI科学研究で人がどこへ入るかを、生命科学の事例と比較したい場合はこちらで詳しく確認できます。

Anthropicのvault粒子研究とは?Claudeを使った3D構造解析と人の検証
Anthropicのvault粒子研究を深掘り。Claudeが配列探索、DNA設計、粒子分離、cryo-EM処理へ入った研究工程と、研究者が方法選択・実験・誤り修正・検証を担った具体例を整理します。

分野は違っても、研究工程は次の3段階で確認できます。

  1. AIによる証明探索・形式化:AIが証明候補を作り、Leanで扱える形式化済み成果物へまとめる
  2. Leanによる形式検証:形式化済みの命題と証明の論理が成立するかを機械検証する
  3. 人による原問題との対応確認・専門家レビュー:元の予想との一致、論文の説明、量子計算への帰結や研究上の意味を確認する

第三者による再検証は、公開された論文・Leanコード・検証手順を使い、この3段階の確認内容を追跡・再実行できる性質として位置づけられます。

まとめ

PSIは2026年11月6日、社内のAI研究システムがAaronson–Ambainis予想の証明を見つけたと発表しました。非公開のAnthropicモデルを複数使った実行で、3日目に完全な証明へ到達し、改良された最終版までLeanが受理しています。

研究工程を見ると、AIは証明探索、数学的記述、論文初稿、Lean形式化を広く担当しました。人は問題設定、研究システムの運用、草稿レビュー、証明監査、元の予想との対応確認、研究上の意味づけを担っています。

Leanの検証は、形式化された命題から証明までの論理を機械的に追えることが強みです。元のAaronson–Ambainis予想との一致、論文本文、量子計算への帰結、専門家による数学的評価は人の確認工程に残ります。

この研究から得られる重要な視点は、AI研究成果の信頼性を、AIによる証明探索・形式化、Leanによる形式検証、人による原問題との対応確認・専門家レビューという3段階で設計することです。公開された論文・Leanコード・検証手順は、第三者がこの確認を追跡・再実行するための材料になります。

公式情報・参照先

タイトルとURLをコピーしました