GPT-5 löst das "Quanten-NP-Problem", und die erste Publikation sorgt in der Wissenschaftswelt für Aufsehen. Die Zeit, die der Mensch für die Lösung benötigt, wird von zwei Wochen auf 30 Minuten reduziert.
GPT-5 revolutioniert die Regeln des wissenschaftlichen Entdeckungsprozesses! Eine bahnbrechende Studie enthüllt, dass GPT-5 ein "quantum NP-Problem" in nur 30 Minuten lösen konnte, während es einem Menschen 1-2 Wochen Zeit bräuchte. Bei dieser Entwicklungstempo ist die KI einem "Nobelpreisklassischen" Durchbruch nicht mehr weit.
Vor einigen Tagen hat GPT-5 erfolgreich den "Gödel-Test" bestanden und drei der wichtigsten mathematischen Vermutungen gelöst.
Überraschenderweise hat GPT-5 diesmal auch ein Problem im Quantenbereich "erobert".
Der Quantencomputerexperte Scott Aaronson hat erstmals eine Studie veröffentlicht, in der er beweist, dass GPT-5 geholfen hat, ein altes Problem zu lösen.
In der Studie befasst sich Scott mit einem zentralen Problem der Quantenrechnung - der QMA-Komplexitätsklasse, das als "Quantenversion des NP-Problems" bezeichnet werden kann.
Der Schlüssel hierbei ist, ob die Fehlerwahrscheinlichkeit im Beweisprozess unendlich reduziert werden kann, insbesondere ob eine "perfekte Vollständigkeit" erreicht werden kann.
Link zur Studie: https://arxiv.org/pdf/2509.21131
In früheren Studien wurde der Fehler bereits sehr niedrig gehalten, aber die neuesten Forschungen zeigen, dass der "zweifach exponentielle Fehler" die theoretische Grenze der bestehenden Methoden ist und nicht weiter verringert werden kann.
Nachdem der Autor bei einem entscheidenden Schritt der Ableitung an einer Wand gestoßen war, hat er sich an GPT-5 gewandt. Zunächst hat die KI einen falschen Ansatz vorgeschlagen.
Aber nach etwa 30 Minuten Interaktion hat sie schließlich eine raffinierte mathematische Funktion vorgeschlagen, die das Verhalten der Eigenwerte präzise analysiert.
Die Forschung hat gezeigt, dass dieser Ansatz der entscheidende Durchbruch in der Studie war.
In seinem neuesten Blogbeitrag hat Scott erstaunt gesagt: "Wenn ein Student diesen Ansatz hätte entwickeln können, würde ich ihm auf jeden Fall sagen, dass es genial ist!"
Es wird geschätzt, dass es einem Menschen 1-2 Wochen Zeit bräuchte, dieses Problem zu lösen.
Die Wissenschaftler von OpenAI, Sebastien und der Produktverantwortliche Kevin, haben die Studie erneut begeistert geteilt und gesagt: "Eine große Veränderung hat begonnen."
Quantenversion des NP-Problems: QMA-Singularität
Diese am 25. in arXiv eingereichte Studie befasst sich hauptsächlich mit den "Einschränkungen der Black-Box-Vervielfachung in der Quantenkomplexitätsklasse QMA".
Was ist also QMA?
QMA, also Quantum Merlin Arthur, kann als typische Quantenversion von NP angesehen werden.
Es umfasst eine Klasse von Entscheidungsfragen:
Wenn die Antwort "ja" ist, kann Merlin Arthur einen Quantenzeugniszustand senden, der es Arthur ermöglicht (nach polynomieller Quantenrechnung), mit einer Wahrscheinlichkeit von mindestens 2/3 zu akzeptieren;
Wenn die Antwort "nein" ist, kann Arthur unabhängig davon, welchen Zeugniszustand Merlin sendet, mit einer Wahrscheinlichkeit von höchstens 1/3 akzeptieren.
Hierbei sind, wie üblich in der Komplexitätstheorie, die Konstanten 2/3 und 1/3 nur Konventionen und können durch Vervielfachung ersetzt werden, z. B. durch 1 - 2⁻ⁿ und 2⁻ⁿ.
In diesem Bereich ist eine seit langem ungelöste Frage -
Ist QMA gleich QMA₁, wobei QMA₁ eine Unterklasse von QMA ist, die Protokolle mit "perfekter Vollständigkeit" erlaubt?
Im Jahr 2008 hat Scott Aaronson durch praktische Analysemethoden bewiesen, dass es ein "Quantenorakel" gibt, sodass QMA ≠ QMA₁.
Dies bedeutet, dass jeder Versuch, QMA = QMA₁ zu beweisen, "quanten-nicht-relativierende Techniken" erfordert.
Dies bedeutet nicht unbedingt, dass diese Hürde unüberwindbar ist, aber es zeigt zumindest die Komplexität des Problems.
Durchbruch: Zweifach exponentielle Vervielfachungsgrenze
Bis im Juni dieses Jahres haben Freek Witteveen und Stacey Jeffery eine bahnbrechende Studie veröffentlicht, in der sie bewiesen haben, dass das QMA-Protokoll durch Black-Box-Methoden vervielfacht werden kann, sodass der Vollständigkeitsfehler "zweifach exponentiell klein" wird, d. h. 1/exp(exp(n)).
Link zur Studie: https://arxiv.org/pdf/2506.15551
Sie haben eine Methode verwendet, die Scott nie in Betracht gezogen hätte: Sie haben die Akzeptanzwahrscheinlichkeit in die Amplitude eines Quantenzustands codiert, und diese Amplituden nehmen geometrisch ab.
Es hat sich gezeigt, dass dieser 25 Jahre alte "Alte Freund" QMA immer noch Überraschungen bereithalten kann.
Bei einer Online-Konferenz im August hat Scott gefragt:
Ist diese zweifach exponentielle Vollständigkeit die Grenze der Black-Box-Technik? Kann sie noch weiter vervielfacht werden, um dreifach exponentiell klein zu werden, d. h. 1/exp(exp(exp(n)))?
30 Minuten zum Lösen, GPT-5 macht sich punkten
Eine Woche später haben Scott und Freek einen vollständigen Beweis geschrieben, der zeigt, dass der zweifach exponentiell kleine Vollständigkeitsfehler unter der Black-Box-Technik die Grenze ist.
Mit anderen Worten, sie haben das 2008er "QMA ≠ QMA₁"-Orakel-Trennungsergebnis quantifiziert, und die erhaltene "untere Schranke" stimmt genau mit dem Protokoll der Juni-Studie überein.
Der aufregendste Teil dieser Studie ist vielleicht nicht die Quantenkomplexität selbst, sondern die Rolle der KI darin.
Wie bereits erwähnt, ist dies Scotts Aaronsons erste Studie, in der ein entscheidender technischer Schritt im Hauptbeweis von der KI stammt.
Genauer gesagt, von GPT5-Thinking.
Damals stand der Autor vor dem Problem, eine N×N-Hermitesche Matrix E(θ) (z. B. N = 2ⁿ) zu analysieren, deren jedes Element ein poly(n)-Mal trigonometrisches Polynom in Bezug auf den reellen Parameter θ ist.
Es musste bewiesen werden, dass der maximale Eigenwert von E(θ), wenn θ von 0 bis 1 variiert, bewiesen werden muss, um zu zeigen, dass λₘₐₓ(E(θ)) nicht von einem Wert nahe 0 beginnen kann und dann lange Zeit in der Nähe von 1 "verweilen" kann, z. B. nahe 1/exp(exp(exp(n))).
Für dieses Problem hätten Scott und der Mitautor auch in 1 - 2 Wochen durch die Recherche in der Literatur eine Lösung finden können.
Aber er hat sich für GPT5-Thinking entschieden. Nach 5 Minuten hat es eine selbstsichere, aber offensichtlich falsche Antwort gegeben.
Scott hat die KI nicht verspottet, sondern ihr gesagt, wo sie falsch lag. Nach kurzem Nachdenken hat GPT5-Thinking erneut versucht und einen besseren Ansatz vorgeschlagen.
So hat GPT-5 nach mehreren Iterationen, ähnlich wie bei einem Austausch zwischen einem Studenten und einem Kollegen, die folgende Funktion vorgeschlagen:
Es hat richtig festgestellt, dass dies eine rationale Funktion in Bezug auf θ mit kontrollierbarer Ordnung ist und genau die Informationen über die Nähe des maximalen Eigenwerts λₘₐₓ(E(θ)) zu 1 codiert.
Glücklicherweise hat diese Methode funktioniert, und die Überprüfung kann leicht ohne die Hilfe der KI durchgeführt werden.
Scott meint, dass GPT5 vielleicht in seinen Trainingsdaten irgendwo eine ähnliche Struktur gesehen hat, aber wenn ein Student diesen Ansatz vorschlagen würde, würde er ihn ohne zu zögern als "genial" bezeichnen