量子コンピューター難問、AnthropicのAIが18年ぶり証明
数学の未解決問題を、AIは本当に人間の代わりに解けるのでしょうか。2008年から18年間証明されなかった量子コンピューティングの難問に、AIを組み込んだ研究システムが答えを出したという発表がありました。研究開発の現場で働く人にとって、見過ごせない事例です。
この記事の要点
何が起きたか
AI物理学スタートアップのPhysical Superintelligence（PSI）は2026年11月6日、2008年から未解決だった量子コンピューティングの難問「アーロンソン＝アンバイニス予想」の証明に成功したと発表しました。
証明には、Anthropicが開発した非公開のAIモデルを組み込んだ独自の研究システムが使われています。PSIの研究者が問題を設定し、独自の計算環境で実行したところ、AI研究システムは実行開始から3日目に予想の完全な証明を発見したといいます。さらに関連する数学的問題の研究を進める過程で証明を2回改良し、最終的な証明を完成させたとのことです。
得られた証明は、数学的な証明をコンピューターで検証する定理証明支援システム「Lean 4」を使って確認されています。PSIが公開した資料によると、Leanによる証明は未完成部分や新たな公理の追加なしで完成しており、独立した2種類の検証プログラムでも確認済みとされています。論文やLeanのソースコード、検証結果の記録はGitHubで公開されました。
量子計算を専門とする研究者のヘンリー・ユエン氏は、この問題の解決を「美しい問題が解決された」と紹介しています。数学者のパータ・イヴァニシュヴィリ氏も「証明が正しければ大きな成果になる」とコメントしました。PSIによると、2026年8月に予想の特殊な場合を解決したスタンフォード大学の研究者らも今回の証明を確認しており、解説の執筆を進めているとのことです。
背景・解説
量子コンピューターは、量子力学の性質を利用して、従来型のコンピューターでは膨大な時間がかかる計算を高速に処理できると期待されている装置です。1994年に数学者のピーター・ショア氏が考案した「ショアのアルゴリズム」は、大きな整数の素因数分解を大幅に高速化できる量子アルゴリズムとして知られています。
ただし、量子コンピューターが圧倒的な速さを発揮するには、計算対象の問題に特定の規則性や構造が必要なのかという疑問が残されていました。ショアのアルゴリズムも、数値に隠された周期的な規則性を利用する仕組みです。
2008年に計算機科学者のスコット・アーロンソン氏とアンドリス・アンバイニス氏が提唱した「アーロンソン＝アンバイニス予想」は、この疑問を数学的に解明するための予想です。予想が正しければ、ランダムな入力の大部分について、量子コンピューターが従来型より指数関数的に少ないデータ参照回数で計算を終えることはできないと示されます。つまり、極めて大きな高速化には問題に隠された特別な規則性が必要になる、という主張です。
「Lean 4」は、数学的な証明の論理的な正しさをコンピューターに検証させるための定理証明支援システムです。AIが作成した複雑な証明は、もっともらしい説明に誤りが含まれている場合があるため、こうした厳密な検証の仕組みが重要になります。
仕事や業務への影響
研究開発や数理的な検証業務を抱える企業ほど、今回の事例は検討材料になります。AI研究システムが実行3日目に未解決問題の証明を発見し、その後2回改良したという経過は、人手では長期化しがちな検証作業の一部をAIに任せられる余地を示しています。例えば、量子暗号や最適化アルゴリズムを扱う金融機関のクオンツチーム（5人規模）であれば、新しいアルゴリズムの理論的な裏付けを検討する初期段階に、同様の研究支援AIを試す価値があります。
ただし、今回の成果がそのまま自社の課題に使えるわけではありません。PSIの発表は、Anthropicの非公開モデルと独自の研究システム、そしてLean 4による形式検証を組み合わせた結果であり、一般の業務システムに同じ水準の検証基盤が備わっているとは限らないからです。製薬会社の研究開発部門が化合物の理論計算にAIを導入する場合も、証明の正しさを独立に確認できる仕組みを自前で用意する必要があります。
経営判断としては、AIに「正解らしきもの」を出させる段階と、それを別の手段で検証する段階を分けて設計すべきです。今回の事例でも、AIが証明を発見したこと自体よりも、Lean 4という第三者的な検証手段で確認した点が成果の信頼性を支えています。業務にAIを組み込む際は、出力をそのまま採用するのではなく、検証プロセスをセットで用意することが欠かせません。
専門家2人のコメントが示すように、この分野の研究者にとっても今回の証明は簡単に出せるものではなかったようです。裏を返せば、特定の条件がそろえば、AIが人間の専門家集団でも長年手が出なかった問題に取り組める段階に来ているということです。研究開発投資の優先順位を考える部門は、自社の未解決課題の中に、こうした形式検証と組み合わせやすいテーマがないか棚卸ししてみる価値があります。
不確かな点・注意
証明に使われたAnthropicのAIモデルは非公開であり、具体的な名称や仕組みは明らかにされていません。どのような研究システムの設計がこの成果を生んだのか、外部から詳細を確認することはできない状態です。
証明の正しさはLean 4による検証と2種類の独立した検証プログラムで確認されたとされていますが、記事時点ではスタンフォード大学の研究者らによる確認と解説の執筆が進行中とされており、数学コミュニティ全体での査読や評価が完了したとは書かれていません。
成果の発表元はPSI自身であり、第三者機関による独立した評価が確定した段階かどうかは不明です。また、今回の証明が量子コンピューティング以外の数学分野や、企業の実務課題にどこまで応用できるかについても、出典からは判断できません。
出典
この記事のつくり方
国内外の情報源（企業の公式発表や、国内外の報道）を巡回して、新しいニュースの候補を集めます。
AIが、選んだ出典だけをもとに記事を書きます。出典に無い数字・日付・発言は作りません。
20を超える決まりの検査と、別のAIによる出典との照らし合わせを通った記事だけを公開します。通らなかった記事は公開しません。
公開した記事には、運営者が目を通しています。誤りに気づいたときは、訂正するか、公開を取り下げます。