Microsoft: risolta la congettura KLS con l'AI e novità per Magnetar

A metà ottobre 2026, la divisione di ricerca di Microsoft Research ha illustrato due importanti avanzamenti scientifici: la risoluzione della celebre congettura matematica di Kannan-Lovász-Simonovits (KLS) tramite una collaborazione guidata tra ricercatori e agenti di intelligenza artificiale, e l'introduzione di Magnetar, una piattaforma per l'elaborazione generale basata su prove a conoscenza zero.

Cosa è stato annunciato

Il primo risultato affronta un dilemma geometrico aperto da 31 anni. La congettura KLS, formulata nel 1995, riguarda il comportamento delle distribuzioni di probabilità negli spazi ad altissime dimensioni. Xinzhi Zhang, ricercatore del gruppo Machine Learning and Optimization di Microsoft, insieme a un collaboratore, ha dimostrato che i colli di bottiglia di queste geometrie possono essere delimitati da tagli piatti entro un fattore costante, indipendentemente dal numero di dimensioni. La scoperta è scaturita da un processo di ricerca congiunto: i sistemi di intelligenza artificiale hanno vagliato oltre 100 approcci matematici candidati, gestito calcoli tensoriali ed eseguito verifiche preliminari, mentre gli esperti umani hanno orientato la strategia e assemblato il ragionamento conclusivo. La dimostrazione ha ricevuto conferme indipendenti da altri gruppi di ricerca ed è stata formalizzata tramite il software di verifica automatica Lean 4.

Sul fronte computazionale, Microsoft ha svelato Magnetar, un'architettura progettata per eseguire programmi e generare simultaneamente una prova crittografica della loro corretta esecuzione. Questo meccanismo impiega le prove a conoscenza zero (zero-knowledge proofs, sistemi matematici che attestano la validità di un'elaborazione senza esporre i dati sensibili usati come input). Rispetto ai sistemi precedenti, Magnetar opera direttamente su codice scritto nei tradizionali linguaggi C, Go e Rust senza costringere a complesse riscritture in circuiti aritmetici dedicati. Il sistema si è dimostrato da 10 a 39 volte più rapido rispetto alle soluzioni equivalenti precedenti e ancora la propria sicurezza esclusivamente a funzioni crittografiche di hash standard, risultando resistente alla potenziale futura minaccia dei computer quantistici.

Cosa cambia per chi usa l'AI

I due sviluppi toccano direttamente il modo in cui l'intelligenza artificiale viene studiata e impiegata. Sul piano teorico, la validazione della congettura KLS migliora la comprensione formale degli algoritmi di campionamento e ottimizzazione ad alta dimensionalità, componenti alla base di molti modelli di calcolo scientifico e statistico. Dal punto di vista metodologico, il lavoro mostra come i sistemi agentici possano operare come assistenti di calcolo per esplorare percorsi teorici complessi sotto la supervisione umana.

Sul piano applicativo, Magnetar offre prospettive concrete per la verifica delle operazioni compiute dai modelli intelligenti. Nei contesti in cui un agente AI esegue azioni in autonomia o gestisce dati riservati, l'adozione di prove crittografiche consente a terze parti di verificare in pochi millisecondi che l'elaborazione abbia rispettato le istruzioni stabilite, senza dover rieseguire il calcolo e senza accedere a informazioni private. Tale meccanismo apre la strada a verifiche affidabili per compiti normativi, transazioni finanziarie e procedure automatizzate.