Anthropic zufolge hat sein Modell Claude Mythos 5 einen Quantenschaltkreis entworfen, der rund 17-mal weniger Gatter benötigt als der kleinste bisher bekannte Entwurf. Das Unternehmen präsentierte das Ergebnis als Beleg dafür, dass künstliche Intelligenz helfen könnte, die Kosten des Quantencomputings zu senken – durch verbesserte Algorithmen statt allein durch Fortschritte bei der Hardware.

Die Arbeit wurde unter der Leitung des Forschers Andi Gu im Rahmen von Anthropics STEM Fellows Program in Zusammenarbeit mit Forschern der Harvard University und QuEra Computing durchgeführt. Claude Mythos 5 nahm an acht Experimenten zum Schaltkreisentwurf teil, die unter anderem Chemie, Physiksimulation, Optimierung, Zahlentheorie und numerisches Rechnen umfassten.

New from our STEM Fellows Program: Designing more efficient quantum circuits with Claude. Given plain-language instructions, Claude Mythos 5 designed quantum circuits that improve on the best published ones, sometimes by an order of magnitude or more. More efficient circuits…

— Anthropic (@AnthropicAI) October 16, 2026

Wie KI-entworfene Schaltkreise ins Quantencomputing passen

Quantencomputer führen Berechnungen an Qubits durch Operationen aus, die als Quantengatter bezeichnet werden. Anders als klassische Bits, die entweder den Zustand null oder eins annehmen, können Qubits durch Superposition kombinierte Zustände einnehmen. Diese Eigenschaft könnte es Quantenmaschinen ermöglichen, bestimmte wissenschaftliche Probleme zu lösen, die für herkömmliche Computer unlösbar sind.

Die aktuelle Quantenhardware ist jedoch weiterhin durch die Verfügbarkeit von Qubits und Umgebungsrauschen begrenzt. Kleine Schwankungen führen zu Fehlern, und längere Berechnungen werden zunehmend schwieriger durchzuführen. Daher ist die Suche nach Schaltkreisen mit minimalem Operations- und Speicherbedarf eine zentrale Aufgabe, was die Algorithmusentwicklung zu einem wesentlichen Schritt zur Verbesserung des Quantencomputings macht.

Anthropic stellte Claude Beschreibungen von acht Rechenaufgaben in natürlicher Sprache sowie ein automatisiertes System zur Bewertung der Ergebnisse bereit. Das Modell erzeugte Schaltkreise, bewertete seine eigenen Ausgaben und verfeinerte seine Lösungen in iterativen Zyklen ohne menschliches Eingreifen. Laut dem Unternehmen übertrafen einige der Ergebnisse die besten bekannten Lösungen deutlich, teils um eine Größenordnung oder mehr.

Verringerung des Speicherbedarfs bei der modularen Inversion

Ein zentrales Ergebnis betraf die modulareversion, eine mathematische Operation aus der Arithmetik elliptischer Kurven. Diese Operation ist für Quantenalgorithmen relevant, die auf das diskrete Logarithmusproblem elliptischer Kurven abzielen – mit Implikationen für die Bewertung der Sicherheit elliptischer Kurvenkryptographie gegenüber hinreichend leistungsfähigen Quantencomputern.

Claude entwickelte einen reversiblen Algorithmus für diese Arithmetik unter Verwendung einer Methode namens divsteps, die Zahlen durch aufeinanderfolgende bedingte Operationen vereinfacht. Die Umwandlung des Verfahrens in einen Quantenschaltkreis wirft ein Speicherproblem auf: Eine reversible Berechnung muss genügend Informationen behalten, um frühere Schritte wiederherstellen zu können, statt nicht benötigte Zwischenergebnisse zu verwerfen.

Das Modell entdeckte eine Technik, um Verzweigungsentscheidungen aus Zwischenwerten wiederzugewinnen. Es identifizierte die relevanten mathematischen Identitäten, testete den Ansatz mit numerischer Simulation und bewies seine Korrektheit mit dem Lean-Proof-Assistenten, einem Werkzeug zur maschinellen Verifikation mathematischer Beweise. Dadurch muss der Schaltkreis nicht die gesamte Historie der getroffenen Entscheidungen speichern.

Weniger Gatter, mehr Qubits

Der optimierte Schaltkreis für elliptische Kurven verwendet etwa 17-mal weniger Gatter als der kleinste bisher existierende Entwurf, benötigt jedoch 12 % mehr Qubits. Das Ergebnis veranschaulicht einen wichtigen technischen Kompromiss: Die Verringerung der Anzahl der Operationen kann den Speicherbedarf erhöhen, sodass beide Ressourcen beim Schaltkreisentwurf abgewogen werden müssen. Diese zusätzlichen Qubits wiegen auf der heutigen Hardware real schwer, wo die Qubit-Verfügbarkeit selbst begrenzt ist.

Anthropic berichtete auch über weitere Verbesserungen. Eine Optimierung reduzierte die Anzahl der Gatter in einem Reed-Solomon-Dekodierungsschaltkreis, der im Quantenoptimierungsalgorithmus DQI (Decoded Quantum Interferometry) verwendet wird, um etwa das Zwölffache. Das Unternehmen wies darauf hin, dass KI-gestützter Entwurf helfen kann, mögliche Einsparungen über ein breites Spektrum mathematischer und wissenschaftlicher Aufgaben hinweg zu identifizieren, wobei jeder Entwurf weiterhin einzeln analysiert werden muss.

Diese Erfolge bedeuten nicht, dass bestehende Quantencomputer bereits jede erforderliche Berechnung durchführen können. Es bleiben erhebliche technische Herausforderungen in Bezug auf Hardwaregrenzen, Fehlerkorrektur und Betriebsstabilität. Der Befund zu elliptischen Kurven ist für Kryptographen bedeutsam, beweist jedoch nicht, dass moderne Geräte breit genutzte Kryptographie brechen können.

Aufbau auf jahrelangen algorithmischen Fortschritten

Die Forschung baut auf jahrelangen Fortschritten bei der Verringerung der geschätzten Ressourcen für anspruchsvolle Quantensimulationen auf. Laut Anthropic wurde geschätzt, dass FeMoco – ein Eisen-Schwefel-Cluster im Zusammenhang mit der biologischen Stickstofffixierung, das lange als Benchmark für solche Ressourcenschätzungen diente – im Jahr 2017 50 Billionen Toffoli-Gatter zur Berechnung seiner Grundzustandsenergie erfordern würde. Algorithmische Innovationen haben diese Zahl seither auf 340 Millionen Gatter gesenkt, mehr als 150.000-mal niedriger als die anfängliche Schätzung.

Automatisierte Optimierung von Schaltkreisen könnte diese Zahl weiter senken, wobei die tatsächlichen Ergebnisse künftig von Hardwarefortschritten und anderen Faktoren abhängen werden.

Quelle: Tron Weekly