Anthropic afirma que su modelo Claude Mythos 5 ha diseñado un circuito cuántico que requiere aproximadamente 17 veces menos puertas que el diseño más pequeño conocido hasta ahora. La empresa presentó el resultado como evidencia de que la inteligencia artificial podría ayudar a reducir el costo de la computación cuántica al mejorar los algoritmos en lugar de depender únicamente de los avances en hardware.

El trabajo se realizó bajo la guía del investigador Andi Gu como parte del programa STEM Fellows de Anthropic, en colaboración con investigadores de Harvard University y QuEra Computing. Claude Mythos 5 participó en ocho experimentos de diseño de circuitos en campos que incluyen química, simulación física, optimización, teoría de números y computación numérica.

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

Cómo encajan los circuitos diseñados por IA en la computación cuántica

Las computadoras cuánticas realizan cálculos sobre cúbits mediante operaciones conocidas como puertas cuánticas. A diferencia de los bits clásicos, que adoptan un estado de cero o uno, los cúbits pueden ocupar estados combinados mediante la superposición. Esa propiedad podría permitir que las máquinas cuánticas resuelvan ciertos problemas científicos que son intratables para las computadoras tradicionales.

Sin embargo, el hardware cuántico actual sigue limitado por la disponibilidad de cúbits y el ruido ambiental. Las fluctuaciones menores introducen errores, y los cálculos más largos se vuelven cada vez más difíciles de ejecutar. Encontrar circuitos con requisitos mínimos de operación y memoria es, por lo tanto, una tarea central, lo que hace que el desarrollo de algoritmos sea un paso esencial hacia el mejoramiento de la computación cuántica.

Anthropic proporcionó a Claude descripciones en lenguaje natural de ocho tareas de cálculo junto con un sistema automatizado para evaluar los resultados. El modelo generó circuitos, evaluó sus propias salidas y refinó sus soluciones en ciclos iterativos sin intervención humana durante ellos. Según la empresa, algunos de los resultados superaron significativamente las mejores soluciones conocidas en un orden de magnitud.

Reducción de los requisitos de memoria en la inversión modular

Un resultado importante involucró la inversión modular, una operación matemática utilizada en la aritmética de curvas elípticas. La operación es relevante para los algoritmos cuánticos dirigidos al problema del logaritmo discreto de curvas elípticas, lo cual tiene implicaciones para evaluar la seguridad de la criptografía de curvas elípticas frente a computadoras cuánticas suficientemente capaces.

Claude desarrolló un algoritmo reversible para la aritmética utilizando un método conocido como divsteps, que simplifica los números mediante operaciones condicionales consecutivas. Convertir el procedimiento en un circuito cuántico plantea un problema de memoria: un cálculo reversible debe retener suficiente información para restaurar pasos anteriores en lugar de descartar resultados temporales innecesarios.

El modelo descubrió una técnica para recuperar las decisiones de bifurcación a partir de valores numéricos intermedios. Identificó las identidades matemáticas relevantes, probó el enfoque con simulación numérica y demostró su corrección utilizando el asistente de pruebas Lean, una herramienta que verifica matemáticamente las demostraciones de maneraánica. Como resultado, el circuito no necesita almacenar el historial completo de las decisiones tomadas.

Menos puertas, más cúbits

El circuito optimizado de curva elíptica utiliza aproximadamente 17 veces menos puertas que el diseño existente más pequeño hasta ahora, al tiempo que emplea 12% más cúbits. El hallazgo ilustra una importante disyuntiva de ingeniería: reducir el número de operaciones puede aumentar las necesidades de memoria, por lo que ambos recursos deben sopesarse durante el diseño del circuito. Esos cúbits adicionales tienen un peso real en el hardware actual, donde la disponibilidad de cúbits es en sí misma limitada.

Anthropic también reportó otras mejoras. Una optimización redujo aproximadamente 12 veces el número de puertas en un circuito de decodificación Reed–Solomon utilizado en el algoritmo de optimización cuántica DQI (Decoded Quantum Interferometry). La empresa sugirió que el diseño asistido por IA puede ayudar a identificar posibles reducciones en una gama de tareas matemáticas y científicas, aunque cada diseño aún debe analizarse individualmente.

Estos logros no implican que las computadoras cuánticas existentes ya puedan realizar cualquier cálculo que se les requiera. Persisten desafíos técnicos serios en torno a las limitaciones de hardware, la corrección de errores y la estabilidad operativa. El hallazgo de la curva elíptica es significativo para los criptógrafos, pero no demuestra que los dispositivos modernos puedan romper la criptografía ampliamente utilizada.

Construyendo sobre años de progreso algorítmico

La investigación se basa en años de progreso en la reducción de los recursos estimados necesarios para simulaciones cuánticas exigentes. Según Anthropic, FeMoco —un grupo hierro-azufre asociado con la fijación biológica de nitrógeno que durante mucho tiempo ha servido como referencia para este tipo de estimaciones de recursos— se estimó en 2017 que requeriría 50 billones de puertas Toffoli para calcular su energía del estado fundamental. Las innovaciones algorítmicas han reducido desde entonces esa cifra a 340 millones de puertas, más de 150,000 veces menos que la estimación inicial.

La optimización automatizada de circuitos podría ayudar a reducir aún más ese número, aunque los resultados reales dependerán de los avances en hardware y otros factores en el futuro.

Fuente: Tron Weekly