Anthropicは、同社のClaude Mythos 5モデルが、既知の最小設計と比べて約17分の1のゲート数を必要とする量子回路を設計したと発表しました。同社はこの結果を、ハードウェアの進歩だけに頼るのではなく、アルゴリズムの改善によって量子コンピューティングのコストを低減できる可能性を示す証拠として提示しています。

この研究は、AnthropicのSTEMフェロープログラムの一環として研究者Andi Guの指導の下で実施されたもので、ハーバード大学およびQuEra Computingの研究者たちとの協力によるものです。Claude Mythos 5は、化学、物理シミュレーション、最適化、数論、数値計算などの分野にわたる8つの回路設計実験に参加しました。

STEMフェロープログラムからの新情報：Claudeによるより効率的な量子回路の設計。平易な言語による指示をもとに、Claude Mythos 5は公表されている最良の回路を上回る性能を持つ量子回路を設計し、場合によっては一桁以上の改善を達成しました。より効率的な回路…

— Anthropic (@AnthropicAI) 2026年10月16日

AI設計回路が量子コンピューティングにおいて果たす役割

量子コンピュータは、量子ゲートと呼ばれる操作を通じて量子ビット上で計算を行います。0か1のいずれかの状態を取る古典ビットとは異なり、量子ビットは重ね合わせによって複数の状態を同時に取り得ます。この性質により、量子コンピュータは古典的なコンピュータでは扱いきれない一部の科学問題を解決できる可能性があります。

しかし、現在の量子ハードウェアは、量子ビットの可用性と環境ノイズによって依然として制約を受けています。わずかな揺らぎが誤りを引き起こし、計算が長くなるほど実行はますます困難になります。したがって、操作数とメモリ要件を最小限に抑えた回路を見つけることが中心的な課題であり、アルゴリズム開発は量子コンピューティング改善への重要な一歩となります。

AnthropicはClaudeに、8つの計算タスク平易な言語による説明と、結果を評価するための自動システムを与えました。モデルは回路を生成し、自らの出力を評価し、その間に人間の介入を一切受けることなく、反復サイクルの中で解を改良していきました。同社によると、一部の結果は既知の最良の解を一桁以上の差で大きく上回ったといいます。

モジュラー逆算におけるメモリ要件の削減

主要な成果の一つは、楕円曲線演算で用いられる数学的操作であるモジュラー逆算に関するものでした。この操作は、楕円曲線離散対数問題を狙う量子アルゴリズムに関連しており、十分な能力を持つ量子コンピュータに対する楕円曲線暗号の安全性評価に影響を及ぼします。

Claudeは、divstepsとして知られる手法を用いてこの演算の可逆アルゴリズムを開発しました。この手法は、連続する条件付き操作によって数値を簡約します。この手順を量子回路に変換するとメモリの問題が生じます。可逆計算では、不要な一時結果を破棄するのではなく、以前のステップを復元できるよう十分な情報を保持しなければならないためです。

モデルは、中間の数値から分岐の選択を復元する技術を発見しました。関連する数学的恒等式を特定し、数値シミュレーションでこの手法を検証した上で、数学的証明を機械的に検証するツールであるLean証明支援系を用いてその正しさを証明しました。この結果、回路は行われた選択の全履歴を保存する必要がなくなりました。

ゲート数の削減、量子ビットの増加

最適化された楕円曲線回路は、従来存在していた最小の設計と比べて約17分の1のゲート数で動作する一方、量子ビットは12%多く使用します。この知見は重要なエンジニアリング上のトレードオフを示しています。操作数を減らすとメモリ需要が増加する可能性があるため、回路設計では両方のリソースを考慮しなければなりません。量子ビットの可用性そのものが限られている現在のハードウェアでは、この追加の量子ビットは実際に大きな意味を持ちます。

Anthropicは他の改善も報告しています。ある最適化では、DQI（Decoded Quantum Interferometry）量子最適化アルゴリズムで使用されるReed–Solomon復号回路のゲート数を約12分の1に削減しました。同社は、AI支援による設計が幅広い数学的・科学的タスクにおける削減の可能性を特定するのに役立つ一方、すべての設計を個別に分析する必要があるとの見解を示しています。

これらの成果は、既存の量子コンピュータがすでに必要とされるあらゆる計算を実行できることを意味するものではありません。ハードウェアの制約、誤り訂正、動作の安定性をめぐって、重大な技術的課題が残されています。楕円曲線に関する知見は暗号研究者にとって重要ですが、現代の装置が広く利用されている暗号を解読できることを証明するものではありません。

長年のアルゴリズム進歩の上に築かれた成果

この研究は、要求の厳しい量子シミュレーションに必要とされる推定リソースを削減してきた長年の進歩の上に成り立っています。Anthropicによると、生物学的窒素固定に関係する硫黄クラスターであり、こうしたリソース推定の長年の指標となってきたFeMocoは、2017年時点で基底状態エネルギーを計算するのに50兆個のToffoliゲートを必要とすると推定されていました。その後、アルゴリズムの革新によりこの数字は3億4000万ゲートまで削減され、初期推定の15万分の1以下となっています。

回路の自動最適化によってこの数字はさらに下がる可能性がありますが、実際の成果は今後のハードウェアの進歩やその他の要因に左右されます。

出典：Tron Weekly