Według Anthropic jego model Claude Mythos 5 zaprojektował obwód kwantowy, który wymaga około 17 razy mniejszej liczby bramek niż najmniejszy dotychczas znany projekt. Firma przedstawiła ten wynik jako dowód na to, że sztuczna inteligencja może pomóc obniżyć koszty obliczeń kwantowych poprzez ulepszanie algorytmów, a nie wyłącznie dzięki postępowi w dziedzinie sprzętu.

Prace prowadzono pod kierunkiem badacza Andiego Gu w ramach programu STEM Fellows firmy Anthropic, we współpracy z badaczami z Harvard University i QuEra Computing. Claude Mythos 5 wziął udział w ośmiu eksperymentach projektowania obwodów obejmujących takie dziedziny jak chemia, symulacje fizyczne, optymalizacja, teoria liczb i obliczenia numeryczne.

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

Jak obwody projektowane przez AI wpisują się w obliczenia kwantowe

Komputery kwantowe wykonują obliczenia na kubitach za pomocą operacji zwanych bramkami kwantowymi. W przeciwieństwie do klasycznych bitów, które przyjmują stan either zero lub jeden, kubity mogą dzięki superpozycji zajmować stany złożone. Ta właściwość może pozwolić maszynom kwantowym rozwiązywać pewne problemy naukowe, które są nieosiągalne dla komputerów tradycyjnych.

Obecny sprzęt kwantowy pozostaje jednak ograniczony dostępnością kubitów i szumem środowiskowym. Drobne fluktuacje wprowadzają błędy, a dłuższe obliczenia stają się coraz trudniejsze do przeprowadzenia. Znalezienie obwodów o minimalnych wymaganiach operacyjnych i pamięciowych jest więc zadaniem kluczowym, co czyni rozwój algorytmów niezbędnym krokiem w kierunku poprawy obliczeń kwantowych.

Anthropic przekazał Claude'owi opisy ośmiu zadań obliczeniowych w języku naturalnym wraz z automatycznym systemem oceny wyników. Model generował obwody, ocen własne rezultaty i doskonalił rozwiązania w cyklach iteracyjnych, bez jakiejkolwiek ingerencji człowieka w ich trakcie. Według firmy część wyników znacząco przewyższyła najlepsze znane rozwiązania o rząd wielkości.

Ograniczenie wymagań pamięciowych w modularnej inwersji

Jeden z głównych wyników dotyczył modularnej inwersji, operacji matematycznej używanej w arytmetyce krzywych eliptycznych. Operacja ta jest istotna dla algorytmów kwantowych celujących w problem dyskretnego logarytmu na krzywych eliptycznych, co ma znaczenie dla oceny bezpieczeństwa kryptografii krzywych eliptycznych wobec wystarczająco wydajnych komputerów kwantowych.

Claude opracował odwracalny algorytm dla tej arytmetyki przy użyciu metody znanej jako divsteps, która upraszcza liczby poprzez kolejne operacje warunkowe. Przekształcenie tej procedury w obwód kwantowy rodzi problem pamięci: obliczenie odwracalne musi zachować wystarczającą ilość informacji, aby odtworzyć wcześniejsze kroki, zamiast odrzucać niepotrzebne wyniki tymczasowe.

Model odkrył technikę odzyskiwania decyzji rozgałęzień z pośrednich wartości liczbowych. Zidentyfikował odpowiednie tożsamości matematyczne, przetestował podejście za pomocą symulacji numerycznej i udowodnił jego poprawność przy użyciu asystenta dowodowego Lean, narzędzia mechanicznie weryfikującego dowody matematyczne. Dzięki temu obwód nie musi przechowywać pełnej historii podjętych decyzji.

Mniej bramek, więcej kubitów

Zoptymalizowany obwód krzywej eliptycznej używa około 17 razy mniejszej liczby bramek niż najmniejszy dotychczas istniejący projekt, wykorzystując przy tym o 12% więcej kubitów. Odkrycie to ilustruje ważny inżynierski kompromis: zmniejszenie liczby operacji może zwiększyć zapotrzebowanie na pamięć, dlatego oba zasoby muszą być uwzględniane podczas projektowania obwodów. Te dodatkowe kubity mają realne znaczenie na obecnym sprzęcie, gdzie sama dostępność kubitów jest ograniczona.

Anthropic zgłosił także inne ulepszenia. Jedna z optymalizacji zmniejszyła liczbę bramek w obwodzie dekodowania Reeda–Solomona używanym w kwantowym algorytmie optymalizacji DQI (Decoded Quantum Interferometry) około 12 razy. Firma zasugerowała, że projektowanie wspomagane przez AI może pomóc w identyfikacji możliwych redukcji w różnych zadaniach matematycznych i naukowych, choć każdy projekt należy nadal analizować indywidualnie.

Te osiągnięcia nie oznaczają, że istniejące komputery kwantowe potrafią już wykonać dowolne wymagane obliczenia. Poważne wyzwania techniczne pozostają w zakresie ograniczeń sprzętowych, korekcji błędów i stabilności operacyjnej. Odkrycie dotyczące krzywych eliptycznych jest istotne dla kryptografów, ale nie dowodzi, że współczesne urządzenia potrafią łamać powszechnie stosowaną kryptografię.

Budowanie na latach postępu algorytmicznego

Badania te bazują na latach postępu w redukcji szacowanych zasobów potrzeb do wymagających symulacji kwantowych. Według Anthropic FeMoco — klaster żelazowo-siarkowy związany z biologicznym wiązaniem azotu, który od dawna służy jako punkt odniesienia dla takich szacunków zasobów — wymagał według szacunków z 2017 roku 50 bilionów bramek Toffoliego do obliczenia energii stanu podstawowego. Innowacje algorytmiczne obniżyły tę liczbę do 340 milionów bramek, czyli ponad 150 000 razy mniej niż pierwotne szacunki.

Automatyczna optymalizacja obwodów może pomóc jeszcze进一步 obniżyć tę liczbę, choć rzeczywiste wyniki będą zależały od przyszłych postępów sprzętowych i innych czynników.

Źródło: Tron Weekly