Anthropic сообщает, что её модель Claude Mythos 5 разработала квантовую схему, требующую примерно в 17 раз меньше вентилей, чем самое компактное из ранее известных решений. Компания представила результат как свидетельство того, что искусственный интеллект может помочь снизить стоимость квантовых вычислений за счёт улучшения алгоритмов, а не только благодаря прогрессу в аппаратном обеспечении.

Работа велась под руководством исследователя Анди Гу в рамках программы STEM Fellows компании Anthropic в сотрудничестве с исследователями Гарвардского университета и QuEra Computing. Claude Mythos 5 приняла участие в восьми экспериментах по проектированию схем в таких областях, как химия, физическое моделирование, оптимизация, теория чисел и численные вычисления.

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

Как схемы, созданные ИИ, вписываются в квантовые вычисления

Квантовые компьютеры выполняют вычисления над кубитами с помощью операций, называемых квантовыми вентилями. В отличие от классических битов, принимающих состояние либо нуля, либо единицы, кубиты благодаря суперпозиции могут находиться в комбинированных состояниях. Это свойство может позволить квантовым машинам решать некоторые научные задачи, недоступные традиционным компьютерам.

Однако современные квантовые устройства по-прежнему ограничены доступностью кубитов и окружающим шумом. Небольшие флуктуации приводят к ошибкам, а более длительные вычисления выполнять всё сложнее. Поэтому ключевой задачей является поиск схем с минимальными требованиями к операциям и памяти, что делает разработку алгоритмов важнейшим шагом на пути улучшения квантовых вычислений.

Anthropic предоставила Claude описания восьми вычислительных задач на естественном языке, а также автоматизированную систему оценки результатов. Модель генерировала схемы, оценивала собственные результаты и улучшала решения в итерационных циклах без какого-либо вмешательства человека. По данным компании, некоторые результаты существенно превзошли лучшие из известных решений на порядок и более.

Сокращение требований к памяти при модульном инвертировании

Один из главных результатов связан с модульным инвертированием — математической операцией, используемой в арифметике эллиптических кривых. Эта операция важна для квантовых алгоритмов, нацеленных на задачу дискретного логарифмирования на эллиптических кривых, что имеет значение для оценки стойкости криптографии на эллиптических кривых перед достаточно мощными квантовыми компьютерами.

Claude разработала обратимый алгоритм для этой арифметики с использованием метода divsteps, который упрощает числа через последовательные условные операции. Преобразование процедуры в квантовую схему порождает проблему памяти: обратимое вычисление должно сохранять достаточно информации для восстановления предыдущих шагов, а не отбрасывать ненужные промежуточные результаты.

Модель обнаружила технику восстановления точек ветвления из промежуточных числовых значений. Она выявила соответствующие математические тождества, проверила подход чис моделированием и доказала его корректность с помощью ассистента доказательств Lean — инструмента, механически проверяющего математические доказательства. В результате схеме не нужно хранить полную историю сделанных выборов.

Меньше вентилей, больше кубитов

Оптимизированная схема для эллиптических кривых использует примерно в 17 раз меньше вентилей, чем самое компактное из существовавших ранее решений, при этом задействуя на 12% больше кубитов. Результат иллюстрирует важный инженерный компромисс: сокращение числа операций может увеличивать потребности в памяти, поэтому при проектировании схемы необходимо учитывать оба ресурса. Эти дополнительные кубиты имеют существенное значение на современном оборудовании, где доступность кубитов сама по себе ограничена.

Anthropic также сообщила о других улучшениях. Одна из оптимизаций сократила число вентилей в схеме декодирования Рида — Соломона, используемой в квантовом алгоритме оптимизации DQI (Decoded Quantum Interferometry), примерно в 12 раз. По словам компании, проектирование с помощью ИИ может помочь выявить возможные сокращения в различных математических и научных задачах, однако каждое решение по-прежнему требует отдельного анализа.

Эти достижения не означают, что существующие квантовые компьютеры уже способны выполнять любые требуемые вычисления. Серьёзные технические проблемы остаются в области аппаратных ограничений, исправления ошибок и стабильности работы. Результат для эллиптических кривых важен для криптографов, но он не доказывает, что современные устройства могут взломать широко распространённую криптографию.

Опираясь на годы алгоритмического прогресса

Исследование продолжает многолетний прогресс в снижении оценочных ресурсов, необходимых для ресурсоёмких квантовых симуляций. Согласно данным Anthropic, для FeMoco — кластера железа и серы, связанного с биологической фиксацией азота и давно служащего ориентиром для подобных оценок ресурсов, — в 2017 году предполагалось, что для вычисления его энергии основного состояния потребуется 50 триллионов вентилей Тоффоли. Алгоритмические инновации с тех пор снизили эту цифру до 340 миллионов вентилей — более чем в 150 000 раз меньше первоначальной оценки.

Автоматизированная оптимизация схем может помочь ещё больше снизить это число, хотя фактические результаты в будущем будут зависеть от прогресса в аппаратном обеспечении и других факторов.

Источник: Tron Weekly