Anthropic siger, at Claude slog de bedste offentliggjorte design af kvantekredsløb

I et forskningsindlæg, der blev offentliggjort den 16. oktober 2026, rapporterede Anthropic, at deres model Claude Mythos 5, der arbejdede i en lukket løkke med en automatisk evaluator og stort set på egen hånd, designede kvantekredsløb, som forbedrede de bedste tidligere offentliggjorte kredsløb på tværs af otte beregningsprimitiver, i nogle tilfælde med en størrelsesorden eller mere.

Primitiverne, de grundlæggende rutiner, som større kvantealgoritmer bygges af, spænder over kemi, optimering, kvantesimulering, talteori og numerisk beregning. Andi Gu ledede arbejdet som led i Anthropics STEM Fellows Program med vejledning fra Alek Kemeny, kvantefysiker hos Anthropic, og i samarbejde med Susanne Yelin fra Harvard University og Mikhail Lukin fra Harvard University og QuEra Computing.

En ledsagende artikel, Opdagelse af avancerede kvantekredsløb med store sprogmodeller, blev indsendt til arXiv den 15. oktober 2026 af Gu, Kemeny, Yelin og Lukin og fylder 46 sider med 10 figurer og seks tabeller. Resuméet beskriver en evolutionær ramme, hvor store sprogmodeller foreslår kredsløbsdesign, som en uafhængig evaluator efterprøver og bedømmer. Det fremgår, at de opdagede kredsløb i syv af de otte opgaver reducerer både antallet af Toffoli-porte og qubits betydeligt i forhold til det hidtidige bedste niveau, og at den ottende opgave førte til en ny reversibel arkitektur til modulær inversion over primtalslegemer.

En designopgave med lukket feedbackløkke

Anthropic sagde, at Claude var velegnet til arbejdet af tre grunde. Kvantekredsløb kan skrives som almindelig kode, så modellen kan skrive, køre og revidere design som programmer. Den undersøgte klasse af algoritmer kan effektivt testes for korrekthed, fordi hvert input giver ét entydigt output, som en konventionel computer kan kontrollere. Og måletallet – antallet af qubits ganget med antallet af porte – giver et objektivt mål, der fungerer som en indikator for, hvor lang tid et kredsløb vil tage at køre. I denne lukkede feedbackløkke foreslog Claude Mythos 5 design i Python, modtog feedback om korrekthed og en score fra evaluatorprogrammet og reviderede dem uden menneskelig indblanding mellem runderne.

Indlægget beskriver to begrænsninger, der adskiller kvantekredsløb fra almindelige programmer. Et kredsløb kan ikke træffe hvis-så-beslutninger, fordi det kører på en superposition af mange input på én gang og skal indeholde operationerne for hver mulig vej, hver gang det kører. Det kan heller ikke kassere information, fordi hvert trin skal være reversibelt; mellemresultater skal gemmes eller »beregnes tilbage« ved at køre den beregning, der skabte dem, baglæns, hvilket kræver ekstra porte. Tilsammen tvinger disse begrænsninger en afvejning mellem antallet af qubits og køretiden.

Som et eksempel på, hvad et nyt kredsløbsdesign kan opnå, gennemgår indlægget omkostningsestimater for simulering af FeMoco, jern-svovlklyngen i centrum af nitrogenase, det enzym, som bakterier bruger til at omdanne kvælstof fra luften til ammoniak. I 2017 anslog forskere, at beregning af FeMocos grundtilstandsenergi ville kræve omkring 50 billioner Toffoli-porte, en af de mest beregningstunge porttyper og derfor en almindelig måde at estimere, hvor lang tid en kvanteberegning vil tage.

En række algoritmiske fremskridt sænkede estimatet for den samme model med 54 orbitaler til omkring 340 millioner, en reduktion på omtrent 150.000 gange, som ifølge indlægget svarer til nogle få timers beregning på en fremtidig maskine med omkring tre millioner fysiske qubits. Nutidens kvantecomputere har kun hundreder til tusinder af qubits, og disse qubits er meget følsomme over for støj fra omgivelserne.

En reversibel algoritme til modulær inversion

Den første opdagelse, som indlægget beskriver, handler om punktaddition, reglen for at kombinere to punkter på en elliptisk kurve, så der dannes et tredje. Punktaddition er det centrale trin i kvantealgoritmer til det diskrete logaritmeproblem for elliptiske kurver og et af fagets standardbenchmarks; størstedelen af omkostningen skyldes ét enkelt trin, modulær inversion, den omsluttende version af division, der bruges i elliptisk kurve-aritmetik. Claude fik en opgavebeskrivelse på ét afsnit, der forklarede den matematiske regel, og hvordan evaluatoren ville kontrollere og bedømme hvert design. Derefter arbejdede modellen i 53 timer med minimal menneskelig indblanding, begrænset til opgavebeskrivelsen og lejlighedsvise opfordringer til at tænke bredere, før den nåede frem til en helt ny tilgang, rapporterede Anthropic.

Klassiske computere udfører modulær inversion effektivt ved hjælp af en metode kaldet divsteps, men metoden havde ikke ført til et praktisk kvantekredsløb. Reversibiliteten tvinger kredsløbet til at bevare en registrering af, hvilken operation der blev valgt ved hver iteration, kaldet greninformation, og lagring af denne historik kræver et enormt antal ekstra qubits. Claude ræsonnerede sig frem til, at det måske slet ikke var nødvendigt at gemme registreringen, fordi greninformationen kunne afkodes ved at undersøge talparret efter hver iteration.

De første kandidater til afkodningsregler fungerede på små testtilfælde, men slog fejl ved den fulde problemstørrelse på 256 bit. Claude beviste derefter en række resultater om iterationen, herunder flere nye algebraiske identiteter, udledte en præcis afkodningsformel, kontrollerede den i numeriske simuleringer i stor skala og formaliserede påstanden i Lean. Da valideringen var afsluttet, udarbejdede modellen det, Anthropic beskrev som den første reversible implementering af divsteps uden lagret historik over grenvalg.

Da afkodning sparer qubits, men koster tid, varierede Claude den tærskel, hvor kredsløbet gemmer greninformationen i stedet for at afkode den, og skabte dermed en række designs mellem de to yderpunkter. Et kredsløb i rækken bruger 12 % flere qubits, men har 17 gange færre porte end det hidtil mindste design, og indlægget fastslår, at de nye designs udvider Pareto-fronten for kombinationer af qubitforbrug og køretid. De hidtil bedste offentliggjorte designs, der sammenlignes med, er Schrottenloher (2026) og Luo et al. (2026).

En dekoder til kvanteoptimering, der er 12 gange billigere

Den anden opdagelse handler om afkodet kvanteinterferometri (DQI), som indlægget beskriver som en af de stærkeste kandidater til en superpolynomisk kvantehastighedsforøgelse. Algoritmens mest beregningstunge trin er en fejlkorrigerende dekoder, og forskerne, der introducerede DQI, demonstrerede den på problemet optimal polynomial intersection (OPI), en gitterbaseret version af kurvetilpasning, ved hjælp af en Reed–Solomon-dekoder. Estimater fra Google Quantum AI-forskere, som citeres i indlægget, tyder på, at det ville tage omkring tre måneder at løse et bestemt OPI-problem på supercomputeren Frontier, sammenlignet med omtrent en time på en fremtidig kvantecomputer, der kører DQI. Det meste af den time ville gå med Reed–Solomon-afkodning.

Det hidtil mest avancerede kredsløb behandlede syndromer, kompakte opsummeringer af fejl, ved hjælp af den udvidede Euklids algoritme, hvor antallet og rækkefølgen af trin afhænger af inputtet. Da et kvantekredsløb behandler mange input med én fast sekvens af porte, måtte dette design strække beregningen over flere runder, end noget enkelt input ville kræve, og udføre hver operation i hver runde. Claude byggede i stedet sit kredsløb op omkring Berlekamp–Massey-afkodning, som udfører samme type trin i hver runde og altid gennemløber det samme antal runder.

Det skabte et lagerproblem at gøre metoden reversibel: Midlertidige værdier, der beregnes i hver runde, skal kunne genskabes, så de senere kan afberegnes, og hvis man reserverer hukommelse til det værst tænkelige tilfælde – en undtagelsesværdi, der opstår i 35 forskellige runder – kræver det 665 qubits. Claude skrev en højhastighedssimulator og kørte 403 millioner prøveafkodninger for at måle, hvor ofte sådanne undtagelser opstår. Næsten hver eneste kørsel krævede, at højst én værdi blev gemt, så kredsløbet reserverer 19 qubits til én gemt værdi.

Omkring én kørsel ud af 10.000 kræver mere end det og mislykkes, hvilket ifølge indlægget ligger inden for den fejlrate, opgaven tillader. Indlægget fortæller, at optimeringerne tilsammen reducerede dekoderens antal porte med en faktor 12 sammenlignet med Googles tidligere konstruktion ved at ændre tre niveauer: metoden, kredsløbsarkitekturen og ressourcerammen.

Begrænsninger og fremsyn

Anthropic fortæller, at Claude i de tidlige eksperimenter var forsigtig, gentagne gange betvivlede tilsyneladende forbedringer, dobbelttjekkede og trippeltjekkede resultater med solidt belæg og foretrak eksisterende, velkendte tilgange. Indlægget bemærker, at forsigtigheden nogle gange var nyttig og førte til Lean-beviserne, der verificerede divsteps-designet. Holdet greb til to modforanstaltninger: Det krævede, at Claude foreslog flere kvalitativt forskellige tilgange, udviklet parallelt, og bad det indimellem om at udvide sin søgning.

Indlægget sammenligner den 150.000-dobbelte reduktion for FeMoco, som ifølge det tog mange forskergrupper otte år, med den enkelte kørsel på 53 timer, der lå til grund for designet med elliptiske kurver. Anthropic oplyste, at resultaterne tyder på, at AI kan understøtte arbejdet med kredsløbsdesign, og fremhævede muligheden for, at AI kan optimere komponenterne i en fejlkorrigeret kvantecomputer samlet – fra algoritmen helt ned til hardwaren – til et bestemt problem. Indlægget takker Arjun Kar og Vinay Ramasesh for nyttige drøftelser i projektets tidlige faser.