Anthropic affirme que Claude a surpassé les meilleurs circuits quantiques publiés

Dans un article de recherche publié le 16 octobre 2026, Anthropic a indiqué que son modèle Claude Mythos 5, travaillant en boucle fermée avec un évaluateur automatisé et en grande partie de manière autonome, avait conçu des circuits quantiques surpassant les meilleurs circuits publiés jusqu’alors pour huit primitives de calcul, parfois d’un ordre de grandeur ou plus.

Ces primitives, les routines élémentaires à partir desquelles sont construits les algorithmes quantiques de plus grande envergure, couvrent la chimie, l’optimisation, la simulation quantique, la théorie des nombres et le calcul numérique. Andi Gu a dirigé ces travaux dans le cadre du programme STEM Fellows d’Anthropic, sous le mentorat d’Alek Kemeny, physicien quantique chez Anthropic, et en collaboration avec Susanne Yelin de Harvard University et Mikhail Lukin de Harvard University et QuEra Computing.

Un article complémentaire, Découvrir des circuits quantiques à la pointe de la technologie grâce aux grands modèles de langage, a été soumis à arXiv le 15 octobre 2026 par Gu, Kemeny, Yelin et Lukin. Il compte 46 pages, avec 10 figures et six tableaux. Le résumé présente un cadre évolutif dans lequel des grands modèles de langage proposent des conceptions de circuits, qu’un évaluateur indépendant vérifie et note. Il indique que, pour sept des huit tâches, les circuits découverts réduisent sensiblement à la fois le nombre de portes Toffoli et le nombre de qubits par rapport à l’état de l’art, et que la huitième tâche a abouti à une nouvelle architecture réversible pour l’inversion modulaire dans un corps premier.

Une tâche de conception en boucle fermée

Anthropic a expliqué que Claude était particulièrement adapté à cette tâche pour trois raisons. Les circuits quantiques peuvent être écrits sous forme de code ordinaire ; le modèle peut donc concevoir, exécuter et réviser des circuits comme des programmes. La classe d’algorithmes ciblée peut être vérifiée efficacement : chaque entrée produit une sortie déterminée qu’un ordinateur classique peut contrôler. Enfin, le score — le nombre de qubits multiplié par le nombre de portes — fournit un objectif mesurable qui sert d’indicateur du temps d’exécution d’un circuit. Dans cette boucle fermée, Claude Mythos 5 a proposé des conceptions en Python, reçu du programme d’évaluation des retours sur leur exactitude ainsi qu’un score, puis les a révisées, sans intervention humaine entre les cycles.

L’article décrit deux contraintes qui distinguent les circuits quantiques des programmes ordinaires. Un circuit ne peut pas prendre de décisions conditionnelles de type « si… alors », car il opère simultanément sur une superposition de nombreuses entrées et doit inclure les opérations correspondant à chaque chemin à chacune de ses exécutions. Il ne peut pas non plus supprimer de l’information, puisque chaque étape doit être réversible ; les résultats intermédiaires doivent être conservés ou « annulés » en exécutant à l’envers le calcul qui les a produits, au prix de portes supplémentaires. Ces deux contraintes imposent un compromis entre le nombre de qubits et le temps d’exécution.

Pour illustrer les possibilités offertes par la reconception des circuits, l’article revient sur les estimations du coût de la simulation de FeMoco, le complexe fer-soufre au cœur de la nitrogénase, l’enzyme que les bactéries utilisent pour transformer l’azote de l’air en ammoniac. En 2017, des chercheurs estimaient que le calcul de l’énergie de l’état fondamental de FeMoco nécessiterait environ 50 000 milliards de portes Toffoli. Ces portes comptent parmi les plus coûteuses à exécuter et constituent donc une mesure courante du temps nécessaire à un calcul quantique.

Une série d’avancées algorithmiques a ramené l’estimation à environ 340 millions pour le même modèle à 54 orbitales, soit une réduction d’environ 150 000 fois. Selon l’article, cela correspondrait à quelques heures de calcul sur un futur ordinateur doté d’environ trois millions de qubits physiques. Les ordinateurs quantiques actuels ne possèdent que quelques centaines à quelques milliers de qubits, qui sont très sensibles au bruit ambiant.

Un algorithme réversible d’inversion modulaire

La première découverte détaillée dans l’article concerne l’addition de points, la règle qui permet de combiner deux points d’une courbe elliptique pour en obtenir un troisième. Cette opération est au cœur des algorithmes quantiques qui résolvent le problème du logarithme discret sur courbe elliptique et constitue l’un des tests de référence du domaine. L’essentiel de son coût provient d’une seule opération : l’inversion modulaire, une forme de division avec retour cyclique utilisée dans l’arithmétique des courbes elliptiques. Anthropic a indiqué que Claude avait reçu un bref d’un paragraphe expliquant la règle mathématique ainsi que la manière dont l’évaluateur vérifierait et noterait chaque conception. Le modèle a ensuite travaillé pendant 53 heures avec une intervention humaine minimale, limitée au brief et à quelques incitations ponctuelles à élargir sa réflexion, avant de trouver une approche entièrement nouvelle.

Les ordinateurs classiques effectuent efficacement l’inversion modulaire grâce à une méthode appelée « divsteps », mais celle-ci n’avait pas permis de concevoir un circuit quantique pratique. La réversibilité oblige le circuit à conserver la trace de l’opération choisie à chaque itération, appelée information de branche, et le stockage de cet historique exige un très grand nombre de qubits supplémentaires. Claude a estimé qu’il n’était peut-être pas nécessaire de conserver cette trace, car il serait possible de décoder l’information de branche en examinant la paire de nombres après chaque itération.

Les premières règles de décodage proposées fonctionnaient sur de petits cas de test, mais échouaient à la taille réelle du problème, sur 256 bits. Claude a ensuite démontré une série de résultats sur l’itération, notamment plusieurs nouvelles identités algébriques, déduit une formule de décodage précise, l’a vérifiée au moyen de simulations numériques à grande échelle et a formalisé le résultat dans Lean. Une fois la validation achevée, il a produit ce qu’Anthropic décrit comme la première implémentation réversible de divsteps sans stockage de l’historique des branches.

Comme le décodage économise des qubits, mais prend du temps, Claude a fait varier le seuil à partir duquel le circuit stocke les informations de branchement au lieu de les décoder, produisant ainsi une famille de conceptions intermédiaires entre les deux extrêmes. Un circuit de cette famille utilise 12 % de qubits en plus, mais 17 fois moins de portes que la conception antérieure la plus compacte. Selon l’article, les nouvelles conceptions élargissent la frontière de Pareto des combinaisons entre nombre de qubits et temps d’exécution. Les meilleures conceptions publiées auparavant et retenues à des fins de comparaison sont celles de Schrottenloher (2026) et de Luo et al. (2026).

Un décodeur 12 fois moins coûteux pour l’optimisation quantique

La deuxième découverte porte sur l’interférométrie quantique décodée (DQI), que l’article présente comme l’une des pistes les plus prometteuses pour obtenir une accélération quantique superpolynomiale. L’étape la plus coûteuse de l’algorithme est un décodeur correcteur d’erreurs. Les chercheurs à l’origine de la DQI l’ont mise en œuvre sur le problème d’intersection polynomiale optimale (OPI), une version de l’ajustement de courbes fondée sur une grille, au moyen d’un décodeur Reed–Solomon. Les estimations de chercheurs de Google Quantum AI citées dans l’article indiquent qu’il faudrait environ trois mois au superordinateur Frontier pour résoudre un problème OPI particulier, contre environ une heure sur un futur ordinateur quantique exécutant la DQI. La majeure partie de cette heure serait consacrée au décodage Reed–Solomon.

Le circuit qui faisait jusque-là référence traitait les syndromes, des résumés compacts des erreurs, au moyen de l’algorithme d’Euclide étendu, dont le nombre et l’ordre des étapes dépendent des données d’entrée. Comme un circuit quantique traite plusieurs entrées à l’aide d’une seule séquence fixe de portes, cette conception devait étaler le calcul sur un nombre de tours supérieur à celui nécessaire pour n’importe quelle entrée prise isolément et exécuter chaque opération à chaque tour. Claude a plutôt organisé son circuit autour du décodage de Berlekamp–Massey, qui effectue le même type d’étape à chaque tour et s’exécute toujours sur le même nombre de tours.

Rendre cette méthode réversible posait un problème de stockage : les valeurs temporaires calculées à chaque tour doivent pouvoir être récupérées afin d’être effacées par calcul inverse ultérieurement. Réserver de la mémoire pour le pire des cas — une valeur exceptionnelle apparaissant au cours de 35 tours différents — aurait nécessité 665 qubits. Claude a écrit un simulateur haute vitesse et effectué 403 millions de décodages d’essai pour mesurer la fréquence de ces exceptions. Presque toutes les exécutions nécessitaient de sauvegarder au plus une valeur ; le circuit réserve donc 19 qubits pour une seule valeur sauvegardée.

Environ une exécution sur 10 000 nécessite davantage et échoue, ce qui, selon l’article, reste largement dans les limites du taux d’erreur autorisé pour la tâche. L’article indique que, prises ensemble, les optimisations ont réduit d’un facteur 12 le nombre de portes du décodeur par rapport à la conception précédente de Google, grâce à des changements à trois niveaux : la méthode, l’architecture du circuit et le budget de ressources.

Limites et perspectives annoncées

Anthropic a indiqué que, lors des premières expériences, Claude se montrait prudent : il remettait sans cesse en question les améliorations apparentes, vérifiait à plusieurs reprises les résultats bien étayés et privilégiait les approches existantes et bien connues. Cette prudence s’est parfois révélée utile, souligne l’article, et a conduit aux preuves formalisées dans Lean qui ont validé la conception divsteps. L’équipe a pris deux mesures pour y remédier : demander à Claude de proposer en parallèle plusieurs approches présentant des différences qualitatives, et l’inciter parfois à élargir son champ de recherche.

L’article compare la réduction d’un facteur 150 000 de FeMoco, qui, selon lui, a demandé huit ans de travail à de nombreux groupes de recherche, à l’unique exécution de 53 heures ayant abouti à la conception pour les courbes elliptiques. Anthropic a déclaré que ces résultats laissent penser que l’IA peut contribuer à la conception de circuits, et a évoqué la possibilité que l’IA optimise conjointement les composants d’un ordinateur quantique à correction d’erreurs, de l’algorithme jusqu’au matériel, pour un problème donné. L’article remercie Arjun Kar et Vinay Ramasesh pour leurs discussions utiles aux premières étapes du projet.