Anthropic का कहना है कि Claude ने प्रकाशित क्वांटम सर्किटों के सर्वश्रेष्ठ डिज़ाइनों को पीछे छोड़ दिया

16 अक्टूबर, 2026 को प्रकाशित एक शोध-पोस्ट में Anthropic ने बताया कि उसके Claude Mythos 5 मॉडल ने स्वचालित मूल्यांकनकर्ता के साथ क्लोज़्ड-लूप प्रक्रिया में और काफी हद तक अपने दम पर ऐसे क्वांटम सर्किट डिज़ाइन किए, जो आठ संगणकीय मूल संक्रियाओं में पहले प्रकाशित सर्वश्रेष्ठ सर्किटों से बेहतर हैं। कुछ मामलों में यह सुधार दस गुना या उससे भी अधिक रहा।

ये मूल संक्रियाएँ—वे बुनियादी प्रक्रियाएँ जिनसे बड़े क्वांटम एल्गोरिदम बनाए जाते हैं—रसायन विज्ञान, अनुकूलन, क्वांटम सिमुलेशन, संख्या सिद्धांत और संख्यात्मक संगणना के क्षेत्रों में आती हैं। Anthropic के STEM Fellows Program के तहत Andi Gu ने इस काम का नेतृत्व किया। उन्हें Anthropic के क्वांटम भौतिक विज्ञानी Alek Kemeny का मार्गदर्शन मिला और उन्होंने Harvard University की Susanne Yelin तथा Harvard University और QuEra Computing के Mikhail Lukin के साथ मिलकर काम किया।

एक संबंधित शोधपत्र, बड़े भाषा मॉडलों से अत्याधुनिक क्वांटम सर्किटों की खोज, Gu, Kemeny, Yelin और Lukin ने 15 अक्टूबर, 2026 को arXiv पर प्रस्तुत किया। यह 46 पृष्ठों का है और इसमें 10 चित्र तथा छह तालिकाएँ हैं। इसके सार में ऐसी विकासवादी रूपरेखा का वर्णन है जिसमें बड़े भाषा मॉडल सर्किट डिज़ाइन प्रस्तावित करते हैं और एक स्वतंत्र मूल्यांकनकर्ता उनकी पुष्टि करके उन्हें अंक देता है। इसमें कहा गया है कि आठ में से सात कार्यों में खोजे गए सर्किट अत्याधुनिक डिज़ाइनों की तुलना में Toffoli गेटों और क्यूबिटों—दोनों की संख्या में उल्लेखनीय कमी लाते हैं। आठवें कार्य से प्राइम-फील्ड मॉड्यूलर इनवर्ज़न के लिए एक नया प्रतिवर्ती आर्किटेक्चर मिला।

क्लोज़्ड-लूप डिज़ाइन कार्य

Anthropic ने कहा कि तीन कारणों से Claude इस काम के लिए विशेष रूप से उपयुक्त था। क्वांटम सर्किट सामान्य कोड के रूप में लिखे जा सकते हैं, इसलिए मॉडल प्रोग्रामों की तरह डिज़ाइन लिख, चला और संशोधित कर सकता है। लक्षित एल्गोरिदम वर्ग की शुद्धता को कुशलतापूर्वक परखा जा सकता है, क्योंकि हर इनपुट से एक निश्चित आउटपुट मिलता है, जिसकी जाँच पारंपरिक कंप्यूटर कर सकता है। साथ ही, स्कोर—क्यूबिटों की संख्या को गेटों की संख्या से गुणा करके प्राप्त मान—एक वस्तुनिष्ठ लक्ष्य देता है और इस बात का अनुमान लगाने का तरीका है कि सर्किट को चलने में कितना समय लगेगा। इस क्लोज़्ड-लूप प्रक्रिया में Claude Mythos 5 ने Python में डिज़ाइन प्रस्तावित किए, मूल्यांकनकर्ता प्रोग्राम से शुद्धता संबंधी प्रतिक्रिया और स्कोर प्राप्त किया, फिर उनमें संशोधन किया। हर दौर के बीच किसी मनुष्य ने कोई इनपुट नहीं दिया।

पोस्ट में दो ऐसी बाधाओं का वर्णन है जो क्वांटम सर्किटों को सामान्य प्रोग्रामों से अलग करती हैं। कोई सर्किट अगर-तो वाले निर्णय नहीं ले सकता, क्योंकि वह एक साथ कई इनपुटों के अध्यारोपण पर चलता है और हर बार चलने पर उसे हर संभावित पथ के लिए संक्रियाएँ शामिल करनी पड़ती हैं। वह जानकारी को हटा भी नहीं सकता, क्योंकि हर चरण प्रतिवर्ती होना चाहिए। मध्यवर्ती परिणामों को या तो सहेजना पड़ता है या उन्हें बनाने वाली गणना को उलटी दिशा में चलाकर “अगणित” करना पड़ता है, जिसके लिए अतिरिक्त गेट लगते हैं। इन दोनों बाधाओं के चलते क्यूबिटों की संख्या और रनटाइम के बीच संतुलन साधना पड़ता है।

सर्किट को नए सिरे से डिज़ाइन करने से क्या हासिल हो सकता है, यह दिखाने के लिए पोस्ट में FeMoco के सिमुलेशन की लागत के अनुमानों का ज़िक्र है। FeMoco, नाइट्रोजनेज़ के केंद्र में मौजूद लौह–गंधक समूह है; यह वह एंज़ाइम है जिसका उपयोग बैक्टीरिया हवा से नाइट्रोजन को अमोनिया में बदलने के लिए करते हैं। 2017 में शोधकर्ताओं ने अनुमान लगाया था कि FeMoco की आधार-अवस्था ऊर्जा की गणना के लिए लगभग 50 ट्रिलियन Toffoli गेटों की ज़रूरत होगी। Toffoli गेट चलाने में सबसे महँगे गेट प्रकारों में से एक है, इसलिए क्वांटम गणना में कितना समय लगेगा, इसका अनुमान लगाने के लिए इसका उपयोग आम तौर पर किया जाता है।

एल्गोरिदम में कई सुधारों के बाद उसी 54-ऑर्बिटल मॉडल के लिए अनुमान घटकर लगभग 340 मिलियन रह गया। यह लगभग 150,000 गुना की कमी है। पोस्ट के अनुसार, भविष्य की ऐसी मशीन पर इस गणना में कुछ घंटे लगेंगे जिसमें लगभग तीन मिलियन भौतिक क्यूबिट हों। आज के क्वांटम कंप्यूटरों में केवल सैकड़ों से लेकर कुछ हज़ार तक क्यूबिट हैं, और ये क्यूबिट पर्यावरणीय शोर के प्रति अत्यधिक संवेदनशील हैं।

प्रतिवर्ती मॉड्यूलर इनवर्ज़न एल्गोरिदम

पोस्ट में वर्णित पहली खोज बिंदु-योग से जुड़ी है। यह वह नियम है जिसके तहत दीर्घवृत्तीय वक्र पर दो बिंदुओं को मिलाकर तीसरा बिंदु प्राप्त किया जाता है। बिंदु-योग, दीर्घवृत्तीय वक्र असतत लघुगणक समस्या के क्वांटम एल्गोरिदम का मुख्य चरण है और इस क्षेत्र के मानक परीक्षणों में से एक है। इसकी अधिकांश लागत एक ही चरण—मॉड्यूलर इनवर्ज़न—से आती है, जो दीर्घवृत्तीय वक्रों के अंकगणित में इस्तेमाल होने वाला भाग का चक्रीय रूप है। Anthropic ने बताया कि Claude को एक पैराग्राफ़ का संक्षिप्त विवरण दिया गया था, जिसमें गणितीय नियम और मूल्यांकनकर्ता द्वारा हर डिज़ाइन की जाँच तथा स्कोर करने का तरीका समझाया गया था। इसके बाद उसने 53 घंटे तक बहुत कम मानवीय इनपुट के साथ काम किया। इनपुट केवल उस विवरण और अधिक व्यापक ढंग से सोचने के कभी-कभार दिए गए संकेतों तक सीमित था। अंततः उसने एक बिल्कुल नया तरीका खोज निकाला।

पारंपरिक कंप्यूटर divsteps नामक विधि से मॉड्यूलर इनवर्ज़न कुशलतापूर्वक करते हैं, लेकिन इस विधि से पहले कोई व्यावहारिक क्वांटम सर्किट नहीं बन पाया था। प्रतिवर्तनीयता के कारण सर्किट को हर पुनरावृत्ति में चुनी गई संक्रिया का रिकॉर्ड रखना पड़ता है, जिसे शाखा-संबंधी जानकारी कहा जाता है। इस इतिहास को सहेजने के लिए बहुत बड़ी संख्या में अतिरिक्त क्यूबिटों की ज़रूरत होती है। Claude ने तर्क दिया कि शायद इस रिकॉर्ड को सहेजना आवश्यक नहीं है, क्योंकि हर पुनरावृत्ति के बाद संख्याओं के युग्म की जाँच करके शाखा-संबंधी जानकारी निकाली जा सकती है।

शुरुआती संभावित डिकोडिंग नियम छोटे परीक्षण मामलों में तो सफल रहे, लेकिन पूरी 256-बिट समस्या के आकार पर विफल हो गए। इसके बाद Claude ने पुनरावृत्ति के बारे में कई परिणाम सिद्ध किए, जिनमें कई नई बीजीय सर्वसमिकाएँ शामिल थीं। उसने डिकोडिंग का एक सटीक सूत्र निकाला, बड़े पैमाने के संख्यात्मक सिमुलेशन में उसकी जाँच की और दावे को Lean में औपचारिक रूप दिया। सत्यापन पूरा होने पर उसने divsteps का ऐसा पहला प्रतिवर्ती कार्यान्वयन तैयार किया जिसमें शाखाओं का कोई इतिहास सहेजकर नहीं रखा जाता, जैसा कि Anthropic ने बताया।

डिकोडिंग से क्यूबिट तो बचते हैं, लेकिन समय अधिक लगता है। इसलिए Claude ने उस सीमा को अलग-अलग करके देखा, जिस पर सर्किट शाखा-संबंधी जानकारी को डिकोड करने के बजाय सहेजता है। इससे इन दोनों चरम स्थितियों के बीच के डिज़ाइनों का एक समूह तैयार हुआ। इस समूह का एक सर्किट सबसे छोटे पिछले डिज़ाइन की तुलना में 12% अधिक क्यूबिट इस्तेमाल करता है, लेकिन उसके गेट 17 गुना कम हैं। लेख में कहा गया है कि नए डिज़ाइन क्यूबिट और रनटाइम के अलग-अलग संयोजनों की पारेतो सीमा का विस्तार करते हैं। तुलना के लिए सूचीबद्ध पहले प्रकाशित सर्वश्रेष्ठ डिज़ाइन Schrottenloher (2026) और Luo et al. (2026) के हैं।

क्वांटम अनुकूलन के लिए 12 गुना कम लागत वाला डिकोडर

दूसरी खोज डिकोडेड क्वांटम इंटरफेरोमेट्री (DQI) से जुड़ी है, जिसे लेख में सुपरबहुपदीय क्वांटम गति-वृद्धि के सबसे मज़बूत संभावित तरीकों में से एक बताया गया है। एल्गोरिदम का सबसे अधिक समय लेने वाला चरण त्रुटि-सुधार डिकोडर है। DQI पेश करने वाले शोधकर्ताओं ने इसे री드–सोलोमन डिकोडर का इस्तेमाल करके ऑप्टिमल पॉलीनॉमियल इंटरसेक्शन (OPI) समस्या पर प्रदर्शित किया था। यह वक्र-फिटिंग का ग्रिड-आधारित रूप है। लेख में उद्धृत Google Quantum AI के शोधकर्ताओं के अनुमानों के अनुसार, एक विशिष्ट OPI समस्या को हल करने में Frontier सुपरकंप्यूटर पर लगभग तीन महीने लगेंगे, जबकि DQI चलाने वाले भविष्य के क्वांटम कंप्यूटर पर इसमें करीब एक घंटा लगेगा। उस एक घंटे का अधिकांश हिस्सा रीڈ–सोलोमन डिकोडिंग में खर्च होगा।

पहले का अत्याधुनिक सर्किट त्रुटियों के संक्षिप्त सारांश—सिंड्रोम—को विस्तारित यूक्लिडीय एल्गोरिदम से संसाधित करता था। इस एल्गोरिदम में चरणों की संख्या और क्रम इनपुट पर निर्भर करते हैं। चूँकि क्वांटम सर्किट एक ही निश्चित गेट-क्रम से कई इनपुट संसाधित करता है, इसलिए उस डिज़ाइन में गणना को किसी एक इनपुट की ज़रूरत से अधिक दौरों तक फैलाना पड़ता था और हर दौर में हर ऑपरेशन चलाना पड़ता था। इसके बजाय, Claude ने अपना सर्किट Berlekamp–Massey डिकोडिंग के आधार पर बनाया। इसमें हर दौर में एक ही तरह का चरण पूरा होता है और दौरों की संख्या हमेशा समान रहती है।

इस विधि को प्रतिवर्ती बनाने से भंडारण की समस्या पैदा हुई: हर दौर में निकाली गई अस्थायी संख्याओं को बाद में मिटाने के लिए फिर से प्राप्त करना ज़रूरी है। सबसे खराब स्थिति के लिए—जब एक असाधारण मान 35 अलग-अलग दौरों में सामने आता है—मेमोरी आरक्षित रखने पर 665 क्यूबिट लगते। Claude ने एक उच्च-गति सिम्युलेटर बनाया और ऐसी असाधारण स्थितियाँ कितनी बार आती हैं, यह मापने के लिए 403 मिलियन नमूना डिकोडिंग चलाईं। लगभग हर बार अधिकतम एक मान सहेजना पड़ा, इसलिए सर्किट एक मान सहेजने के लिए 19 क्यूबिट आरक्षित करता है।

हर 10,000 में से लगभग एक बार एक रन में इससे अधिक की ज़रूरत पड़ती है और वह विफल हो जाता है। लेख के अनुसार, यह कार्य के लिए अनुमत त्रुटि-दर के भीतर है। लेख में बताया गया है कि इन अनुकूलनों ने मिलकर Google के पिछले निर्माण की तुलना में डिकोडर के गेटों की संख्या 12 गुना घटा दी। यह कमी तीन स्तरों पर किए गए बदलावों से आई: विधि, सर्किट की संरचना और संसाधनों का बजट।

सीमाएँ और आगे की बताई गई दिशा

Anthropic ने बताया कि शुरुआती प्रयोगों में Claude सावधानी बरतता था: वह दिखाई देने वाले सुधारों पर बार-बार संदेह करता, मज़बूत आधार वाले नतीजों की दो-तीन बार जाँच करता और मौजूदा, सुविख्यात तरीकों को प्राथमिकता देता था। लेख के अनुसार, यह सावधानी कभी-कभी उपयोगी साबित हुई और इसी ने divsteps डिज़ाइन की पुष्टि करने वाले Lean प्रमाणों को प्रेरित किया। टीम ने दो उपाय अपनाए: Claude से समानांतर रूप से विकसित किए गए, गुणात्मक रूप से अलग-अलग कई तरीके प्रस्तावित करवाना और कभी-कभी उसे अपनी खोज का दायरा बढ़ाने के लिए कहना।

लेख में FeMoco में 150,000 गुना कमी की तुलना की गई है—जिसमें, उसके अनुसार, कई शोध समूहों को आठ साल लगे—और दीर्घवृत्तीय-वक्र डिज़ाइन के पीछे हुए एकमात्र 53 घंटे के रन से। Anthropic ने कहा कि नतीजे दर्शाते हैं कि AI सर्किट डिज़ाइन के काम में मदद कर सकता है। उसने यह संभावना भी जताई कि किसी विशिष्ट समस्या के लिए AI त्रुटि-सुधारित क्वांटम कंप्यूटर के घटकों को एल्गोरिदम से लेकर हार्डवेयर तक, एक साथ अनुकूलित कर सकता है। लेख में परियोजना के शुरुआती चरणों में उपयोगी चर्चाओं के लिए Arjun Kar और Vinay Ramasesh का आभार व्यक्त किया गया है।