Anthropic、Claudeが公開済みの最高水準の量子回路設計を上回ったと発表

2026年10月16日に公開された研究記事で、Anthropicは、自社のモデルClaude Mythos 5が自動評価プログラムと閉ループで連携し、ほぼ自律的に設計に取り組んだ結果、8つの計算プリミティブすべてで、これまでに公開された最高水準の回路を上回る量子回路を設計したと報告した。ケースによっては、性能が1桁以上向上したという。

プリミティブとは、より大規模な量子アルゴリズムを構成する基本的なルーチンであり、化学、最適化、量子シミュレーション、数論、数値計算にまたがる。AnthropicのSTEM Fellows Programの一環として、Andi Guが研究を主導した。量子物理学者であるAnthropicのAlek Kemenyがメンターを務め、ハーバード大学のSusanne Yelin、ならびにハーバード大学とQuEra ComputingのMikhail Lukinと共同で研究を進めた。

関連論文「大規模言語モデルによる最先端量子回路の発見」は、Gu、Kemeny、Yelin、Lukinによって2026年10月15日にarXivへ投稿された。全46ページで、図10点、表6点を含む。要旨では、大規模言語モデルが回路設計を提案し、独立した評価プログラムがその正しさを検証して採点する進化的フレームワークについて説明している。8つのタスクのうち7つでは、発見された回路により、最先端の手法と比べてToffoliゲート数と量子ビット数の両方が大幅に削減されたと述べている。また、残る1つのタスクでは、素数体上の剰余逆元計算を行う新たな可逆アーキテクチャが得られた。

閉ループでの設計課題

Anthropicによると、Claudeがこの研究に適していた理由は3つある。量子回路は通常のコードとして記述できるため、モデルは設計をプログラムとして作成、実行、改良できる。対象となるアルゴリズム群は正しさを効率的に検証できる。入力ごとに出力が一つに定まり、従来型のコンピューターで確認できるためだ。また、量子ビット数にゲート数を掛けたスコアは、客観的な目標値となり、回路の実行にかかる時間の目安として機能する。この閉ループの中で、Claude Mythos 5はPythonで設計案を提案し、評価プログラムから正しさに関するフィードバックとスコアを受け取り、人間が各ラウンドに介入することなく設計を改良した。

記事では、量子回路が通常のプログラムと異なる点として、2つの制約が挙げられている。回路は多数の入力が同時に重ね合わさった状態で動作するため、if-then形式の条件分岐を行えず、実行のたびにあらゆる経路の演算を含めなければならない。また、各ステップで可逆性が必要なため、情報を破棄することもできない。中間結果は保存するか、それを作り出した計算を逆向きに実行して「計算を取り消す」必要があり、そのために追加のゲートが必要となる。これら2つの制約により、量子ビット数と実行時間の間にトレードオフが生じる。

回路を再設計することで何が可能になるかを示す例として、記事ではFeMocoのシミュレーションに必要な計算コストの推定値の推移を紹介している。FeMocoは、細菌が空気中の窒素をアンモニアに変換するために使う酵素、ニトロゲナーゼの中心にある鉄硫黄クラスターだ。2017年、研究者らはFeMocoの基底状態エネルギーを計算するには、約50兆回のToffoliゲートが必要になると推定した。Toffoliゲートは実行コストが特に高いゲートの一つであり、量子計算の所要時間を見積もる際の標準的な指標となっている。

一連のアルゴリズムの進歩により、同じ54軌道モデルの推定値は約3億4,000万回まで減少した。記事によると、これは約15万分の1への削減に相当し、物理量子ビットを約300万個備えた将来のマシンであれば、数時間の計算で済むという。現在の量子コンピューターが備える量子ビットは数百から数千個にとどまり、しかも環境ノイズの影響を非常に受けやすい。

可逆的な剰余逆元計算アルゴリズム

記事で最初に詳しく取り上げられる発見は、楕円曲線上の2点を組み合わせて3つ目の点を得る規則である点加算に関するものだ。点加算は、楕円曲線離散対数問題を解く量子アルゴリズムの中核となる処理であり、この分野の標準的なベンチマークの一つでもある。その計算コストの大半は、1つの処理、すなわち楕円曲線演算で用いる割り算の剰余版である剰余逆元計算によって生じる。Anthropicによると、Claudeは数学的な規則と、評価プログラムが各設計をどのように検証・採点するかを説明した1段落の概要を受け取り、その後、簡潔な説明と、より広い視点で考えるよう促す時折の指示だけを与えられ、人間の入力をほとんど受けずに53時間取り組んだ末、まったく新しい手法にたどり着いた。

古典コンピューターでは、divstepsと呼ばれる手法を使って剰余逆元を効率的に計算できるが、この手法から実用的な量子回路は生まれていなかった。可逆性を保つには、各反復でどの演算が選ばれたかを記録する必要があり、これを分岐情報と呼ぶ。その履歴を保存するには、膨大な数の量子ビットが追加で必要となる。Claudeは、反復のたびに2つの数値の組を調べれば分岐情報を復元できるため、記録を保存する必要はないかもしれないと考えた。

初期の復元規則案は小規模なテストでは機能したものの、完全な256ビットの問題規模では失敗した。そこでClaudeは、いくつかの新しい代数的恒等式を含む、反復に関する一連の結果を証明し、厳密な復元公式を導出した。さらに、大規模な数値シミュレーションで公式を検証し、その主張をLeanで形式化した。検証を終えると、Anthropicが「分岐履歴を保存しないdivstepsの初の可逆実装」と説明する回路を作り上げた。

デコードは量子ビットを節約する一方で時間がかかるため、Claudeは分岐情報をデコードせずに回路内に保存するしきい値を変え、両極端の中間に位置する一連の設計を生み出した。この設計の一つは、従来の最小設計より量子ビットを12%多く使うものの、ゲート数は17倍少ない。投稿によると、新たな設計によって、量子ビット数と実行時間の組み合わせで示されるパレートフロンティアが拡大する。比較対象として挙げられている、これまでに発表された最良の設計は、Schrottenloher（2026）とLuoら（2026）だ。

量子最適化向けデコーダーのコストを12分の1に

2つ目の発見は、投稿で超多項式の量子高速化を実現する有力候補の一つとされている、デコード型量子干渉法（DQI）に関するものだ。このアルゴリズムで最も計算コストが高い処理は誤り訂正デコーダーである。DQIを初めて提案した研究者らは、曲線フィッティングを格子上で行う問題である最適多項式交差（OPI）問題に、リード・ソロモンデコーダーを用いてDQIを適用した。投稿で引用されたGoogle Quantum AIの研究者らによる推定では、特定のOPI問題を解くには、スーパーコンピューターFrontierで約3カ月かかるのに対し、将来の量子コンピューターでDQIを実行すれば約1時間で済む。その1時間の大半は、リード・ソロモンのデコードに費やされるという。

従来の最先端回路は、誤りの簡潔な要約であるシンドロームを、拡張ユークリッド互除法で処理していた。このアルゴリズムでは、入力に応じて手順の数と順序が変わる。量子回路は、固定された一連のゲートで複数の入力を処理するため、従来の設計では、どの入力単体を処理する場合にも必要な回数を超えて計算を繰り返し、各ラウンドですべての演算を実行する必要があった。これに対しClaudeは、ベルレカンプ・マッセイ復号法を軸に回路を構成した。この方法では、各ラウンドで同じ種類の処理を行い、ラウンド数も常に一定となる。

この方法を可逆化すると、値の保存が課題になった。各ラウンドで計算する一時的な値は、後で計算を取り消せるよう復元できなければならない。また、最悪のケースに備えてメモリーを確保すると、35回の異なるラウンドで発生する例外値に対応するために665量子ビットが必要となる。Claudeは高速シミュレーターを作成し、例外がどの程度の頻度で発生するかを測るために、サンプルのデコードを4億300万回実行した。その結果、ほぼすべての実行で保存が必要な値は最大1つだったため、回路には値を1つ保存するための19量子ビットが確保されている。

約1万回に1回はそれを超える値が必要となり、処理に失敗するが、投稿によると、この失敗率はタスクで許容される範囲に十分収まっている。投稿では、これらの最適化を組み合わせることで、Googleの従来の構成と比べてデコーダーのゲート数が12分の1になったと報告している。これは、手法、回路アーキテクチャ、リソース予算という3つのレベルでの変更によるものだ。

限界と今後の見通し

Anthropicによると、初期の実験ではClaudeは慎重で、改善に見える結果を何度も疑い、十分な根拠のある結果を二重、三重に確認し、既存のよく知られた手法を優先する傾向があった。投稿では、その慎重さが有益な場合もあり、divsteps設計を検証するLeanの証明につながったと説明している。チームは2つの対策を講じた。Claudeに質的に異なる複数のアプローチを並行して考案させることと、時折、探索範囲を広げるよう促すことだ。

投稿は、FeMocoを15万分の1に縮小した成果には多くの研究グループが8年を要した一方、楕円曲線の設計は53時間の単一の実行によるものだったと対比している。Anthropicは、これらの結果から、AIが回路設計の作業を支援できることが示唆されると述べた。また、特定の問題に合わせて、アルゴリズムからハードウェアに至るまで、誤り訂正型量子コンピューターの構成要素をAIが一体的に最適化できる可能性も提起した。投稿では、プロジェクト初期の有益な議論に協力したArjun KarとVinay Ramaseshに謝意を示している。