Anthropic zegt dat Claude de beste gepubliceerde ontwerpen voor kwantumcircuits heeft overtroffen

In een onderzoeksbericht dat op 16 oktober 2026 werd gepubliceerd, meldde Anthropic dat zijn model Claude Mythos 5, grotendeels zelfstandig en in een gesloten terugkoppellus met een geautomatiseerde beoordelaar, kwantumcircuits had ontworpen die de beste eerder gepubliceerde circuits overtroffen voor acht computationele basisbewerkingen, in sommige gevallen met een factor tien of meer.

De basisbewerkingen, de elementaire routines waaruit grotere kwantumalgoritmen worden opgebouwd, bestrijken de chemie, optimalisatie, kwantumsimulatie, getaltheorie en numerieke berekeningen. Andi Gu leidde het werk als onderdeel van Anthropic’s STEM Fellows Program, onder begeleiding van Alek Kemeny, kwantumfysicus bij Anthropic, en in samenwerking met Susanne Yelin van Harvard University en Mikhail Lukin van Harvard University en QuEra Computing.

Een begeleidend artikel, Ontdekking van geavanceerde kwantumcircuits met grote taalmodellen, werd op 15 oktober 2026 door Gu, Kemeny, Yelin en Lukin ingediend bij arXiv. Het telt 46 pagina’s en bevat 10 figuren en zes tabellen. Het abstract beschrijft een evolutionair raamwerk waarin grote taalmodellen circuitontwerpen voorstellen en een onafhankelijke beoordelaar deze controleert en beoordeelt. Volgens het abstract verminderen de ontdekte circuits bij zeven van de acht taken zowel het aantal Toffoli-poorten als het aantal qubits aanzienlijk ten opzichte van de stand van de techniek. De achtste taak leverde een nieuwe omkeerbare architectuur op voor modulaire inversie in een priemveld.

Een ontwerptaak met gesloten terugkoppeling

Anthropic zei dat Claude om drie redenen bijzonder geschikt was voor dit werk. Kwantumcircuits kunnen als gewone code worden geschreven, zodat het model ontwerpen als programma’s kan schrijven, uitvoeren en aanpassen. De beoogde klasse algoritmen kan efficiënt op juistheid worden getest, omdat elke invoer één vaststaande uitvoer oplevert die een conventionele computer kan controleren. De score — het aantal qubits vermenigvuldigd met het aantal poorten — biedt bovendien een objectief doel en dient als maatstaf voor hoelang een circuit erover zou doen om te draaien. In die gesloten terugkoppellus stelde Claude Mythos 5 ontwerpen in Python voor, kreeg het van het beoordelingsprogramma feedback over de juistheid en een score, en paste het de ontwerpen aan, zonder menselijke inbreng tussen de rondes.

Het bericht beschrijft twee beperkingen die kwantumcircuits onderscheiden van gewone programma’s. Een circuit kan geen als-danbeslissingen nemen, omdat het tegelijkertijd op een superpositie van veel invoerwaarden werkt en bij elke uitvoering de bewerkingen voor elk mogelijk pad moet bevatten. Ook kan het geen informatie weggooien, omdat elke stap omkeerbaar moet zijn. Tussenresultaten moeten worden opgeslagen of ongedaan worden gemaakt door de berekening waarmee ze zijn ontstaan in omgekeerde volgorde uit te voeren, wat extra poorten kost. Samen dwingen deze beperkingen tot een afweging tussen het aantal qubits en de looptijd.

Om te laten zien wat een herontwerp van een circuit kan opleveren, haalt het bericht ramingen aan van de kosten voor het simuleren van FeMoco, het ijzer-zwavelcluster in het hart van nitrogenase, het enzym waarmee bacteriën stikstof uit de lucht omzetten in ammoniak. In 2017 raamden onderzoekers dat de berekening van de grondtoestandsenergie van FeMoco ongeveer 50 biljoen Toffoli-poorten zou vereisen. Dit is een van de duurste poorttypen om uit te voeren en daarom een gangbare maatstaf voor hoelang een kwantumberekening duurt.

Dankzij een reeks algoritmische verbeteringen daalde de raming voor hetzelfde model met 54 orbitalen tot ongeveer 340 miljoen, een vermindering met een factor van circa 150.000. Volgens het bericht komt dat neer op enkele uren rekentijd op een toekomstige machine met ongeveer drie miljoen fysieke qubits. De huidige kwantumcomputers hebben slechts honderden tot duizenden qubits, die bovendien zeer gevoelig zijn voor omgevingsruis.

Een omkeerbaar algoritme voor modulaire inversie

De eerste ontdekking die het bericht in detail beschrijft, betreft puntoptelling: de regel waarmee twee punten op een elliptische kromme worden gecombineerd om een derde punt te vormen. Puntoptelling is de kernbewerking in kwantumalgoritmen voor het discrete-logaritmeprobleem op elliptische krommen en een van de standaardmaatstaven in het vakgebied. Het grootste deel van de kosten komt voor rekening van één enkele bewerking: modulaire inversie, de variant van delen met terugloop die wordt gebruikt in de rekenkunde van elliptische krommen. Claude kreeg een briefing van één alinea met uitleg over de wiskundige regel en over hoe de beoordelaar elk ontwerp zou controleren en scoren. Vervolgens werkte het 53 uur met minimale menselijke inbreng, beperkt tot de briefing en af en toe een aansporing om breder na te denken, voordat het tot een geheel nieuwe aanpak kwam, aldus Anthropic.

Klassieke computers voeren modulaire inversie efficiënt uit met een methode die divsteps heet, maar die methode had nog geen praktisch kwantumcircuit opgeleverd. Door de omkeerbaarheid moet het circuit bij elke iteratie bijhouden welke bewerking is gekozen; die informatie over de vertakkingen opslaan vereist een enorm aantal extra qubits. Claude redeneerde dat deze informatie misschien helemaal niet hoefde te worden opgeslagen, omdat ze kon worden afgeleid door na elke iteratie het paar getallen te bekijken.

Vroege kandidaatregels voor het afleiden van die informatie werkten bij kleine testgevallen, maar faalden bij de volledige probleemgrootte van 256 bits. Claude bewees vervolgens een reeks resultaten over de iteratie, waaronder verschillende nieuwe algebraïsche identiteiten, leidde een exacte formule af om de informatie te bepalen, controleerde die met grootschalige numerieke simulaties en formaliseerde de bewering in Lean. Na afronding van de validatie produceerde het wat Anthropic omschreef als de eerste omkeerbare implementatie van divsteps zonder opgeslagen vertakkingsgeschiedenis.

Omdat decoderen qubits bespaart maar tijd kost, varieerde Claude de drempel waarbij de schakeling de vertakkingsinformatie opslaat in plaats van die te decoderen. Zo ontstond een reeks ontwerpen tussen de twee uitersten. Eén schakeling in die reeks gebruikt 12% meer qubits, maar 17 keer minder poorten dan het kleinste eerdere ontwerp. Volgens het bericht breiden de nieuwe ontwerpen het Paretofrontier van combinaties van qubitaantal en uitvoeringstijd uit. De beste eerder gepubliceerde ontwerpen die ter vergelijking worden genoemd, zijn die van Schrottenloher (2026) en Luo et al. (2026).

Een 12 keer goedkopere decoder voor kwantumoptimalisatie

De tweede ontdekking betreft gedecodeerde kwantuminterferometrie (DQI), die het bericht beschrijft als een van de sterkste kandidaten voor een superpolynomiale kwantumversnelling. De meest kostbare stap van het algoritme is een foutcorrigerende decoder. De onderzoekers die DQI introduceerden, demonstreerden die op het probleem van de optimale polynoomdoorsnede (OPI), een rastergebaseerde variant van krommeaanpassing, met behulp van een Reed–Solomon-decoder. Schattingen van Google Quantum AI-onderzoekers die in het bericht worden aangehaald, wijzen erop dat het oplossen van één specifiek OPI-probleem op de Frontier-supercomputer ongeveer drie maanden zou duren, tegenover ongeveer een uur op een toekomstige kwantumcomputer waarop DQI draait. Het grootste deel van dat uur zou worden besteed aan Reed–Solomon-decodering.

De eerdere, geavanceerdste schakeling verwerkte syndromen — compacte samenvattingen van fouten — met het uitgebreide Euclidische algoritme, waarbij het aantal en de volgorde van de stappen afhangen van de invoer. Omdat een kwantumschakeling veel invoeren verwerkt met één vaste reeks poorten, moest dat ontwerp de berekening over meer rondes uitsmeren dan voor welke afzonderlijke invoer ook nodig zou zijn, en in elke ronde elke bewerking uitvoeren. Claude bouwde zijn schakeling daarentegen rond Berlekamp–Massey-decodering, die in elke ronde dezelfde soort stap uitvoert en altijd hetzelfde aantal rondes doorloopt.

Deze methode omkeerbaar maken, leidde tot een opslagprobleem: tijdelijke waarden die in elke ronde worden berekend, moeten kunnen worden teruggehaald zodat ze later weer ongedaan kunnen worden gemaakt. Geheugen reserveren voor het slechtste geval — een uitzonderlijke waarde die in 35 verschillende rondes voorkomt — zou 665 qubits vergen. Claude schreef een simulator met hoge snelheid en voerde 403 miljoen proefdecoderingen uit om te meten hoe vaak zulke uitzonderingen voorkomen. Bij vrijwel elke uitvoering hoefde hoogstens één waarde te worden opgeslagen, dus reserveert de schakeling 19 qubits voor één opgeslagen waarde.

Ongeveer één op de 10.000 uitvoeringen heeft meer nodig en mislukt. Volgens het bericht valt dit ruim binnen het foutpercentage dat de taak toestaat. Het bericht meldt dat de optimalisaties samen het aantal poorten van de decoder met een factor 12 hebben verlaagd ten opzichte van de eerdere constructie van Google. Dat gebeurde door veranderingen op drie niveaus: de methode, de schakelingarchitectuur en het middelenbudget.

Beperkingen en vooruitblik volgens het bericht

Anthropic meldde dat Claude tijdens de eerste experimenten voorzichtig was: het trok schijnbare verbeteringen herhaaldelijk in twijfel, controleerde goed onderbouwde resultaten twee- en driemaal en gaf de voorkeur aan bestaande, bekende benaderingen. Volgens het bericht was die voorzichtigheid soms nuttig en leidde ze tot de Lean-bewijzen waarmee het divsteps-ontwerp werd geverifieerd. Het team nam twee maatregelen: Claude moest verschillende, kwalitatief uiteenlopende benaderingen voorstellen die parallel waren ontwikkeld, en soms kreeg het de opdracht zijn zoektocht te verbreden.

Het bericht stelt de reductie van FeMoco met een factor 150.000 — waarvoor volgens het bericht veel onderzoeksgroepen acht jaar nodig hadden — tegenover de enkele uitvoering van 53 uur die aan het elliptische-curveontwerp ten grondslag lag. Anthropic verklaarde dat de resultaten erop wijzen dat AI kan helpen bij het ontwerpen van schakelingen, en opperde dat AI de onderdelen van een foutgecorrigeerde kwantumcomputer gezamenlijk zou kunnen optimaliseren, van het algoritme tot en met de hardware, voor een specifiek probleem. Het bericht bedankt Arjun Kar en Vinay Ramasesh voor hun nuttige gesprekken in de beginfase van het project.