Anthropic afirmă că Claude a depășit cele mai bune proiecte de circuite cuantice publicate

Într-o postare de cercetare publicată pe 16 octombrie 2026, Anthropic a raportat că modelul său Claude Mythos 5, lucrând într-o buclă închisă cu un evaluator automatizat și, în mare parte, pe cont propriu, a proiectat circuite cuantice care le depășesc pe cele mai bune circuite publicate anterior pentru opt primitive computaționale, în unele cazuri cu un ordin de mărime sau chiar mai mult.

Primitivele — rutinele de bază din care sunt construite algoritmii cuantici mai complecși — acoperă chimia, optimizarea, simularea cuantică, teoria numerelor și calculul numeric. Andi Gu a condus cercetarea în cadrul programului STEM Fellows al Anthropic, fiind îndrumat de Alek Kemeny, fizician specializat în fizică cuantică la Anthropic, și colaborând cu Susanne Yelin de la Harvard University și Mikhail Lukin de la Harvard University și QuEra Computing.

O lucrare complementară, Descoperirea unor circuite cuantice de ultimă generație cu ajutorul modelelor lingvistice mari, a fost trimisă către arXiv pe 15 octombrie 2026 de Gu, Kemeny, Yelin și Lukin; aceasta are 46 de pagini, 10 figuri și șase tabele. Rezumatul descrie un cadru evolutiv în care modelele lingvistice mari propun proiecte de circuite, iar un evaluator independent le verifică și le evaluează. Potrivit acestuia, în șapte dintre cele opt sarcini, circuitele descoperite reduc semnificativ atât numărul porților Toffoli, cât și numărul de qubiți față de nivelul de ultimă generație, iar a opta sarcină a dus la o nouă arhitectură reversibilă pentru inversia modulară în corpuri finite prime.

O sarcină de proiectare cu buclă închisă

Anthropic a afirmat că Claude era potrivit pentru această activitate din trei motive. Circuitele cuantice pot fi scrise ca un cod obișnuit, astfel încât modelul poate scrie, rula și revizui proiectele sub formă de programe. Clasa de algoritmi vizată poate fi testată eficient pentru corectitudine, deoarece fiecare intrare produce un singur rezultat determinat, pe care îl poate verifica un computer convențional. În plus, scorul — numărul de qubiți înmulțit cu numărul de porți — oferă un criteriu obiectiv, care servește drept indicator al duratei de rulare a unui circuit. Lucrând în această buclă închisă, Claude Mythos 5 a propus proiecte în Python, a primit de la programul evaluator feedback privind corectitudinea și un scor, apoi le-a revizuit, fără intervenție umană între runde.

Postarea descrie două constrângeri care diferențiază circuitele cuantice de programele obișnuite. Un circuit nu poate lua decizii de tipul „dacă-atunci”, deoarece rulează simultan pe o suprapunere de mai multe intrări și trebuie să includă operațiile pentru fiecare cale la fiecare rulare. De asemenea, nu poate elimina informații, deoarece fiecare pas trebuie să fie reversibil; rezultatele intermediare trebuie stocate sau „anulate prin calcul invers”, executând în sens invers calculul care le-a produs, cu prețul unui număr suplimentar de porți. Împreună, aceste constrângeri impun un compromis între numărul de qubiți și timpul de rulare.

Pentru a ilustra ce se poate obține prin reproiectarea circuitelor, postarea prezintă estimări ale costului simulării FeMoco, clusterul fier–sulf aflat în centrul nitrogenazei, enzima pe care bacteriile o folosesc pentru a transforma azotul din aer în amoniac. În 2017, cercetătorii au estimat că calcularea energiei stării fundamentale a FeMoco ar necesita aproximativ 50 de trilioane de porți Toffoli, unul dintre cele mai costisitoare tipuri de porți de executat și, prin urmare, o măsură standard pentru estimarea duratei unui calcul cuantic.

O serie de progrese algoritmice a redus estimarea pentru același model cu 54 de orbitali la aproximativ 340 de milioane, o reducere de circa 150.000 de ori, care, potrivit postării, corespunde câtorva ore de calcul pe o viitoare mașină cu aproximativ trei milioane de qubiți fizici. Calculatoarele cuantice actuale au doar sute până la mii de qubiți, iar aceștia sunt foarte sensibili la zgomotul din mediul înconjurător.

Un algoritm reversibil de inversie modulară

Prima descoperire descrisă în detaliu în postare privește adunarea punctelor, operația prin care două puncte de pe o curbă eliptică sunt combinate pentru a obține un al treilea. Adunarea punctelor este pasul central al algoritmilor cuantici pentru problema logaritmului discret pe curbe eliptice și unul dintre testele standard din domeniu; cea mai mare parte a costului său provine dintr-un singur pas, inversia modulară, versiunea cu revenire periodică a împărțirii folosită în aritmetica pe curbe eliptice. Anthropic a raportat că Claude a primit un rezumat de un paragraf, care explica regula matematică și modul în care evaluatorul urma să verifice și să evalueze fiecare proiect, apoi a lucrat timp de 53 de ore, cu intervenție umană minimă, limitată la rezumat și la îndemnuri ocazionale de a explora idei mai largi, înainte de a ajunge la o abordare complet nouă.

Calculatoarele clasice efectuează eficient inversia modulară folosind o metodă numită divsteps, dar aceasta nu dusese la obținerea unui circuit cuantic practic. Reversibilitatea obligă circuitul să păstreze o evidență a operației alese la fiecare iterație, numită informație despre ramură, iar stocarea acestui istoric necesită un număr enorm de qubiți suplimentari. Claude a dedus că s-ar putea să nu fie nevoie să stocheze deloc această evidență, deoarece informația despre ramură ar putea fi decodată prin examinarea perechii de numere după fiecare iterație.

Primele reguli candidate de decodare funcționau pe cazuri de test mici, dar eșuau la dimensiunea completă a problemei, de 256 de biți. Claude a demonstrat apoi o serie de rezultate privind iterația, inclusiv câteva identități algebrice noi, a dedus o formulă precisă de decodare, a verificat-o în simulări numerice la scară largă și a formalizat afirmația în Lean. După finalizarea validării, a produs ceea ce Anthropic a descris drept prima implementare reversibilă a metodei divsteps fără stocarea istoricului ramurilor.

Deoarece decodificarea economisește qubiți, dar consumă timp, Claude a variat pragul la care circuitul stochează informațiile despre ramuri în loc să le decodifice, obținând o familie de proiecte situate între cele două extreme. Un circuit din această familie folosește cu 12% mai mulți qubiți, dar de 17 ori mai puține porți decât cel mai mic proiect anterior, iar postarea afirmă că noile proiecte extind frontiera Pareto a combinațiilor dintre numărul de qubiți și timpul de execuție. Cele mai bune proiecte publicate anterior, enumerate pentru comparație, sunt cele ale lui Schrottenloher (2026) și Luo et al. (2026).

Un decodor de 12 ori mai ieftin pentru optimizarea cuantică

A doua descoperire vizează interferometria cuantică decodificată (DQI), pe care postarea o descrie drept una dintre cele mai promițătoare candidate pentru o accelerare cuantică superpolinomială. Cea mai costisitoare etapă a algoritmului este un decodor de corectare a erorilor, iar cercetătorii care au introdus DQI au demonstrat-o pentru problema intersecției polinomiale optime (OPI), o versiune pe grilă a ajustării curbelor, folosind un decodor Reed–Solomon. Estimările cercetătorilor de la Google Quantum AI, citate în postare, sugerează că rezolvarea unei anumite probleme OPI ar dura aproximativ trei luni pe supercomputerul Frontier, față de circa o oră pe un viitor computer cuantic care rulează DQI, iar cea mai mare parte a acelei ore ar fi dedicată decodificării Reed–Solomon.

Circuitul anterior, care reprezenta stadiul tehnicii, procesa sindroamele — rezumate compacte ale erorilor — folosind algoritmul euclidian extins, în care numărul și ordinea pașilor depind de datele de intrare. Deoarece un circuit cuantic gestionează mai multe date de intrare folosind o singură secvență fixă de porți, proiectul respectiv trebuia să întindă calculul pe mai multe runde decât ar fi necesitat oricare dintre datele de intrare luate individual și să execute fiecare operație în fiecare rundă. În schimb, Claude și-a organizat circuitul în jurul decodificării Berlekamp–Massey, care efectuează același tip de pas în fiecare rundă și rulează întotdeauna același număr de runde.

Transformarea acestei metode într-una reversibilă a creat o problemă de stocare: valorile temporare calculate în fiecare rundă trebuie să poată fi recuperate pentru a putea fi ulterior șterse prin calcul invers, iar rezervarea memoriei pentru cel mai defavorabil caz — o valoare excepțională care apare în 35 de runde diferite — ar necesita 665 de qubiți. Claude a scris un simulator de mare viteză și a rulat 403 milioane de decodificări de probă pentru a măsura cât de des apar astfel de excepții; aproape toate rulările au necesitat salvarea a cel mult unei valori, astfel că circuitul rezervă 19 qubiți pentru o singură valoare salvată.

Aproximativ o rulare din 10.000 necesită mai mult decât atât și eșuează, lucru care, potrivit postării, se încadrează cu mult în rata de eroare permisă pentru această sarcină. Postarea afirmă că, împreună, optimizările au redus de 12 ori numărul de porți al decodorului față de construcția anterioară a Google, prin modificări la trei niveluri: metodă, arhitectura circuitului și bugetul de resurse.

Limitări și perspective declarate

Anthropic a relatat că, în primele experimente, Claude a fost precaut, punându-și în mod repetat la îndoială îmbunătățirile aparent evidente, verificând de două și de trei ori rezultatele bine susținute și preferând abordările existente și consacrate. Potrivit postării, prudența a fost uneori utilă și a dus la demonstrațiile Lean care au verificat proiectul divsteps. Echipa a adoptat două măsuri de atenuare: i-a cerut lui Claude să propună în paralel mai multe abordări diferite din punct de vedere calitativ și, ocazional, i-a cerut să-și lărgească aria de căutare.

Postarea compară reducerea de 150.000 de ori a FeMoco, care, potrivit acesteia, le-a luat multor grupuri de cercetare opt ani, cu rularea unică de 53 de ore care a stat la baza proiectului pentru curbe eliptice. Anthropic a declarat că rezultatele sugerează că IA poate sprijini activitatea de proiectare a circuitelor și a evocat posibilitatea ca IA să optimizeze împreună componentele unui computer cuantic cu corectarea erorilor, de la algoritm până la hardware, pentru o anumită problemă. Postarea le mulțumește lui Arjun Kar și Vinay Ramasesh pentru discuțiile utile din primele etape ale proiectului.