Anthropic ระบุว่า Claude ทำได้ดีกว่าการออกแบบวงจรควอนตัมที่เผยแพร่ไว้ก่อนหน้านี้

ในโพสต์งานวิจัยที่เผยแพร่เมื่อวันที่ 16 ตุลาคม 2026 Anthropic รายงานว่าโมเดล Claude Mythos 5 ของบริษัทออกแบบวงจรควอนตัมที่มีประสิทธิภาพดีกว่าวงจรที่เผยแพร่ไว้ก่อนหน้านี้ซึ่งดีที่สุด สำหรับหน่วยคำนวณพื้นฐาน 8 ประเภท โดยบางกรณีมีประสิทธิภาพดีขึ้นอย่างน้อยหนึ่งลำดับขั้น ทั้งนี้ โมเดลทำงานร่วมกับโปรแกรมประเมินผลอัตโนมัติในกระบวนการป้อนกลับแบบวงปิด และดำเนินงานได้ด้วยตนเองเป็นส่วนใหญ่

หน่วยคำนวณพื้นฐานเหล่านี้เป็นชุดคำสั่งพื้นฐานที่ใช้สร้างอัลกอริทึมควอนตัมขนาดใหญ่ขึ้น ครอบคลุมสาขาเคมี การหาค่าเหมาะที่สุด การจำลองควอนตัม ทฤษฎีจำนวน และการคำนวณเชิงตัวเลข Andi Gu เป็นผู้นำงานนี้ในโครงการ STEM Fellows Program ของ Anthropic โดยมี Alek Kemeny นักฟิสิกส์ควอนตัมของ Anthropic เป็นที่ปรึกษา และทำงานร่วมกับ Susanne Yelin แห่ง Harvard University และ Mikhail Lukin แห่ง Harvard University และ QuEra Computing

บทความวิจัยที่จัดทำควบคู่กันชื่อ การค้นพบวงจรควอนตัมล้ำสมัยด้วยโมเดลภาษาขนาดใหญ่ ซึ่ง Gu, Kemeny, Yelin และ Lukin ส่งให้ arXiv เมื่อวันที่ 15 ตุลาคม 2026 มีความยาว 46 หน้า พร้อมภาพประกอบ 10 ภาพและตาราง 6 ตาราง บทคัดย่ออธิบายกรอบการทำงานเชิงวิวัฒนาการที่ให้โมเดลภาษาขนาดใหญ่เสนอแบบวงจร แล้วให้โปรแกรมประเมินผลที่เป็นอิสระตรวจสอบและให้คะแนน บทคัดย่อระบุว่า ใน 7 จาก 8 งาน วงจรที่ค้นพบช่วยลดจำนวนทั้งเกต Toffoli และคิวบิตลงได้อย่างมีนัยสำคัญเมื่อเทียบกับผลงานล้ำสมัย และงานที่แปดนำไปสู่สถาปัตยกรรมแบบย้อนกลับได้รูปแบบใหม่สำหรับการหาอินเวอร์สแบบโมดูลาร์ในฟิลด์เฉพาะ

โจทย์การออกแบบแบบวงปิด

Anthropic ระบุว่า Claude เหมาะกับงานนี้ด้วยเหตุผล 3 ประการ วงจรควอนตัมสามารถเขียนเป็นโค้ดทั่วไปได้ โมเดลจึงเขียน เรียกใช้ และปรับแก้แบบวงจรในรูปโปรแกรมได้ อัลกอริทึมประเภทที่มุ่งศึกษาสามารถตรวจสอบความถูกต้องได้อย่างมีประสิทธิภาพ เพราะอินพุตแต่ละรายการให้ผลลัพธ์ที่แน่นอนเพียงหนึ่งค่า ซึ่งคอมพิวเตอร์ทั่วไปสามารถตรวจสอบได้ นอกจากนี้ คะแนนซึ่งคำนวณจากจำนวนคิวบิตคูณด้วยจำนวนเกต ยังเป็นเป้าหมายเชิงวัตถุวิสัยที่ใช้ประมาณระยะเวลาที่วงจรจะใช้ทำงานได้ ในกระบวนการป้อนกลับแบบวงปิดนี้ Claude Mythos 5 เสนอแบบวงจรด้วย Python รับผลตรวจสอบความถูกต้องและคะแนนจากโปรแกรมประเมินผล แล้วปรับแก้แบบ โดยไม่มีมนุษย์เข้ามาป้อนข้อมูลระหว่างรอบ

โพสต์นี้อธิบายข้อจำกัด 2 ประการที่ทำให้วงจรควอนตัมแตกต่างจากโปรแกรมทั่วไป วงจรไม่สามารถตัดสินใจแบบถ้า-แล้วได้ เพราะทำงานกับการซ้อนทับของอินพุตจำนวนมากพร้อมกัน และต้องรวมการทำงานสำหรับทุกเส้นทางไว้ทุกครั้งที่เรียกใช้ วงจรยังไม่สามารถทิ้งข้อมูลได้ เนื่องจากทุกขั้นตอนต้องย้อนกลับได้ ผลลัพธ์ระหว่างทางจึงต้องเก็บไว้ หรือคำนวณย้อนกลับด้วยการทำกระบวนการคำนวณที่สร้างผลลัพธ์เหล่านั้นในทิศทางตรงกันข้าม ซึ่งต้องใช้เกตเพิ่มเติม ข้อจำกัดทั้งสองประการนี้ทำให้ต้องแลกกันระหว่างจำนวนคิวบิตกับเวลาในการทำงาน

เพื่อแสดงให้เห็นว่าการออกแบบวงจรใหม่ทำอะไรได้บ้าง โพสต์นี้ยกตัวอย่างการประเมินต้นทุนในการจำลอง FeMoco ซึ่งเป็นกลุ่มเหล็ก-กำมะถันที่อยู่ใจกลางไนโตรจีเนส เอนไซม์ที่แบคทีเรียใช้เปลี่ยนไนโตรเจนในอากาศให้เป็นแอมโมเนีย ในปี 2017 นักวิจัยประเมินว่าการคำนวณพลังงานสถานะพื้นของ FeMoco จะต้องใช้เกต Toffoli ราว 50 ล้านล้านเกต ซึ่งเป็นเกตประเภทหนึ่งที่มีต้นทุนการทำงานสูงที่สุด และจึงนิยมใช้เป็นมาตรฐานประเมินระยะเวลาที่การคำนวณควอนตัมจะใช้

ความก้าวหน้าด้านอัลกอริทึมหลายครั้งทำให้ค่าประเมินสำหรับแบบจำลอง 54 ออร์บิทัลเดียวกันลดลงเหลือประมาณ 340 ล้านเกต หรือลดลงราว 150,000 เท่า โพสต์ระบุว่าตัวเลขนี้เทียบได้กับการคำนวณนานไม่กี่ชั่วโมงบนเครื่องคอมพิวเตอร์ในอนาคตที่มีคิวบิตทางกายภาพประมาณ 3 ล้านคิวบิต ส่วนคอมพิวเตอร์ควอนตัมในปัจจุบันมีคิวบิตเพียงหลักร้อยถึงหลักพัน และคิวบิตเหล่านั้นไวต่อสัญญาณรบกวนจากสภาพแวดล้อมอย่างมาก

อัลกอริทึมการหาอินเวอร์สแบบโมดูลาร์ที่ย้อนกลับได้

การค้นพบแรกที่โพสต์กล่าวถึงอย่างละเอียดเกี่ยวกับการบวกจุด ซึ่งเป็นกฎสำหรับรวมจุดสองจุดบนเส้นโค้งวงรีให้ได้จุดที่สาม การบวกจุดเป็นขั้นตอนหลักในอัลกอริทึมควอนตัมสำหรับปัญหาลอการิทึมไม่ต่อเนื่องบนเส้นโค้งวงรี และเป็นหนึ่งในเกณฑ์มาตรฐานของสาขานี้ ต้นทุนส่วนใหญ่เกิดจากขั้นตอนเดียว คือการหาอินเวอร์สแบบโมดูลาร์ ซึ่งเป็นการหารในรูปแบบที่มีการวนกลับ ใช้ในการคำนวณบนเส้นโค้งวงรี Anthropic รายงานว่า Claude ได้รับคำอธิบายสั้นหนึ่งย่อหน้าเกี่ยวกับกฎทางคณิตศาสตร์และวิธีที่โปรแกรมประเมินผลจะตรวจสอบและให้คะแนนแบบวงจรแต่ละแบบ จากนั้นทำงานเป็นเวลา 53 ชั่วโมงโดยมีมนุษย์ป้อนข้อมูลเพียงเล็กน้อย การป้อนข้อมูลจำกัดอยู่ที่คำอธิบายดังกล่าวและคำสั่งเป็นครั้งคราวให้ลองคิดในมุมที่กว้างขึ้น ก่อนที่ Claude จะได้แนวทางใหม่โดยสิ้นเชิง

คอมพิวเตอร์แบบดั้งเดิมหาอินเวอร์สแบบโมดูลาร์ได้อย่างมีประสิทธิภาพด้วยวิธีที่เรียกว่า divsteps แต่วิธีนี้ยังไม่เคยนำไปสู่วงจรควอนตัมที่ใช้งานได้จริง เนื่องจากวงจรต้องย้อนกลับได้ จึงต้องเก็บบันทึกว่าเลือกการดำเนินการใดในแต่ละรอบ ซึ่งเรียกว่าข้อมูลเส้นทาง และการเก็บประวัตินี้ต้องใช้คิวบิตเพิ่มเติมจำนวนมหาศาล Claude ให้เหตุผลว่าอาจไม่จำเป็นต้องเก็บบันทึกดังกล่าวเลย เพราะสามารถถอดรหัสข้อมูลเส้นทางได้จากการตรวจสอบคู่ตัวเลขหลังการทำงานแต่ละรอบ

กฎถอดรหัสที่ทดลองใช้ในช่วงแรกทำงานได้กับกรณีทดสอบขนาดเล็ก แต่ใช้ไม่ได้กับปัญหาขนาดเต็ม 256 บิต จากนั้น Claude ได้พิสูจน์ผลลัพธ์หลายข้อเกี่ยวกับกระบวนการทำซ้ำ รวมถึงเอกลักษณ์ทางพีชคณิตใหม่หลายข้อ อนุมานสูตรถอดรหัสที่แม่นยำ ตรวจสอบสูตรด้วยการจำลองเชิงตัวเลขขนาดใหญ่ และทำให้ข้ออ้างดังกล่าวเป็นรูปแบบทางการใน Lean เมื่อการตรวจสอบยืนยันผลเสร็จสิ้น Claude ก็สร้างสิ่งที่ Anthropic อธิบายว่าเป็นการนำ divsteps มาใช้แบบย้อนกลับได้เป็นครั้งแรก โดยไม่ต้องเก็บประวัติข้อมูลเส้นทาง

เนื่องจากการถอดรหัสช่วยประหยัดคิวบิตแต่ต้องใช้เวลา Claude จึงปรับเกณฑ์ที่วงจรจะเลือกเก็บข้อมูลแขนงไว้แทนการถอดรหัส ทำให้ได้แบบวงจรหลายรูปแบบที่อยู่ระหว่างสองขั้วสุดโต่ง วงจรหนึ่งในกลุ่มนี้ใช้คิวบิตมากกว่าแบบก่อนหน้าที่เล็กที่สุด 12% แต่ใช้เกตน้อยกว่า 17 เท่า และโพสต์ระบุว่าแบบวงจรใหม่ช่วยขยายแนวหน้าพาเรโตของชุดค่าผสมระหว่างจำนวนคิวบิตกับเวลาในการทำงาน แบบที่เคยเผยแพร่ก่อนหน้านี้และนำมาเปรียบเทียบว่าให้ผลดีที่สุด ได้แก่ Schrottenloher (2026) และ Luo et al. (2026)

ตัวถอดรหัสสำหรับการหาค่าเหมาะที่สุดเชิงควอนตัมที่มีต้นทุนต่ำลง 12 เท่า

การค้นพบประการที่สองเกี่ยวข้องกับอินเตอร์เฟอโรเมทรีควอนตัมแบบถอดรหัส (DQI) ซึ่งโพสต์ระบุว่าเป็นหนึ่งในแนวทางที่มีศักยภาพสูงที่สุดสำหรับการเร่งความเร็วเชิงควอนตัมแบบซูเปอร์พหุนาม ขั้นตอนที่มีต้นทุนสูงที่สุดของอัลกอริทึมคือการถอดรหัสเพื่อแก้ไขข้อผิดพลาด และนักวิจัยผู้ริเริ่ม DQI ได้สาธิตวิธีนี้กับปัญหาจุดตัดพหุนามที่เหมาะที่สุด (OPI) ซึ่งเป็นโจทย์การฟิตเส้นโค้งในรูปแบบตารางกริด โดยใช้ตัวถอดรหัส Reed–Solomon ค่าประมาณจากนักวิจัย Google Quantum AI ที่อ้างถึงในโพสต์บ่งชี้ว่า การแก้ปัญหา OPI เฉพาะโจทย์หนึ่งจะใช้เวลาประมาณสามเดือนบนซูเปอร์คอมพิวเตอร์ Frontier เทียบกับราวหนึ่งชั่วโมงบนคอมพิวเตอร์ควอนตัมในอนาคตที่ใช้ DQI โดยเวลาส่วนใหญ่ในหนึ่งชั่วโมงนั้นจะใช้ไปกับการถอดรหัส Reed–Solomon

วงจรที่มีประสิทธิภาพสูงสุดก่อนหน้านี้ประมวลผลซินโดรม ซึ่งเป็นข้อมูลสรุปข้อผิดพลาดแบบกระชับ โดยใช้อัลกอริทึมยุคลิดแบบขยาย ซึ่งจำนวนและลำดับของขั้นตอนขึ้นอยู่กับอินพุต เนื่องจากวงจรควอนตัมต้องจัดการกับอินพุตหลายชุดด้วยลำดับเกตคงที่เพียงชุดเดียว แบบวงจรดังกล่าวจึงต้องกระจายการคำนวณออกไปหลายรอบกว่าที่อินพุตใด ๆ เพียงชุดเดียวต้องใช้ และต้องดำเนินการทุกขั้นตอนในทุกรอบ แต่ Claude จัดโครงสร้างวงจรโดยใช้การถอดรหัส Berlekamp–Massey ซึ่งทำขั้นตอนประเภทเดียวกันในทุกรอบและใช้จำนวนรอบเท่ากันเสมอ

การทำให้วิธีดังกล่าวย้อนกลับได้ก่อให้เกิดปัญหาด้านการจัดเก็บข้อมูล กล่าวคือ ต้องสามารถเรียกคืนค่าชั่วคราวที่คำนวณได้ในแต่ละรอบ เพื่อนำไปคำนวณย้อนกลับในภายหลัง และหากกันหน่วยความจำไว้รองรับกรณีเลวร้ายที่สุด ซึ่งเป็นค่าพิเศษที่เกิดขึ้นใน 35 รอบที่แตกต่างกัน จะต้องใช้ 665 คิวบิต Claude เขียนตัวจำลองความเร็วสูงและทดลองถอดรหัสตัวอย่าง 403 ล้านครั้งเพื่อวัดความถี่ที่เกิดกรณีพิเศษดังกล่าว ผลคือแทบทุกรอบการทำงานต้องบันทึกค่าไว้ไม่เกินหนึ่งค่า ดังนั้นวงจรจึงกันคิวบิตไว้ 19 คิวบิตสำหรับเก็บค่าหนึ่งค่าที่บันทึกไว้

การทำงานประมาณหนึ่งครั้งในทุก 10,000 ครั้งต้องใช้มากกว่านั้นและล้มเหลว ซึ่งโพสต์ระบุว่าอยู่ในขอบเขตอัตราความผิดพลาดที่โจทย์ยอมรับได้ โพสต์รายงานว่า เมื่อนำการปรับปรุงทั้งหมดมารวมกัน จำนวนเกตของตัวถอดรหัสลดลง 12 เท่าเมื่อเทียบกับวิธีที่ Google สร้างไว้ก่อนหน้า โดยเกิดจากการเปลี่ยนแปลงในสามระดับ ได้แก่ วิธีการ สถาปัตยกรรมของวงจร และงบทรัพยากร

ข้อจำกัดและแนวโน้มที่ระบุไว้

Anthropic รายงานว่า ในการทดลองช่วงแรก Claude ระมัดระวังตัว โดยมักตั้งข้อสงสัยซ้ำ ๆ ต่อการปรับปรุงที่ดูเหมือนจะได้ผล ตรวจสอบผลลัพธ์ที่มีหลักฐานรองรับอย่างรอบคอบถึงสองและสามครั้ง และเลือกใช้แนวทางที่มีอยู่และเป็นที่รู้จักดี โพสต์ระบุว่าความระมัดระวังนี้มีประโยชน์ในบางครั้ง และนำไปสู่การพิสูจน์ด้วย Lean ที่ยืนยันแบบวงจร divsteps ทีมงานใช้มาตรการแก้ไขสองประการ ได้แก่ กำหนดให้ Claude เสนอแนวทางหลายแบบที่แตกต่างกันในเชิงคุณภาพและพัฒนาควบคู่กันไป และกระตุ้นให้ Claude ขยายขอบเขตการค้นหาเป็นครั้งคราว

โพสต์เปรียบเทียบการลด FeMoco ลง 150,000 เท่า ซึ่งระบุว่าเป็นผลงานที่หลายกลุ่มวิจัยใช้เวลาทำถึงแปดปี กับการทำงานครั้งเดียวเป็นเวลา 53 ชั่วโมงซึ่งนำไปสู่แบบวงจรสำหรับเส้นโค้งวงรี Anthropic ระบุว่าผลลัพธ์เหล่านี้ชี้ให้เห็นว่า AI สามารถช่วยงานออกแบบวงจรได้ และตั้งข้อสังเกตถึงความเป็นไปได้ที่ AI จะปรับองค์ประกอบต่าง ๆ ของคอมพิวเตอร์ควอนตัมที่แก้ไขข้อผิดพลาดร่วมกันได้ ตั้งแต่อัลกอริทึมไปจนถึงฮาร์ดแวร์ สำหรับปัญหาเฉพาะอย่างหนึ่ง โพสต์ขอบคุณ Arjun Kar และ Vinay Ramasesh สำหรับการพูดคุยที่เป็นประโยชน์ในช่วงแรกของโครงการ