Anthropic заявляє, що Claude перевершив найкращі опубліковані проєкти квантових схем

У дослідницькому дописі, опублікованому 16 жовтня 2026 року, Anthropic повідомила, що її модель Claude Mythos 5, працюючи в замкненому циклі з автоматизованою програмою оцінювання та майже самостійно, розробила квантові схеми, які перевершують найкращі опубліковані раніше схеми для восьми обчислювальних примітивів, а в деяких випадках — на порядок або більше.

Примітиви — базові процедури, з яких будують складніші квантові алгоритми, — охоплюють хімію, оптимізацію, квантове моделювання, теорію чисел і чисельні обчислення. Роботу очолив Анді Гу в межах програми Anthropic STEM Fellows Program за наставництва Алека Кемені, квантового фізика в Anthropic, а також у співпраці із Сюзанною Єлін із Гарвардського університету та Михайлом Лукіним із Гарвардського університету й QuEra Computing.

Супровідну статтю «Відкриття найсучасніших квантових схем за допомогою великих мовних моделей» Гу, Кемені, Єлін і Лукін подали до arXiv 15 жовтня 2026 року. Вона налічує 46 сторінок, містить 10 рисунків і шість таблиць. В анотації описано еволюційний підхід, у межах якого великі мовні моделі пропонують проєкти схем, а незалежний оцінювач перевіряє їх і виставляє оцінки. Зазначено, що в семи з восьми завдань знайдені схеми суттєво зменшують і кількість вентилів Тоффолі, і кількість кубітів порівняно з найкращими на той час результатами, а у восьмому завданні було створено нову оборотну архітектуру для обернення за модулем у простому полі.

Завдання з проєктування в замкненому циклі

За словами Anthropic, Claude добре підходив для цієї роботи з трьох причин. Квантові схеми можна записувати як звичайний код, тож модель може писати, запускати й доопрацьовувати проєкти як програми. Правильність алгоритмів цього класу можна ефективно перевіряти, адже кожному вхідному значенню відповідає один однозначний результат, який може перевірити звичайний комп’ютер. Крім того, оцінка — кількість кубітів, помножена на кількість вентилів, — задає об’єктивний критерій і дає змогу приблизно оцінити тривалість виконання схеми. Працюючи в такому замкненому циклі, Claude Mythos 5 пропонувала проєкти мовою Python, отримувала від програми-оцінювача відгук про правильність і оцінку, а потім вносила зміни; між раундами людина не втручалася.

У дописі описано два обмеження, які відрізняють квантові схеми від звичайних програм. Схема не може виконувати умовні переходи «якщо — то», оскільки одночасно працює із суперпозицією багатьох вхідних даних і під час кожного запуску має виконувати операції для кожного можливого шляху. Вона також не може відкидати інформацію, адже кожен крок має бути оборотним; проміжні результати потрібно зберігати або «скасовувати», виконуючи у зворотному порядку обчислення, під час якого їх було отримано, що потребує додаткових вентилів. Разом ці обмеження зумовлюють компроміс між кількістю кубітів і часом виконання.

Як приклад того, чого можна досягти завдяки перепроєктуванню схем, у дописі наведено оцінки витрат на моделювання FeMoco — залізо-сірчаного кластера в активному центрі нітрогенази, ферменту, за допомогою якого бактерії перетворюють азот із повітря на аміак. У 2017 році дослідники підрахували, що для обчислення енергії основного стану FeMoco знадобилося б близько 50 трильйонів вентилів Тоффолі. Це один із найвитратніших типів вентилів, тому їх кількість зазвичай використовують для оцінювання тривалості квантових обчислень.

Завдяки низці алгоритмічних удосконалень оцінку для тієї самої моделі з 54 орбіталями вдалося зменшити приблизно до 340 мільйонів вентилів — майже у 150 000 разів. За даними допису, це відповідає кільком годинам обчислень на майбутньому комп’ютері приблизно з трьома мільйонами фізичних кубітів. Сучасні квантові комп’ютери мають лише від кількох сотень до кількох тисяч кубітів, причому ці кубіти дуже чутливі до шумів навколишнього середовища.

Оборотний алгоритм модульного обернення

Перше докладно описане в дописі відкриття стосується додавання точок — правила, за яким дві точки на еліптичній кривій поєднують, щоб отримати третю. Додавання точок — основний крок квантових алгоритмів для задачі дискретного логарифмування на еліптичних кривих і один зі стандартних тестів у цій галузі. Більшість витрат припадає на одну операцію — модульне обернення, тобто ділення з переходом через межу модуля, яке використовують в арифметиці на еліптичних кривих. Anthropic повідомила, що Claude отримала коротке пояснення математичного правила й того, як оцінювач перевірятиме та оцінюватиме кожен проєкт, а потім працювала 53 години з мінімальним втручанням людини: модель мала лише це пояснення й час від часу отримувала підказки поглянути на задачу ширше. Зрештою вона запропонувала цілком новий підхід.

Класичні комп’ютери ефективно виконують модульне обернення за допомогою методу divsteps, але досі цей метод не давав змоги створити практичну квантову схему. Через вимогу оборотності схема має зберігати відомості про те, яку операцію було обрано на кожному кроці ітерації; ці відомості називають інформацією про гілки. Зберігання такої історії потребує величезної кількості додаткових кубітів. Claude дійшла висновку, що зберігати ці дані, можливо, взагалі не потрібно, адже інформацію про гілки можна відновити, аналізуючи пару чисел після кожної ітерації.

Перші правила декодування працювали на невеликих тестових прикладах, але не справлялися із задачею повного розміру — 256 бітів. Тоді Claude довела низку тверджень про ітерацію, зокрема вивела кілька нових алгебраїчних тотожностей, отримала точну формулу декодування, перевірила її у великомасштабних чисельних симуляціях і формалізувала твердження в Lean. Після завершення перевірки вона створила те, що Anthropic назвала першою оборотною реалізацією divsteps без збереження історії розгалужень.

Оскільки декодування заощаджує кубіти, але потребує часу, Claude змінював поріг, за якого схема зберігає інформацію про гілки замість того, щоб її декодувати, і створив низку варіантів між двома крайнощами. В одному з них використовується на 12% більше кубітів, але в 17 разів менше вентилів, ніж у найменшій попередній схемі. У дописі зазначено, що нові схеми розширюють фронт Парето для співвідношення кількості кубітів і часу виконання. Найкращі з раніше опублікованих схем, наведені для порівняння, — Schrottenloher (2026) і Luo et al. (2026).

У 12 разів дешевший декодер для квантової оптимізації

Друге відкриття стосується декодованої квантової інтерферометрії (DQI), яку в дописі названо одним із найперспективніших кандидатів на квантове прискорення, що перевищує поліноміальне. Найбільше обчислювальних витрат алгоритму потребує декодер із виправленням помилок. Дослідники, які запропонували DQI, продемонстрували її на задачі оптимального поліноміального перетину (OPI) — ґратковому варіанті апроксимації кривої — за допомогою декодера Ріда—Соломона. Згадані в дописі оцінки дослідників Google Quantum AI свідчать, що розв’язання однієї конкретної задачі OPI тривало б близько трьох місяців на суперкомп’ютері Frontier, тоді як майбутньому квантовому комп’ютеру, що використовує DQI, знадобилася б приблизно година. Більшу частину цієї години зайняло б декодування Ріда—Соломона.

У попередній найсучаснішій схемі синдроми — стислі описи помилок — обробляли за допомогою розширеного алгоритму Евкліда, у якому кількість і порядок кроків залежать від вхідних даних. Оскільки квантова схема обробляє багато вхідних даних за допомогою однієї фіксованої послідовності вентилів, у тій конструкції обчислення доводилося розподіляти на більшу кількість раундів, ніж потребували б будь-які окремі вхідні дані, і виконувати кожну операцію в кожному раунді. Натомість Claude побудував схему на основі декодування Берлекемпа—Мессі, де в кожному раунді виконується той самий тип кроку, а кількість раундів завжди однакова.

Щоб зробити цей метод оборотним, потрібно було розв’язати проблему зберігання: тимчасові значення, обчислені в кожному раунді, мають залишатися доступними, щоб згодом їх можна було скасувати зворотним обчисленням. Резервування пам’яті для найгіршого випадку — виняткового значення, яке могло виникнути в 35 різних раундах, — потребувало б 665 кубітів. Claude створив високошвидкісний симулятор і виконав 403 мільйони пробних декодувань, щоб визначити, як часто трапляються такі винятки. Майже в кожному запуску потрібно було зберегти не більше одного значення, тож схема резервує 19 кубітів для збереження одного значення.

Приблизно в одному запуску з 10 000 потрібно більше кубітів, і він завершується невдачею; у дописі зазначено, що це цілком вкладається в допустимий для задачі рівень помилок. За даними допису, сукупно ці оптимізації зменшили кількість вентилів декодера в 12 разів порівняно з попередньою конструкцією Google. Зміни торкнулися трьох рівнів: методу, архітектури схеми та бюджету ресурсів.

Обмеження та заявлені перспективи

Anthropic повідомила, що на ранніх етапах експериментів Claude діяв обережно: знову й знову ставив під сумнів очевидні поліпшення, перевіряв результати з вагомим обґрунтуванням по два-три рази й віддавав перевагу наявним, добре відомим підходам. Як зазначено в дописі, ця обережність часом була корисною і спонукала довести твердження в Lean, що підтвердили правильність конструкції divsteps. Команда застосувала два заходи: вимагала від Claude паралельно розробляти кілька якісно різних підходів і час від часу підказувала йому розширити пошук.

У дописі порівнюють скорочення витрат у 150 000 разів для FeMoco, на досягнення якого, за словами авторів, багатьом дослідницьким групам знадобилося вісім років, з одним 53-годинним запуском, на основі якого створили схему для еліптичної кривої. Anthropic заявила, що ці результати свідчать про здатність ШІ допомагати в розробленні схем, і порушила питання про можливість спільної оптимізації за допомогою ШІ компонентів квантового комп’ютера з виправленням помилок — від алгоритму до апаратного забезпечення — для конкретної задачі. У дописі команда подякувала Arjun Kar і Vinay Ramasesh за корисні обговорення на ранніх етапах проєкту.