Anthropic می‌گوید مدل Claude Mythos 5 مدارهای کوانتومی را طراحی کرده است که بهترین طرح‌های منتشر شده قبلی را در هفت مورد از هشت کار محاسباتی بهبود می‌بخشد، در برخی موارد به ترتیب بزرگی یا بیشتر. این ادعا که در یک پست تحقیقاتی منتشر شده در روز جمعه و مقاله 46 صفحه‌ای ارائه شده به arXiv در 15 اکتبر ارائه شد، ملموس‌ترین اثبات آزمایشگاهی است که نشان می‌دهد مدل‌های زبان بزرگ می‌توانند به جای خلاصه کردن دانش موجود، طرح‌های علمی اصلی تولید کنند.

این کار توسط Andi Gu از طریق برنامه یاران STEM Anthropic، با راهنمایی فیزیکدان کوانتومی Anthropic، Alek Kemeny و با همکاری فیزیکدانان هاروارد سوزان Yelin و Mikhail Lukin، که همچنین بنیانگذار شرکت محاسبات کوانتومی QuEra است، هدایت شد. طبق گفته Unite.AI، که در کنار The Quantum Insider و Interesting Engineering، یکی از اولین رسانه هایی بود که نتایج را به تفصیل گزارش کرد، این مقاله با عنوان "کشف مدارهای کوانتومی پیشرفته با مدل های زبان بزرگ" 46 صفحه با 10 شکل و شش جدول دارد.

این هشت وظیفه اولیه محاسباتی هستند - روال های اساسی که الگوریتم های کوانتومی بزرگتر از آنها ساخته می شوند - شامل شیمی، بهینه سازی، شبیه سازی کوانتومی، نظریه اعداد و محاسبات عددی. با توجه به چکیده مقاله، در هفت مورد از هشت کار، مدارهای کشف شده به طور قابل توجهی تعداد گیت تافولی و تعداد کیوبیت را نسبت به وضعیت هنر کاهش می‌دهند، در حالی که مدار هشتم یک معماری کاملاً برگشت‌پذیر برای وارونگی مدولار میدان اول ارائه می‌دهد.

برای ادامه پوشش نتایج تحقیقاتی Anthropic و رقابت گسترده‌تر برای اعمال هوش مصنوعی در علم، پوشش [اخبار فوری هوش مصنوعی] (https://aibuzzwire.news) ما را با توسعه این زمینه دنبال کنید.

حلقه بسته چگونه کار می کند

فرآیند طراحی یک حلقه تکاملی است که در آن مدل زبان مدارهایی را پیشنهاد می کند و یک ارزیاب مستقل آنها را بررسی می کند. مدارهای کوانتومی را می توان به صورت کد معمولی نوشت، بنابراین Claude Mythos 5 طرح هایی را به عنوان برنامه های پایتون ارسال کرد، بازخورد صحت و امتیاز را از ارزیاب دریافت کرد و تجدید نظر کرد - بدون هیچ ورودی انسانی بین دور.

امتیاز به عمد ساده است: تعداد کیوبیت ها در تعداد دروازه ها ضرب می شود. این محصول به عنوان یک پروکسی برای مدت زمان لازم برای اجرای یک مدار روی یک کامپیوتر کوانتومی آینده عمل می کند و به مدل یک هدف هدف می دهد تا به سمت پایین حرکت کند.

مدارهای کوانتومی نیز محدودیت هایی را اعمال می کنند که نرم افزارهای معمولی آن را ندارند. یک مدار نمی تواند بر روی تصمیمات if-then منشعب شود، زیرا بر روی یک برهم نهی از بسیاری از ورودی ها به طور همزمان اجرا می شود و هر بار که اجرا می شود باید شامل عملیات برای هر مسیر باشد. همچنین نمی‌تواند اطلاعات را کنار بگذارد، زیرا هر مرحله باید برگشت‌پذیر باشد - نتایج میانی باید با اجرای محاسباتی که آنها را به صورت معکوس تولید می‌کند، ذخیره یا "محاسبه نشده" با هزینه‌ای در گیت‌های اضافی. این محدودیت‌ها باعث می‌شود بین تعداد کیوبیت و زمان اجرا، که دقیقاً طرح‌های کلود تغییر شکل داده‌اند، مبادله‌ای ایجاد شود.

یک اجرا 53 ساعته یک الگوریتم وارونگی مدولار جدید تولید می کند

اولین کشف دقیق مربوط به اضافه کردن نقطه، عملیات هسته در الگوریتم های کوانتومی برای مسئله لگاریتم گسسته منحنی بیضوی و یکی از معیارهای استاندارد میدان است. بیشتر هزینه آن در یک مرحله است - وارونگی مدولار، نسخه پیچیده تقسیم که در محاسبات منحنی بیضوی استفاده می شود.

طبق پست آنتروپیک، کلود یک پاراگراف مختصر دریافت کرد که در آن قاعده ریاضی و نحوه امتیازدهی ارزیاب به هر طرح را توضیح می داد، سپس به مدت 53 ساعت با کمترین مداخله انسانی قبل از رسیدن به یک رویکرد واقعاً جدید کار کرد. رایانه‌های کلاسیک وارونگی مدولار را با روشی به نام divsteps به طور کارآمد مدیریت می‌کنند، اما این روش هرگز یک مدار کوانتومی عملی ایجاد نکرده است، زیرا برگشت‌پذیری مدار را مجبور می‌کند تا عملیات انتخاب شده در هر تکرار را ثبت کند - و ذخیره آن تاریخچه شاخه به تعداد زیادی کیوبیت اضافی نیاز دارد.

بینش کلود این بود که رکورد ممکن است اصلاً نیازی به ذخیره نداشته باشد: اطلاعات شاخه را می‌توان بعداً با بررسی جفت اعداد تولید شده در هر تکرار رمزگشایی کرد. در این پست آمده است که قوانین رمزگشایی اولیه روی موارد آزمایش کوچک کار می‌کردند، اما در اندازه کامل مشکل 256 بیتی شکست خوردند. سپس این مدل یک سری هویت‌های جبری جدید را در مورد تکرار ثابت کرد، یک فرمول رمزگشایی دقیق استخراج کرد، آن را در شبیه‌سازی‌های عددی در مقیاس بزرگ تایید کرد، و این ادعا را در دستیار اثبات ناب رسمیت داد.

Anthropic می‌گوید که نتیجه، اولین پیاده‌سازی برگشت‌پذیر divsteps بدون تاریخچه شاخه‌ای ذخیره‌شده است. از آنجایی که رمزگشایی باعث صرفه جویی در کیوبیت ها می شود اما در زمان اجرا هزینه دارد، کلود خانواده ای از طرح ها را در امتداد مرز بین این دو تولید کرد. یک مدار در آن خانواده از 12 درصد کیوبیت بیشتر اما 17 برابر گیت کمتر از کوچکترین طراحی قبلی استفاده می کند. این پست بهترین طرح های منتشر شده قبلی را به عنوان Schrottenloher (2026) و Luo et al. (2026).

رمزگشای 12 برابر ارزانتر برای بهینه سازی کوانتومی

کشف دوم تداخل سنجی کوانتومی رمزگشایی شده (DQI) را هدف قرار می دهد که در این پست به عنوان یکی از قوی ترین نامزدهای شناخته شده برای افزایش سرعت کوانتومی ابرچند جمله ای توصیف شده است. گران‌ترین مرحله الگوریتم رمزگشای تصحیح خطا است، و تخمین‌های محققان هوش مصنوعی کوانتومی گوگل که در این پست ذکر شده نشان می‌دهد که یک نمونه خاص از مسئله تقاطع چند جمله‌ای بهینه حدود سه ماه در ابررایانه‌های فرانتیر در مقابل تقریباً یک ساعت در رایانه‌های کوانتومی آینده - که بیشتر آن ساعت در Reeding–S صرف می‌شود، طول می‌کشد.

مدار رمزگشای پیشرفته قبلی بر اساس الگوریتم اقلیدسی توسعه یافته ساخته شده بود که تعداد گام های آن به ورودی بستگی دارد و یک مدار کوانتومی را مجبور می کند تا محاسبات را در بدترین حالت کشیده و هر عملیات را در هر دور اجرا کند. کلود در عوض مدار خود را حول رمزگشایی Berlekamp–Massey سازماندهی کرد، که در هر دور یک کار را انجام می دهد. برگشت‌پذیر کردن یک مشکل حافظه ایجاد کرد که مدل آن را از نظر آماری حل کرد: یک شبیه‌ساز با سرعت بالا نوشت و 403 میلیون رمزگشایی نمونه را برای اندازه‌گیری تعداد دفعات وقوع مقادیر استثنایی اجرا کرد. تقریباً هر اجرا نیاز به ذخیره حداکثر یک مقدار دارد، بنابراین مدار به جای 665 کیوبیتی که یک طراحی بدترین مورد نیاز دارد، 19 کیوبیت ذخیره می‌کند، که تقریباً یک اجرا از هر 10000 با شکست مواجه می‌شود - نرخی که پست می‌گوید به خوبی در بودجه خطای کار است. بهینه‌سازی‌ها تعداد گیت‌های رمزگشا را نسبت به ساخت قبلی گوگل، از طریق تغییرات در روش، معماری، و سطوح بودجه-منبع، ۱۲ برابر کاهش دادند.

چرا مهم است - و چه چیزی را ثابت نمی کند

برای نشان دادن خطرات، پست Anthropic تاریخچه FeMoco، خوشه آهن-گوگرد در قلب نیتروژناز، آنزیمی که باکتری برای تبدیل نیتروژن به آمونیاک از آن استفاده می کند، بازگو می کند. در سال 2017، محققان تخمین زدند که محاسبه انرژی حالت زمینی FeMoco به حدود 50 تریلیون دروازه تافولی نیاز دارد. مجموعه ای از پیشرفت های الگوریتمی در طول هشت سال تخمین را به حدود 340 میلیون رساند - کاهشی 150000 برابری که مربوط به چند ساعت محاسبه در یک ماشین آینده با حدود سه میلیون کیوبیت فیزیکی است. تقابلی که شرکت ترسیم می‌کند واضح است: این پیشرفت 150000 برابری برای بسیاری از گروه‌های تحقیقاتی هشت سال طول کشید، در حالی که نتیجه منحنی بیضوی از یک دوره 53 ساعته به دست آمد.

اخطارها به همان اندازه واضح هستند. کامپیوترهای کوانتومی امروزی فقط صدها تا هزاران کیوبیت دارند، و این کیوبیت‌ها به نویز بسیار حساس هستند، بنابراین اینها طراحی‌هایی برای سخت‌افزار آینده هستند تا نمایش‌هایی بر روی ماشین‌های کار. و نتایج، ادعاهای خود آنتروپیک است، البته با اثبات ناب، اعتبار سنجی عددی، و یک ارزیاب مستقل. بررسی دقیق تر مقاله arXiv در حال شروع است.

آنتروپیک همچنین یک الگوی رفتاری اولیه را گزارش می‌کند که شایان ذکر است: در آزمایش‌های اولیه، کلود محافظه‌کار بود، مکرراً نتایج تأیید شده را دوبار و سه‌بار بررسی می‌کرد و رویکردهای آشنا را ترجیح می‌داد. این تیم با نیاز به چندین طرح کیفی متفاوت به صورت موازی و گهگاه مدل را وادار به گسترش جستجوی خود کرد - همان احتیاط، همان احتیاط، که در وهله اول اثبات ناب را برانگیخت.

چشم انداز اعلام شده این شرکت این است که هوش مصنوعی در نهایت می تواند به طور مشترک همه اجزای یک کامپیوتر کوانتومی تصحیح شده با خطا، از الگوریتم گرفته تا سخت افزار را برای یک مشکل خاص بهینه کند. اگر نتایج پایدار بماند، ممکن است مقاله برای هر مداری کمتر به خاطر بیاورد تا برای نشان دادن اینکه یک مدل زبانی می‌تواند خود را در یکی از سخت‌ترین رشته‌های طراحی محاسبات حفظ کند.

از هوش مصنوعی جلوتر بمانید

محاسبات کوانتومی، مدل‌های مرزی و پیشرفت‌های تحقیقاتی بین آنها به سرعت پیش می‌روند. [اخبار هوش مصنوعی را بیشتر بخوانید] (https://aibuzzwire.news) در AI Buzz Wire.

بیشتر بخوانید اخبار هوش مصنوعی →