אנתרופיק אומרת שדגם Claude Mythos 5 שלה עיצב מעגלים קוונטיים המשפרים את העיצובים הטובים ביותר שפורסמו בעבר בשבע מתוך שמונה משימות חישוביות, במקרים מסוימים בסדר גודל או יותר. הטענה, שהוצגה בפוסט מחקר שפורסם ביום שישי ובמאמר בן 46 עמודים שהוגש ל-arXiv ב-15 באוקטובר, היא ההדגמה הקונקרטית ביותר של המעבדה עד כה שמודלים של שפות גדולים יכולים לייצר עיצובים מדעיים מקוריים במקום לסכם את הידע הקיים.
את העבודה הוביל אנדי גו דרך תכנית העמיתים STEM של Anthropic, בהנחיית הפיזיקאי הקוונטי האנתרופי Alek Kemeny ובשיתוף עם הפיזיקאים של הרווארד סוזאן ילין ומיכאיל לוקין, שהוא גם מייסד חברת המחשוב הקוונטי QuEra. המאמר, שכותרתו "גילוי מעגלים קוונטיים מתקדמים עם מודלים של שפות גדולות", כולל 46 עמודים עם 10 דמויות ושש טבלאות, לפי Unite.AI, שהיה בין המקורות הראשונים שדיווחו על התוצאות בפירוט לצד The Quantum Insider והנדסה מעניינת.
שמונה המשימות הן פרימיטיביות חישוביות - השגרות הבסיסיות שמהן בנויים אלגוריתמים קוונטיים גדולים יותר - המתפרשות על כימיה, אופטימיזציה, הדמיית קוונטים, תורת המספרים ומחשוב נומרי. על פי התקציר של המאמר, בשבע מתוך שמונה המשימות המעגלים שהתגלו מפחיתים באופן משמעותי הן את ספירת השערים של Toffoli והן את ספירת הקיוביטים ביחס למצב האמנות, בעוד שהשמינית הניבה ארכיטקטורה הפיכה חדשה לחלוטין להיפוך מודולרי של שדה ראשי.
לסיקור מתמשך של תפוקת המחקר של Anthropic והמירוץ הרחב יותר ליישם בינה מלאכותית למדע, עקוב אחר הסיקור חדשות הבינה המלאכותית שלנו ככל שהתחום מתפתח.
כיצד פועלת הלולאה הסגורה
תהליך התכנון הוא לולאה אבולוציונית שבה מודל השפה מציע מעגלים ומעריך בלתי תלוי בודק אותם. ניתן לכתוב מעגלים קוונטיים כקוד רגיל, אז קלוד מיתוס 5 הגיש עיצובים כתוכניות Python, קיבל משוב נכונות וציון מהמעריך, ותוקנו - ללא קלט אנושי בין סיבובים.
הציון פשוט במכוון: מספר הקיוביטים כפול מספר השערים. המוצר הזה משמש כפרוקסי לכמה זמן ייקח למעגל לפעול על מחשב קוונטי עתידי, והוא נותן למודל יעד אובייקטיבי לדחוף מטה.
מעגלים קוונטיים גם מטילים אילוצים שתוכנה רגילה לא עושה. מעגל לא יכול להסתעף על החלטות אם-אז, מכיוון שהוא מבצע על סופרפוזיציה של תשומות רבות בו-זמנית וחייב להכיל את הפעולות עבור כל נתיב בכל פעם שהוא פועל. זה גם לא יכול להשליך מידע, שכן כל שלב חייב להיות הפיך - תוצאות ביניים חייבות להיות מאוחסנות או "לא לחשב" על ידי הפעלת החישוב שהפיק אותן הפוך, בעלות של שערים נוספים. אילוצים אלה מאלצים פשרה בין ספירת קיוביטים וזמן ריצה, וזה בדיוק הפשרה שעוצבו מחדש העיצובים של קלוד.
ריצה של 53 שעות מייצרת אלגוריתם היפוך מודולרי חדש
התגלית המפורטת הראשונה נוגעת להוספת נקודות, פעולת הליבה באלגוריתמים קוונטיים לבעיית הלוגריתם הבדיד של העקומה האליפטית ואחד מאמות המידה הסטנדרטיות של התחום. רוב העלות שלו נמצאת בצעד אחד - היפוך מודולרי, הגרסה העוטפת של החלוקה המשמשת באריתמטיקה של עקומה אליפטית.
על פי הפוסט של אנתרופיק, קלוד קיבל תקציר של פסקה אחת המסביר את הכלל המתמטי וכיצד המעריך יקבל ציון לכל עיצוב, ולאחר מכן עבד במשך 53 שעות עם התערבות אנושית מינימלית לפני שהגיע לגישה חדשה באמת. מחשבים קלאסיים מטפלים בהיפוך מודולרי ביעילות בשיטה הנקראת divsteps, אך שיטה זו מעולם לא הניבה מעגל קוונטי מעשי, מכיוון שההפיכות מאלצת את המעגל לתעד איזו פעולה נבחרה בכל איטרציה - ואחסון היסטוריית הענפים הזו דורש מספר עצום של קיוביטים נוספים.
התובנה של קלוד הייתה שאולי אין צורך לאחסן את הרשומה כלל: ניתן לפענח את מידע הסניף מאוחר יותר על ידי בדיקת צמד המספרים המופקים בכל איטרציה. כללי פענוח מוקדם עבדו על מקרי בדיקה קטנים אך נכשלו בגודל הבעיה המלא של 256 סיביות, נכתב בפוסט. לאחר מכן המודל הוכיח סדרה של זהויות אלגבריות חדשות לגבי האיטרציה, גזר נוסחת פענוח מדויקת, אימת אותה בסימולציות מספריות בקנה מידה גדול, ויישם את הטענה ב-Lean proof assistant.
התוצאה, אומר Anthropic, היא היישום הפיך הראשון של divsteps ללא היסטוריית סניפים מאוחסנת. מכיוון שפענוח חוסך קיוביטים אבל עולה זמן ריצה, קלוד ייצר משפחה של עיצובים לאורך הגבול בין השניים. מעגל אחד במשפחה הזו משתמש ב-12% יותר קיוביטים אבל פי 17 פחות שערים מהעיצוב הקודם הקטן ביותר; הפוסט מציין את העיצובים הטובים ביותר שפורסמו בעבר כ- Schrottenloher (2026) ו- Luo et al. (2026).
מפענח זול פי 12 עבור אופטימיזציה קוונטית
התגלית השנייה מכוונת להתערבות קוונטית מפוענחת (DQI), שתוארה בפוסט כאחד המועמדים החזקים ביותר הידועים להאצה קוונטית סופרפולינומית. הצעד היקר ביותר של האלגוריתם הוא מפענח מתקן שגיאות, והערכות של חוקרי בינה מלאכותית של Google Quantum שצוטטו בפוסט מרמזות שמופע מסוים של בעיית הצומת הפולינומית האופטימלית ייקח כשלושה חודשים במחשב העל של Frontier לעומת כשעה במחשב קוונטי עתידי - כאשר רוב השעה הזו מושקעת בפענוח ריד-סולמון.
מעגל המפענח החדיש הקודם נבנה על האלגוריתם האוקלידי המורחב, שספירת הצעדים שלו תלויה בקלט, מה שמאלץ מעגל קוונטי למתוח את החישוב על המקרה הגרוע ביותר ולהריץ כל פעולה בכל סיבוב. במקום זאת ארגן קלוד את המעגל שלו סביב פענוח ברלקמפ-מאסי, שמבצע את אותה עבודה בכל סיבוב. הפיכתו הפיך יצרה בעיית זיכרון, שהמודל פתר סטטיסטית: הוא כתב סימולטור במהירות גבוהה והריץ 403 מיליון פענוחי דגימה כדי למדוד באיזו תדירות מתרחשים ערכים חריגים. כמעט כל ריצה נדרשת כדי לחסוך לכל היותר ערך אחד, כך שהמעגל שומר 19 קיוביטים במקום ה-665 שתכנון המקרה הגרוע ביותר ידרוש, כשבערך ריצה אחת מתוך 10,000 נכשלת - שיעור שלפי הפוסט נמצא בהרבה מתקציב השגיאות של המשימה. האופטימיזציות חותכות את ספירת השערים של המפענח בפקטור של 12 ביחס לבנייה הקודמת של גוגל, באמצעות שינויים ברמות השיטה, הארכיטקטורה ותקציב המשאבים.
למה זה חשוב - ומה זה לא מוכיח
כדי להמחיש את ההימור, הפוסט של Anthropic מגולל את ההיסטוריה של FeMoco, צביר הברזל-גופרית בלב הניטרוגנאז, שבו משתמשים חיידקי האנזים כדי להפוך חנקן לאמוניה. בשנת 2017, חוקרים העריכו כי חישוב האנרגיה של FeMoco של מצב הקרקע ידרוש בערך 50 טריליון שערי טופולי; סדרה של התקדמות אלגוריתמית לאורך שמונה שנים הביאה את האומדן לכ-340 מיליון - הפחתה של פי 150,000 התואמת לכמה שעות של חישוב במכונה עתידית עם כשלושה מיליון קיוביטים פיזיים. הניגוד שהחברה מצייר בוטה: השיפור הזה של פי 150,000 לקח קבוצות מחקר רבות שמונה שנים, בעוד שהתוצאה של העקומה האליפטית הגיעה מריצה בודדת של 53 שעות.
הסייגים ברורים באותה מידה. למחשבים הקוונטיים של היום יש רק מאות עד אלפי קיוביטים, והקיוביטים האלה רגישים מאוד לרעש, כך שמדובר בעיצובים לחומרה עתידית ולא בהדגמות על מכונות עובדות. והתוצאות הן טענותיו של אנתרופיק עצמו, אם כי מגובות בהוכחות רזה, אימות מספרי ומעריך בלתי תלוי; בדיקת עמיתים רחבה יותר של מאמר arXiv רק מתחילה.
Anthropic מדווחת גם על דפוס התנהגותי מוקדם שכדאי לשים לב אליו: בניסויים ראשוניים קלוד היה שמרן, בדק שוב ושוב תוצאות נתמכות היטב והעדיף גישות מוכרות. הצוות התנגד לכך על ידי דרישה לכמה עיצובים שונים מבחינה איכותית במקביל ומדי פעם הניע את הדגם להרחיב את החיפוש שלו - אותה זהירות, מציינת הפוסט, שהניעה את ההוכחות Lean מלכתחילה.
התחזית המוצהרת של החברה היא שבינה מלאכותית תוכל בסופו של דבר לייעל במשותף כל רכיב של מחשב קוונטי מתוקן שגיאות, מאלגוריתם ועד חומרה, לבעיה ספציפית. אם התוצאות יחזיקו מעמד, המאמר עשוי להיזכר פחות עבור כל מעגל בודד מאשר עבור ההדגמה שמודל שפה יכול להחזיק את עצמו באחת מדיסציפלינות העיצוב התובעניות ביותר של המחשוב.
הישאר לפני AI
מחשוב קוונטי, מודלים חזיתיים ופריצות הדרך המחקריות ביניהם נעים במהירות. קרא עוד חדשות AI ב-AI Buzz Wire.
קרא עוד חדשות AI →
