Anthropic afferma che il suo modello Claude Mythos 5 ha progettato circuiti quantistici che migliorano i migliori progetti precedentemente pubblicati in sette degli otto compiti computazionali, in alcuni casi di un ordine di grandezza o più. L'affermazione, esposta in un post di ricerca pubblicato venerdì e in un documento di 46 pagine presentato ad arXiv il 15 ottobre, è la dimostrazione più concreta del laboratorio che modelli linguistici di grandi dimensioni possono produrre progetti scientifici originali piuttosto che riassumere la conoscenza esistente.
Il lavoro è stato guidato da Andi Gu attraverso il programma STEM Fellows di Anthropic, con il tutoraggio del fisico quantistico di Anthropic Alek Kemeny e in collaborazione con i fisici di Harvard Susanne Yelin e Mikhail Lukin, che è anche uno dei fondatori della società di calcolo quantistico QuEra. L'articolo, intitolato "Discovering state-of-the-art quantum circuits with large Language Models", è composto da 46 pagine con 10 figure e sei tabelle, secondo Unite.AI, che è stato tra i primi punti vendita a riportare i risultati in dettaglio insieme a The Quantum Insider e Interesting Engineering.
Gli otto compiti sono primitive computazionali – le routine di base da cui vengono costruiti algoritmi quantistici più grandi – che spaziano dalla chimica, all’ottimizzazione, alla simulazione quantistica, alla teoria dei numeri e al calcolo numerico. Secondo l'abstract dell'articolo, in sette degli otto compiti i circuiti scoperti riducono significativamente sia il numero di porte Toffoli che il numero di qubit rispetto allo stato dell'arte, mentre l'ottavo ha prodotto un'architettura reversibile completamente nuova per l'inversione modulare del campo primo.
Per una copertura continua dei risultati della ricerca di Anthropic e della corsa più ampia all'applicazione dell'intelligenza artificiale alla scienza, segui la nostra copertura sulle ultime notizie sull'intelligenza artificiale mentre il campo si sviluppa.
Come funziona il circuito chiuso
Il processo di progettazione è un ciclo evolutivo in cui il modello linguistico propone dei circuiti e un valutatore indipendente li verifica. I circuiti quantistici possono essere scritti come codice ordinario, quindi Claude Mythos 5 ha presentato i progetti come programmi Python, ha ricevuto feedback sulla correttezza e un punteggio dal valutatore e li ha rivisti, senza input umano tra un round e l'altro.
Il punteggio è volutamente semplice: il numero di qubit moltiplicato per il numero di porte. Quel prodotto funge da indicatore del tempo necessario a un circuito per funzionare su un futuro computer quantistico e fornisce al modello un obiettivo oggettivo da abbattere.
I circuiti quantistici impongono anche vincoli che i software ordinari non impongono. Un circuito non può ramificarsi in base a decisioni se-allora, perché viene eseguito su una sovrapposizione di molti input contemporaneamente e deve contenere le operazioni per ogni percorso ogni volta che viene eseguito. Non può nemmeno scartare informazioni, poiché ogni passaggio deve essere reversibile: i risultati intermedi devono essere archiviati o “non calcolati” eseguendo il calcolo che li ha prodotti al contrario, a un costo in termini aggiuntivi. Questi vincoli impongono un compromesso tra conteggio dei qubit e tempo di esecuzione, che è esattamente il compromesso rimodellato nei progetti di Claude.
Un'analisi di 53 ore produce un nuovo algoritmo di inversione modulare
La prima scoperta dettagliata riguarda l'addizione di punti, l'operazione fondamentale negli algoritmi quantistici per il problema del logaritmo discreto della curva ellittica e uno dei parametri di riferimento standard del settore. La maggior parte del suo costo è racchiuso in un unico passaggio: l’inversione modulare, la versione avvolgente della divisione utilizzata nell’aritmetica della curva ellittica.
Secondo il post di Anthropic, Claude ha ricevuto un brief di un paragrafo che spiegava la regola matematica e il modo in cui il valutatore avrebbe valutato ciascun progetto, quindi ha lavorato per 53 ore con un intervento umano minimo prima di arrivare a un approccio veramente nuovo. I computer classici gestiscono l’inversione modulare in modo efficiente con un metodo chiamato divsteps, ma quel metodo non ha mai prodotto un circuito quantistico pratico, perché la reversibilità costringe il circuito a registrare quale operazione è stata scelta ad ogni iterazione – e memorizzare la cronologia di quel ramo richiede un numero enorme di qubit aggiuntivi.
L'intuizione di Claude fu che forse non era necessario memorizzare il record: le informazioni sul ramo potevano essere decodificate in seguito esaminando la coppia di numeri prodotta ad ogni iterazione. Le prime regole di decodifica funzionavano su piccoli casi di test ma fallivano con la dimensione completa del problema a 256 bit, afferma il post. Il modello ha quindi dimostrato una serie di nuove identità algebriche relative all'iterazione, ha derivato una precisa formula di decodifica, l'ha convalidata in simulazioni numeriche su larga scala e ha formalizzato l'affermazione nell'assistente Lean proof.
Il risultato, afferma Anthropic, è la prima implementazione reversibile dei divstep senza alcuna cronologia dei rami memorizzata. Poiché la decodifica consente di risparmiare qubit ma costa tempi di esecuzione, Claude ha prodotto una famiglia di progetti lungo il confine tra i due. Un circuito di quella famiglia utilizza il 12% in più di qubit ma 17 volte meno porte rispetto al più piccolo progetto precedente; il post nomina i migliori progetti pubblicati in precedenza come Schrottenloher (2026) e Luo et al. (2026).
Un decodificatore 12 volte più economico per l'ottimizzazione quantistica
La seconda scoperta riguarda l’interferometria quantistica decodificata (DQI), descritta nel post come uno dei più forti candidati conosciuti per un’accelerazione quantistica superpolinomiale. Il passaggio più costoso dell'algoritmo è un decodificatore per la correzione degli errori, e le stime dei ricercatori di Google Quantum AI citati nel post implicano che un particolare esempio del problema dell'intersezione polinomiale ottimale richiederebbe circa tre mesi sul supercomputer Frontier contro circa un'ora su un futuro computer quantistico, con la maggior parte di quell'ora spesa nella decodifica Reed-Solomon.
Il precedente circuito di decodificazione all'avanguardia era costruito sull'algoritmo euclideo esteso, il cui conteggio dei passi dipende dall'input, costringendo un circuito quantistico ad estendere il calcolo al caso peggiore ed eseguire ogni operazione in ogni round. Claude ha invece organizzato il suo circuito attorno alla decodifica Berlekamp-Massey, che esegue lo stesso lavoro ad ogni round. Renderlo reversibile ha creato un problema di memoria, che il modello ha risolto statisticamente: ha scritto un simulatore ad alta velocità ed ha eseguito 403 milioni di decodifiche di campioni per misurare la frequenza con cui si verificano valori eccezionali. Quasi ogni esecuzione doveva salvare al massimo un valore, quindi il circuito riserva 19 qubit invece dei 665 che un progetto nel caso peggiore richiederebbe, con circa un'esecuzione su 10.000 fallita: una percentuale che, secondo il post, rientra ampiamente nel budget di errore dell'attività. Le ottimizzazioni riducono il numero di porte del decodificatore di un fattore 12 rispetto alla precedente costruzione di Google, attraverso modifiche a livello di metodo, architettura e budget delle risorse.
Perché è importante e cosa non dimostra
Per illustrare la posta in gioco, il post di Anthropic racconta la storia di FeMoco, il cluster ferro-zolfo nel cuore della azoto, l'enzima utilizzato dai batteri per trasformare l'azoto in ammoniaca. Nel 2017, i ricercatori hanno stimato che il calcolo dell’energia dello stato fondamentale di FeMoco richiederebbe circa 50 trilioni di porte Toffoli; una serie di progressi algoritmici nel corso di otto anni hanno portato la stima a circa 340 milioni: una riduzione di 150.000 volte che corrisponde a poche ore di calcolo su una macchina futura con circa tre milioni di qubit fisici. Il contrasto tracciato dall’azienda è netto: quel miglioramento di 150.000 volte ha richiesto a molti gruppi di ricerca otto anni, mentre il risultato della curva ellittica è il risultato di una singola analisi di 53 ore.
Le avvertenze sono altrettanto chiare. I computer quantistici di oggi hanno solo centinaia o migliaia di qubit e questi qubit sono altamente sensibili al rumore, quindi si tratta di progetti per hardware futuro piuttosto che dimostrazioni su macchine funzionanti. E i risultati sono le stesse affermazioni di Anthropic, anche se supportate da prove Lean, validazione numerica e un valutatore indipendente; un più ampio esame tra pari del documento su arXiv è solo all’inizio.
Anthropic riporta anche un modello comportamentale precoce degno di nota: negli esperimenti iniziali Claude era conservatore, controllava ripetutamente due e tre volte i risultati ben supportati e preferiva approcci familiari. Il team ha risposto a questo richiedendo diversi progetti qualitativamente diversi in parallelo e, occasionalmente, spingendo il modello ad ampliare la sua ricerca: la stessa cautela, osserva il post, che ha spinto in primo luogo le prove Lean.
La prospettiva dichiarata dall’azienda è che l’intelligenza artificiale potrebbe eventualmente ottimizzare congiuntamente ogni componente di un computer quantistico con correzione degli errori, dall’algoritmo fino all’hardware, per un problema specifico. Se i risultati reggeranno, l'articolo potrebbe essere ricordato meno per il singolo circuito che per la dimostrazione che un modello linguistico può reggere il confronto in una delle discipline di progettazione più impegnative dell'informatica.
Stai al passo con l'intelligenza artificiale
L’informatica quantistica, i modelli di frontiera e le scoperte della ricerca tra di essi si muovono rapidamente. Leggi altre notizie sull'AI su AI Buzz Wire.
Leggi altre notizie sull'AI →
