Anthropic 社は、同社の Claude Mythos 5 モデルは、8 つの計算タスクのうち 7 つにおいて、これまでに公開された最良の設計を、場合によっては 1 桁以上改善する量子回路を設計したと述べています。この主張は、金曜日に公開された研究投稿と10月15日にarXivに提出された46ページの論文で述べられており、大規模な言語モデルが既存の知識を要約するのではなく、独自の科学的設計を生み出すことができるという研究室のこれまでで最も具体的な実証である。

この研究は、Anthropic の STEM フェロー プログラムを通じて Andi Gu が主導し、Anthropic の量子物理学者 Alek Kemeny の指導を受け、ハーバード大学の物理学者 Susanne Yelin および量子コンピューティング企業 QuEra の創設者でもある Mikhail Lukin と協力しました。 Unite.AIによると、「大規模な言語モデルによる最先端の量子回路の発見」と題されたこの論文は、10の図と6つの表を含む46ページに及び、The Quantum InsiderおよびInteresting Engineeringと並んで結果を詳細に報告した最初の報道機関の1つであるUnite.AIによると、

8 つのタスクは、化学、最適化、量子シミュレーション、数論、数値計算に及ぶ、計算のプリミティブ (より大規模な量子アルゴリズムを構築するための基本ルーチン) です。論文の要約によると、8つのタスクのうち7つにおいて、発見された回路は最先端技術と比較してトフォリのゲート数と量子ビット数の両方を大幅に削減し、8つ目は素体モジュラー反転のためのまったく新しい可逆アーキテクチャをもたらした。

Anthropic の研究成果と、AI を科学に応用する広範な競争についての継続的な報道については、この分野の発展に合わせた AI ニュース速報 の報道に従ってください。

クローズドループの仕組み

設計プロセスは、言語モデルが回路を提案し、独立した評価者が回路をチェックする進化的なループです。量子回路は通常のコードとして記述できるため、Claude Mythos 5 は設計を Python プログラムとして提出し、正確性のフィードバックと評価者からのスコアを受け取り、ラウンド間に人間による入力を行わずに修正しました。

スコアは意図的に単純になっており、量子ビットの数とゲートの数を掛けたものになります。この製品は、将来の量子コンピューターで回路を実行するのにどれくらいの時間がかかるかの代用として機能し、モデルにプッシュダウンするための客観的な目標を与えます。

量子回路には、通常のソフトウェアには課されない制約も課されます。回路は、多くの入力の重ね合わせを一度に実行し、実行するたびにすべてのパスの演算を含める必要があるため、if-then の決定に基づいて分岐することはできません。すべてのステップが可逆的である必要があるため、情報を破棄することもできません。中間結果は保存するか、追加のゲートを犠牲にして生成した計算を逆に実行することによって「計算されない」必要があります。これらの制約により、量子ビット数と実行時間の間のトレードオフが強制されますが、これはまさにクロードの設計が再形成されたトレードオフです。

53 時間の実行により新しいモジュラー反転アルゴリズムが生成される

最初の詳細な発見は、点加算、楕円曲線離散対数問題の量子アルゴリズムの中核演算、およびこの分野の標準ベンチマークの 1 つに関するものです。そのコストのほとんどは、楕円曲線算術で使用される除算のラップアラウンド バージョンであるモジュール逆変換という 1 つのステップにかかっています。

Anthropic の投稿によると、クロードは数学的ルールと評価者が各設計をどのように採点するかを説明する 1 段落の概要を受け取り、真に新しいアプローチに到達するまで人間の介入を最小限に抑えて 53 時間作業しました。古典的なコンピューターは、divsteps と呼ばれる方法でモジュラー反転を効率的に処理しますが、その方法では実用的な量子回路は生まれませんでした。可逆性により、回路は各反復でどの演算が選択されたかを記録する必要があり、その分岐履歴を保存するには膨大な数の追加量子ビットが必要になるからです。

クロードの洞察は、レコードをまったく保存する必要がない可能性があるということでした。分岐情報は、各反復で生成された数値のペアを検査することで、後でデコードできる可能性があります。初期のデコード ルールは小規模なテスト ケースでは機能しましたが、256 ビットの問題サイズ全体では失敗したと投稿では述べています。その後、モデルは反復に関する一連の新しい代数的恒等を証明し、正確な解読式を導き出し、それを大規模な数値シミュレーションで検証し、リーン証明アシスタントで主張を形式化しました。

Anthropic 氏によれば、その結果、ブランチ履歴が保存されない、初めての divstep の可逆実装が実現したという。デコードすると量子ビットは節約されますが、実行時間がかかるため、クロードはこの 2 つの境界線に沿って一連の設計を作成しました。そのファミリの 1 つの回路は、以前の最小設計と比べて 12% 多くの量子ビットを使用しますが、ゲート数は 17 分の 1 です。この投稿では、これまでに公開された最も優れたデザインとして、Schrottenloher (2026) と Luo et al. が挙げられています。 （2026年）。

量子最適化のための 12 倍安価なデコーダ

2 番目の発見は、超多項式量子高速化の既知の最も強力な候補の 1 つとして投稿で説明されている復号量子干渉法 (DQI) をターゲットとしています。このアルゴリズムで最もコストがかかるステップは誤り訂正デコーダであり、投稿で引用された Google 量子 AI 研究者の推定によると、最適多項式交差問題の特定のインスタンスには、Frontier スーパーコンピュータでは約 3 か月かかるのに対し、将来の量子コンピュータでは約 1 時間かかり、その時間のほとんどがリードソロモン復号に費やされます。

以前の最先端のデコーダ回路は拡張ユークリッド アルゴリズムに基づいて構築されており、そのステップ数は入力に依存するため、量子回路は最悪の場合に計算を拡張し、すべてのラウンドですべての演算を実行する必要があります。代わりに、クロードは、ラウンドごとに同じ作業を実行するバーレカンプ・マッセイ復号化を中心に回路を編成しました。これを可逆にすることでメモリの問題が発生しましたが、モデルは統計的に解決しました。高速シミュレータを作成し、4 億 300 万のサンプル デコードを実行して、例外的な値がどのくらいの頻度で発生するかを測定しました。ほぼすべての実行で最大 1 つの値を保存する必要があるため、回路は最悪の場合の設計で必要となる 665 量子ビットの代わりに 19 量子ビットを予約しており、およそ 10,000 回に 1 回の実行で失敗することになります。この割合はタスクのエラー バジェットの範囲内であると投稿では述べています。最適化により、メソッド、アーキテクチャ、リソース予算レベルでの変更により、デコーダのゲート数が Google の以前の構築と比較して 12 分の 1 に削減されました。

なぜそれが重要なのか — そして何が証明されないのか

危険性を説明するために、Anthropic の投稿では、細菌が窒素をアンモニアに変えるために使用する酵素であるニトロゲナーゼの中心部にある鉄硫黄クラスターである FeMoco の歴史について詳しく説明しています。 2017 年、研究者らは、FeMoco の基底状態エネルギーを計算するには、およそ 50 兆の Toffoli ゲートが必要になると推定しました。 8 年間にわたる一連のアルゴリズムの進歩により、推定値は約 3 億 4,000 万になりました。これは、約 300 万の物理量子ビットを備えた将来のマシンでの数時間の計算に相当する 15 万分の 1 の削減です。同社が描いた対照はあからさまだ。15万倍の改善には多くの研究グループが8年を要したが、楕円曲線の結果は53時間の1回の実行で得られたものだ。

注意点も同様に明確です。今日の量子コンピューターには数百から数千の量子ビットしかなく、それらの量子ビットはノイズに非常に敏感であるため、これらは動作するマシンでのデモンストレーションではなく、将来のハードウェアのための設計です。そしてその結果は、リーン証明、数値検証、独立した評価者によって裏付けられているとはいえ、Anthropic 自身の主張です。 arXiv 論文に対するより広範なピア精査はまだ始まったばかりです。

Anthropic は、注目に値する初期の行動パターンも報告しています。初期の実験では、クロードは保守的で、十分に裏付けられた結果を二重、三重にチェックし、慣れ親しんだアプローチを好みました。チームはこれに、いくつかの質的に異なる設計を並行して要求し、場合によってはモデルに検索範囲を広げるよう促すことでこれに対抗しました。投稿ノートによると、最初にリーン証明を促したのと同じ警告です。

同社が述べている見通しは、AIが最終的にはアルゴリズムからハードウェアに至るまで、誤り訂正量子コンピュータのあらゆるコンポーネントを共同で特定の問題に合わせて最適化できるようになるというものだ。もし結果が有効であれば、この論文は単一の回路というよりも、言語モデルがコンピューティングの最も要求の厳しい設計分野の 1 つにおいて独自性を維持できることを実証したものとして記憶されるかもしれません。

AI の先を行く

量子コンピューティング、フロンティアモデル、およびそれらの間の研究のブレークスルーは急速に進んでいます。 AI Buzz Wire の AI ニュースをもっと読む。

AI ニュースをもっと読む→