Anthropic은 자사의 Claude Mythos 5 모델이 8개의 계산 작업 중 7개에 걸쳐 이전에 발표된 최고의 설계를 일부 경우에는 한 단계 이상 개선하는 양자 회로를 설계했다고 밝혔습니다. 금요일에 발표된 연구 게시물과 10월 15일 arXiv에 제출된 46페이지 분량의 논문에 제시된 이 주장은 대규모 언어 모델이 기존 지식을 요약하기보다는 독창적인 과학적 설계를 생성할 수 있다는 연구실의 가장 구체적인 시연입니다.

이 작업은 Anthropic의 STEM Fellows 프로그램을 통해 Andi Gu가 주도했으며, Anthropic 양자 물리학자인 Alek Kemeny의 멘토링과 Harvard 물리학자 Susanne Yelin 및 양자 컴퓨팅 회사 QuEra의 창립자이기도 한 Mikhail Lukin과의 협력을 통해 진행되었습니다. The Quantum Insider 및 Interesting Engineering과 함께 결과를 자세히 보고한 최초의 매체 중 하나인 Unite.AI에 따르면 "대규모 언어 모델을 사용하여 최첨단 양자 회로 발견"이라는 제목의 이 논문은 10개의 그림과 6개의 표로 구성된 46페이지로 구성되어 있습니다.

8가지 작업은 화학, 최적화, 양자 시뮬레이션, 정수론 및 수치 컴퓨팅을 포괄하는 더 큰 양자 알고리즘이 구축되는 기본 루틴인 계산 기본 요소입니다. 논문의 요약에 따르면, 8개 작업 중 7개 작업에서 발견된 회로는 최신 기술에 비해 Toffoli 게이트 수와 큐비트 수를 크게 줄였으며, 8번째 작업은 프라임 필드 모듈러 반전을 위한 완전히 새로운 가역 아키텍처를 생성했습니다.

Anthropic의 연구 결과와 AI를 과학에 적용하려는 광범위한 경쟁에 대한 지속적인 보도를 보려면 해당 분야가 발전함에 따라 AI 속보 보도를 따르세요.

폐쇄 루프 작동 방식

설계 프로세스는 언어 모델이 회로를 제안하고 독립적인 평가자가 이를 확인하는 진화적인 루프입니다. 양자 회로는 일반 코드로 작성될 수 있으므로 Claude Mythos 5는 설계를 Python 프로그램으로 제출하고 평가자로부터 정확성 피드백과 점수를 받은 다음 라운드 사이에 사람의 입력 없이 수정했습니다.

점수는 의도적으로 간단합니다. 큐비트 수에 게이트 수를 곱한 것입니다. 이 제품은 미래의 양자 컴퓨터에서 회로가 실행되는 데 걸리는 시간을 나타내는 프록시 역할을 하며 모델에 객관적인 목표를 제공합니다.

양자 회로는 또한 일반 소프트웨어에는 없는 제약을 부과합니다. 회로는 한 번에 많은 입력이 중첩되어 실행되고 실행될 때마다 모든 경로에 대한 작업을 포함해야 하기 때문에 if-then 결정으로 분기할 수 없습니다. 모든 단계는 되돌릴 수 있어야 하므로 정보를 버릴 수도 없습니다. 중간 결과는 추가 게이트 비용을 들여 역으로 생성한 계산을 실행하여 중간 결과를 저장하거나 "계산 해제"해야 합니다. 이러한 제약으로 인해 큐비트 수와 런타임 사이의 균형이 강제되며, 이는 정확하게 Claude의 디자인이 재구성된 균형입니다.

53시간 실행으로 새로운 모듈형 반전 알고리즘 생성

첫 번째 세부적인 발견은 점 추가, 타원 곡선 이산 로그 문제에 대한 양자 알고리즘의 핵심 작업 및 해당 분야의 표준 벤치마크 중 하나에 관한 것입니다. 대부분의 비용은 단일 단계, 즉 타원 곡선 산술에 사용되는 나눗셈의 랩어라운드 버전인 모듈러 반전에 소요됩니다.

Anthropic의 게시물에 따르면 Claude는 수학적 규칙과 평가자가 각 디자인에 점수를 매기는 방법을 설명하는 한 문단의 브리핑을 받은 후 최소한의 인간 개입으로 53시간 동안 작업한 후 완전히 새로운 접근 방식에 도달했습니다. 기존 컴퓨터는 divsteps라는 방법을 사용하여 모듈러 반전을 효율적으로 처리하지만, 가역성은 회로가 각 반복에서 어떤 작업이 선택되었는지 기록하도록 강제하고 해당 분기 기록을 저장하려면 엄청난 수의 추가 큐비트가 필요하기 때문에 결코 실용적인 양자 회로를 생성하지 못했습니다.

Claude는 레코드를 전혀 저장할 필요가 없을 수도 있다는 점을 깨달았습니다. 분기 정보는 나중에 각 반복에서 생성된 숫자 쌍을 검사하여 디코딩할 수 있다는 것입니다. 초기 디코딩 규칙은 소규모 테스트 사례에서는 작동했지만 전체 256비트 문제 크기에서는 실패했다고 게시물에 나와 있습니다. 그런 다음 모델은 반복에 대한 일련의 새로운 대수적 정체성을 입증하고, 정확한 디코딩 공식을 도출하고, 대규모 수치 시뮬레이션에서 이를 검증하고, 린 증명 지원에서 주장을 공식화했습니다.

그 결과, Anthropic은 저장된 분기 기록이 없는 divsteps의 최초의 가역적 구현이라고 말합니다. 디코딩은 큐비트를 절약하지만 런타임 비용이 들기 때문에 Claude는 둘 사이의 경계를 따라 일련의 디자인을 제작했습니다. 해당 제품군의 한 회로는 가장 작은 이전 설계보다 12% 더 많은 큐비트를 사용하지만 게이트 수는 17배 더 적습니다. 게시물에서는 이전에 출판된 최고의 디자인을 Schrottenloher(2026) 및 Luo et al. (2026).

양자 최적화를 위한 12배 더 저렴한 디코더

두 번째 발견은 게시물에서 초다항식 양자 속도 향상을 위한 가장 강력하게 알려진 후보 중 하나로 설명된 DQI(디코드된 양자 간섭계)를 대상으로 합니다. 알고리즘의 가장 비용이 많이 드는 단계는 오류 수정 디코더이며, 게시물에 인용된 Google Quantum AI 연구원의 추정에 따르면 최적의 다항식 교차 문제의 특정 인스턴스는 Frontier 슈퍼컴퓨터에서 약 3개월이 소요되고 미래의 양자 컴퓨터에서는 약 1시간이 소요되며 대부분의 시간은 Reed-Solomon 디코딩에 소요됩니다.

이전의 최첨단 디코더 회로는 확장된 유클리드 알고리즘을 기반으로 구축되었습니다. 이 알고리즘의 단계 수는 입력에 따라 달라지므로 양자 회로는 최악의 경우까지 계산을 확장하고 모든 라운드에서 모든 작업을 실행합니다. 대신 Claude는 매 라운드 동일한 작업을 수행하는 Berlekamp-Massey 디코딩을 중심으로 회로를 구성했습니다. 이를 되돌릴 수 있게 만들면 메모리 문제가 발생하고 모델은 이를 통계적으로 해결했습니다. 고속 시뮬레이터를 작성하고 4억 3백만 개의 샘플 디코딩을 실행하여 예외 값이 얼마나 자주 발생하는지 측정했습니다. 거의 모든 실행은 최대 하나의 값을 저장해야 하므로 회로는 최악의 경우 설계에 필요한 665큐비트 대신 19큐비트를 예약합니다. 대략 10,000번의 실행 중 한 번의 실패가 발생합니다. 포스트에 따르면 이 비율은 작업의 오류 예산 범위 내에 있습니다. 최적화는 방법, 아키텍처 및 리소스 예산 수준의 변경을 통해 Google의 이전 구성에 비해 디코더의 게이트 수를 12배 줄였습니다.

그것이 중요한 이유와 그것이 증명하지 못하는 것

이해 관계를 설명하기 위해 Anthropic의 게시물은 박테리아가 질소를 암모니아로 전환하는 데 사용하는 질소 분해 효소의 핵심에 있는 철-황 클러스터인 FeMoco의 역사를 자세히 설명합니다. 2017년에 연구원들은 FeMoco의 바닥 상태 에너지를 계산하려면 대략 50조 개의 토폴리 게이트가 필요할 것으로 추정했습니다. 8년에 걸쳐 일련의 알고리즘 발전을 통해 추정치는 약 3억 4천만 개로 늘어났습니다. 이는 약 300만 개의 물리적 큐비트를 갖춘 미래의 기계에서 몇 시간의 계산에 해당하는 150,000배 감소입니다. 회사가 그리는 대조는 무뚝뚝합니다. 150,000배의 개선이 많은 연구 그룹에서 8년이 걸린 반면, 타원 곡선 결과는 단일 53시간 실행에서 나왔습니다.

주의 사항도 마찬가지로 명확합니다. 오늘날의 양자 컴퓨터는 수백에서 수천 큐비트에 불과하고 이러한 큐비트는 소음에 매우 민감하므로 이는 작동하는 기계에 대한 시연이 아닌 미래의 하드웨어를 위한 설계입니다. 그리고 그 결과는 비록 Lean 증명, 수치 검증 및 독립적인 평가자가 뒷받침하기는 하지만 Anthropic 자체 주장입니다. arXiv 논문에 대한 더 폭넓은 동료 조사는 이제 시작에 불과합니다.

Anthropic은 또한 주목할 만한 초기 행동 패턴을 보고합니다. 초기 실험에서 Claude는 보수적이었고 잘 뒷받침되는 결과를 반복적으로 이중 및 삼중 확인하고 친숙한 접근 방식을 선호했습니다. 팀은 질적으로 다른 여러 설계를 병렬로 요구하고 때로는 모델이 검색 범위를 넓히도록 유도함으로써 이에 대응했습니다. 이는 애초에 린 교정을 촉발한 동일한 주의 사항, 포스트 노트입니다.

회사가 밝힌 전망은 AI가 결국 특정 문제에 대해 알고리즘부터 하드웨어까지 오류 수정 양자 컴퓨터의 모든 구성 요소를 공동으로 최적화할 수 있다는 것입니다. 결과가 유지된다면 이 논문은 단일 회로에 대해서는 언어 모델이 컴퓨팅의 가장 까다로운 설계 분야 중 하나에서 자체적으로 유지될 수 있다는 시연에 대해서는 덜 기억될 것입니다.

AI보다 앞서 나가세요

양자 컴퓨팅, 프론티어 모델, 그리고 이들 사이의 연구 혁신이 빠르게 진행되고 있습니다. AI Buzz Wire에서 더 많은 AI 뉴스를 읽어보세요.

AI 뉴스 자세히 보기 →