Anthropic zegt dat Claude Mythos vijf kwantumcircuits heeft ontworpen die de best gepubliceerde ontwerpen verslaan

Anthropic zegt dat zijn Claude Mythos 5-model kwantumcircuits heeft ontworpen die de beste eerder gepubliceerde ontwerpen voor zeven van de acht rekentaken verbeteren, in sommige gevallen met een orde van grootte of meer. De bewering, uiteengezet in een onderzoekspost die vrijdag is gepubliceerd en een 46 pagina's tellend artikel dat op 15 oktober bij arXiv is ingediend, is de meest concrete demonstratie van het laboratorium tot nu toe dat grote taalmodellen originele wetenschappelijke ontwerpen kunnen produceren in plaats van bestaande kennis samen te vatten.

Het werk werd geleid door Andi Gu via het STEM Fellows-programma van Anthropic, met mentorschap van de antropische kwantumfysicus Alek Kemeny en in samenwerking met de natuurkundigen Susanne Yelin en Mikhail Lukin van Harvard, die ook oprichter is van het kwantumcomputerbedrijf QuEra. Het artikel, getiteld "Discovering state-of-the-art quantum circuits with large Language models", beslaat 46 pagina's met 10 cijfers en zes tabellen, volgens Unite.AI, dat een van de eerste media was die de resultaten in detail rapporteerde naast The Quantum Insider en Interessante Engineering.

De acht taken zijn computationele primitieven – de basisroutines waaruit grotere kwantumalgoritmen zijn opgebouwd – die chemie, optimalisatie, kwantumsimulatie, getaltheorie en numeriek computergebruik omvatten. Volgens de samenvatting van het artikel verminderen de ontdekte circuits in zeven van de acht taken zowel het aantal Toffoli-poorten als het aantal qubits aanzienlijk in vergelijking met de stand van de techniek, terwijl de achtste een geheel nieuwe omkeerbare architectuur opleverde voor modulaire inversie in het primaire veld.

Voor voortdurende berichtgeving over de onderzoeksresultaten van Anthropic en de bredere race om AI in de wetenschap toe te passen, volgt u ons breaking AI news verslaggeving naarmate het veld zich ontwikkelt.

Hoe de gesloten lus werkt

Het ontwerpproces is een evolutionaire lus waarin het taalmodel circuits voorstelt en een onafhankelijke evaluator deze controleert. Kwantumcircuits kunnen als gewone code worden geschreven, dus diende Claude Mythos 5 ontwerpen in als Python-programma's, ontving correctheidsfeedback en een score van de evaluator, en werd herzien - zonder menselijke inbreng tussen de rondes.

De score is bewust simpel gehouden: het aantal qubits vermenigvuldigd met het aantal poorten. Dat product dient als proxy voor hoe lang het zou duren voordat een circuit op een toekomstige kwantumcomputer zou draaien, en het geeft het model een objectief doelwit om neer te halen.

Kwantumcircuits leggen ook beperkingen op die gewone software niet heeft. Een circuit kan geen als-dan-beslissingen vertakken, omdat het wordt uitgevoerd op basis van een superpositie van veel invoer tegelijk en elke keer dat het wordt uitgevoerd de bewerkingen voor elk pad moet bevatten. Het kan ook geen informatie weggooien, omdat elke stap omkeerbaar moet zijn - tussenresultaten moeten worden opgeslagen of 'niet-berekend' door de berekening die ze opleverde in omgekeerde volgorde uit te voeren, tegen een kostprijs van extra poorten. Deze beperkingen dwingen een afweging af tussen het aantal qubits en de runtime, wat precies de afweging is die Claude's ontwerpen opnieuw vormgaven.

Een run van 53 uur levert een nieuw modulair inversiealgoritme op

De eerste gedetailleerde ontdekking betreft puntoptelling, de kernoperatie in kwantumalgoritmen voor het discrete logaritmeprobleem met elliptische curven en een van de standaardbenchmarks in het veld. Het grootste deel van de kosten zit in één enkele stap: modulaire inversie, de omhullende versie van deling die wordt gebruikt in de rekenkunde met elliptische krommen.

Volgens de post van Anthropic ontving Claude een brief van één alinea waarin hij de wiskundige regel uitlegde en hoe de beoordelaar elk ontwerp zou beoordelen, en werkte vervolgens 53 uur met minimale menselijke tussenkomst voordat hij tot een werkelijk nieuwe aanpak kwam. Klassieke computers gaan efficiënt om met modulaire inversie met een methode die divsteps wordt genoemd, maar die methode heeft nooit een praktisch kwantumcircuit opgeleverd, omdat de omkeerbaarheid het circuit dwingt om vast te leggen welke bewerking bij elke iteratie is gekozen – en het opslaan van die vertakkingsgeschiedenis vereist een enorm aantal extra qubits.

Claude's inzicht was dat het record misschien helemaal niet hoefde te worden opgeslagen: de vertakkingsinformatie kon later worden gedecodeerd door het inspecteren van het paar getallen dat bij elke iteratie werd geproduceerd. Vroege decoderingsregels werkten bij kleine testgevallen, maar faalden bij de volledige probleemgrootte van 256 bits, aldus het bericht. Het model bewees vervolgens een reeks nieuwe algebraïsche identiteiten over de iteratie, leidde een nauwkeurige decoderingsformule af, valideerde deze in grootschalige numerieke simulaties en formaliseerde de claim in de Lean proof-assistent.

Het resultaat, zegt Anthropic, is de eerste omkeerbare implementatie van divsteps zonder opgeslagen vertakkingsgeschiedenis. Omdat het decoderen qubits bespaart maar runtime kost, produceerde Claude een reeks ontwerpen langs de grens tussen de twee. Eén circuit in die familie gebruikt 12% meer qubits maar 17 keer minder poorten dan het kleinste vorige ontwerp; het bericht noemt de beste eerder gepubliceerde ontwerpen als Schrottenloher (2026) en Luo et al. (2026).

Een 12x goedkopere decoder voor kwantumoptimalisatie

De tweede ontdekking richt zich op gedecodeerde kwantuminterferometrie (DQI), beschreven in de post als een van de sterkste bekende kandidaten voor een superpolynomiale kwantumversnelling. De duurste stap van het algoritme is een foutcorrigerende decoder, en schattingen van Google Quantum AI-onderzoekers die in het bericht worden aangehaald, impliceren dat een bepaald exemplaar van het optimale polynomiale kruispuntprobleem ongeveer drie maanden zou duren op de Frontier-supercomputer, versus ongeveer een uur op een toekomstige kwantumcomputer – waarbij het grootste deel van dat uur zou worden besteed aan Reed-Solomon-decodering.

Het vorige state-of-the-art decodercircuit was gebouwd op het uitgebreide Euclidische algoritme, waarvan het aantal stappen afhankelijk is van de invoer, waardoor een kwantumcircuit gedwongen wordt de berekening over het ergste geval uit te rekken en elke bewerking in elke ronde uit te voeren. Claude organiseerde in plaats daarvan zijn circuit rond de Berlekamp-Massey-decodering, die elke ronde hetzelfde werk verricht. Door dat omkeerbaar te maken ontstond er een geheugenprobleem, dat het model statistisch oploste: het schreef een hogesnelheidssimulator en voerde 403 miljoen monsterdecoderingen uit om te meten hoe vaak uitzonderlijke waarden voorkomen. Bijna elke run moest maximaal één waarde besparen, dus reserveert het circuit 19 qubits in plaats van de 665 die een worst-case ontwerp nodig zou hebben, waarbij ongeveer één run op 10.000 mislukt – een percentage dat volgens de post ruim binnen het foutenbudget van de taak ligt. De optimalisaties hebben het aantal poorten van de decoder met een factor 12 verlaagd ten opzichte van de eerdere constructie van Google, door veranderingen op het niveau van de methode, de architectuur en het middelenbudget.

Waarom het ertoe doet – en wat het niet bewijst

Om de inzet te illustreren, vertelt het artikel van Anthropic de geschiedenis van FeMoco, de ijzer-zwavelcluster die de kern vormt van stikstofase, het enzym dat bacteriën gebruiken om stikstof in ammoniak om te zetten. In 2017 schatten onderzoekers dat voor het berekenen van de grondtoestandenergie van FeMoco ongeveer 50 biljoen Toffoli-poorten nodig zouden zijn; een reeks algoritmische ontwikkelingen gedurende acht jaar bracht de schatting op ongeveer 340 miljoen – een 150.000-voudige reductie die overeenkomt met een paar uur rekenwerk op een toekomstige machine met ongeveer drie miljoen fysieke qubits. Het contrast dat het bedrijf trekt is bot: die 150.000-voudige verbetering kostte veel onderzoeksgroepen acht jaar, terwijl het resultaat van de elliptische curve voortkwam uit een enkele run van 53 uur.

De kanttekeningen zijn even duidelijk. De huidige kwantumcomputers hebben slechts honderden tot duizenden qubits, en die qubits zijn zeer gevoelig voor ruis. Dit zijn dus ontwerpen voor toekomstige hardware en geen demonstraties op werkende machines. En de resultaten zijn de eigen beweringen van Anthropic, zij het ondersteund door Lean-bewijzen, numerieke validatie en een onafhankelijke beoordelaar; De bredere peer-toetsing van het arXiv-artikel is nog maar net begonnen.

Anthropic rapporteert ook een vroeg gedragspatroon dat het vermelden waard is: in de eerste experimenten was Claude conservatief, controleerde hij herhaaldelijk goed onderbouwde resultaten en gaf hij de voorkeur aan vertrouwde benaderingen. Het team heeft dit tegengegaan door meerdere kwalitatief verschillende ontwerpen parallel te eisen en het model af en toe ertoe aan te zetten zijn zoektocht te verbreden – dezelfde voorzichtigheid, zo blijkt uit de postnotities, die in de eerste plaats aanleiding gaf tot de Lean-bewijzen.

De visie van het bedrijf is dat AI uiteindelijk elk onderdeel van een kwantumcomputer met foutcorrectie, van algoritme tot hardware, gezamenlijk zou kunnen optimaliseren voor een specifiek probleem. Als de resultaten standhouden, zal het artikel wellicht minder herinnerd worden voor een enkel circuit dan voor de demonstratie dat een taalmodel zich staande kan houden in een van de meest veeleisende ontwerpdisciplines van de computer.

Blijf AI een stap voor

Kwantumcomputers, grensmodellen en de onderzoeksdoorbraken daartussen gaan snel. Lees meer AI-nieuws op AI Buzz Wire.

Lees meer AI-nieuws →