Anthropic twierdzi, że Claude Mythos zaprojektował 5 obwodów kwantowych, które pokonują najlepsze opublikowane projekty

Anthropic twierdzi, że model Claude Mythos 5 zaprojektował obwody kwantowe, które w siedmiu z ośmiu zadań obliczeniowych stanowią ulepszenia w porównaniu z najlepszymi wcześniej opublikowanymi projektami, w niektórych przypadkach o rząd wielkości lub więcej. Twierdzenie przedstawione w poście badawczym opublikowanym w piątek i 46-stronicowym artykule przesłanym do arXiv 15 października jest najbardziej konkretną demonstracją laboratorium, że duże modele językowe mogą tworzyć oryginalne projekty naukowe, a nie podsumowywać istniejącą wiedzę.

Prace prowadził Andi Gu w ramach programu STEM Fellows Program firmy Anthropic, pod opieką mentora fizyka kwantowego Anthropic Aleka Kemeny’ego i we współpracy z fizykami z Harvardu, Susanne Yelin i Michaiłem Lukinem, który jest także założycielem firmy QuEra zajmującej się obliczeniami kwantowymi. Artykuł zatytułowany „Odkrywanie najnowocześniejszych obwodów kwantowych za pomocą dużych modeli językowych” liczy 46 stron i zawiera 10 rysunków i sześć tabel – podaje Unite.AI, które jako jedno z pierwszych opublikowało szczegółowe wyniki wraz z The Quantum Insider i Interesujące Inżynierie.

Osiem zadań to prymitywy obliczeniowe — podstawowe procedury, na podstawie których budowane są większe algorytmy kwantowe — obejmujące chemię, optymalizację, symulację kwantową, teorię liczb i obliczenia numeryczne. Zgodnie ze streszczeniem artykułu, w siedmiu z ośmiu odkrytych obwodów znacznie zmniejszyło liczbę bramek Toffoliego i kubitów w stosunku do stanu techniki, podczas gdy w ósmym zadaniu uzyskano całkowicie nową, odwracalną architekturę modułowej inwersji pola pierwszego.

Aby stale relacjonować wyniki badań Anthropic i szerszy wyścig w zakresie zastosowania sztucznej inteligencji w nauce, śledź nasze najświeższe wiadomości o sztucznej inteligencji w miarę rozwoju tej dziedziny.

Jak działa pętla zamknięta

Proces projektowania jest pętlą ewolucyjną, w której model językowy proponuje obwody, a niezależny oceniający je sprawdza. Obwody kwantowe można zapisać jako zwykły kod, dlatego Claude Mythos 5 przesłał projekty jako programy w języku Python, otrzymał informację zwrotną na temat poprawności i ocenę od osoby oceniającej, a następnie poprawił — bez udziału człowieka między rundami.

Wynik jest celowo prosty: liczba kubitów pomnożona przez liczbę bramek. Produkt ten służy jako wyznacznik czasu działania obwodu w przyszłym komputerze kwantowym i daje modelowi obiektywny cel do osiągnięcia.

Obwody kwantowe nakładają również ograniczenia, których nie nakłada zwykłe oprogramowanie. Obwód nie może rozgałęziać się na podstawie decyzji „jeśli-to”, ponieważ wykonuje operację na podstawie superpozycji wielu danych wejściowych jednocześnie i przy każdym uruchomieniu musi zawierać operacje dla każdej ścieżki. Nie może również odrzucić informacji, ponieważ każdy krok musi być odwracalny — wyniki pośrednie muszą być przechowywane lub „nieobliczane” poprzez uruchomienie obliczeń, które je wygenerowały, w odwrotnej kolejności, kosztem dodatkowych bramek. Te ograniczenia wymuszają kompromis między liczbą kubitów a czasem wykonania, co jest dokładnie kompromisem, który zmieniły projekty Claude'a.

53-godzinna praca generuje nowy modułowy algorytm inwersji

Pierwsze szczegółowe odkrycie dotyczy dodawania punktów, podstawowej operacji w algorytmach kwantowych dla problemu logarytmu dyskretnego krzywej eliptycznej i jednego ze standardowych punktów odniesienia w tej dziedzinie. Większość kosztów przypada na jeden krok — inwersję modułową, ogólną wersję dzielenia stosowaną w arytmetyce krzywych eliptycznych.

Według postu Anthropic Claude otrzymał jednoakapitowy opis wyjaśniający zasadę matematyczną oraz sposób, w jaki osoba oceniająca będzie oceniać każdy projekt, a następnie pracował przez 53 godziny przy minimalnej interwencji człowieka, zanim opracował naprawdę nowe podejście. Klasyczne komputery skutecznie radzą sobie z inwersją modułową za pomocą metody zwanej divsteps, ale ta metoda nigdy nie dała praktycznego obwodu kwantowego, ponieważ odwracalność zmusza obwód do rejestrowania, która operacja została wybrana w każdej iteracji, a przechowywanie historii rozgałęzień wymaga ogromnej liczby dodatkowych kubitów.

Claude doszedł do wniosku, że przechowywanie rekordu może w ogóle nie być konieczne: informacje o gałęzi można zdekodować później, sprawdzając parę liczb generowanych w każdej iteracji. W poście stwierdza się, że wczesne reguły dekodowania działały w małych przypadkach testowych, ale zawiodły przy pełnym 256-bitowym rozmiarze problemu. Następnie model udowodnił szereg nowych tożsamości algebraicznych dotyczących iteracji, wyprowadził precyzyjny wzór dekodujący, zweryfikował go w wielkoskalowych symulacjach numerycznych i sformalizował twierdzenie w asystencie Lean Proof.

Rezultatem, jak twierdzi Anthropic, jest pierwsza odwracalna implementacja kroków div bez zapisanej historii gałęzi. Ponieważ dekodowanie pozwala zaoszczędzić kubity, ale kosztuje czas działania, Claude stworzył rodzinę projektów na pograniczu obu rozwiązań. Jeden obwód w tej rodzinie wykorzystuje 12% więcej kubitów, ale 17 razy mniej bramek niż najmniejszy poprzedni projekt; w poście wymieniono najlepsze wcześniej opublikowane projekty jako Schrottenloher (2026) i Luo et al. (2026).

12 razy tańszy dekoder do optymalizacji kwantowej

Drugie odkrycie dotyczy zdekodowanej interferometrii kwantowej (DQI), opisanej w poście jako jeden z najsilniejszych znanych kandydatów na superwielomianowe przyspieszenie kwantowe. Najdroższym krokiem algorytmu jest dekoder korygujący błędy, a szacunki badaczy Google Quantum AI cytowane w poście sugerują, że konkretny przypadek optymalnego problemu przecięcia wielomianu zająłby około trzech miesięcy na superkomputerze Frontier w porównaniu z około godziną na przyszłym komputerze kwantowym – przy czym większość tej godziny spędzona jest na dekodowaniu Reeda-Solomona.

Poprzedni, najnowocześniejszy obwód dekodera został zbudowany w oparciu o rozszerzony algorytm euklidesowy, którego liczba kroków zależy od sygnału wejściowego, co zmusza obwód kwantowy do rozciągnięcia obliczeń na najgorszy przypadek i wykonywania każdej operacji w każdej rundzie. Zamiast tego Claude zorganizował swój obwód wokół dekodowania Berlekampa – Masseya, które w każdej rundzie wykonuje tę samą pracę. Uczynienie tego odwracalnym spowodowało problem z pamięcią, który model rozwiązał statystycznie: napisał szybki symulator i przeprowadził 403 miliony próbek dekodowania, aby zmierzyć, jak często występują wyjątkowe wartości. Niemal każdy przebieg wymagał zapisania co najwyżej jednej wartości, więc obwód rezerwuje 19 kubitów zamiast 665, jakich wymagałby projekt w najgorszym przypadku, przy mniej więcej jednym przebiegu na 10 000 niepowodzeń – wskaźnik, który według postu mieści się w budżecie błędów zadania. Optymalizacje zmniejszyły liczbę bramek dekodera 12-krotnie w porównaniu z poprzednią konstrukcją Google, poprzez zmiany na poziomie metody, architektury i budżetu zasobów.

Dlaczego to ma znaczenie — i czego nie dowodzi

Aby zilustrować stawkę, post Anthropic opisuje historię FeMoco, skupiska żelaza i siarki w sercu azotazy, enzymu wykorzystywanego przez bakterie do przekształcania azotu w amoniak. W 2017 roku badacze oszacowali, że obliczenie energii stanu podstawowego FeMoco wymagałoby około 50 bilionów bramek Toffoliego; seria postępów algorytmicznych w ciągu ośmiu lat doprowadziła do szacunkowej liczby około 340 milionów, co stanowi 150 000-krotną redukcję, co odpowiada kilku godzinom obliczeń na przyszłej maszynie z około trzema milionami fizycznych kubitów. Kontrast, jaki rysuje firma, jest tępy: 150 000-krotna poprawa zajęła wielu grupom badawczym osiem lat, podczas gdy wynik na podstawie krzywej eliptycznej uzyskano w ciągu jednego 53-godzinnego badania.

Zastrzeżenia są równie jasne. Dzisiejsze komputery kwantowe mają tylko setki do tysięcy kubitów, a kubity te są bardzo wrażliwe na szum, dlatego są to projekty przyszłego sprzętu, a nie demonstracje na działających maszynach. Wyniki są twierdzeniami samej firmy Anthropic, aczkolwiek poparte dowodami Lean, walidacją numeryczną i niezależnym oceniającym; szersza analiza artykułu arXiv dopiero się rozpoczyna.

Anthropic podaje również, że warto zwrócić uwagę na wczesny wzorzec zachowania: w początkowych eksperymentach Claude był konserwatywny, wielokrotnie sprawdzał dwukrotnie i potrójnie dobrze poparte wyniki i preferował znane podejścia. Zespół przeciwdziałał temu, wymagając równoległego stosowania kilku jakościowo różnych projektów i od czasu do czasu skłaniając model do poszerzenia poszukiwań — ta sama ostrożność, jak wynika z postu, która w pierwszej kolejności skłoniła do wprowadzenia dowodów Lean.

Firma prognozuje, że sztuczna inteligencja mogłaby ostatecznie wspólnie zoptymalizować każdy element komputera kwantowego z korekcją błędów, od algorytmu po sprzęt, pod kątem konkretnego problemu. Jeśli wyniki się potwierdzą, artykuł może zostać zapamiętany nie tyle ze względu na pojedynczy obwód, ile z demonstrację, że model językowy może sprawdzić się w jednej z najbardziej wymagających dyscyplin projektowania informatyki.

Wyprzedź sztuczną inteligencję

Obliczenia kwantowe, modele pionierskie i przełomowe odkrycia badawcze między nimi postępują szybko. Przeczytaj więcej wiadomości o AI w AI Buzz Wire.

Przeczytaj więcej aktualności o sztucznej inteligencji →