Anthropic spune că modelul său Claude Mythos 5 a proiectat circuite cuantice care îmbunătățesc cele mai bune proiecte publicate anterior în șapte din opt sarcini de calcul, în unele cazuri cu un ordin de mărime sau mai mult. Afirmația, prezentată într-o postare de cercetare publicată vineri și într-o lucrare de 46 de pagini trimisă la arXiv pe 15 octombrie, este cea mai concretă demonstrație a laboratorului de până acum că modelele mari de limbaj pot produce modele științifice originale, mai degrabă decât să rezume cunoștințele existente.

Lucrarea a fost condusă de Andi Gu prin intermediul programului Anthropic STEM Fellows, cu mentorat de la fizicianul cuantic Anthropic Alek Kemeny și în colaborare cu fizicienii de la Harvard Susanne Yelin și Mikhail Lukin, care este, de asemenea, fondatorul companiei de calcul cuantic QuEra. Lucrarea, intitulată „Descoperirea circuitelor cuantice de ultimă generație cu modele de limbaj mari”, are 46 de pagini cu 10 cifre și șase tabele, potrivit Unite.AI, care a fost printre primele magazine care au raportat rezultatele în detaliu alături de The Quantum Insider și Interesting Engineering.

Cele opt sarcini sunt primitive computaționale - rutinele de bază din care se construiesc algoritmi cuantici mai mari - cuprinzând chimie, optimizare, simulare cuantică, teoria numerelor și calcul numeric. Conform rezumatului lucrării, în șapte dintre cele opt sarcini, circuitele descoperite reduc semnificativ atât numărul de porți Toffoli, cât și numărul de qubiți în raport cu stadiul tehnicii, în timp ce a opta a produs o arhitectură reversibilă complet nouă pentru inversarea modulară în câmpul prim.

Pentru o acoperire continuă a rezultatelor cercetării Anthropic și cursa mai largă de a aplica AI în știință, urmăriți știrile de ultimă oră AI pe măsură ce domeniul se dezvoltă.

Cum funcționează bucla închisă

Procesul de proiectare este o buclă evolutivă în care modelul de limbaj propune circuite și un evaluator independent le verifică. Circuitele cuantice pot fi scrise ca cod obișnuit, așa că Claude Mythos 5 a trimis proiectele ca programe Python, a primit feedback de corectitudine și un scor de la evaluator și a fost revizuit - fără nicio intervenție umană între runde.

Scorul este în mod deliberat simplu: numărul de qubiți înmulțit cu numărul de porți. Acest produs servește ca proxy pentru cât timp ar dura un circuit pentru a rula pe un viitor computer cuantic și oferă modelului o țintă obiectivă de împins în jos.

Circuitele cuantice impun, de asemenea, constrângeri pe care software-ul obișnuit nu le face. Un circuit nu se poate ramifica pe decizii dacă-atunci, deoarece se execută pe o suprapunere a mai multor intrări simultan și trebuie să conțină operațiile pentru fiecare cale de fiecare dată când rulează. Nici nu poate elimina informații, deoarece fiecare pas trebuie să fie reversibil - rezultatele intermediare trebuie stocate sau „necalculate” prin rularea calculului care le-a produs în sens invers, la un cost în porți suplimentare. Aceste constrângeri forțează un compromis între numărul de qubit și timpul de execuție, care este tocmai compromisul modelelor lui Claude remodelate.

O rulare de 53 de ore produce un nou algoritm modular de inversare

Prima descoperire detaliată se referă la adăugarea punctelor, operațiunea de bază în algoritmii cuantici pentru problema logaritmului discret al curbei eliptice și unul dintre reperele standard ale câmpului. Cea mai mare parte a costului său se află într-o singură etapă - inversarea modulară, versiunea înglobatoare a diviziunii utilizată în aritmetica curbelor eliptice.

Potrivit postării lui Anthropic, Claude a primit un rezumat de un paragraf care explică regula matematică și modul în care evaluatorul va nota fiecare design, apoi a lucrat timp de 53 de ore cu intervenție umană minimă înainte de a ajunge la o abordare cu adevărat nouă. Calculatoarele clasice gestionează eficient inversarea modulară cu o metodă numită divsteps, dar acea metodă nu a dat niciodată un circuit cuantic practic, deoarece reversibilitatea obligă circuitul să înregistreze ce operație a fost aleasă la fiecare iterație - iar stocarea istoriei acelei ramuri necesită un număr enorm de qubiți suplimentari.

Înțelegerea lui Claude a fost că înregistrarea s-ar putea să nu trebuiască deloc să fie stocată: informațiile despre ramuri puteau fi decodificate mai târziu prin inspectarea perechii de numere produse la fiecare iterație. Regulile timpurii de decodare au funcționat pe cazuri de testare mici, dar au eșuat la dimensiunea completă a problemei de 256 de biți, se arată în post. Modelul a demonstrat apoi o serie de noi identități algebrice despre iterație, a derivat o formulă de decodare precisă, a validat-o în simulări numerice la scară largă și a oficializat afirmația în asistentul Lean proof.

Rezultatul, spune Anthropic, este prima implementare reversibilă a divsteps fără istoric stocat de ramuri. Deoarece decodarea economisește qubiți, dar costă timp de rulare, Claude a produs o familie de design-uri de-a lungul frontierei dintre cele două. Un circuit din acea familie folosește cu 12% mai mulți qubiți, dar de 17 ori mai puține porți decât cel mai mic design anterior; postarea numește cele mai bune modele publicate anterior ca Schrottenloher (2026) și Luo și colab. (2026).

Un decodor de 12 ori mai ieftin pentru optimizarea cuantică

A doua descoperire vizează interferometria cuantică decodificată (DQI), descrisă în post ca fiind unul dintre cei mai puternici candidați cunoscuți pentru o accelerare cuantică superpolinomială. Cel mai scump pas al algoritmului este un decodor de corectare a erorilor, iar estimările cercetătorilor Google Quantum AI citați în postare sugerează că o anumită instanță a problemei de intersecție polinomială optimă ar dura aproximativ trei luni pe supercomputerul Frontier față de aproximativ o oră pe un viitor computer cuantic - cea mai mare parte a acestei ore petrecută pentru decodare Reed-Solomon.

Circuitul de decodor de ultimă generație anterior a fost construit pe algoritmul euclidian extins, al cărui număr de pași depinde de intrare, forțând un circuit cuantic să extindă calculul în cel mai rău caz și să execute fiecare operație în fiecare rundă. Claude și-a organizat circuitul în jurul decodării Berlekamp–Massey, care efectuează aceeași muncă în fiecare rundă. Făcând acest reversibil a creat o problemă de memorie, pe care modelul a rezolvat-o statistic: a scris un simulator de mare viteză și a rulat 403 milioane de decodificări de eșantioane pentru a măsura cât de des apar valori excepționale. Aproape fiecare rulare trebuia să economisească cel mult o valoare, așa că circuitul își rezervă 19 qubiți în loc de cei 665 pe care i-ar necesita un design în cel mai rău caz, cu aproximativ o rulare din 10.000 eșuând - o rată pe care postarea spune că se încadrează cu mult în bugetul de eroare al sarcinii. Optimizările reduc numărul porților decodorului cu un factor de 12 față de construcția anterioară a Google, prin modificări la nivel de metodă, arhitectură și resurse-buget.

De ce contează – și ce nu demonstrează

Pentru a ilustra mizele, postarea lui Anthropic relatează istoria FeMoco, clusterul fier-sulf din inima nitrogenazei, enzima folosită de bacteriile pentru a transforma azotul în amoniac. În 2017, cercetătorii au estimat că calcularea energiei de bază a FeMoco ar necesita aproximativ 50 de trilioane de porți Toffoli; o serie de progrese algoritmice de-a lungul a opt ani au adus estimarea la aproximativ 340 de milioane - o reducere de 150.000 de ori care corespunde cu câteva ore de calcul pe o viitoare mașină cu aproximativ trei milioane de qubiți fizici. Contrastul pe care îl face compania este clar: acea îmbunătățire de 150.000 de ori a durat opt ​​ani multor grupuri de cercetare, în timp ce rezultatul curbei eliptice a rezultat dintr-o singură rulare de 53 de ore.

Avertismentele sunt la fel de clare. Calculatoarele cuantice de astăzi au doar sute până la mii de qubiți, iar acești qubiți sunt foarte sensibili la zgomot, așa că acestea sunt proiecte pentru hardware-ul viitor, mai degrabă decât demonstrații pe mașini funcționale. Iar rezultatele sunt afirmațiile lui Anthropic, deși susținute de dovezi Lean, validare numerică și un evaluator independent; O examinare mai largă de către colegi a lucrării arXiv este abia la început.

Anthropic raportează, de asemenea, un model comportamental timpuriu demn de remarcat: în experimentele inițiale, Claude a fost conservator, verificând în mod repetat și de trei ori rezultatele bine susținute și preferând abordări familiare. Echipa a contracara acest lucru solicitând mai multe modele calitativ diferite în paralel și determinând ocazional modelul să-și extindă căutarea - aceeași precauție, notează postarea, care a determinat demonstrațiile Lean în primul rând.

Perspectiva declarată a companiei este că AI ar putea optimiza în cele din urmă împreună fiecare componentă a unui computer cuantic corectat de erori, de la algoritm până la hardware, pentru o problemă specifică. Dacă rezultatele rezistă, lucrarea poate fi amintită mai puțin pentru orice circuit unic, decât pentru demonstrația că un model de limbaj poate rezista într-una dintre cele mai solicitante discipline de proiectare ale computerului.

Rămâi înaintea AI

Calculul cuantic, modelele de frontieră și descoperirile de cercetare dintre ele se mișcă rapid. Citiți mai multe știri AI pe AI Buzz Wire.

Citește mai multe știri AI →