Anthropic утверждает, что Клод Мифос 5 разработал квантовые схемы, которые превосходят лучшие опубликованные разработки

Anthropic утверждает, что ее модель Claude Mythos 5 разработала квантовые схемы, которые улучшают лучшие ранее опубликованные разработки в семи из восьми вычислительных задач, в некоторых случаях на порядок и более. Заявление, изложенное в исследовательском сообщении, опубликованном в пятницу, и в 46-страничном документе, представленном arXiv 15 октября, является наиболее конкретной демонстрацией лаборатории того, что большие языковые модели могут создавать оригинальные научные проекты, а не обобщать существующие знания.

Работу возглавил Энди Гу в рамках программы стипендий Anthropic STEM под руководством квантового физика Anthropic Алека Кемени и в сотрудничестве с гарвардскими физиками Сюзанной Йелин и Михаилом Лукиным, который также является основателем компании квантовых вычислений QuEra. Статья под названием «Открытие современных квантовых схем с помощью больших языковых моделей» состоит из 46 страниц с 10 рисунками и шестью таблицами.

Восемь задач представляют собой вычислительные примитивы — базовые процедуры, из которых строятся более крупные квантовые алгоритмы — охватывающие химию, оптимизацию, квантовое моделирование, теорию чисел и численные вычисления. Согласно аннотации статьи, в семи из восьми задач обнаруженные схемы значительно сокращают количество вентилей Тоффоли и количество кубитов по сравнению с современным уровнем техники, а восьмая позволила создать совершенно новую обратимую архитектуру для модульной инверсии простых полей.

Чтобы продолжать освещать результаты исследований Anthropic и более широкую гонку за применение ИИ в науке, следите за нашими [последними новостями об ИИ] (https://aibuzzwire.news) по мере развития этой области.

Как работает замкнутый цикл

Процесс проектирования представляет собой эволюционный цикл, в котором языковая модель предлагает схемы, а независимый оценщик проверяет их. Квантовые схемы могут быть написаны как обычный код, поэтому Claude Mythos 5 представил проекты в виде программ на Python, получил отзыв о правильности и оценку от оценщика и отредактировал их — без участия человека между раундами.

Оценка намеренно проста: количество кубитов, умноженное на количество вентилей. Этот продукт служит показателем того, сколько времени потребуется схеме для работы на будущем квантовом компьютере, и дает модели объективную цель, которую нужно снизить.

Квантовые схемы также накладывают ограничения, которых нет в обычном программном обеспечении. Схема не может разветвляться на решениях «если-то», поскольку она выполняется на суперпозиции многих входных данных одновременно и должна содержать операции для каждого пути при каждом запуске. Он также не может отбрасывать информацию, поскольку каждый шаг должен быть обратимым — промежуточные результаты должны быть сохранены или «невычислены», выполняя вычисления, которые их произвели, в обратном порядке, за счет дополнительных вентилей. Эти ограничения вынуждают искать компромисс между количеством кубитов и временем выполнения, и именно этот компромисс изменили проекты Клода.

53-часовой прогон создает новый алгоритм модульной инверсии

Первое подробное открытие касается сложения точек, основной операции квантовых алгоритмов для задачи дискретного логарифмирования на эллиптической кривой и одного из стандартных тестов в этой области. Большая часть его затрат приходится на один шаг — модульную инверсию, циклическую версию деления, используемую в арифметике с эллиптическими кривыми.

Согласно сообщению Anthropic, Клод получил краткое описание из одного абзаца, объясняющее математическое правило и то, как оценщик будет оценивать каждый дизайн, а затем проработал 53 часа с минимальным вмешательством человека, прежде чем пришел к действительно новому подходу. Классические компьютеры эффективно справляются с модульной инверсией с помощью метода под названием divsteps, но этот метод никогда не приводил к созданию практической квантовой схемы, поскольку обратимость заставляет схему записывать, какая операция была выбрана на каждой итерации, а для хранения этой истории ветвей требуется огромное количество дополнительных кубитов.

По мнению Клода, запись, возможно, вообще не потребуется сохранять: информацию о ветке можно будет декодировать позже, проверяя пару чисел, создаваемую на каждой итерации. Ранние правила декодирования работали на небольших тестовых примерах, но не работали при полном 256-битном размере задачи, говорится в сообщении. Затем модель доказала ряд новых алгебраических тождеств об итерации, вывела точную формулу декодирования, проверила ее в крупномасштабном численном моделировании и формализовала утверждение в помощнике по доказательству Lean.

Результатом, по словам Anthropic, является первая обратимая реализация divsteps без сохраненной истории ветвей. Поскольку декодирование экономит кубиты, но требует затрат времени выполнения, Клод разработал семейство проектов, находящихся на границе между ними. Одна схема в этом семействе использует на 12% больше кубитов, но в 17 раз меньше вентилей, чем самая маленькая предыдущая конструкция; в сообщении названы лучшие ранее опубликованные разработки: Шроттенлохер (2026) и Луо и др. (2026).

В 12 раз более дешевый декодер для квантовой оптимизации

Второе открытие нацелено на декодированную квантовую интерферометрию (DQI), описанную в статье как одного из самых сильных известных кандидатов на суперполиномиальное квантовое ускорение. Самым дорогим этапом алгоритма является декодер с исправлением ошибок, и оценки исследователей Google Quantum AI, приведенные в статье, подразумевают, что конкретный пример задачи оптимального пересечения полиномов займет около трех месяцев на суперкомпьютере Frontier против примерно часа на будущем квантовом компьютере - причем большая часть этого часа будет потрачена на декодирование Рида-Соломона.

Предыдущая современная схема декодера была построена на расширенном алгоритме Евклида, количество шагов которого зависит от входных данных, заставляя квантовую схему растягивать вычисления на наихудший случай и выполнять каждую операцию в каждом раунде. Вместо этого Клод организовал свою схему на основе декодирования Берлекэмпа-Мэсси, которое выполняет одну и ту же работу на каждом этапе. Делая это обратимым, возникла проблема с памятью, которую модель решила статистически: она написала высокоскоростной симулятор и выполнила 403 миллиона декодирований выборок, чтобы измерить, как часто возникают исключительные значения. Почти при каждом прогоне требовалось сохранить не более одного значения, поэтому схема резервирует 19 кубитов вместо 665, которые потребовались бы в худшем случае, причем примерно один прогон из 10 000 терпит неудачу — показатель, о котором говорится в сообщении, вполне укладывается в бюджет ошибок задачи. Оптимизация сократила количество вентилей декодера в 12 раз по сравнению с предыдущей конструкцией Google за счет изменений на уровне метода, архитектуры и бюджета ресурсов.

Почему это важно и что это не доказывает

Чтобы проиллюстрировать ставки, в сообщении Anthropic рассказывается история FeMoco, железо-серного кластера, лежащего в основе нитрогеназы, фермента, который бактерии используют для превращения азота в аммиак. В 2017 году исследователи подсчитали, что для расчета энергии основного состояния FeMoco потребуется примерно 50 триллионов вентилей Тоффоли; серия алгоритмических усовершенствований за восемь лет довела эту оценку до примерно 340 миллионов — 150 000-кратное сокращение, что соответствует нескольким часам вычислений на машине будущего с примерно тремя миллионами физических кубитов. Контраст, который рисует компания, очевиден: на улучшение в 150 000 раз у многих исследовательских групп ушло восемь лет, в то время как результат на основе эллиптической кривой был получен в результате одного 53-часового эксперимента.

Предостережения одинаково ясны. Сегодняшние квантовые компьютеры имеют от сотен до тысяч кубитов, и эти кубиты очень чувствительны к шуму, поэтому это проекты будущего оборудования, а не демонстрации на работающих машинах. И результаты — это собственные утверждения Anthropic, хотя и подкрепленные доказательствами бережливого производства, численной проверкой и независимым оценщиком; более широкое экспертное изучение статьи arXiv только начинается.

Anthropic также сообщает о ранней поведенческой модели, которую стоит отметить: в первоначальных экспериментах Клод был консервативен, неоднократно дважды и трижды проверял хорошо подтвержденные результаты и предпочитал знакомые подходы. Команда противодействовала этому, требуя одновременно несколько качественно разных проектов и время от времени побуждая модель расширять область поиска — та же самая осторожность, как отмечается в сообщении, которая в первую очередь побудила бережливое производство.

Заявленная перспектива компании заключается в том, что ИИ в конечном итоге сможет совместно оптимизировать каждый компонент квантового компьютера с коррекцией ошибок, от алгоритма до аппаратного обеспечения, для решения конкретной проблемы. Если результаты подтвердятся, статья запомнится не столько какой-то отдельной схемой, сколько демонстрацией того, что языковая модель может выстоять в одной из самых требовательных дисциплин компьютерного проектирования.

Будьте впереди ИИ

Квантовые вычисления, передовые модели и исследовательские прорывы между ними развиваются быстро. Читайте больше новостей об искусственном интеллекте на AI Buzz Wire.

Читать больше новостей AI →