Anthropic กล่าวว่าโมเดล Claude Mythos 5 ได้ออกแบบวงจรควอนตัมที่ปรับปรุงจากการออกแบบที่ดีที่สุดที่เคยเผยแพร่ก่อนหน้านี้ในงานคำนวณเจ็ดจากทั้งหมดแปดงาน ในบางกรณีตามลำดับความสำคัญหรือมากกว่านั้น คำกล่าวอ้างดังกล่าวซึ่งเผยแพร่ในโพสต์วิจัยที่เผยแพร่เมื่อวันศุกร์ และรายงานความยาว 46 หน้าที่ส่งไปยัง arXiv เมื่อวันที่ 15 ตุลาคม ถือเป็นการสาธิตที่เป็นรูปธรรมที่สุดของห้องปฏิบัติการว่า แบบจำลองภาษาขนาดใหญ่สามารถสร้างการออกแบบทางวิทยาศาสตร์ต้นฉบับ แทนที่จะสรุปความรู้ที่มีอยู่
งานนี้นำโดย Andi Gu ผ่านโครงการ STEM Fellows ของ Anthropic โดยได้รับคำแนะนำจากนักฟิสิกส์ควอนตัม Alek Kemeny และในความร่วมมือกับนักฟิสิกส์ของ Harvard Susanne Yelin และ Mikhail Lukin ซึ่งเป็นผู้ก่อตั้งบริษัทคอมพิวเตอร์ควอนตัม QuEra เช่นกัน บทความเรื่อง "การค้นพบวงจรควอนตัมที่ล้ำสมัยด้วยแบบจำลองภาษาขนาดใหญ่" มีเนื้อหาทั้งหมด 46 หน้า โดยมีตัวเลข 10 ตัวและตาราง 6 ตาราง ตามข้อมูลของ Unite.AI ซึ่งเป็นหนึ่งในแหล่งข้อมูลแรกๆ ที่รายงานผลลัพธ์โดยละเอียดควบคู่ไปกับ The Quantum Insider และ Interesting Engineering
งานแปดงานนั้นเป็นงานพื้นฐานด้านการคำนวณ ซึ่งเป็นกิจวัตรพื้นฐานที่ใช้สร้างอัลกอริธึมควอนตัมขนาดใหญ่ขึ้น ซึ่งครอบคลุมเคมี การเพิ่มประสิทธิภาพ การจำลองควอนตัม ทฤษฎีจำนวน และการคำนวณเชิงตัวเลข ตามบทคัดย่อของรายงาน ในงาน 7 งานจากทั้งหมด 8 งาน วงจรที่ค้นพบช่วยลดจำนวนเกตของ Toffoli และจำนวน qubit ลงอย่างมากเมื่อเทียบกับความทันสมัย ในขณะที่งานที่ 8 ให้ผลลัพธ์สถาปัตยกรรมแบบพลิกกลับได้ใหม่ทั้งหมดสำหรับการผกผันแบบแยกส่วนแบบไพรม์ฟิลด์
ติดตามการรายงานข่าว ข่าว AI ด่วน ของเราในขณะที่การพัฒนาด้านนี้ครอบคลุมมากขึ้น เพื่อการรายงานข่าวผลการวิจัยของ Anthropic อย่างต่อเนื่องและการแข่งขันในวงกว้างมากขึ้นในการประยุกต์ใช้ AI กับวิทยาศาสตร์
วิธีการทำงานของวงปิด
กระบวนการออกแบบเป็นวงจรวิวัฒนาการซึ่งแบบจำลองภาษาเสนอวงจรและผู้ประเมินอิสระจะตรวจสอบวงจรเหล่านั้น วงจรควอนตัมสามารถเขียนเป็นโค้ดธรรมดาได้ ดังนั้น Claude Mythos 5 จึงส่งการออกแบบเป็นโปรแกรม Python ได้รับการตอบรับความถูกต้องและคะแนนจากผู้ประเมิน และปรับปรุงใหม่ โดยไม่มีการป้อนข้อมูลของมนุษย์ระหว่างรอบ
คะแนนนั้นจงใจง่าย: จำนวน qubit คูณด้วยจำนวนเกต ผลิตภัณฑ์ดังกล่าวทำหน้าที่เป็นพร็อกซีสำหรับระยะเวลาที่วงจรจะใช้เวลานานในการทำงานบนคอมพิวเตอร์ควอนตัมในอนาคต และทำให้แบบจำลองมีเป้าหมายที่จะกดลง
วงจรควอนตัมยังกำหนดข้อจำกัดที่ซอฟต์แวร์ทั่วไปไม่มี วงจรไม่สามารถแยกย่อยตามการตัดสินใจแบบมีเงื่อนไขได้ เนื่องจากวงจรจะดำเนินการบนตำแหน่งซ้อนทับของอินพุตจำนวนมากในคราวเดียว และต้องมีการดำเนินการสำหรับทุกเส้นทางในแต่ละครั้งที่ทำงาน ไม่สามารถละทิ้งข้อมูลได้เช่นกัน เนื่องจากทุกขั้นตอนจะต้องย้อนกลับได้ - ผลลัพธ์ระดับกลางจะต้องถูกจัดเก็บหรือ "ไม่คำนวณ" โดยการรันการคำนวณที่สร้างผลลัพธ์แบบย้อนกลับ โดยมีค่าใช้จ่ายในเกตเพิ่มเติม ข้อจำกัดเหล่านั้นบังคับให้ต้องแลกกันระหว่างจำนวน qubit และรันไทม์ ซึ่งเป็นการเปลี่ยนแปลงรูปแบบการออกแบบของ Claude อย่างชัดเจน
การวิ่ง 53 ชั่วโมงจะสร้างอัลกอริธึมการผกผันแบบโมดูลาร์ใหม่
การค้นพบโดยละเอียดครั้งแรกเกี่ยวข้องกับการเพิ่มประเด็น การดำเนินการหลักในอัลกอริธึมควอนตัมสำหรับปัญหาลอการิทึมแยกวงรี-โค้ง และหนึ่งในการวัดประสิทธิภาพมาตรฐานของสนาม ต้นทุนส่วนใหญ่อยู่ในขั้นตอนเดียว — การผกผันแบบโมดูลาร์ ซึ่งเป็นเวอร์ชันแบบล้อมรอบที่ใช้ในการคำนวณทางคณิตศาสตร์แบบวงรี
ตามโพสต์ของ Anthropic Claude ได้รับบทสรุปหนึ่งย่อหน้าซึ่งอธิบายกฎทางคณิตศาสตร์และวิธีที่ผู้ประเมินจะให้คะแนนแต่ละการออกแบบ จากนั้นจึงทำงานเป็นเวลา 53 ชั่วโมงโดยมีคนเข้ามาแทรกแซงน้อยที่สุด ก่อนที่จะมาถึงแนวทางใหม่อย่างแท้จริง คอมพิวเตอร์คลาสสิกจัดการการผกผันของโมดูลาร์ได้อย่างมีประสิทธิภาพด้วยวิธีที่เรียกว่า divsteps แต่วิธีการดังกล่าวไม่เคยให้ผลกับวงจรควอนตัมในทางปฏิบัติ เนื่องจากการกลับด้านได้บังคับให้วงจรบันทึกการดำเนินการที่เลือกในการวนซ้ำแต่ละครั้ง และการจัดเก็บประวัติสาขานั้นต้องใช้คิวบิตเพิ่มเติมจำนวนมหาศาล
ความเข้าใจของโคลด์ก็คือบันทึกอาจไม่จำเป็นต้องจัดเก็บเลย ข้อมูลสาขาสามารถถอดรหัสได้ในภายหลังโดยการตรวจสอบคู่ของตัวเลขที่เกิดขึ้นในการวนซ้ำแต่ละครั้ง กฎการถอดรหัสในช่วงแรกใช้งานได้กับกรณีทดสอบขนาดเล็ก แต่ล้มเหลวในขนาดปัญหา 256 บิตเต็ม ตามที่ระบุไว้ในโพสต์ จากนั้น แบบจำลองได้พิสูจน์ชุดของอัตลักษณ์พีชคณิตใหม่เกี่ยวกับการวนซ้ำ ได้รับสูตรการถอดรหัสที่แม่นยำ ตรวจสอบความถูกต้องในการจำลองเชิงตัวเลขขนาดใหญ่ และจัดทำข้อเรียกร้องอย่างเป็นทางการในตัวช่วยพิสูจน์แบบ Lean
Anthropic กล่าวว่าผลลัพธ์ที่ได้คือการนำ divsteps ไปใช้แบบย้อนกลับได้เป็นครั้งแรก โดยไม่มีประวัติสาขาที่เก็บไว้ เนื่องจากการถอดรหัสช่วยประหยัดคิวบิตแต่มีค่าใช้จ่ายรันไทม์ Claude จึงสร้างตระกูลการออกแบบตามแนวชายแดนระหว่างทั้งสอง วงจรหนึ่งในตระกูลนั้นใช้คิวบิตมากกว่า 12% แต่มีเกตน้อยกว่า 17 เท่าเมื่อเทียบกับการออกแบบที่เล็กที่สุดก่อนหน้านี้ โพสต์ดังกล่าวตั้งชื่อผลงานการออกแบบที่ตีพิมพ์ก่อนหน้านี้ที่ดีที่สุดว่า Schrottenloher (2026) และ Luo et al (2026)
ตัวถอดรหัสราคาถูกกว่า 12 เท่าสำหรับการเพิ่มประสิทธิภาพควอนตัม
เป้าหมายการค้นพบครั้งที่สองถอดรหัสควอนตัมอินเตอร์เฟอโรเมท (DQI) ซึ่งอธิบายไว้ในโพสต์ว่าเป็นหนึ่งในตัวเลือกที่แข็งแกร่งที่สุดที่รู้จักกันดีสำหรับการเร่งความเร็วควอนตัมซูเปอร์โพลิโนเมียล ขั้นตอนที่แพงที่สุดของอัลกอริทึมคือตัวถอดรหัสการแก้ไขข้อผิดพลาด และการประมาณการโดยนักวิจัยของ Google Quantum AI ที่อ้างถึงในโพสต์บอกเป็นนัยว่าตัวอย่างเฉพาะของปัญหาการแยกพหุนามที่เหมาะสมที่สุดจะใช้เวลาประมาณสามเดือนบนซูเปอร์คอมพิวเตอร์ Frontier เทียบกับประมาณหนึ่งชั่วโมงบนคอมพิวเตอร์ควอนตัมในอนาคต โดยส่วนใหญ่ของชั่วโมงนั้นใช้เวลาไปกับการถอดรหัส Reed–Solomon
วงจรถอดรหัสที่ล้ำสมัยก่อนหน้านี้สร้างขึ้นจากอัลกอริธึมยุคลิดแบบขยาย ซึ่งการนับก้าวขึ้นอยู่กับอินพุต ทำให้วงจรควอนตัมต้องขยายการคำนวณในกรณีที่แย่ที่สุด และดำเนินการทุกการดำเนินการในทุกรอบ Claude แทนที่จะจัดวงจรโดยใช้การถอดรหัส Berlekamp–Massey ซึ่งทำงานเหมือนเดิมทุกรอบ การทำให้สิ่งที่พลิกกลับได้นั้นสร้างปัญหาเกี่ยวกับหน่วยความจำ ซึ่งแบบจำลองได้แก้ไขด้วยวิธีทางสถิติ โดยได้เขียนเครื่องจำลองความเร็วสูงและรันการถอดรหัสตัวอย่าง 403 ล้านตัวอย่างเพื่อวัดความถี่ที่ค่าพิเศษเกิดขึ้น เกือบทุกรันจำเป็นต้องบันทึกค่าได้มากที่สุดเพียงค่าเดียว ดังนั้นวงจรจึงสงวนไว้ 19 คิวบิต แทนที่จะเป็น 665 อย่างที่การออกแบบกรณีที่แย่ที่สุดต้องการ โดยรันประมาณหนึ่งครั้งในความล้มเหลว 10,000 ครั้ง ซึ่งเป็นอัตราที่โพสต์บอกว่าอยู่ภายในงบประมาณข้อผิดพลาดของงาน การเพิ่มประสิทธิภาพจะลดจำนวนเกตของตัวถอดรหัสลง 12 เท่าเมื่อเทียบกับโครงสร้างก่อนหน้าของ Google โดยผ่านการเปลี่ยนแปลงวิธีการ สถาปัตยกรรม และระดับงบประมาณทรัพยากร
เหตุใดจึงสำคัญ — และสิ่งใดที่พิสูจน์ไม่ได้
เพื่อแสดงให้เห็นถึงความเสี่ยง โพสต์ของ Anthropic เล่าถึงประวัติของ FeMoco ซึ่งเป็นกระจุกเหล็กและซัลเฟอร์ที่เป็นหัวใจของไนโตรเจนเนส ซึ่งเป็นแบคทีเรียที่เป็นเอนไซม์ที่ใช้ในการเปลี่ยนไนโตรเจนให้เป็นแอมโมเนีย ในปี 2560 นักวิจัยคาดการณ์ว่าการคำนวณพลังงานสถานะพื้นดินของ FeMoco จะต้องใช้ประตู Toffoli ประมาณ 50 ล้านล้านประตู ความก้าวหน้าทางอัลกอริธึมอย่างต่อเนื่องตลอดระยะเวลาแปดปีทำให้ตัวเลขประมาณการอยู่ที่ประมาณ 340 ล้าน ซึ่งลดลงถึง 150,000 เท่า ซึ่งสอดคล้องกับการคำนวณไม่กี่ชั่วโมงบนเครื่องในอนาคตที่มีคิวบิตจริงประมาณ 3 ล้านคิวบิต ความแตกต่างที่บริษัทดึงมานั้นตรงไปตรงมา: การปรับปรุง 150,000 เท่านั้นใช้เวลากลุ่มวิจัยจำนวนมากถึงแปดปี ในขณะที่ผลลัพธ์ของเส้นโค้งวงรีนั้นมาจากการดำเนินการ 53 ชั่วโมงเพียงครั้งเดียว
คำเตือนก็มีความชัดเจนไม่แพ้กัน คอมพิวเตอร์ควอนตัมในปัจจุบันมีคิวบิตเพียงหลายร้อยถึงหลายพันคิวบิต และคิวบิตเหล่านั้นมีความไวต่อสัญญาณรบกวนสูง ดังนั้นสิ่งเหล่านี้จึงเป็นการออกแบบสำหรับฮาร์ดแวร์ในอนาคต แทนที่จะเป็นการสาธิตบนเครื่องจักรที่ใช้งานได้ และผลลัพธ์ที่ได้คือคำกล่าวอ้างของ Anthropic เอง แม้ว่าจะได้รับการสนับสนุนจากหลักฐานแบบ Lean การตรวจสอบความถูกต้องเชิงตัวเลข และผู้ประเมินอิสระ การตรวจสอบเอกสาร arXiv อย่างละเอียดโดยผู้ทรงคุณวุฒิในวงกว้างเป็นเพียงการเริ่มต้นเท่านั้น
นอกจากนี้ Anthropic ยังรายงานรูปแบบพฤติกรรมในช่วงแรกๆ ที่น่าสังเกตด้วย: ในการทดลองครั้งแรก Claude เป็นคนอนุรักษ์นิยม ตรวจสอบผลลัพธ์ที่ได้รับการสนับสนุนเป็นอย่างดีซ้ำแล้วซ้ำอีกสองครั้งและสามครั้ง และเลือกใช้แนวทางที่คุ้นเคย ทีมงานโต้กลับเรื่องนี้โดยกำหนดให้มีการออกแบบที่แตกต่างกันในเชิงคุณภาพหลายแบบพร้อมกัน และบางครั้งก็กระตุ้นให้แบบจำลองขยายการค้นหาออกไป — คำเตือนแบบเดียวกันคือโพสต์โน้ตที่กระตุ้นให้มีการพิสูจน์แบบลีนตั้งแต่แรก
แนวโน้มที่ระบุไว้ของบริษัทคือในที่สุด AI จะสามารถร่วมกันเพิ่มประสิทธิภาพทุกองค์ประกอบของคอมพิวเตอร์ควอนตัมที่แก้ไขข้อผิดพลาด ตั้งแต่อัลกอริทึมไปจนถึงฮาร์ดแวร์ สำหรับปัญหาเฉพาะ หากผลลัพธ์ยังคงอยู่ กระดาษอาจถูกจดจำได้น้อยกว่าสำหรับวงจรเดี่ยวใดๆ มากไปกว่าการสาธิตว่าโมเดลภาษาสามารถคงอยู่ในหนึ่งในสาขาวิชาการออกแบบที่มีความต้องการมากที่สุดของคอมพิวเตอร์
ก้าวนำหน้า AI
การประมวลผลควอนตัม แบบจำลองระดับแนวหน้า และความก้าวหน้าทางการวิจัยระหว่างทั้งสองนั้นดำเนินไปอย่างรวดเร็ว อ่านข่าว AI เพิ่มเติม บน AI Buzz Wire
อ่านข่าว AI เพิ่มเติม →
